EN UN DOCUMENTO EN WORD EXPLIQUE LA RELACIN ENTRE

LA PROBABILIDAD Y LOS SISTEMAS EXPERTOS. MUESTRE DOS

EJEMPLOS CONCRETOS.

SISTEMAS EXPERTOS BASADOS EN PROBABILIDAD:

Los sistemas expertos basados en reglas descritos en el captulo anterior, no
tienen en cuenta ningn tipo de incertidumbre, puesto que los objetos y las reglas
son tratados por ellas de forma determinista. Sin embargo, en la mayor parte de
las aplicaciones, la incertidumbre es lo comn y no la excepcin. Por ejemplo, una
pregunta tpica en diagnostico medico es: dado que el paciente presenta un
conjunto de sntomas, cul de las enfermedades posibles es la que tiene el
paciente? Esta situacin implica un cierto grado de incertidumbre puesto que:
Los hechos o datos pueden no ser conocidos con exactitud.
El conocimiento no es determinista.
Experto que trata este tipo de situaciones de forma efectiva. Estos son los
sistemas expertos basados en probabilidad.
En los primeros sistemas expertos, se eligi la probabilidad como medida para
tratar la incertidumbre (vease Cheeseman (1985) o Castillo y Alvarez (1991).
Pero, desgraciadamente, muy pronto se encontraron algunos problemas, debidos
al uso incorrecto de algunas hiptesis de independencia, utilizadas para reducir la
complejidad de los clculos. Como resultado, en las primeras etapas de los
sistemas expertos, la probabilidad fue considerada como una medida de
incertidumbre poco prctica. La mayora de las crticas a los mtodos
probabilsticos se basaban en el altsimo nmero de parmetros necesarios, la
imposibilidad de una asignacin o estimacin precisa de los mismos, o las
hiptesis poco realistas de independencia.
Consecuentemente, en la literatura de la poca, surgieron medidas alternativas a
la

probabilidad,

como

los

factores

de

certeza,

las

credibilidades,

las

plausibilidades, las necesidades o las posibilidades, para tratar la incertidumbre

(vase, por ejemplo, Shafer (1976), Zadeh (1983), Buchanan y Shortlie (1984),
Yager y otros (1987), y Almond (1995)).
Sin embargo, con la aparicin de las redes probabilsticas (principalmente las
redes Bayesianas y Markovianas, que se presentan en el captulo 6), la
probabilidad ha resurgido de forma espectacular, y es, hoy en da, la ms intuitiva
y la ms aceptada de las medidas de incertidumbre. Lindley (1987), por ejemplo,
dice:
La nica descripcin satisfactoria de la incertidumbre es la probabilidad. Esto
quiere decir que toda armacion incierta debe estar en forma de una probabilidad,
que varias incertidumbres deben ser combinadas usando las reglas de la
probabilidad, y que el clculo de probabilidades es adecuado para manejar
situaciones que

implican

incertidumbre. En

particular, las descripciones

alternativas de la incertidumbre son innecesarias.

Este captulo introduce los sistemas expertos de tipo probabilstico, que se basan
en la probabilidad como una medida de incertidumbre. Se describen en detalle
sus principales componentes (por ejemplo, la base de conocimiento, el motor de
inferencia, el sistema de control de coherencia, etc.) y se comparan con los
sistemas expertos basados en reglas. En la Seccin 3.2 se da una introduccin
breve a los conceptos de la teora de la probabilidad, que se necesitan para
entender el material de este y otros captulos.
La Seccin 3.3 dene y discute las reglas generalizadas como un intento de
extender los sistemas expertos basados en reglas para tratar situaciones de
incertidumbre. Manteniendo el mismo tratamiento de los sistemas basados en
reglas, se examina la estructura de la base del conocimiento, el motor de
inferencia, y el sistema de control de la coherencia de los sistemas expertos
basados en probabilidad. En particular, la Seccin 3.4 ilustra este tipo de sistemas
expertos mediante un ejemplo. La Seccin 3.5 describe la base de conocimiento y
presenta varios modelos para describir las relaciones entre un conjunto de

variables de inters. En la Seccin 3.6, se discute el motor de inferencia. El

problema del control de la coherencia se presenta en la Seccin 3.7. Finalmente,
en la Seccin 3.8 se termina con una comparacin de los sistemas basados en
reglas y los sistemas basados en probabilidad.
Ejemplo 1: Las relaciones entre las enfermedades y los sntomas no son
deterministas, puesto que un mismo conjunto de sntomas puede estar asociado a
diferentes enfermedades. De hecho, no es extrao encontrar dos pacientes con
los mismos sntomas pero diferentes enfermedades. Por ello, es clara la
necesidad de contar con sistemas expertos que traten situaciones de
incertidumbre.
Ejemplo 2: Un paciente puede no estar seguro de haber tenido ebre la noche
pasada. Por ello, hay un cierto grado de incertidumbre en la informacin asociada
a cada paciente (subjetividad, imprecisin, ausencia de informacin, errores,
datos ausentes, etc.).