Tutorial de Inteligencia Artificial y Sistemas Expertos

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS
INDICE
__________________
1. INTELIGENCIA ARTIFICIAL
1.1. INTELIGENCIA
1.2. INTELIGENCIA ARTIFICIAL 1.3. HISTORIA DE LA INTELIGENCIA ARTIFICIAL 1.4. CAMPOS DE LA INTELIGENCIA ARTIFICIAL 1.5. AREAS DE APLICACION
2. SISTEMAS EXPERTOS, SISTEMAS BASADOS EN CONOCIMIENTO, SISTEMAS CON BASE DE CONOCIMIENTO O SISTEMAS INTELIGENTES
2.1. DATO, INFORMACION Y CONOCIMIENTO 2.2. DEFINICIONES 2.3. HISTORIA DE LOS SISTEMAS EXPERTOS 2.4. SISTEMAS EXPERTOS ACTUALES 2.5. PORQUE CONSTRUIR UN SISTEMA EXPERTO? 2.6. ESTRUCTURA DE UN SISTEMA EXPERTO 2.7. CARACTERISTICAS DE LOS SISTEMAS EXPERTOS 2.8. PARTICIPANTES EN EL DESARROLLO DE UN SISTEMA EXPERTO 2.9. CLASIFICACION DE SISTEMAS EXPERTOS 2.10. METODOLOGIAS DE DESARROLLO
2.11. HERRAMIENTAS DE DESARROLLO 2.11.1. LENGUAJES DE INTELIGENCIA ARTIFICIAL 2.11.2. SHELLS: EXSYS, WEBLS, JESS..ETC
3. DESARROLLO
PRODUCCION
DE
SISTEMAS
EXPERTOS
BASADOS
EN
REGLAS
DE
3.1. SISTEMAS DE PRODUCCION 3.2. SISTEMAS EXPERTOS BASADOS EN REGLAS DE PRODUCCION 3.3. VENTAJAS Y DESVENTAJAS DE LOS SISTEMAS EXPERTOS BASADOS EN REGLAS DE PRODUCCION
4. INGENIERIA DEL CONOCIMIENTO DE JHON DURKIN

5. HERRAMIENTA DE DESARROLLO: EXSYS PROFESSIONAL 6. PROYECTO DE DESARROLLO
_______________________________________________________ Autor: Heyner H. Ninaquispe Castro
Pg. 2
__________________
CAPITULO I: INTELIGENCIA ARTIFICIAL
1.- INTELIGENCIA ARTIFICIAL
Pg. 3
__________________
1.1 INTELIGENCIA Sabemos que una de las caractersticas de los seres vivos es la inteligencia, y sabemos que todos tienen una capacidad o grado distinto de inteligencia, que depende de factores biolgicos, psicolgicos y de desarrollo mental.Todos sabemos esto, pero; entendemos realmente por INTELIGENCIA?: A continuacin revisemos algunos conceptos generales sobre inteligencia: que
Inteligencia es la aptitud de crear relaciones . Esta creacin puede darse de

manera puramente sensorial, como en la inteligencia animal; tambin puede darse de manera intelectual, como en el ser humano, que pone en juego el lenguaje y los conceptos.
Inteligencia, tambin se la puede conceptuar como la habilidad para adquirir,

comprender y aplicar conocimiento; o como la aptitud para recordar, pensar y razonar.
Inteligencia, podemos tambin decir que es la capacidad para solucionar problemas

lo cual requiere de conocimiento y relaciones. Como podemos observar, los conceptos de inteligencia son relativos y variables pero en general estn relacionados a la capacidad de crear relaciones y generar conocimiento para aplicarlos en la solucin de problemas ; est tcitamente demostrado que inteligencia y conocimiento son conceptos ntimamente ligados. Finalmente podemos decir que el concepto de inteligencia es variable dependiendo del tipo de investigador; es decir los conceptos de inteligencia de un psiclogo, un antroplogo, un abogado u otro profesional pueden ser distintos y vlidos para sus respectivas reas.
1.2 INTELIGENCIA ARTIFICIAL(IA)

Como revisamos previamente, tenemos varios conceptos de inteligencia; a partir de eso que entendemos por inteligencia artificial o inteligencia creada: Una buena definicin de IA es algo elusiva y controversial, fundamentalmente porque la inteligencia humana no est completamente entendida. Cada libro de texto en IA propone una definicin que enfatiza las diferentes perspectivas que, cada autor cree, encierra el campo. A continuacin se transcriben algunas de ellas:
Pg. 4
__________________
Segn Jhon Durkin:Es un campo de estudio en la ciencia computacional que busca el propsito de hacer que una computadora razone de una manera similar a los humanos [01]* Para Daniel Cohen la Inteligencia Artificial se define como:Ciencia que estudia de manera sistemtica el comportamiento inteligente, con el fin de imitar o simular las actividades humanas mediante la creacin y utilizacin de mquinas y computadoras. Estas actividades humanas podrn incluir: razonamiento, aprendizaje, capacidades mecnicas, capacidades sensoriales, etc. [02] Segn el autor Juan Pablo Snchez la Inteligencia Artificial es la Ciencia que trata de la comprensin de la inteligencia y diseo de mquinas inteligentes; es decir el estudio y simulacin de las actividades intelectuales del hombre. [03] Para el Dr. Peruano Nicols Kemper Valverde del Laboratorio de Sistemas Inteligentes de la UNAM(Universidad Autnoma de Mxico) la IA: Es una Rama de las Ciencias Computacionales que estudia la conducta o tambin llamado Comportamiento Inteligente, con el fin de emularlo o simularlo a travs de una computadora Otras definiciones variadas se describen a continuacin:
La IA es una rama de la ciencia de computacin que comprende el estudio y creacin

de sistemas computarizados que manifiestan cierta forma de inteligencia: sistemas que aprenden nuevos conceptos y tareas, sistemas que pueden razonar y derivar conclusiones tiles acerca del mundo que nos rodea, sistemas que pueden comprender un lenguaje natural o percibir y comprender una escena visual, y sistemas que realizan otro tipo de actividades que requieren de inteligencia humana.
La IA es una ciencia que trata de la comprensin de la inteligencia y del diseo de

mquinas inteligentes, es decir, el estudio y la simulacin de las actividades intelectuales del hombre (manipulacin, razonamiento, percepcin, aprendizaje, creacin).
La IA es el estudio de las computaciones que permiten percibir, razonar y actuar. La IA es un campo de estudio que busca explicar y emular el comportamiento
inteligente en trminos de procesos computacionales.
La IA estudia las representaciones y procedimientos que automticamente resuelven

problemas usualmente resueltos por humanos
Pg. 5
__________________
Disciplina dedicada a desarrollar y aplicar enfoques computacionales al comportamiento

inteligente. A pesar de la diversidad de conceptos propuestos para la IA, en general todos coinciden en que la IA trata de alcanzar inteligencia a travs de la computacin. Nosotros podemos resumir que: Inteligencia Artificial es el estudio de la inteligencia humana para comprenderla y crear maquinas que puedan simular/ imitar de manera real las habilidades y capacidades del ser humano Es importante culminar esta parte mencionando los dos propsitos que tiene la IA y que resume claramente Jhon Durkin: El propsito de la IA es hacer a las computadoras mas tiles para los humanos. Esto puede lograrse produciendo programas de computadora que asistan a los humanos en sus decisiones, bsqueda inteligente de informacin o simplemente interfaces de comunicacin el lenguaje natural. Un segundo propsito de la IA, pero de igual importancia que el anterior, es mejorar el entendimiento de la inteligencia humana. Construir una solucin de sus problemas. [01]* Analizando el prrafo tambin podemos nosotros afirmar que la IA cumple: -Como ingeniera, el objetivo de la IA es resolver problemas reales, actuando como un conjunto de ideas acerca de cmo representar y utilizar el conocimiento, y de cmo desarrollar sistemas informticos. -Como ciencia, el objetivo de la IA es buscar la explicacin de diversas clases de inteligencia, a travs de la representacin del conocimiento y de la aplicacin que se da a ste en los sistemas informticos desarrollados. Para usar la IA se requiere una comprensin bsica de la forma en que se puede representar el conocimiento y de los mtodos que pueden utilizar o manipular ese conocimiento. computadora inteligente requiere que entendamos como los humanos capturan, organizan y usan el conocimiento durante la
1.3 HISTORIA DE LA INTELIGENCIA ARTIFICIAL

La inteligencia artificial no tiene un inicio claro pero el ms aceptado es que comenz en el ao 1956 luego de la conferencia Summer Research Project efectuada en el Darmouth
Pg. 6
__________________
Collage en U.S y auspiciado por IBM en la cual el cientfico John Mccarty estableci el trmino INTELIGENCIA ARTIFICIAL. De acuerdo a los investigadores se considera que la IA ha atravesado por 5 etapas desde su aparicin hasta la actualidad:
1.
ETAPA DE INICIO(1956-1965)
razonamiento.
Juegos
de
ajedrez
programas
que
ayudaron
entendimiento de cmo introducir dentro de una computadora la capacidad de

2. 3. 4. 5. 1.4 CAMPOS DE LA IA
Newell y Simmon desarrollaron la Logic Theorist: sistema
capaz de probar teoremas de lgica matemtica. General Problem Solver(GPS); desarrollado para solucionar ETAPA OSCURA(1965-1970) ETAPA DE RENACIMIENTO(1970-1975) ETAPA DE LAS SOCIEDADES(1975-1980) ETAPA DE LA COMERCIALIZACION DE LA IA
una variedad de problemas desde juegos hasta integracin de smbolos.
La Inteligencia Artificial se divide en campos de estudio los cuales Cohen resume en el siguiente esquema:
Pg. 7
__________________
SIMULACION SENSORIAL Odo, vista, tacto, gusto, olfato, etc
ROBTICA Apoyo a trabajos mecnicos y repetitivos
INTELIGENCIA ARTIFICIAL
LENGUAJES NATURALES Comunicacin con computador Figura 2. reas de estudio e investigacin de la Inteligencia Artificial
SISTEMAS EXPERTOS Apoyo a decisiones
Pg. 8

SIMULACION SENSORIAL
__________________
rea de la IA que a travs de las computadoras persigue la imitacin de las capacidades o habilidades sensoriales humanas tales como vista, odo, habla y tacto. Lo anterior incluye visin computacional, procesamiento de imgenes y reconocimiento de escenas. ROBOTICA Estudia la imitacin del movimiento humano a travs de robots, los cuales son creados con el fin de apoyar procesos mecnicos repetitivos que requieren gran precisin. Algunos procesos pueden ser: pintura y acabados, movimiento de materiales, reconocimiento de defectos, etc. LENGUAJES NATURALES Se enfoca en el diseo y desarrollo de software capaz de aceptar, interpretar y ejecutar instrucciones dadas por los usuarios en su lenguaje nativo. SISTEMAS EXPERTOS, SISTEMAS BASADOS EN CONOCIMIENTO O SISTEMAS CON BASE DE CONOCIMIENTOS. Permiten cargar bases de conocimientos integradas por una serie de reglas de sentido comn o conocimiento heurstico; es decir conocimiento basados u obtenidos a travs de la experiencia de un especialista o experto dentro de un dominio especfico del saber. Una vez cargada esta base de conocimientos mltiples usuarios la pueden usar para consulta, apoyo a la toma de decisiones, capacitacin, etc. REDES NEURONALES rea de la Inteligencia Artificial que trata de simular el comportamiento biloggico de las neuronas del cerebro humano en la resolucin de problemas. Principalmente, se usa en el campo de los pronsticos. ALGORITMOS GENETICOS Algoritmos basados en principios de GENETICA como herencia, mejoramiento de especies los cuales tratan de encontrar soluciones mejores a los problemas. Con todo lo anterior, los campos diversos de la IA pueden comprender: Aprendizaje: Captacin automtica de conocimientos.
Pg. 9

Razonamiento:
__________________
Sistemas basados en conocimientos o sistemas expertos.

Bases de datos inteligentes. Prueba de teoremas y juegos. Redes Neuronales. Algoritmos Genticos. Percepcin: Comprensin de lenguaje natural. Interpretacin de escenas visuales (Visin por computadora). Locomocin y Manipulacin: Realizar procesos mecnicos y tareas manuales (Robtica). Algunas de las tareas que estos sistemas realizan en el campo de la IA son: Tareas generales Percepcin: Visin, Fonemas. Lenguaje Natural: Comprensin, generacin y traduccin. Razonamiento de sentido comn. Control de robots. Tareas formales Juegos: Ajedrez, Damas. Matemticas: Geometra, Lgica, Clculo Integral.
Tareas expertas Ingeniera: Diseo, Localizacin de fallas, Planeamiento. Anlisis Cientfico. Diagnstico Mdico. Anlisis Financiero.
Pg. 10

1.5 AREAS DE APLICACIN
__________________
En general se puede considerar que las reas de aplicacin son mltiples y en casi cualquier rea del saber humano se puede utilizar la IA. Adems las ramas de la IA se pueden utilizar simultneamente para resolver problemas especficos. Por ejm a un robot se le puede insertar un sistema experto para exploracin de pozos petrolferos y reducir el riesgo de prdidas humanas
En la agricultura, controlar plagas y manejar cultivos en forma ms eficiente. En las fbricas, realizar montajes peligrosos y actividades tediosas (labores de inspeccin y mantenimiento). En la medicina, ayudar a los mdicos a hacer diagnsticos, supervisar la condicin de los pacientes, administrar tratamientos y preparar estudios estadsticos. En el trabajo domstico, brindar asesora acerca de dietas, compras, supervisin y gestin de consumo energtico y seguridad del hogar. En las escuelas, apoyar la formacin de los estudiantes, especialmente en aquellas materias consideradas complejas. Ayudar a los expertos a resolver difciles problemas de anlisis o a disear nuevos dispositivos. Aprender de los ejemplos para explorar bases de datos en busca de regularidades explotables. Proporcionar respuestas a preguntas en lenguaje natural usando datos estructurados y texto libre
Pg. 11
__________________
CAPITULO II: SISTEMAS EXPERTOS, SISTEMAS BASADOS EN CONOCIMIENTO, SISTEMAS CON BASE DE CONOCIMIENTOS O SISTEMAS INTELIGENTES
Pg. 12

2.- SISTEMAS EXPERTOS (SE) 2.1 DATO, INFORMACION, CONOCIMIENTO
__________________
Antes de definir el trmino SISTEMA EXPERTO es necesario recordar que en captulo anterior identificamos que la inteligencia artificial ligaba ntimamente los trminos inteligencia y conocimiento; tambin mencionamos que la cantidad de conocimientos es lo que otorgaba, en gran parte, el nivel de inteligencia de los seres vivos. Entonces es necesario e indispensable reconocer.QUE ES EL CONOCIMIENTO? Existen corrientes filosficas, ciencias como la gnoseologa y muchos cientficos que se encarga de estudiar las fuentes, tipos y formas de adquirir conocimiento. Nosotros no entraremos a descubrir ni tratar estos temas a fondo, nos concentraremos en aspectos prcticos que nos ayuden a comprender trminos muy relacionados como: DATO, INFORMACION, CONOCIMIENTO para ver su aplicacin en la vida diaria. DATO 2.1.1 DATO Piense en una fecha, un nmero, un nombre cualquiera.Ud. cree que es un dato?..Efectivamente, de la forma ms simple podemos decir que un dato es un hecho, que individualmente carece de valor para una persona. Por ejemplo el nmero 7 carece de valor individualmente, la fecha de cumpleaos del Presidente de la Repblica del Per; carecen de valor porque individualmente no significa nada para un tomador de decisiones frente a un problema, pues no generan acciones concretas.
2.1.2 INFORMACIN
El concepto de informacin nace cuando u dato o conjunto de datos es de utilidad para un tomador de decisiones, es decir cuando los datos son interpretados y tiles para una persona. Por ejemplo, el color rojo en un semforo constituye una informacin ya que tiene una interpretacin objetiva y universal para un grupo de personas-los automovilistas- y les sirve como apoyo para tomar una decisin: en este caso detener el automvil. Otro ejemplo sera la fecha de cumpleaos de un familiar ya que llevara a una persona a tomar una accin como comprarle un regalo, darle una serenata, etc., es claro que un dato se convierte en informacin cuando le es til a una persona o tomador de decisiones. En el caso de una empresa, las utilidades, ganancias o prdidas de una empresa seran informacin para los ejecutivos o la alta direccin para tomar decisiones y generar cursos de accin.
Pg. 13

2.1.3 CONOCIMIENTO
__________________
El conocimiento, en contraste con los conceptos de datos e informacin, sugiere alternativas de accin o guas de actuacin especficas asociadas a la informacin. Aqu podemos definir al conocimiento como el conjunto de reglas, hechos, verdades, razones y los datos heursticos recopilados por expertos, que han resultado y resultan tiles en la resolucin de problemas Por ejemplo, el sueldo mensual de un cliente del Banco de Crdito le permitir al analista de crditos de dicho banco determinar el monto hasta el cual se le puede dar un prstamo al cliente y un curso de accin correspondiente como el siguiente:
Si el sueldo mensual de un cliente es menor o igual a s/. 1000.00 entonces el monto del prstamo puede ser hasta s/. 3500.00 a una tasa de inters del 3% efectiva mensual. Como se puede apreciar en el ejemplo anterior la informacin sirve para el tomador de decisiones, en este caso el analista de crditos, el curso o accin a seguir de acuerdo al conocimiento del experto, polticas y reglas de la empresa. Cabe sealar que las acciones dependen exclusivamente del conocimiento de los expertos que se adquieren por la experiencia y por reglas de sentido comn. Para finalizar esta parte vamos a representar todo lo aqu mencionado para que se vea las relaciones existentes en la llamada PIRAMIDE DEL CONOCIMIENTO:
Pg. 14
__________________
SABIDURIA
NIVEL DE ABSTRACCION DSS
CONOCIMIENTO
INFORMACION SISTEMAS TRANSACCIONALES
DATOS
2.2 DEFINICIONES Sabemos que el campo de Sistemas Expertos es un rea de la Inteligencia Artificial y a menudo tambin se le llaman Sistemas Basados en Conocimiento, Sistemas con Base de Conocimientos o Sistemas Inteligentes. Existen varias definiciones sobre Sistemas Expertos los cuales se mencionan a continuacin: La primera definicin fue la de Edward Feingenbaum, considerado como el padre de los Sistemas Expertos y mencionaba que eran: Un programa de computador inteligente que usa el conocimiento y procedimientos de inferencia para resolver problemas que son lo suficientemente difciles como para requerir la intervencin de un experto humano para su resolucin. [INTER 03] Para Jhon Durkin un Sistema Experto es un programa de computadora diseado para modelar la habilidad de resolver problemas de un humano experto. [01] Daniel Cohen afirma que es un sistema computacional interactivo que permite la creacin de bases de conocimiento, las cuales una vez cargadas responden a preguntas, despejan dudas y sugieren cursos de accin emulando/simulando el proceso de razonamiento de un experto para resolver problemas en un rea especfica del conocimiento humano. [02] Segn Juan Pablo Snchez un sistema experto es un conjunto de programas de ordenador que son capaces, mediante la aplicacin de conocimientos, de resolver problemas en un rea determinada del conocimiento o saber y que ordinariamente requeran de la inteligencia humana, lo que reemplaza a un experto humano. [03]
Pg. 15
__________________
Para el Dr. Nicols Kemper Valverde un Sistema Inteligente (como el llama a un sistema experto): Es una herramienta informtica con pericia y habilidad en la solucin de problemas. Esto es un sistema que posee (1) conocimientos y experticia humana suficientes acerca de un dominio particular que le permite comprender los problemas que ocurran dentro de dicho dominio y (2) estrategias de anlisis: mtodos de razonamiento y/o aprendizaje para manipular este conocimiento y resolver tales problemas en la misma forma en que lo hara el experto humano (gerente, ingeniero, operador, etc) Otra concepcin los define como un sistema computarizado capaz de resolver problemas en el dominio en el cual posee conocimiento especfico [INTER 01] Una fuente especialista en Sistemas Expertos es la British Computer Society que los conceptualiza como la incorporacin en un ordenador de un componente basado en el conocimiento que se obtiene a partir de la habilidad de un experto, de forma tal que el sistema pueda dar consejos inteligentes o tomar decisiones inteligentes. Una caracterstica adicional, es que el sistema sea capaz, bajo demanda, de justificar su propia lnea de razonamiento de una forma inmediatamente inteligible para el que los usa [INTER 02] Como se puede notar las principales fuentes coinciden en las definiciones lo que se puede resumir en que Un sistema experto es un programa de computadora que tiene la capacidad de resolver problemas, simulando el razonamiento y el conocimiento de un experto humano, dentro del dominio de un rea especfica del conocimiento humano y que puede proporcionar respuestas justificadas sobre el curso de sus acciones
2.3 HISTORIA DE LOS SISTEMAS EXPERTOS

No vamos a describir toda su historia ni todos los sistemas expertos existentes porque no terminaramos de nombrarlos, solo vamos a describir los principales que dieron inicio a esta tecnologa que apareci en el siglo XX y que en este siglo se ha convertido en una de las tendencias con mayor futuro:
DENDRAL
Muchos lo consideran el primer Sistema Experto. Desarrollado en la Universidad de Stanford a mediados de los aos setenta. Su propsito consiste en ayudar a los profesionales en qumica a identificar la estructura molecular de las sustancias desconocidas.
Pg. 16
__________________
Empleando los datos que se obtiene con un espectrmetro de masas, las

mediciones de resonancia magntica nuclear y los datos de laboratorio DENDRAL puede identificar con rapidez y seguridad la estructura de un compuesto[1]*
MYCIN
Desarrollado en la Universidad de Stanford en 1972, inicialmente por Edward Feingembaum y posteriormente culminado por sus colaboradores. Su objetivo consiste en el diagnstico y tratamiento de enfermedades infecciosas de la sangre. Emplea reglas de produccin y mtodos de inferencia con encadenamiento regresivo. Introduce el concepto de factor de certeza, permitiendo el razonamiento con incertidumbre.
Este sistema introdujo nuevas caractersticas: utilizacin de conocimiento impreciso

para razonar y posibilidad de explicar el proceso de razonamiento. Lo ms importante es que funcionaba de manera correcta, dando conclusiones anlogas a las que un ser humano dara tras largos aos de experiencia. En MYCIN aparecen claramente diferenciados motor de inferencia y base de conocimientos. Al separar esas dos partes, se puede considerar el motor de inferencias aisladamente. Esto da como resultado un sistema vaco o shell (caparazn). As surgi EMYCIN (MYCIN Esencial) con el que se construy SACON, utilizado para estructuras de ingeniera, PUFF para estudiar la funcin pulmonar y GUIDON para elegir tratamientos teraputicos [INTER 03]
El sistema MYCIN, al ser consultado por el mdico, solicita primero datos generales
sobre el paciente: nombre, edad, sntomas, etc. Una vez conocida esta informacin por parte del sistema, el Sistema Experto plantea unas hiptesis. Para poder verificarlas comprueba primero la exactitud de las premisas de la regla. Esto se realiza mediante una bsqueda de enunciados correspondientes en la base de conocimientos. Estos enunciados pueden a su vez estar de nuevo en la parte de consulta de otra regla. Tambin lo realiza mediante determinadas preguntas al usuario. Aqu se hacen preguntas del tipo: Se ha practicado en el paciente algn tipo de intervencin quirrgica? Con las respuestas que recibe, el MYCIN verifica o rechaza las hiptesis planteadas. Una serie de tests han demostrado que MYCIN trabaja igual de bien que un mdico [INTER 02]
Pg. 17
__________________
PROSPECTOR
Construido sobre la tecnologa de MYCIN. Es uno de los sistemas expertos ms estudiados debido a su gran xito. Especialmente conocido desde que con su ayuda se descubri un importante depsito de molibdeno, valorado en ms de 100 millones de dlares, en el estado de Washington.
Es un sistema experto diseado para ayudar a los gelogos a encontrar yacimientos

importantes. Ingresando datos acerca de un rea en particular, PROSPECTOR puede estimar las probabilidades de encontrar distintos tipos de depsitos de minerales.De este sistema experto deriv el shell KAS (Knowledge Adquisition System).[INTER 03]
XCON
Desarrollado en la Universidad de Carnegie-Mellon a finales de los aos setenta y revisado en DEC a principios de los ochenta.
Es un sistema experto diseado para ayudar a los tcnicos de Digital Equipment

Corporation (DEC) a configurar sistemas de miniordenadores. XCON genera automticamente la configuracin deseada a partir de los requisitos del cliente seleccionando entre la amplia gama de la popular serie de los VAX de DEC.[1]*
2.4 SISTEMAS EXPERTOS ACTUALES
SEGE(SISTEMA EXPERTO EN GESTION DE EXPORTACIONES) SEGE es bsicamente un prototipo de Sistema Experto cuyo propsito es brindar asistencia experta a las autoridades de las empresas en la gestin de exportacin de un producto, dadas las caractersticas de la legislacin, y normativa vigente. El SE deber analizar la situacin en que debera encontrarse el producto para estar en condiciones de ser exportado. Este anlisis abarca: la situacin de la empresa, los regmenes vigentes de exportacin de los pases involucrados en el proceso de exportacin, la documentacin necesaria y los organismos oficiales de gestin.
Este prototipo ha sido desarrollado por investigadores del Programa de Investigacin y Desarrollo en Inteligencia Artificial de la Universidad Nacional de
Pg. 18
__________________
Lujan y doctorandos de la carrera de doctorado en Derecho de la Facultad de Derecho de la Universidad Nacional de La Plata.
GIDEON Es un programa de computadora para el diagnstico y que establezca referencias en el campo enfermedades tropicales y contagiosas, epidemiologa, microbiologa y quimioterapia antimicrobiana.
Fue diseado para diagnosticar las enfermedades contagiosas de todo el mundo, basado en los sntomas, seales, pruebas de laboratorio y perfil dermatolgico. La red de enfermedades contagiosas de Gideon presta atencin especial para el pas de origen del usuario. La base de datos incorpora 327 enfermedades, 205 pases y 185 agentes antibacteriales.
Ha sido desarrollado hace 10 aos por especialistas en enfermedades contagiosas y ciencias de la computacin en Escuelas Mdicas de universidades de Estados Unidos e Israel. http://www.cyinfo.com/index
DELTA/CATS
Ayuda a los mecnicos en el diagnstico y reparacin de locomotoras dieselelctricas.
Desarrollado por General Electric a principios de los 80s DELTA: Diesel Electric Locomotive Troubleshooting CATS: Computer Aided Troubleshooting System Consiste de una base de conocimientos por medio deentrevistas con David
Smith (que trabaj 40 aos en GE y es un experto reconocido en
mantenimiento de estas mquinas) De 1981 a 1983 se incrementaron las reglas de 45 a 1200.

DELTA no solo da consejos expertos, sino que tambin presenta informaciones por medio de un reproductor de vdeo. De hecho se podra encasillar a DELTA ms en el rea de la instruccin que en reparacin, dado que adems proporciona ayudas al trabajo que permiten al estudiante determinar si existe o no un determinado problema, proporcionando tambin formacin especfica sobre el modo de realizar ciertas reparaciones.
PROYECTO EOLO CN-235
Pg. 19
__________________
En este caso, el problema est en el hecho de que pilotar un avin que cuesta
cientos de millones de dlares es un asunto muy serio a la vez que peligroso, lo que exige mucho tiempo de entrenamiento, tanto para pilotos como mecnicos, suponiendo para las compaas areas un gran problema, dado el elevado coste de los cursos y la escasez de instructores. El proyecto surgi de la voluntad de Construcciones Aeronuticas S. A. de ofrecer un curso especfico para pilotos y tcnicos de mantenimiento, a todos los compradores del avin CN- 235. Eolo CN-235 es un sistema de enseanza interactivo que integra grficos, texto y vdeo.
CITEX
Sistema experto que se compone de cuatro subsistemas: Valoracin de un

terreno, Esquema de Irrigacin, Esquema de Fertilizacin, Diagnstico de enfermedades y Tratamiento de enfermedades en el cultivo de ctricos (especialmente de naranjas). http://www.claes.sci.eg/home/welcome.html Fue desarrollado por investigadores egipcios y existen varias versiones de este sistema experto. En la web mencionada se puede encontrar mas informacin sobre este sistema experto y varios ms desarrollados por la organizacin CLAES(The Central Laboratory for Agricultural Expert Systems) Estos son solo algunos de los muchos sistemas expertos en diferentes reas que se utilizan actualmente, existen muchos mas en otras reas del conocimiento humano, las cuales ayudan actualmente en produccin, supervisin, instruccin, diagnstico, planificacin, etc. 2.5 PORQUE CONSTRUIR UN SISTEMA EXPERTO? Todos sabemos que mientras mas conocimiento tenemos de un rea especfica, en mas indispensables y expertos nos convertimos, para solucionar los problemas diarios que se nos presenten. Sabemos que eso significa que los profesionales cada vez eleven ms sus honorarios por la experiencia y conocimiento que tienen y demuestran. Pero tambin sabemos que hay pocas personas que se les puede considerar expertos y sera necesario que el conocimiento que poseen se distribuya y generalice hacia otras sociedades o localidades geogrficas de las organizaciones para que sirvan de apoyo a los dems persiguiendo un fin solidario o mejorar la productividad de una organizacin en donde el experto no pueda actuar, cuando envejezca o cuando muera.
Pg. 20
__________________
Por otro lado, sabemos que todas las personas sufrimos de cansancio, stress, enfermedades, desconcentracin, etc.; que merman considerablemente nuestro rendimiento laboral cuando nos afectan los problemas mencionados; lo cual no sucede con los computadores. Entonces para nosotros existe dos razones principales de porque construir un sistema experto: 1 Para capturar el conocimiento de un experto y extenderlo a las dems personas de una organizacin o sociedad y poder utilizarlo cuando el experto ya no est, deje de trabajar, o las condiciones no lo permitan (riesgos). 2 El poder de procesamiento, falta de sentimientos, emociones y factores psicolgicos y fsicos de los computadores nos ayudan a aprovechar el conocimiento de un experto de la manera ms ptima. Finalicemos este apartado comparando algunos factores entre un experto humano y un sistema experto para poder definir nuestra opcin de crear sistemas expertos: FACTOR A EVALUAR Disponibilidad de tiempo Disponibilidad geogrfica Perecible Rendimiento Velocidad Costo EXPERTO HUMANO Da laborable Local Si Variable Variable Alto SISTEMA EXPERTO Siempre En cualquier lugar No Consistente Consistente(usualmente rpido) Econmico
2.6 ESTRUCTURA DE UN SISTEMA EXPERTO Para conocer la estructura de un sistema experto primero vamos a entender como una persona experta soluciona un problema especfico. Antes de continuar es necesario aclarar a que persona se define como experto. Podemos decir que experto es aquella persona que posee habilidades y capacidades para resolver un problema mejor que otros dentro de un rea del conocimiento especfica. Y como dijimos anteriormente los sistemas expertos se dedican a un rea del conocimiento especfica que nosotros llamaremos dominio del problema. Podemos definir entonces que dominio del problema es aquella parte del conocimiento en el cual se ha identificado un problema y/o problemas y que el experto tiene la capacidad de resolver.
Pg. 21
__________________
Partiremos de un ejemplo simple para ver la actuacin de un experto humano en la solucin de un problema. Suponga que Ud., tiene un auto ltimo modelo y tiene alguna falla que ud. no conoce. Ud., sabe poco de mecnica por lo cual tiene que llevarlo a un experto, que para este caso sera un mecnico para que le resuelva el problema. A travs de aos de experiencia el mecnico ha adquirido gran cantidad de conocimientos en la solucin de problemas con automviles. Llamaremos Memoria de Largo Plazo (MLP) al espacio en el cerebro del mecnico en el cual se encuentran almacenados esa gran cantidad de conocimientos adquiridos a travs de la experiencia. Luego de llevarlo al mecnico asuma que Ud., le dice que el problema de su carro es que no enciende. El mecnico almacena este hecho en una parte de su cerebro que llamaremos Memoria de Corto Plazo (MCP). Usando la informacin proporcionada por Ud., el mecnico podra deducir que el problema puede estar en el sistema elctrico por conocimientos que tiene almacenados en la MLP y que estn relacionada con la informacin que le brindo Ud. Entonces esta creencia la agrega el mecnico a su MCP y contina razonando acerca del problema con otros hechos que pueda ir deduciendo o informacin proporcionada por Ud.. De acuerdo a su conocimiento y la relacin entre datos de su MCP Y MLP el mecnico podra hacer las pruebas respectivas a las bateras lo que lo llevara a concluir que la falla es una batera mala. Luego de esto el mecnico no solo resuelve el problema sino tambin puede explicar el razonamiento que utiliz para solucionar el problema de acuerdo a los datos proporcionados..Esta sera la forma en que un experto humano soluciona un problema que podramos esquematizar en la siguiente figura:
Memoria de Largo Plazo (MLP)

Dominio del conocimiento
RAZONAMIENTO Memoria de Corto Plazo (MCP)

Hechos del problema, Conclusiones
ACONSEJA Conclusiones, Acciones
Pg. 22
__________________
Del ejemplo anterior y la figura mostrada podemos rescatar lo siguiente: 1 Un experto almacena el dominio del conocimiento en su Memoria de Largo Plazo (MLP). 2 Cuando el experto soluciona un problema, obtiene hechos sobre el problema (hechos del caso) y los almacena en su Memoria de Corto Plazo (MCP). 3 El experto luego razona sobre el problema combinando los hechos de su MCP con el conocimiento de su MLP. Usando este proceso, el experto infiere nueva informacin sobre el problema y llega a conclusiones. Regresando a nuestro tema decimos que los sistemas expertos resuelven problemas que usan un proceso que es muy similar al de los humanos. Usando la figura anterior podemos esquematizar lo siguiente:
Base de Conocimientos
Dominio del conocimiento
Memoria de Trabajo
Hechos del problema, Conclusiones
Motor de Inferencia
USUARIO Hechos, Conclusiones
A continuacin describamos brevemente los componentes de los sistemas expertos, segn la arquitectura bsica mostrada anteriormente:
BASE DE CONOCIMIENTOS Contiene el conocimiento del dominio en el cual el programa es competente. Durkin lo
define como: Parte de un sistema experto que contiene el dominio del conocimiento. [1]*. El tema primordial para este componente es obtener el conocimiento del experto y codificarlo en la base de conocimientos usando diferentes tcnicas de representacin del conocimiento que posteriormente discutiremos. Una de las mas usadas es representar el
Pg. 23
__________________
conocimiento en forma de reglas de. Una regla es una estructura de tipo IF/THEN (SI/ENTONCES) en donde existe una premisa o antecedente y una conclusin o accin. Por ejemplo:
REGLA 1: IF el automvil no enciende THEN el problema puede estar en el sistema elctrico. REGLA 2: IF el sueldo mensual de un cliente es menor o igual que s/. 1000.00 THEN el tope de crdito es de s/. 3500.00 REGLA 3: SI su temperatura corporal es de 39 C ENTONCES tiene fiebre. De las reglas mostradas podemos identificar que la base de conocimientos esta integrada por conceptos, hechos o variables que varan de estados (valores) y que relacionadas conforman las reglas. Por ejemplo: En la regla 1 tenemos dos hechos y dos valores: automvil =enciende; automvil = no enciende y problema es = el sistema elctrico o pueden existir otros valores. El conocimiento tiene que estar representado en la forma que resulte ms adecuada para el dominio de su competencia. Adicionalmente hay que tratar que esa representacin sea: Sencilla. Independiente. Fcil de modificar. Transparente: justificacin de soluciones y explicacin de los procesos. Relacional. Potente: poder expresivo y eficiencia de clculo. La parte fundamental de todo Sistema Experto es la Base de Conocimientos y como vimos su funcin consiste en almacenar los conocimientos expresados en conceptos, hechos, relaciones, etc. relativos al rea del sistema experto y por lo tanto, depende del
Pg. 24
__________________
modelo de representacin del conocimiento que se utilice. Entre los modelos mas conocidos de representacin del conocimiento tenemos: Representacin basada en Reglas de Produccin. Representacin basada en Lgica de Predicados Representacin basada en Redes Semnticas Representacin basada en Frames o Marcos Representacin basada en Restricciones De acuerdo al tipo de representacin de conocimiento se genera una clasificacin tpica de sistemas expertos. As tenemos los ms comunes: Sistemas Expertos Basados en Reglas Sistemas Expertos basados en Frames , etc. El diseo de este esquema de representacin del conocimiento afecta al diseo del motor de inferencia, al proceso de actualizacin del conocimiento, al proceso de explicacin y a la eficacia global del sistema. [INTER 02]
MEMORIA DE TRABAJO O BASE DE HECHOS Llamada tambin workspace. Contiene los hechos que se descubren acerca de un
problema durante una consulta. Parte de un sistema experto que contiene los hechos del problema que se descubren durante la sesin. [1]* Los hechos que el sistema experto reciba del usuario y los que vaya infiriendo se almacenan en la memoria de trabajo y pueden ser hechos, hiptesis, conclusiones parciales, etc; es decir lo que infiera emparejando los datos proporcionados con la base de conocimiento. Tambin es necesario mencionar que los hechos de la memoria de trabajo tambin los puede obtener de fuentes externas como base de datos, hojas de clculo, etc.; que los puede cargar al inicio de la sesin u obtenerlos de acuerdo a su necesidad. Algunos autores tambin la llaman Tablero, Pizarra o Pizarrn (Blackboard), pero este trmino ms se usa cuando el sistema experto se compone de varios mdulos siendo cada uno un sistema experto especialista en determinada parte de un problema. En estos casos se habla de Arquitecturas con Tablero y cada sistema experto se denomina Fuente de Conocimiento (Knowledge Source).
Pg. 25

MOTOR O MECANISMO DE INFERENCIA
__________________
Tambin conocido como estructura de control o interpretador de reglas. Durkin lo define como: Es el procesador en un sistema experto que empareja los hechos contenidos en la memoria de trabajo con el dominio del conocimiento contenido en la base de conocimiento, para deducir o llegar a la conclusin sobre el problema. [1]* Selecciona, decide, interpreta y aplica el conocimiento de la base de conocimientos sobre la base de hechos con el fin de obtener la solucin buscada. El motor de inferencia busca un emparejamiento entre los hechos contenidos en la memoria de trabajo y las premisas de las reglas contenidas en la base de conocimiento (cuando se utiliza las reglas como forma para la representacin del conocimiento). Cuando encuentra el emparejamiento, agrega la(s) conclusin de las reglas a la memoria de trabajo y contina examinando las reglas buscando nuevos emparejamientos. El mecanismo de inferencia debe ser independiente del conocimiento y de los hechos (caracterstica esencial de los sistemas expertos que separan el conocimiento del mecanismo de control que posteriormente analizaremos. Est caracterizado por: El lenguaje en que ha sido escrito. La velocidad de trabajo: Inferencias/segundo. Las estrategias de bsqueda de soluciones: No Ordenada: aleatoria, heurstica. Ordenada: Encadenamiento hacia adelante (guiado por los datos, deductivo), encadenamiento hacia atrs (guiado por los objetivos, inductivo). La forma en que elige el conocimiento. La posibilidad de incorporar metaconocimiento. El mtodo que utiliza para la evaluacin del conocimiento incompleto o incierto. Existen muchos esquemas de razonamiento al buscar la solucin a un problema; sin embargo los ms utilizados son:
ENCADENAMIENTO CHAINING)
HACIA
ADELANTE
(FORWARD
Pg. 26
__________________
A este esquema tambin se le llama guiado por los datos o razonamiento ascendente. Este mtodo de inferencia realiza comparaciones entre las reglas y los hechos disponibles de manera que se establezcan nuevos hechos hasta llegar al objetivo deseado. Un sistema experto tpico que aplic este tipo de inferencia fue el R1/XCON. Ejm:
Pg. 27
__________________
ENCADENAMIENTO HACIA ATRS (BACKWARD CHAINING)
A este esquema se le llama tambin guiado por los objetivos o razonamiento descendente. Mtodo de inferencia que inicia con la conclusin u objetivo que se desea demostrar y procura establecer la certeza de los hechos que conducen a ella.
Pg. 28
__________________
Pg. 29
__________________
Algunos autores consideran un tercer esquema de razonamiento oportunstico, en la cual se aplican los dos esquemas de razonamiento antes descritos en el momento ms oportuno; pero este se utiliza generalmente en los sistemas con tablero o en arquitecturas con tablero. Estos son los componentes principales y que todo sistema experto debe poseer, sin embargo existen componentes adicionales que le brindan potencialidad y facilidad de uso tanto al experto, ingeniero del conocimiento, como al usuario para su desarrollo, como se muestran en el esquema extendido siguiente:
Pg. 30
__________________
2.7 CARACTERISTICAS PRINCIPALES DE LOS SISTEMAS EXPERTOS
SEPARA EL CONOCIMIENTO DEL CONTROL Imagine un sistema experto que se construya como un programa convencional como podra ser as: Begin Nombre:= preguntar (Nombre?) Edad:= preguntar (Edad?) . Sntoma1:= preguntar (Sntoma1?) Sntoma2:= preguntar (Sntoma 2?) Si Sntoma1:= xxxx entonces HACER WWWW Si Sntoma1:=yyyyy entonces HACER ZZZZZ ..
Pg. 31

End..
__________________
As sera la forma de un sistema experto como un programa convencional. Sin embargo, a pesar que se puede programar, tendra las siguientes desventajas:
o Es demasiado rgido y complicado realizar cambios en el sistema por la

cantidad de cdigo escrito.
o Es difcil saber el conocimiento que tiene el sistema porque estn mezclados

en conocimiento con la estructura de control. o En los problemas que abarcan los sistemas expertos un factor importante es la incertidumbre e informacin imprecisa con la que se maneja y en la programacin convencional es difcil manejar este aspecto. Frente a estos inconvenientes de mostrar el conocimiento y el control en un programa convencional, la idea es que se separen el conocimiento (en la base de conocimientos) y el mecanismo de control (en el motor de inferencia) para tener un mejor funcionamiento de un sistema experto. De tal manera que por ejm el conocimiento se exprese en reglas de produccin y el motor de inferencia tendr una forma de controlar la ejecucin de reglas (Backward Chaining o Forward Chaining) lo cual eliminara los problemas de la programacin convencional. Separando el conocimiento de la estructura de control la tarea de modificar y mantener el sistema es ms fcil. Se puede localizar y agregar nuevo conocimiento en alguna parte en particular del sistema experto. Si se necesitan hacer cambios en el motor de inferencia igual se puede cambiar de estrategia o los ajustes necesarios al algoritmo de inferencia.
POSEE CONOCIMIENTO EXPERTO Y BASADO EN LA EXPERIENCIA Desde la definicin de los sistemas expertos sabemos que el conocimiento que se captura de una persona deber ser de un experto que incluye el basto conocimiento que posea as como las habilidades adquiridas a travs de la experiencia y que lo distinguen de las dems personas en la solucin de problemas dentro de un rea de conocimiento. Mas adelante nos detendremos en profundidad en como considerar a una persona como experto.
RAZONA CON SIMBOLOS
Pg. 32
__________________
Ya explicamos anteriormente que el conocimiento es expresado en forma simblica ya sea en forma de reglas, frames, lgica de predicados, etc. Podemos decir que los programas convencionales procesan datos y los sistemas expertos procesan conocimiento. Podemos expresar a travs de smbolos hechos, conceptos, reglas, etc., de tal manera que se manipulen ms fcilmente. La forma de cmo representar el conocimiento se conoce formalmente como Representacin de Conocimiento (de la cual hablamos anteriormente) y abarca otros conceptos que no tocaremos por ahora.
RAZONA HEURISTICAMENTE El trmino heurstica o reglas a dedo son estrategias adquiridas a travs de la experiencia y que son aplicadas por los expertos para solucionar o acortar caminos en la solucin de los problemas. Como dijimos anteriormente en los sistemas expertos esa forma de conocimiento tambin es capturado. Por ejm un mdico experimentado puede escoger, obviar o concluir pasos que un mdico principiante no lo hara lo cual reduce el tiempo en la solucin de problemas. Los sistemas expertos se diferencian claramente de la programacin convencional porque no son rgidos en sus algoritmos de razonamiento. En los programas convencionales se siguen algoritmos rgidos y que siempre deben hacerse; en cambio en los sistemas expertos los pasos innecesarios se pueden obviar y concluir llegando a resultados mas rpidamente.
PERMITE RAZONAMIENTO INEXACTO Los sistemas expertos son capaces de trabajar incluso con informacin incierta o imprecisa y proveer una solucin razonable. Todos sabemos que cuando nos enfrentamos a un problema muchas veces no tenemos toda la informacin disponible por diversos factores. En estos casos, nos guiamos por las posibilidades o en las creencias y experiencias que nosotros tenemos para tratar de resolver un problema en particular; eso es justamente tambin lo que hace un sistema experto. Los sistemas expertos trabajan con diversas teoras y corrientes del conocimiento humano para manejar la incertidumbre. Se puede utilizar factores de certeza, teora de la probabilidad, lgica difusa y otras reas para manejar los problemas con incertidumbre para encontrar la solucin mas aceptable. Ejemplos de informacin imprecisa
Pg. 33
__________________
1.- Probablemente si los resultados del paciente son XX entonces tendr la enfermedad YY. 2.- Si Pedro apuesta s/. 1000.00 al jinete ZZ probablemente podra ganar la carrera. 3.- Voy al cine, siempre y cuando vaya la chica de la esquina.
ESTA LIMITADO A PROBLEMAS SOLUCIONABLES Es claro que para que un problema se adapte a una solucin de sistemas expertos deba existir el conocimiento y el razonamiento para la solucin de dicho problema. El sistema experto tendr xito mientras exista la solucin y el experto. Por ejemplo: No podemos tratar de solucionar con un sistema experto la cura del SIDA porque an ni siquiera existe la forma de realizarlo. Esto demuestra claramente qu problema es posible para adecuarlo a un sistema experto. No vaya a creer Ud., que un sistema experto puede solucionar todos los problemasan los desconocidos y sin solucin- porque como podemos modelar el razonamiento y capturar el conocimiento de un problema que no es solucionable?. En conclusin: los sistemas expertos solo se pueden aplicar a problemas solucionables por humanos.
SE ENFOCA A COMPLEJIDADES RAZONABLES Los problemas para solucionarlos con un sistema experto no deben ser muy complejos porque a mayor cantidad de conocimiento el sistema utilizar ms tiempo; y podra demorar o tener ms errores al razonar. Si el tiempo que demora a un experto solucionar un problema es varias horas, probablemente no sea un problema para un sistema experto. Jhon Durkin recomienda:Un problema que requiere resolver por un experto en alrededor de 15 minutos es un problema razonable para un sistema experto. Si el problema es ms complejo, intente dividirlo en sub-temas cada uno de los cuales los podra resolver con un simple sistema experto distinto para cada sub-tema.
COMETE ERRORES
Pg. 34
__________________
Si los expertos humanos tienen errores, es lgico pensar que los sistemas expertos no son perfectos y cometen errores.Pero Ud., podra pensar pero los programas de computador bien realizados no se equivocan?...Es correcto, pero acurdese Ud., que los sistemas expertos no trabajan con datos sino con CONOCIMIENTO; entonces si el conocimiento del experto es errneo lgicamente que tambin el sistema experto cometer errores. Cuando Ud., va a un experto de cualquier rea para que le solucione su problema sabe que puede cometer errores, sin embargo confa en el por la experiencia y conocimiento que posee; lo mismo sucede con los sistemas expertos. Estas son algunas caractersticas de los sistemas expertos. Para finalizar esta parte comparemos un sistema experto con un programa convencional para ver sus diferencias y resumir lo mencionado hasta ahora:
PROGRAMA CONVENCIONAL Numrico Algoritmo Informacin y control integrados Difcil de modificar Informacin precisa Interfaz de rdenes Resultado final dado Solucin ptima
SISTEMA EXPERTO Simblico Heurstico Conocimiento separado de control Fcil de modificar Informacin incierta Dilogo natural con explicaciones Recomendaciones con explicaciones Solucin aceptable
2.8 PARTICIPANTES EN EL DESARROLLO DE UN SISTEMA EXPERTO En un proyecto de sistemas expertos los acorres principales son:
EXPERTO DEL DOMINIO
Aquella persona primordial en el proyecto de la cual obtenemos su conocimiento para solucionar un problema planteado y codificarlo en un programa de computador. Como definimos con anterioridad Experto del Dominio es una persona que posee habilidades y conocimiento para resolver un problema especfico de una manera superior a otros. La diferencia principal entre un experto y un no experto es el CONOCIMIENTO. Es necesario aclarar que errneamente pensamos que un experto es aquella persona que tiene un rango de PhD, MsSC.Esto no siempre es cierto, por ejemplo un asistente de contabilidad puede ser un experto dentro de la solucin de un problema determinado y no
Pg. 35
__________________
ser experto por el rango profesional que tenga. En conclusin una persona que solucione un problema mejor que otras se le pude considerar como experto del dominio para un problema de sistemas expertos. El experto del dominio debe tener ciertas cualidades para que el proyecto tenga xito las que se resumen al final de esta parte, no basta con tener almacenado el conocimiento.
INGENIERO DEL CONOCIMIENTO
Aquella persona capaz de capturar el conocimiento, representarlo de manera adecuada, escoger las herramientas de desarrollo y finalmente programarlo en una computadora. El trabajo del Ingeniero del Conocimiento comienza desde evaluar la factibilidad del problema para crear un sistema experto, hasta la documentacin y retroalimentacin del producto; esto significa todo un proceso en el cual tambin al igual que el experto debe tener ciertas cualidades.
USUARIO FINAL
Aquel o aquellos que van a ser beneficiados con el producto final. Es necesario siempre estar comunicado durante el desarrollo de un proyecto de sistemas expertos con el usuario final. La razn es que se puede desarrollar un sistema experto fantstico pero si al usuario no le gustan las interfaces seguro no lo usar; es como construir un edificio y que el dueo no la quiere habitar porque no le gustan el color, forma o modelo de las habitaciones. El usuario final es el cliente, el nos va a brindar la forma de las interfaces, botones, esquema de preguntas, explicaciones y todo los detalles de cmo le gustara el producto final. Resumimos las cualidades de los participantes en un proyecto de sistemas expertos en el siguiente cuadro: Posee conocimiento experto Tiene habilidades eficaces para resolver el problema Puede comunicar el conocimiento Puede dedicar tiempo Es amigable y no hostil Tiene habilidades de Ingeniera
EXPERTO DEL DOMINIO
de
INGENIERO DEL CONOCIMIENTO
Conocimiento Tiene habilidades de buena comunicacin Conoce de las herramientas de desarrollo Tiene habilidades para programar sistemas de informacin
Pg. 36
__________________
Ayuda a definir las especificaciones de las
USUARIO FINAL
interfaces Puede ayudar
en
la
adquisicin
del
conocimiento Puede apoyar en el desarrollo del sistema
2.9 CLASIFICACION DE SISTEMAS EXPERTOS Los sistemas expertos se pueden clasificar de varias maneras. Nosotros mencionaremos algunas de ellas: a) Por el propsito que se persiga para la creacin de un SE:
REEMPLAZAR A UN EXPERTO HUMANO. APOYAR LA TOMA DE DECISIONES.
b) Por el tipo de trabajo que realizan: DIAGNOSTICO PLANIFICACION INSTRUCCIN PREDICCION TRATAMIENTO CONTROL.etc.
Es necesario mencionar que en este tipo de clasificacin un sistema experto puede abarcar uno o ms tipos. Por ejm un sistema experto puede diagnosticar y tratamiento de una enfermedad especfica.
c) Por el rea en que se desarrollan:
MEDICINA AGRICULTURA QUIMICA ELECTRONICA GEOLOGIA METEREOLOGIA COMUNICACIONES
Pg. 37
__________________
EDUCACION ECONOMIA Y FINANZAS COMPUTACION E INFORMATICAetc.
2.10
METODOLOGIAS DE DESARROLLO Al igual que para desarrollar un sistema de informacin convencional existen varias metodologas de desarrollo como la Ingeniera de la Informacin, RUP, tendencias estructuradas y orientadas a objetos, as existen varias metodologas para desarrollar un sistema experto. Desde mi punto de vista es posible, tambin, basarse en una metodologa de desarrollo de sistemas de informacin clsico para construir un sistema experto; sin embargo es prioritario darle pequeos ajustes o cambios de procesos y agregarle otros pasos para construir uno; recordando siempre que trabajamos con conocimiento y no con datos. Como ya sabemos el rea de sistemas expertos es relativamente joven por lo cual no se dispone de una nica metodologa sino que cada autor propone una de acuerdo a su forma de desarrollo. Sin embargo existen algunas que han tenido xito mas que otras lo cual ha llevado a su mayor difusin. Aqu solo mencionaremos algunas y mostraremos un esquema general de la metodologa con la cual trabajaremos nosotros.
Metodologa de Buchanan Metodologa de Grover Metodologa de Brule Metodologa de Blanque y Garca Martnez Metodologa KADS Ingeniera del Software,.. etc.
Pg. 38
__________________
Estas son solo algunas encontradas en la bibliografa revisada. Para nuestro caso nosotros trabajaremos con la Metodologa de Ingeniera del Conocimiento de Jhon Durkin, de la cual se muestra una breve descripcin a continuacin:
Reformulacin Fase 1 Evaluacin
Requerimientos Fase 2 Adquisicin del conocimiento Exploraciones
Conocimiento Requerimientos Fase 3 Diseo
Estructura
Fase 4 Prueba
Evaluacin
Fase 5 Documentacin
Producto _______________________________________________________ Autor: Heyner H. Ninaquispe Castro Fase 6 Mantenimiento Pg. 39
__________________
FASE 1: EVALUACIN 1.1 Motivacin para el Esfuerzo. 1.2 Identificar problemas candidatos. 1.3 Estudio de viabilidad. 1.4 Anlisis de Costo/Beneficio. 1.5 Seleccionar el mejor proyecto. 1.6 Escribir el proyecto propuesto. FASE 2: ADQUISICIN DEL CONOCIMIENTO
2.1 Recoleccin del conocimiento. 2.2 Interpretacin.

2.3 Anlisis.
2.4 Diseo de mtodos para recolectar conocimiento adicional.

FASE 3: DISEO 3.1 Seleccionar Tcnica de Representacin del Conocimiento. 3.2 Seleccionar Tcnica de Control. 3.3 Seleccionar Software de Desarrollo de Sistema Experto. 3.4 Desarrollo de Prototipo. 3.5 Desarrollo de Interfase. 3.6 Desarrollo del Producto.
FASE 4: PRUEBAS
Pg. 40

4.1 Validacin del Sistema. 4.2 Evaluacin de la Prueba/Evaluacin. FASE 5: DOCUMENTACIN 5.1 Relacin de temas que deben ser documentados. 5.2 Organizacin de la documentacin. 5.3 Documentacin Impresa.
__________________
5.4 Documentacin en hipertexto.

5.5 Reporte Final
FASE 6: MANTENIMIENTO
6.1 Modificaciones probables del sistema. 6.2 Responsables de mantenimiento. 6.3 Interfaces de documentacin del mantenimiento
2.11 HERRAMIENTAS DE DESARROLLO Para pasar desde el diseo abstracto hasta un sistema implementado y listo para ser ejecutado en una computadora, se debe expresar en una forma que el sistema computacional entienda. Para ello se puede utilizar un lenguaje programacin o un sistema especialmente diseado para desarrollar sistemas expertos. La pregunta inmediata es Cul de ellos utilizar? Para el desarrollo de sistemas expertos existen dos categoras definidas de herramientas de desarrollo: a. LENGUAJES DE PROGRAMACIN En principio, cualquier lenguaje de programacin puede ser utilizado. Siendo as de amplio el espectro del cual se puede escoger un lenguaje para programar un sistema experto, se debe considerar como factor importante de decisin, la extensin en la cual el lenguaje cubre o se adecua a los requerimientos de diseo. Atendiendo a la forma de estructurar sus instrucciones, se los puede dividir en:
IMPERATIVOS: PASCAL, C/C++. FUNCIONALES: LISP. DECLARATIVOS: PROLOG, CHIP, OPS5. ORIENTADOS A OBJETOS: SmallTalk, Hypercard, CLOS.
Pg. 41
__________________
Tradicionalmente LISP y PROLOG han sido los lenguajes que se han utilizado para la programacin de sistemas expertos. Estos lenguajes ofrecen caractersticas especialmente diseadas para manejar problemas generalmente encontrados en inteligencia artificial. Por este motivo se los conoce como lenguajes de Inteligencia Artificial. Una de las principales caractersticas que comparten los lenguajes LISP y PROLOG, como consecuencia de su respectiva estructura, es que pueden ser utilizados para escribir programas capaces de examinar a otros programas, incluyendo a ellos mismos. Esta capacidad se requiere, por ejemplo, para hacer que el programa explique sus conclusiones. Esto slo puede hacerse si el programa tiene la capacidad de examinar su propio modo de operacin. LISP Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para procesamiento simblico. John McCarthy lo desarroll en 1958, en el Instituto de Tecnologa de Massachusetts (MIT), inicialmente como un lenguaje de programacin con el cual los investigadores pudieran implementar eficientemente programas de computadora capaces de razonar. Rpidamente LISP se hizo popular por su capacidad de manipular smbolos y fue escogido para el desarrollo de muchos sistemas de IA. PROLOG PROgramming in LOGic (PROLOG), es otro de los lenguajes de programacin ampliamente utilizados en Inteligencia Artificial. PROLOG fue desarrollado en Francia, en 1973 por Alain Colmenauer y su equipo de investigacin en la Universidad de Marseilles. Inicialmente fue utilizado para el procesamiento de lenguaje natural, pero posteriormente se populariz entre los desarrolladores de aplicaciones de Inteligencia Artificial por su capacidad de manipulacin simblica. A partir de 1981 tuvo una importante difusin en todo el mundo, especialmente porque los japoneses decidieron utilizar PROLOG para el desarrollo de sus sistemas de computacin de quinta generacin. Actualmente existen varios dialectos del PROLOG para diferentes plataformas. OPS5
Pg. 42
__________________
Official Production System 5 (OPS5), es un lenguaje para ingeniera cognoscitiva que soporta el mtodo de representacin del conocimiento en forma de reglas. Incorpora un mdulo unificador, un intrprete que incluye un .mecanismo de encadenamiento progresivo, y herramientas para edicin y depuracin de los programas. OPS5 es un miembro de la familia de lenguajes de programacin desarrollados en la Universidad Carnegie - Mellon. Varias compaas han desarrollado implementaciones comerciales de OPS5, para diferentes plataformas. b. SISTEMAS DE DESARROLLO Histricamente, los primeros sistemas expertos fueron desarrollados
utilizando lenguajes de programacin como el LISP y el PROLOG. A medida que el desarrollo de sistemas expertos iba aumentado en cantidad y complejidad, la comunidad cientfica comenz a buscar formas de desarrollar los sistemas en menor tiempo y con menor esfuerzo. Esto dio lugar al aparecimiento, en primer lugar a sistemas vacos como el EMYCIN, a los que se denomin shells, ya que ofrecen toda la arquitectura de un sistema experto a la que hay que incorporar la base de conocimientos. Los SHELL se pueden definir como sistemas que incorporan las caractersticas bsicas de los SE: base de conocimiento, motor de inferencia y mdulo de explicacin, pero que se proporciona sin ningn tipo de conocimiento. [INTER 02] Posteriormente ingresaron al mercado otras herramientas que incorporaron, adems de opciones de representacin del conocimiento, esquemas de inferencia y control. Estas herramientas tomaron el nombre de Entornos de Desarrollo de Sistemas Expertos A continuacin se dan algunos ejemplos de sistemas comerciales:
Sistemas Vacos (shells): EMYCIN, Crystal, Leonardo, XiPlus, EXSYS Professional, VP-Expert, Intelligence Compiler.,Expert, Exsys Corvid, Jess, Expertise2go, WebLS. Entornos hbridos de desarrollo: CLIPS, KEE, ART, EGERIA, Kappa, Nexpert Object, Goldworks, LOOPS, Flavors.
Pg. 43
__________________
PLATAFORMAS DE COMPUTACIN
ntimamente asociado a los sistemas expertos, estn los sistemas computacionales (Hardware). Actualmente el software disponible para el desarrollo de Sistemas Expertos, cubre todo el rango de computadoras y sistemas operativos, desde PCs hasta mquinas especialmente dedicadas para procesamiento simblico: Computadoras Personales (DOS, OS, Mac, WINDOWS, UNIX, LINUX). Estaciones de trabajo (VMS, UNIX). Mquinas simblicas (LISP, PROLOG). Mquinas de arquitectura paralelo.
CAPITULO IV:
Pg. 44
__________________
INGENIERIA DEL CONOCIMIENTO SEGN JHON DURKIN
FASE 1: DETERMINACIN DEL PROBLEMA El esquema general de esta primera etapa grficamente es como sigue:
Determinar Motivacin
La solucin Conducida a
Motivacin Problema Conducido a
Identificar posibles problemas (PREdeterminacin)
Estudio de Viabilidad Proyectos viables Anlisis Costo/Beneficio
Proyecto costoso _______________________________________________________ Seleccin del Proyecto Autor: Heyner H. Ninaquispe Castro Pg. 45 Proposicin de Proyecto Mejor Proyecto
__________________
Figura 6: Procedimiento de Determinacin del Problema Fuente: [01]*

TAREA 1: Determinar Motivacin para el Esfuerzo Consiste en determinar Por qu est la organizacin motivada para seguir Sistemas Expertos?. Algunas organizaciones estn mirando resolver un problema particular mientras que otras estn interesadas en encontrar que puede hacer la tecnologa por ellos. De acuerdo a lo antes mencionado existen dos posiciones que puede asumir una organizacin al incursionar en la tecnologa de Sistemas Expertos Conducida por el Problema Ocurre cuando la organizacin trata de resolver un problema que ya se ha identificado. Conducida por la Solucin En algunos casos una organizacin es motivada para explorar una tecnologa nueva por un inters general o curiosidad. TAREA 2: Identificar problemas candidatos Esta tarea solo ocurre cuando la organizacin es conducida por la solucin. Este paso es hecho antes que la viabilidad formal y estudios costo/beneficio y es llamado PRE-DETERMINACION. Formando la Lista Cuando se forma la lista de problemas candidatos se debera buscar la ayuda de individuos dentro de la organizacin. Un buen lugar para observar dentro de la organizacin es el nivel medio. Estos individuos tienen una visin global de operaciones y conocimiento acerca de problemas de cada da. Su visin es valiosa porque se descubre reas donde la aplicacin de un sistema experto tiene el potencial para proporcionar valor real a la organizacin. Demostracin de la Tecnologa Si la organizacin est explorando la aplicacin de Sistemas Expertos, entonces se debera ver al proyecto como una demostracin de la tecnologa. Por lo tanto, un problema pequeo y relativamente simple es ms preferible que un complejo. Por
Pg. 46
__________________
pequeo, quiere decir que el alcance del problema no cubre un gran nmero de problemas complejos. Por simple, quiere decir que el problema parece a primera vista de ser solucionable. Como gua para solucionar el problema considerar lo que otros han hecho en el pasado. Sugerencias para escoger un buen problema Para las organizaciones buscando explorar la tecnologa considere los siguientes puntos: Toma de decisin humana. Conocimiento heurstico. Pequeo. Simple. xito probable. Algn valor. TAREA 3: Estudio de Viabilidad Grficamente el esquema de viabilidad se representa as:
Recursos Origen del Conocimiento Gente Dominio Conocimiento Resolucin del problema Capacidad Motivacin Diseo Mantenimiento Despliegue Gente Riesgo Problema Viabilidad del Proyecto Requerimientos
Pg. 47
__________________
Figura 7: Estudio de Viabilidad del Sistema Experto Fuente: [1]*

En esta tarea lo primordial es tratar de determinar si el proyecto tendr xito. Se consideran dos puntos a evaluar Primero: Una lista de tems que debera reunir el proyecto es verificado. Estos tems incluyen los recursos propios, un recurso de conocimiento y personal del proyecto. La siguiente lista de requerimientos debera ser verificada primero cuando se considera un problema para una aplicacin de Sistema Experto: Disponibilidad de conocimiento para la solucin del problema(experto) Disponibilidad de un Ingeniero del Conocimiento. La solucin del problema puede ser validada. Disponibilidad de fondos. Disponibilidad de software de desarrollo de sistema. Disponibilidad de facilidades de computador. Segundo: Considerar asuntos que son importantes para el xito del proyecto, pero los cuales son subjetivos de naturaleza y requieren algn juicio para determinar. Ellos incluyen caractersticas del problema, caractersticas de la gente involucrada del proyecto y asuntos de despliegue. An cuando un proyecto rene los requerimientos verificados hay otros asuntos que pueden prevenir el completo xito del proyecto. Un proyecto de sistema experto puede fallar por razones que caen dentro de las tres categoras: problema, gente y despliegue. Viabilidad del Problema Los asuntos de viabilidad incluyen caractersticas de dominio, conocimiento y tareas de solucin del problema. Comprende: Conocimiento experto necesitado. Los pasos de solucin son definibles. Conocimiento simblico usado. Heursticas usadas. El problema es solucionable. Existen problemas exitosos. El problema es bien enfocado. El problema es estable
Pg. 48

Conocimiento incompleto o incierto utilizado. Solucin mas una recomendacin. Asuntos de viabilidad de la gente
__________________
La capacidad y la motivacin de la gente involucrada en el proyecto son asuntos importantes para considerar cuando se juzga la viabilidad del proyecto .Los principales actores de un proyecto de sistema experto son: experto de dominio, ingeniero de conocimiento, usuario final, y administracin .Determinar su impacto en la viabilidad del proyecto es un desafi debido a las complejidades de naturaleza humana. Se necesita considerar sus deseos, miedos, y emociones para juzgar si ellos efectivamente contribuirn el proyecto. Las caractersticas principales que deben tener cada persona involucrada en un proyecto de sistema experto son: Experto Puede comunicar el conocimiento. El experto puede dedicar tiempo. El experto es cooperativo, no hostil o escptico del proyecto. Ingeniero de conocimiento El ingeniero de conocimiento tiene buenas habilidades de comunicacin. El ingeniero del conocimiento puede relacionar el problema al software. El ingeniero de conocimiento tiene destrezas de programacin de sistema experto. El ingeniero del conocimiento puede dedicar el tiempo. Usuario final El usuario final puede dedicar tiempo. El usuario final es receptivo al cambio. El usuario final es cooperativo. Gerencia La gerencia apoya al proyecto. La gerencia es receptiva al cambio. La gerencia no es escptica. La gerencia tiene expectativas razonables. La gerencia entiende objetivos.
Pg. 49
__________________
Asuntos de viabilidad de Despliegue Se debe considerar: El sistema puede ser introducido fcilmente. El sistema puede ser mantenido. El sistema puede ser integrado con recursos existentes. Entrenamiento disponible. El sistema no tiene una ruta crtica. Determinacin de viabilidad Un esfuerzo por determinar la viabilidad de un sistema experto fue proporcionado por Beckman (1991) el cual formo una lista de temas para considerar, luego asign a cada uno un nmero que reflejaba su importancia relativa. Esta lista de verificacin de peso es luego comparada a algn problema candidato, y si el problema encuentra un tema, recibe los puntos predescritos del tema. La suma de todos los puntos es luego usada para atribuir un porcentaje de la viabilidad del proyecto. Un ejemplo de esta forma de determinar la viabilidad de muestra a continuacin:
Tabla N 5: Asuntos de viabilidad del problema

Asuntos de viabilidad del problema Peso 1 2 1 1 2 2 2 1 1 1 1 Asunto Conocimiento experto necesitado Los pasos de solucin de problema son definibles Conocimiento simblico usado Heursticas usadas El problema es solucionable Existen sistemas exitosos El problema es bien enfocado El problema es razonablemente complejo El problema es estable Conocimiento incompleto o incierto utilizado No determinstico Puntaje
Pg. 50

1 Solucin mas una recomendacin
__________________
16
Puntos Totales Viabilidad = Puntaje total/Puntos totales
Puntaje Total
Fuente: [1]*
Una deficiencia con este mtodo es que muchos temas son subjetivos y son difciles para responder de un modo si o no. Considere por ejemplo el tema del mbito del problema. Para un problema dado nosotros podramos ser capaces de comentar sobre este tema, pero puede ser demasiado limitante para ser restringido a una respuesta de si o no. Esta limitacin puede tambin guiar a responder errores que produce una falsa figura de determinacin de viabilidad. Un diferente tipo de estrategia fue desarrollado que corrige este problema. Como la tcnica anterior, empieza por formar una lista de temas importantes para considerar. Cada tema es luego asignado un peso (entre 0 y 10) que refleja la importancia de cada tema durante la evaluacin de un proyecto dado, los nmeros (entre 0 y 10) son atribuidos a cada tema que refleja el grado de creencia en el tema. Este valor es luego multiplicado por el valor del tema para establecer un puntaje por el tema. Todos los puntajes son luego aadidos y divididos por la suma de los pesos del tema. Este nmero es limitados entre 0 y 10, y proporciona una estimacin de determinacin de viabilidad del proyecto. Los valores de peso son resultados de la experiencia de consulta de Durkin sobre los esfuerzos de determinacin de proyectos anteriores. Un ejemplo de lo anterior mencionado se muestra a continuacin:
Tabla N 6 : Formulario de determinacin de viabilidad del problema

ASUNTOS DE VIABILIDAD DEL PROBLEMA PUNTAJE = PESO * VALOR ASUNTO
Pg. 51

7 9 7 8 10 8 9 6 7 9 5 6 91 PUNTAJE TOTAL . PESO TOTAL
__________________
Conocimiento experto necesitado Los pasos de solucin de problema son definibles Conocimiento simblico usado Heursticas usadas El problema es solucionable Existen sistemas exitosos El problema es bien enfocado El problema es razonablemente complejo El problema es estable Conocimiento incompleto o incierto utilizado No determinstico Solucin mas de una recomendacin VIABILIDAD DEL PROBLEMA = PUNTAJE TOTAL PESO TOTAL
Fuente: [1]*
Tabla N 7: Formulario de determinacin de viabilidad de personal.

ASUNTOS DE VIABILIDAD DE PERSONAL PUNTAJE = PESO * VALOR ASUNTO EXPERTO DE DOMINIO 7 9 7 23 PUNTAJE TOTAL PESO TOTAL VIABILIDAD DEL EXPERTO = PUNTAJE TOTAL PESO TOTAL INGENIERO DEL CONOCIMIENTO 8 8 9 9 Buenas habilidades de comunicacin Puede relacionar el problema al software Tiene destrezas de programacin de sistema experto Puede dedicar tiempo El experto puede comunicar el conocimiento El experto puede dedicar tiempo El experto es cooperativo
Pg. 52

34 PUNTAJE TOTAL PESO TOTAL USUARIO FINAL 6 7 7 20 PUNTAJE TOTAL PESO TOTAL GERENCIA 9 7 7 6 8 37 PUNTAJE TOTAL PESO TOTAL VIABILIDAD LA GERENCIA = VIABILIDAD DEL USUARIO FINAL = VIABILIDAD DEL INGENIERO DEL CONOCIMIENTO =
__________________
PUNTAJE TOTAL PESO TOTAL
El usuario final puede dedicar tiempo El usuario final es receptivo al cambio El usuario final es cooperativo
La gerencia apoya al proyecto La gerencia es receptiva al cambio La gerencia no es escptica La gerencia tiene expectativas razonables La gerencia entiende objetivos
Fuente: [1]*
Tabla N 8: Formulario de determinacin de viabilidad de despliegue

ASUNTOS DE VIABILIDAD DEL DESPLIEGUE PUNTAJE = PESO * VALOR 7 ASUNTO El sistema puede ser introducido fcilmente
Pg. 53

9 7 9 7 39 PUNTAJE PESO TOTAL TOTAL El sistema puede ser mantenido
__________________
El sistema no tiene una ruta critica El sistema puede ser integrado con recursos existentes Entrenamiento disponible VIABILIDAD DEL DESPLIEGUE = PUNTAJE TOTAL PESO TOTAL
Fuente: [1]*
Para ilustrar, asumir que se evalu un proyecto candidato que resulto en los siguientes puntajes para cada categora CATEGORIA Problema Gente Despliegue PUNTAJE TOTAL 800 900 300 2000 VIABILIDAD DEL PROYECTO = 2000/244 = 8.19 Se puede usar estas formas para establecer los valores de viabilidad para los proyectos candidatos, y escoger esos con valores ms altos para considerarlos despus. Para los proyectos con bajos valores globales, este mtodo tambin proporciona una visin dentro de que rea es deficiente, como asuntos de problema, asuntos de gente, etc. TAREA 4: Anlisis Costo/ Beneficio PESO TOTAL 91 114 39 244
El prximo paso es determinar el esperado pago-justificacin para el proyecto. Para la mayora de los proyectos este es usualmente es medido en un anlisis costo beneficio. La organizacin desea evidencia tangible que muestre que la inversin de tiempo y dinero es justificado. Bajo las mejores condiciones este puede ser una tarea
Pg. 54
__________________
difcil. Cuando el proyecto involucra una tecnologa nueva como sistemas expertos, la tarea encuentra incertidumbre adicional. Costo del Proyecto Los costos principales del proyecto son establecidos por los gastos de trabajo y software. La cuenta de gastos de trabajo para el tiempo gastado en el proyecto son por el ingeniero del conocimiento, el experto de dominio y el usuario final. La opcin del software de desarrollo del sistema experto est basada en la naturaleza del problema y las facilidades del computador de la organizacin. Los asuntos de beneficio El beneficio de desarrollar un sistema experto puede ser medido en una de las cuatro maneras: productividad mejorada, costos bajos, calidad mejorada o un asunto muy tangible pero importanteimagen mejorada. 1. Productividad mejorada Mejores Decisiones Decisiones ms rpidas Propaga especializacin 2. Costos mas bajos Reduce costos de trabajo Mejora uso de material 3. Calidad mejorada Producto Superior Servicios superiores Proporciona entrenamiento 4. Imagen mejorada Innovador La encuesta conducida por Pepper (1991) sobre las aplicaciones del sistema experto en la industria de servicio mostr que la mayora de las organizaciones justific el esfuerzo sobre beneficios intangibles de estrategias, como ganar un margen competitivo (50%) o capturar y preservar especializacin escasa (44%). Pocas organizaciones buscaron beneficiarse de ahorros de costo. Esta encuesta indica que la mayora de las organizaciones estn buscando explorar la tecnologa, esto es, ellas estn conducidas por la solucin.
Pg. 55
__________________
TAREA 5: Seleccionar el mejor proyecto
Para cada problema inicialmente seleccionado para el esfuerzo de determinacin, ahora se tiene la informacin sobre su viabilidad y su conveniencia. La prxima tarea es seleccionar uno para seguir un proyecto de sistema experto. El cuadro que usted ahora tiene de cada posible proyecto es ambos cualitativo y cuantitativo. El estudio de viabilidad proporcion un nmero que refleja la estimacin del proyecto de viabilidad global. Este nmero es principalmente el valor de comparar varios proyectos. El estudio de costo/beneficio tambin proporcion nmeros. El costo del proyecto es usualmente fcil de estimar, y en algunos casos, usted puede aproximar los ahorros esperados o ganancias de la organizacin. Usted debera tambin tener un sentido del impacto que el proyecto puede tener en establecer sistemas expertos dentro de la organizacin. Conociendo la motivacin de la organizacin es de ayuda sobre esta tarea. Si ellos son conducidos por el problema, usted debera mostrar que el proyecto es viable y que los beneficios esperados excedieron al costo del proyecto. Aun cuando la organizacin est explorando la tecnologa (conducida por la solucin) aparentemente una situacin cmoda. usted debera an proporcionar alguna justificacin para el esfuerzo. Estas organizaciones son usualmente ms tolerantes de los beneficios de corto plazo, pero ellos esperan que el proyecto engendre beneficios a largo plazo.
TAREA 6: Escribir el proyecto propuesto
Siguiendo la seleccin de un buen problema, se puede necesitar escribir un proyecto propuesto que documente los esfuerzos esperados. Esta propuesta debera documentar que es para ser hecho, porque el proyecto es importante, y como se ejecutar el esfuerzo. En la discusin de cada uno de esto puntos, el propuesto debera ser breve y al punto. A continuacin se describen las partes que debera contener la propuesta del proyecto:
Pg. 56

PROYECTO PERSONAL OBJETIVO 1. Declaracin de que ser logrado. 2. Una oracin por problema VISTA GLOBAL 1. Vista de alto nivel del proyecto 2. Discusin general del problema y su solucin 3. Referencias de trabajos pasados. 4. Explicar en general que se lograr. 5. Discutir por que el proyecto tiene valor. PROBLEMA 1. Descripcin detallada del problema. 2. Discutir los problemas y operaciones comunes. 3. Describir los esfuerzos de evaluacin. SOLUCION 1. Discutir que realizar el sistema experto.
__________________
2. Describir como el sistema experto conseguir los objetivos. 3. Listar los recursos necesarios del proyecto. PLAN 1. Listar y discutir las principales fases del proyecto. TIEMPOS ESTABLECIDOS 1. Calcular los periodos de tiempo para las principales fases del proyecto. RESULTADOS (ENTREGABLES) 1. Lista los resultados del proyecto.(entregables) PERSONAL 1. Lista el personal del proyecto. COSTOS 1. Lista los costos del proyecto de diverso tipo.
Pg. 57

FASE 2: ADQUISICION DEL CONOCIMIENTO
__________________
Siguiendo las fases, la siguiente tarea es la adquisicin del conocimiento. Esta tarea es el desafo ms difcil en el desarrollo de un sistema experto. Procesos de Adquisicin de Conocimiento La adquisicin del conocimiento es inherentemente un proceso cclico. Sigue las tareas de recoleccin del conocimiento, su interpretacin y anlisis, y el diseo de mtodos para recolectar conocimiento adicional. La recoleccin es la tarea de adquirir conocimiento del experto. Este esfuerzo requiere entrenamiento en tcnicas de entrevistas. Adems requiere buenas habilidades de comunicacin interpersonal y la habilidad para obtener la cooperacin del experto. La interpretacin de la informacin recolectada envuelve la identificacin de piezas clave de conocimiento, como conceptos, reglas, estrategias, etc. El anlisis envuelve el estudio de las piezas clave del conocimiento destapado durante la tarea de interpretacin. Este esfuerzo proporciona la visin de formar las teoras en la organizacin del conocimiento y estrategias de solucin de problemas. El diseo es la tarea de preparacin para el siguiente encuentro con el experto. Siguiendo la realizacin de las tareas anteriores, se forma una nueva comprensin del problema. Este esfuerzo puede haber expuesto nuevos conceptos que necesitan exploracin extensa. Las tcnicas de extraccin del conocimiento son entonces escogidas para obtener esta informacin durante la prxima reunin.
Problemas con adquisicin de Conocimiento Existen muchos problemas con la adquisicin del conocimiento que hacen de esta una tarea difcil. Muchos de estos problemas puede remontarse a la dificultad en extraer conocimiento del experto. Sin premeditacin de conocimiento.- A travs de la experiencia resolviendo un problema, un experto a menudo compila el conocimiento de la solucin del problema en una forma compacta, la cual permite una solucin eficiente del
Pg. 58
__________________
problema. Si el experto es preguntado para describir su mtodo de solucin de problemas, l a menudo har saltos mentales sobre problemas importantes. Incapacidad para verbalizar el conocimiento.- Muchas tareas son difciles de verbalizar debido a que ellas fueron aprendidas mirando a otros individuos ejecutando estas tareas. Los esfuerzos de la labor manual representan este tipo de tareas. Proveer conocimiento irrelevante .- Muchas sesiones de extraccin pueden ser sostenidas con el experto durante el proyecto. Despus de un tiempo, la cantidad de informacin recolectada puede estar agobiando. Para hacer la materia mucho peor, mucha de esta informacin puede ser irrelevante para el proyecto. La tarea es filtrar a travs de toda esta informacin y escoger slo los problemas importantes. Proveer conocimiento incompleto.- Un experto a menudo puede proporcionar una descripcin incompleta de sus procesos mentales. Si el problema es una simple omisin, la situacin puede ser fcilmente corregida. Sin embargo, si ocurre porque el experto es inconsciente del conocimiento usado, (problema de compilacin) el desafo puede ser mayor. Proveer conocimiento incorrecto.- Un experto puede proporcionar conocimiento incorrecto porque l no est informado o debido a un simple error durante la introspeccin. En cualquier caso, esto lleva a un cuerpo incompleto del conocimiento en sistemas expertos. Proveer conocimiento inconsistente.- El conocimiento proporcionado por el experto puede ser inconsistente con cualquier declaracin. Este problema ocurre frecuentemente cuando el experto proporciona una explicacin de sus estrategias de resolucin de problemas. Esfuerzo del equipo cooperativo El xito del proceso de extraccin del conocimiento depender grandemente de formar un equipo de individuos que son hbiles y cooperativos. Cada miembro del equipo es responsable de tareas que solapan tareas de otros. Una interaccin considerable puede esperarse y esto es importante para nutrir el a veces frgil espritu de cooperacin.
Pg. 59

Tcnica de entrevista
__________________
La tcnica de obtencin del conocimiento ms comn utilizada hoy en da en el diseo de sistemas expertos es el mtodo de la entrevista. Esta tcnica envuelve una interaccin directa entre el experto y el ingeniero del conocimiento, donde las preguntas son dadas para destapar el conocimiento. Para hacer este productivo esfuerzo, la entrevista debe ser efectivamente manejada. El manejo de la entrevista propiamente requiere que varios puntos sean dirigidos. Algunos de los bsicos relacionan a los artculos como preparar la agenda, horario de la sesin, y preparar una lista de materiales. Otros problemas son ms intangibles, pero importantes para el esfuerzo. Saber cmo empezar, conducir y terminar efectivamente la entrevista son consideraciones importantes para adquirir la informacin deseada y para mantener la cooperacin de los miembros del equipo. Tambin es importante saber cmo hacer las preguntas de una manera que proporcionar la informacin deseada. Existen diferentes tcnicas de entrevistas para ganar tipos ciertos de conocimiento y para evitar algunos problemas tpicos asociados con la extraccin del conocimiento. Anlisis de Conocimiento Siguiendo la entrevista, la informacin recolectada necesita ser analizada. Los objetivos de este esfuerzo son determinar qu fue aprendido y que problemas adicionales debe seguirse. Normalmente una trascripcin es primero hecha de una grabacin de la sesin. Esta trascripcin es luego revisada para identificar las piezas clave del conocimiento, conceptos, reglas, etc. Estas piezas de conocimiento son luego analizadas para formar teoras en su organizacin y cmo ellas relacionan a lo que ya es conocido sobre el problema. Tambin se agregan estas piezas de conocimiento a la documentacin del proyecto de una manera discutida despus en este captulo. Un alcance que puede ayudar a analizar el conocimiento recolectado es grabar la informacin recolectada grficamente. Las representaciones grficas en la forma de mapas de concepto, redes de inferencia, diagramas de flujo y rboles de decisin pueden ser de valor particular. FASE 3: DISEO Esta tarea comienza con la seleccin de la tcnica de representacin del conocimiento y la estrategia de control. Es seguida con la seleccin de una herramienta de software que rene mejor las necesidades del problema. Un sistema prototipo pequeo es luego construido para validar el proyecto y para proporcionar una gua para el trabajo futuro. El
Pg. 60
__________________
sistema es entonces extensamente desarrollado y refinado para encontrar los objetivos del proyecto. Este proceso es estructurado de acuerdo a las siguientes tareas: Tarea 1: Seleccionar Tcnica de Representacin del Conocimiento Tarea 2: Seleccionar Tcnica de Control Tarea 3: Seleccionar Software de Desarrollo de Sistema Experto Tarea 4: Desarrollo de Prototipo Tarea 5: Desarrollo de Interfase Tarea 6: Desarrollo del Producto TAREA 1: Seleccionar Tcnica de Representacin del Conocimiento Se debe escoger una tcnica de representacin del conocimiento que mejor muestre la manera en que el experto modela el conocimiento del problema mentalmente. Sin embargo, para razones prcticas, se debe adems considerar los recursos y capacidades de la organizacin. Un mtodo basado en frames es apropiado si el experto describe el problema referenciando los objetos importantes y sus relaciones, particularmente si el estado de un objeto afecta a otro objeto. Esta situacin es encontrada en problemas tipo simulacin o algunas donde las relaciones causales son importantes. Otra seal que un mtodo basado en frame puede ser bien escogido es que el experto considere varios objetos similares cuando resuelve el problema. Un sistema basado en frame puede razonar sobre objetos similares usando solo unas pocas reglas del modelo de emparejamiento que trabajan a travs una clase de objetos. Esto proporciona un mtodo eficaz al codificar los objetos y las reglas. Un mtodo basado en reglas es conveniente si el experto principalmente usando declaraciones tipo IF/THEN. El mtodo de la induccin es de valor si existen ejemplos pasados del problema. La induccin tambin es apropiada si no existe ningn experto real en el problema, pero una historia de informacin del problema esta disponible que puede usarse para derivar los procedimientos de toma de decisin automticamente. TAREA 2: Seleccionar Tcnicas de Control El encadenamiento hacia adelante es apropiado si el experto primero recolecta informacin sobre el problema y luego ve qu puede ser concluido. El encadenamiento hacia atrs es una buena opcin si el experto primero considera alguna conclusin o meta, luego intenta demostrarlo buscando la informacin de apoyo. discute el problema
Pg. 61
__________________
En este caso, el experto est principalmente interesado en demostrar alguna hiptesis o recomendacin. Tambin, si el nmero de metas es mucho menor que la cantidad de posible data, entonces considera un alcance de encadenamiento hacia atrs. Paradigmas de Resolucin de Problemas Otra manera para que usted pueda ganar la visin en escoger ambos, la tcnica de representacin de conocimiento y la estrategia de inferencia es revisar lo que otras han hecho en el pasado en esfuerzos similares. Siguiendo estas mismas ideas, los diseadores del sistema experto escogen a menudo representacin del conocimiento y tcnicas de control sobre la base del problema que resuelve el paradigma. Estas opciones confan en los xitos del pasado. Se han hecho los esfuerzos pasados para relacionar cada paradigma a varios caracteristicas que pueden ser deseables en el diseo del sistema experto (Gevarter 1987, Martin y Ley 1988.Lo siguiente muestra una aproximacin del anlisis hecho de los proyectos de sistemas expertos anteriormente listados en el esfuerzo al elaborar cada Apndice C en un proyecto que resuelve el problema, inspeccin a la
representacin de conocimiento y las tcnicas de control que se emplearon. El resultado de este esfuerzo se muestra en el siguiente esquema:
Tabla N 9: . Tipo de problema versus inferencia y Representacin de Conocimiento

TIPO DE PROBLEMA VERSUS INFERENCIA Y REPRESENTACIN DE CONOCIMIENTO TIPO DE PROBLEMA HACIA ATRS ADELANTE CONT ROL BAJO ALTO ALTO AVG. BAJO INFERENCIA HACIA REPRESENTACIN DEL CONOCIMIENTO REGLAS INDUCCIN FRAMES
DISEO
BAJO
ALTO
ALTO
BAJO
BAJO
DIAGNSTICO
ALTO
BAJO INFERENCIA
ALTO
MEDIO
MEDIO
REPRESENTACIN DEL CONOCIMIENTO
TIPO DE
Pg. 62

PROBLEMA HACIA ATRS INSTRUCCIN HACIA REGLAS
__________________
FRAMES
ADELANTE INDUCCIN MEDI
ALTO
ALTO
MEDIO
BAJO
INTERPRETACIN
MEDIO
ALTO
ALTO
BAJO
ALTO
SEGUIMIENTO
BAJO
ALTO
ALTO
MEDIO
BAJO
PLANIFICACIN
BAJO
ALTO
ALTO
MEDIO
BAJO
PREDICCION
MEDIO
ALTO
ALTO
BAJO
ALTO
PRESCRIPCIN
MEDIO
MEDIO
ALTO
BAJO
BAJO
SELECCIN
ALTO
BAJO
ALTO
BAJO
MEDIO.
Fuente: [1]*
TAREA 3: Seleccionar Software para el desarrollo del sistema experto Hay una gran variedad de herramientas de software disponibles para el desarrollo de un sistema experto. Ellos van desde los lenguajes de programacin bsicos hasta los de desarrollo de alto nivel (SHELLS).
Pg. 63
__________________
Categoras de software
SOFTWARE PARA SISTEMA EXPERTO
LENGUAJES
SHELLS
BASADO EN REGLAS
BASADO EN OBJETOS
BASADO EN REGLAS Figura N 8: Categoras de Software
BASADO EN FRAMES
INDUCCION
HYBRIDO
Fuente: [1]*
Importancia de caractersticas de software Las caractersticas a considerar en la eleccin de una herramienta de desarrollo son: General Costo El Hardware de la computadora Licencia Apoyo en la capacitacin Desarrollador de Interfaz Codificando el conocimiento. Razonamiento inexacto. Establecer reglas Acceso externo al programa:
Pg. 64

Utilidades de depuracin.
__________________
Interfaz de usuario Preguntas Explicaciones Grficos Hipertexto
TAREA 4: Desarrollo del Prototipo Seleccionado el software de acuerdo a los requerimientos del proyecto, el desarrollo del sistema se empieza. La mayora de proyectos de sistemas expertos empiezan el desarrollo construyendo un prototipo de sistema pequeo. Un prototipo es un modelo del sistema final. Su estructura bsica, que representa y procesa el conocimiento del problema, es igual al esperado en el sistema final. Aunque el prototipo es slo una pequea versin del sistema final limita la habilidad propiamente si el dise enva los propsitos siguientes al servidor. Validacin de aproximacin del sistema experto. Confirma opcin de tcnica de representacin de conocimiento y estrategias de control. Proporciona una va de adquisicin de conocimiento. Definir una estrategia global Para iniciar el diseo del prototipo es necesario definir una estrategia global. Esta bsqueda es una serie de tareas de nivel alto que el sistema necesitar realizar. Definir Estructura de Conocimiento Durante el desarrollo del prototipo usted debe crear un esquema de trabajo que se acomode los cambios futuros. Dar validez al Proyecto En la primera fase, se hacen los esfuerzos para probar la base de conocimiento completa para la lgica y consistencia. La naturaleza exhaustiva de esta prueba slo es posible al inicio del proyecto cuando la base de conocimiento es pequea. Esta
Pg. 65
__________________
comprobacin destapa las deficiencias en el conocimiento y bsqueda de razonamiento, y valida la opcin de la tcnica de representacin de conocimiento y de desarrollo de software. La segunda fase es probar es ms de una demostracin el sistema. Su propsito es quitar algn posible escepticismo por el proyecto que podra sostenerse por los individuos dentro de la organizacin. Aunque el sistema habr limitado la capacidad en su formulario del prototipo, una demostracin exitosa en algn problema pequeo nutrir el apoyo por el proyecto. En el futuro el prototipo madurar al punto dnde puede atacar los problemas reales que formen el dominio. En esta fase de probar, se compara los resultados del sistema con aquellos del experto. Lanzar el Prototipo? Una dificultad tpica que puede descubrirse al seguir la comprobacin del prototipo es que la opcin original de la herramienta de desarrollo de software era mtodo de la inferencia es impropia. Va para la Adquisicin de Conocimiento Es tambin fructfero usar el sistema del prototipo como una va para adquirir el conocimiento. Por su naturaleza, un prototipo del sistema es slo una rendicin pequea del sistema final. Los lmites de su conocimiento en el problema son rpidamente puestos en claro durante la prueba, dnde los fracasos son las reglas. Con la cooperacin del experto, un estudio despus de este fracaso abre la puerta al conocimiento adicional. El experto puede determinar por qu el resultado dado por el sistema est equivocado, y puede proporcionar la visin en qu conocimiento est extraando en el sistema que le impidi alcanzar el resultado correcto. De esta forma, el prototipo acta como otra herramienta que el ingeniero de conocimiento puede usar para sondear el conocimiento adicional. pobre. Por ejemplo, puede encontrarse que la tcnica de representacin de conocimiento o el
TAREA 5: Desarrollo de la Interfaz Deben definirse las caractersticas tcnicas de la interfaz al principio del proyecto con la cooperacin del usuario. El desarrollo de la interfaz debe empezar con el desarrollo del prototipo del sistema experto. Las claves para un diseo eficaz de la interfaz son:
Pg. 66

Consistencia Claridad Control Colores de la pantalla TAREA 6: Desarrollo del Producto
__________________
Durante el desarrollo del prototipo, se sostienen las sesiones de extraccin de conocimiento y se corren las pruebas. Con cada refinamiento, la capacidad del sistema se mejora. En un modo evolutivo, el prototipo del sistema empieza a asumir la forma del sistema final. No hay un punto fijo dnde esta transicin ocurre; evoluciona gradualmente hasta que el sistema sea completado. Refinamiento del conocimiento Una caracterstica bsica de un sistema experto es que gana su forma de poder de conocimiento. Esta tarea implica ensanchar y profundizar el conocimiento. El conocimiento es hecho ms ancho agregando nuevos conceptos. En los sistemas basados en reglas cuando se agregan las reglas se agrega a este nuevo conocimiento. En los sistemas basados en frames, el nuevo concepto se agrega generando un nuevo frame de la clase. Ahondando el conocimiento involucra informacin adicional que apoya el conocimiento existente. En los sistemas basados en reglas, este tipo de desarrollo se ha realizado agregando reglas que apoyan las reglas existentes. En los sistemas basados en frames, se agregan los nuevos rasgos al marco existente. Refinamiento del Control Una versin temprana de un sistema experto normalmente incluye las estrategias de control simples. Una opcin de encadenamiento dirigido hacia atrs o adelante podra hacerse, junto con un juego pequeo de metas. sta es una manera buena de empezar el diseo, desde que al principio usted quiere determinar si usted est entrando la direccin correcta. Con los beneficios del proyecto, se ver maneras buenas de introducir las estrategias de control ms complejas. Una rea dnde pueden esperarse refinamientos en el control del sistema est en la agenda de la meta. La agenda de la meta proporciona una lista de metas que el sistema sigue en alguna sucesin del juego. Durante el proyecto, usted puede encontrar una necesidad para agregar las metas a la agenda o refinar existentes en tareas ms finas. Usted tambin puede descubrir que la sucesin estricta de una agenda de la meta tambin est reprimiendo la aplicacin. En este evento, se puede querer hacer las el prototipo
Pg. 67
__________________
metas sensibles al contexto de la sesin. Esto puede lograrse a travs del uso de metaregla. Una meta-regla puede escribirse y establecer las nuevas metas o cargar otras bases de conocimiento sobre la base de la informacin descubierta. Aunque usted puede empezar con una sola opcin de encadenamiento dirigido hacia atrs o adelante, usted puede encontrar una necesidad de cambiar entre ellos. Esta situacin normalmente ocurre si el problema involucra varias tareas algunos de los cuales pueden manejarse bien por una de las tcnicas de la inferencia. Cuando esto ocurre, usted debe estructurar varias bases de conocimiento, cada uno con su propia tcnica de inferencia. El Refinamiento de la interfaz Algunos de los puntos tpicos que el usuario final puede proporcionar como gua son: La facilidad de uso. Las direcciones de la pantalla. Las preguntas. Las clarificaciones. Los resultados. Las tcnicas interactivas (el ratn, el lightpen, etc.) El Razonamiento inexacto. Algunos sistemas expertos necesitan usar una tcnica de razonamiento inexacta. Sin embargo, en las fases tempranas del proyecto, se verifica el conocimiento obtenido del experto en un sentido exacto. Es decir, deben codificarse hechos, reglas, o frames en el sistema de una manera exacta. El resultado del razonamiento del sistema puede verificarse ms fcilmente si un acercamiento lgico se toma en la codificacin del conocimiento. Siguiendo este paso de la comprobacin, pueden usarse los mtodos del razonamiento inexacto para refinar la performance del sistema. FASE 4: PRUEBA Conforme prosigue el proyecto el sistema experto necesitar ser probado y evaluado peridicamente para asegurar que su performance est convergiendo hacia las metas establecidas. Deben tomarse las decisiones en que se probar, cmo y cundo las pruebas se dirigirn, y quin ser involucrado en las pruebas. Es importante que estas
Pg. 68
__________________
decisiones se tomen temprano, en un momento cuando las metas del proyecto originales se establecen. El proceso de la evaluacin se preocupa ms por la aprobacin del sistema y aceptacin del usuario. Validacin del sistema Un sistema experto modela la decisin de un experto humano. Si se dise
correctamente, el sistema deriva los mismos resultados que el experto y razona de una manera similar al experto. Por consiguiente, el esfuerzo de aprobacin debe dirigirse a lo siguiente: Valide los resultados del sistema. Valide que proceso razona el sistema. Validar los Resultados Durante la prueba, la informacin del problema se da al sistema experto y la recomendacin del sistema se compara con resultados cedidos por un individuo llamado el "evaluador." Hay tres consideraciones mayores al disear una prueba para validar los resultados de un sistema experto: La seleccin del criterio de la prueba. La seleccin de los casos de la prueba. La seleccin del evaluador. Seleccionar el Criterio de Prueba Cada proyecto tiene alguna meta para lograr. Para juzgar si el proyecto ha encontrado su meta con xito, el criterio normalmente se establece cuando el proyecto se evala. Si la organizacin est usando la tecnologa para dirigirse a un problema especfico (conducida por el problema), establecer un criterio de prueba entonces es normalmente directo. Es decir, el sistema debe demostrar que logra algn valor medible en tales factores como: economas del costo, mejora de productividad, la mejora de calidad del producto etc. Son problemas muy tangibles, pero ellos son a menudo difciles de medir hasta que el sistema se haya especializado en el campo. Un acercamiento diferente confa en comparar la relativa performance del sistema con aquella del experto en el campo.
Pg. 69

Comparacin relativa Establezca Metas Razonables La evaluacin Requiere Juicio Seleccionando los Casos de la Prueba
__________________
Al trabajar en una aplicacin con demandas, es importante que usted pruebe el sistema primero para los problemas tpicos antes de probar los ms difciles. Seleccin de Evaluadores Si el sistema experto ser usado por otros expertos se recomienda que estos sean parte del equipo de evaluadoresy que no estn asociados al proyecto. Si el sistema ser usado por los no expertos, entonces ellos deben ser parte del equipo de la evaluacin. Ellos pueden proporcionar Adems debe considerar los siguientes puntos: Evite el Prejuicio Potencial Valide el Razonamiento Aprendiendo de los Errores La Aceptacin del usuario: Dado por: - Facilidad de uso. - Claridad de las preguntas. - Claridad de las explicaciones. - Presentacin de resultados. - Utilidades del sistema. - Encuesta al usuario. Evolucin de la Prueba / Evaluacin Paso 1: La Comprobacin preliminar Paso 2: Examinando la demostracin Paso 3: Probando Validacin Informal Paso 4: Prueba de refinamiento Paso 5: Prueba Formal Paso 6: Comprobacin del campo FASE 5: DOCUMENTACIN comentarios adelante si el sistema proporciona resultados buenos, los resultados ms rpidos, etc.
Pg. 70
__________________
Como un proyecto de sistema experto maduro, la cantidad de conocimiento recolectado del experto crece. Despus de un tiempo, debe encontrar la cantidad de informacin abrumadora. Para manejar esta situacin, tendr que decidir temprano sobre algn mtodo para documentar efectivamente esta informacin. Si est propiamente diseado, esto tambin servir para las siguientes tareas de mantener el sistema y escribir el reporte final del proyecto. Qu necesita ser documentado? Durante un proyecto de sistema experto, la informacin que usted necesita para retener y grabar en la documentacin sirve para tres propsitos primarios: Referencias para desarrollar el sistema experto. Referencias para redactar el informe final. Referencias para mantener el sistema experto. Durante el esfuerzo de desarrollo, se necesitar volver a menudo a esta documentacin para grabar la nueva informacin o estudiar previamente la informacin descubierta. Desde que muchos proyectos requieren un reporte final de proyecto, la informacin grabada en la documentacin sirve como una fuente valiosa para este esfuerzo. Siguiendo el despliegue del sistema experto, el sistema necesitar ser mantenido. Para acomodar cada uno de estos esfuerzos, debe documentar lo siguiente: Conocimiento Grficos de conocimiento Cdigo fuente Pruebas Transcripciones Glosario de trminos especficos del dominio Reportes.
Cmo organizar la Documentacin? Adems de contener la informacin listada en la seccin anterior, la documentacin debe ser organizada para facilitar el desarrollo del sistema, la escritura de los reportes y el mantenimiento del sistema. Para lograr esto, la documentacin debe reunir las siguientes especificaciones: Fcil entrada de nuevo conocimiento Fcil acceso y modificacin del antiguo conocimiento.
Pg. 71

Fcil acceso para la informacin relacionada. Fcil repeticin del material para redactar el reporte. Hipertexto
__________________
Para facilitar la hojeada de la informacin relacionada en un documento que ha sido puesto en la forma electrnica, algunos diseadores de hoy adoptan la tcnica de hipertexto. Se puede usar una estructura de hipertexto para leer informacin sobre algn asunto, luego navegar a travs de otros nodos para aprender sobre la informacin relacionada. Para ilustrar, considerar el siguiente ejemplo. Reporte Final Para muchos proyectos de sistema expertos necesita escribir un reporte final. Hay variaciones de que ser presentado en este reporte que depende de la organizacin para quien el trabajo fue hecho. El contenido del reporte final del proyecto debe incluir lo siguiente: Pgina del ttulo Tabla de contenidos. Resumen ejecutivo Visin global del proyecto Descripcin del programa Resultados de las pruebas Resumen Referencias Bibliografas Apndices. FASE 6: MANTENIMIENTO Muchos sistemas expertos contienen conocimiento que est evolucionando con el tiempo. La organizacin que usa el sistema puede adquirir nuevos productos y equipos, o cambiar procedimientos para trabajar con los recursos existentes. Este cambio declara modificaciones apropiadas requeridas al sistema.
Pg. 72
__________________
Conforme es usado el sistema experto, las deficiencias pueden tambin ser descubiertas. Los usuarios pueden encontrar dificultad para usar el sistema, o pueden descubrir omisiones. Mantener cualquier tipo de software puede ser costoso. Dada la probabilidad de que necesita cambios el sistema y sus costos asociados, necesita ser establecido un programa de mantenimiento efectivo para cada proyecto de sistema experto. Los usuarios necesitan un camino para reportar problemas que ellos encuentran, y los individuos con habilidades de ingeniero de conocimiento deben estar disponibles para hacer los cambios. Debe adems haber una manera para manejar el esfuerzo del mantenimiento para asegurar que la tarea se logre efectivamente. Los mayores temas a considerar al reunir un programa de mantenimiento de sistema experto son: Documentacin Pensar en el mantenimiento durante el diseo Estructura Modular Separar el conocimiento de la informacin Meta Reglas Problemas del Software Habilidades de programacin Portabilidad del sistema Utilidades de modificacin Acuerdo de mantenimiento Quin mantiene el sistema? Cambios del documento.
Pg. 73
__________________
BIBLIOGRAFA LIBROS [01]* Durkin, J. EXPERT SYSTEMS: DESIGN AND DEVELOPMENT. New York. Maxwell Macmilan. 1994 [02] Cohen, D. SISTEMAS DE INFORMACIN PARA LA TOMA DE DECISIONES. McGrawHill. [03] Snchez, J. SISTEMAS EXPERTOS: UNA METOLOGIA DE PROGRAMACION.Prentice Hall. Mxico. 1991 * Traducido del original por el autor. INTERNET [INTER 01] www.uc3m.es [INTER 02] www.monografias.com [INTER 03] www.uakron.edu [INTER 04] www.pucp.edu.pe [INTER 05] www.inei.gob.pe [INTER 06] www.itnuevolaredo.edu.mx/takeyas
Pg. 74
__________________
Pg. 75

Tutorial de Inteligencia Artificial y Sistemas Expertos

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tutorial de Inteligencia Artificial y Sistemas Expertos

Uploaded by

Copyright:

Available Formats

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

4. INGENIERIA DEL CONOCIMIENTO DE JHON DURKIN

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

CAPITULO I: INTELIGENCIA ARTIFICIAL

1.- INTELIGENCIA ARTIFICIAL

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

Inteligencia es la aptitud de crear relaciones . Esta creacin puede darse de

Inteligencia, tambin se la puede conceptuar como la habilidad para adquirir,

Inteligencia, podemos tambin decir que es la capacidad para solucionar problemas

1.2 INTELIGENCIA ARTIFICIAL(IA)

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

La IA es una rama de la ciencia de computacin que comprende el estudio y creacin

La IA es una ciencia que trata de la comprensin de la inteligencia y del diseo de

La IA estudia las representaciones y procedimientos que automticamente resuelven

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

Disciplina dedicada a desarrollar y aplicar enfoques computacionales al comportamiento

1.3 HISTORIA DE LA INTELIGENCIA ARTIFICIAL

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

entendimiento de cmo introducir dentro de una computadora la capacidad de

Newell y Simmon desarrollaron la Logic Theorist: sistema

una variedad de problemas desde juegos hasta integracin de smbolos.

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

SIMULACION SENSORIAL Odo, vista, tacto, gusto, olfato, etc

ROBTICA Apoyo a trabajos mecnicos y repetitivos

SISTEMAS EXPERTOS Apoyo a decisiones

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

Sistemas basados en conocimientos o sistemas expertos.

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

NIVEL DE ABSTRACCION DSS

INFORMACION SISTEMAS TRANSACCIONALES

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

2.3 HISTORIA DE LOS SISTEMAS EXPERTOS

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

Empleando los datos que se obtiene con un espectrmetro de masas, las

Este sistema introdujo nuevas caractersticas: utilizacin de conocimiento impreciso

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

Es un sistema experto diseado para ayudar a los gelogos a encontrar yacimientos

Es un sistema experto diseado para ayudar a los tcnicos de Digital Equipment

2.4 SISTEMAS EXPERTOS ACTUALES

_______________________________________________________ Autor: Heyner H. Ninaquispe Castro

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS

Ayuda a los mecnicos en el diagnstico y reparacin de locomotoras dieselelctricas.