UNIVERSIDAD DE PANAMÀ

CENTRO REGIONAL UNIVERSITARIO DE SAN MIGUELITO

FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN

ESCUELA DE INGENIERÌA EN INFORMÀTICA

SEMINARIO:
“ISTEMAS BASADOS EN EL CONOCIMIENTO ORIENTADO A LA
EDUCACION Y LA MEDICINA”

MONOGRAFÍA PREVIA A LA OBTENCIÓN DEL TÍTULO

LICENCIATURA EN INFORMÁTICA
PARA LA GESTIÓN EDUCATIVA Y EMPRESARIAL

POR:
NORIS LAY

PROFESORA DEL SEMINARIO:

PROFESORA ODESSA ARANDA

PANAMÁ

2012
 ÍNDICE GENERAL

Contenido Páginas
Resumen ..............................................................................................................
Dedicatoria...........................................................................................................
Introducción

....................................................................................................... 1
Capítulo I. Generalidades de Estudio ............................................................ 2
1.1 Descripción del problema ............................................................................. 2
1.2 Objetivos Generales .................................................................................... 2
1.3 Objetivos Específicos ................................................................................... 2
1.4 Delimitación o Alcance ................................................................................. 3
1.5 Restricciones ................................................................................................ 3
1.6 Justificación .................................................................................................. 3

Capítulo II. Marco teórico................................................................................. 4

2.1 Aspectos Generales de la Inteligencia Artificial ....................................... 4
2.1.1 Historia ................................................................................................. 4
2.1.2 Conceptos ............................................................................................ 6
2.1.3 Fundamentos de la Inteligencia Artificial .............................................. 6
2.2 Formas de Representación del Conocimiento ........................................ 8
2.2.1 Conceptos…………………………………………………………………...10

2.2.2 Formas ............................................................................................... 11

2.3 Concepto del sistema Experto ............................................................. 13

2.4 Arquitectura de un Sistema Experto ...................................................... 15
2.5 Razonamiento basado en reglas ........................................................... 17
2.6 Herramienta para la construcción de un Sistema Experto..................... 18
Capítulo III. Análisis del Sistema Experto ................................................... .21
3.1 Planteamiento del problema ............................................................... 21
3.2 Determinación ...................................................................................... 21
. 3.3 Verificación y pruebas ........................................................................ 21
3.4 Especificar la solución.......................................................................... 22
Capítulo IV. Diseño y Desarrollo del Sistema Experto. .............................. 23
4.1 Reglas ....................................................................................................... .23
4.2 Descripción y del sistema experto y su uso............................................... .25
4.3 Ventanas del Sistema Experto. ................................................................. 27
4.4 modo de explicación .................................................................................. 31
4.5 Opciones .................................................................................................... 32
4.6 Encadenamiento hacia adelante ................................................................ 33
4.7 Encadenamiento hacia atrás ...................................................................... 34
4.8 Pseudocódigo............................................................................................ 37
4.9 Diagrama de flujo ...................................................................................... 39
Conclusiones ................................................................................................ 40
Recomendaciones......................................................................................... 41
Referencias Bibliográficas y Electrónicas ................................................ 42
Glosario. ......................................................................................................... 43
Anexos. .......................................................................................................... 47
 ÌNDICE DE GRAFICAS y FIGURAS

Contenido
Páginas

Gráfica #1 Esquemas lógicos ......................................................................... 14

Grafica #2 Redes semánticas..............................................................................13

Grafica #3 Arquitectura de un Sistema Experto...................................................15

Diagrama de flujo del sistema expuesto……………………………………………39

 ÌNDICE DE FIGURAS

Figura #1 ventana en modo programado………………….………………………..25

Figura #2 Ventanas del programa, Hechos, Reglas, e inferencia……………….28

Figura #3 ventana para introducir reglas……………………………………………29

Figura #4 ventana de Modo de explicación…………………………………………31

Figura #6 menú principal de Opciones………………………………..……………..32

Figuras #7 Ventanas donde el sistema comienza intentando emparejar con

alguna regla de la base de hechos……………………………………...…………...36

 ÌNDICE DE CUADROS

CONTENIDO PÀGINAS

Cuadro #1 Restricciones.......................................................................................3

Cuadro #2 Sistemas de representación de conocimiento….................................10

Cuadro #3 Herramientas para la construcción de un Sistema Experto................18

Cuadro #4 Estructura de expertlab…………………………………………………...27

Cuadro #5 Formato de reglas………………………………………………………....33

 DEDICATORIA

Dedico primeramente a Dios, a las personas que nos brindaron la información

necesaria para poder llevar a cabo este trabajo. A mi esposo Efraín Jiménez por
todo su, por comprenderme siempre. A mis hijas Isabella Jiménez, Mercedes
Jiménez y a mi hijo Efraín Jiménez, por ser la inspiración para mi superación. A
mis padres y a mi hermano Alberto por todo su tiempo brindado.

Noris Lay
 AGRADECIMIENTO

Agradezco primeramente a Dios por llenarme de sabiduría y confianza a todas

las personas que nos han ayudado de forma incondicional, a los profesores,
técnicos en informática y a las diferentes personas que brindaron la información
requerida para la investigación. A mi esposo Efraín Jiménez quien con su
esfuerzo, apoyo, y sacrificio de su tiempo para apoyarme en todo momento.
También a todos los miembros de mi familia, que en todo momento me han
llevado en sus mentes y corazones.

Noris Lay
 Resumen

El objetivo de este documento es presentar la experiencia en el desarrollo de

Sistemas Expertos en el área de medicina, introducción acerca de la Inteligencia
Artificial y de los Sistemas Expertos, la monografía concluye con el desarrollo de
nuestro sistema experto basado en le diagnóstico de enfermedades respiratorias.
A través de la inteligencia artificial se han construido los sistemas expertos que
pueden imitar la capacidad mental del hombre y relacionan reglas de sintaxis del
lenguaje hablado y escrito sobre la base de la experiencia, para luego hacer
juicios acerca de un problema, cuya solución se logra con mejores juicios y más
rápidamente que el ser humano.

Con la utilización de este Sistema Experto se podrá de una manera rápida y

sencilla, determinar mediante los síntomas que ingrese la enfermedad
correspondiente.

ExpertLab es el software que utilizamos para la construcción del sistemas

experto el cual es un motor de inferencia diseñado para la enseñanza asistida
por ordenador en Inteligencia Artificial, y más concretamente, en el campo de
los sistemas expertos.

Los Sistemas Expertos para la medicina; además de proporcionar un

diagnóstico, proporcionan asesoría al especialista, ya que estos sistemas
poseen un conocimiento de los síntomas de las enfermedades, esto es de gran
importancia cuando el especialista tenga que recordar datos organizados y
tenga que relacionarlo con otras.
 Summary

The aim of this paper is to present the experience in the development of expert
systems in the field of medicine, introduction to Artificial Intelligence and Expert
Systems, the paper concludes with the development of our expert system based
on her diagnosis of respiratory diseases . Through artificial intelligence expert
systems have been built that can mimic human mental capacity and associated
rules of syntax of spoken and written on the basis of experience, and then make
judgments about a problem whose solution is achieved judgments better and faster
than humans.

By using this expert system is able to quickly and easily determined by the
symptoms you enter the relevant disease.

ExpertLab is the software we use for the construction of expert systems

which is an inference engine designed for computer-assisted instruction in Artificial
Intelligence, and more specifically in the field of expert systems.

Expert Systems for medicine in addition to providing a diagnosis, provide

specialist advice, as these systems have a knowledge of the symptoms of disease,
this is of great importance when the specialist has to remember things organized
and have to relate other.
 INTRODUCCIÓN

En este trabajo investigativo plasmamos un estudio metodológico realizado

a través de encuestas y entrevistas a médicos de especialidad general
recolectamos una serie de informaciones importantes, relacionadas con el tema
de enfermedades del sistema respiratorio.

En la actualidad la tecnología es capaz de brindarnos cosas impresionante

este es el caso de los Sistemas Expertos, los cuales desde hace tiempo han
sido aplicados en la solución de problemas reales, en aéreas como la industria,
de la enseñanza, de la reparación de máquinas, en la medicina, entre otras,
todas ellos representando un avance para la humanidad.

Sera en esta ultima área mencionada en la que se centrara la investigación

de esta monografía; la aplicación de sistemas expertos en la medicina es un
tema muy interesante y novedoso que brinda diversos beneficios tanto para los
especialistas como para los pacientes.

 El primer capítulo, contiene generalidades de estudio, descripción del

problema, objetivos generales, objetivos especifico, alcance, restricciones
justificación.

 El segundo capítulo, está formado por el marco teórico, el cual describe de

manera breve conceptos, fundamentos, formas de representación del
conocimiento en cuanto a Inteligencia Artificial, también se habla un poco de
la historia ,conceptos, arquitectura de los sistemas expertos.

 El tercer capítulo, comprende del análisis del sistema experto propuesto.

 El cuarto capítulo, comprende del diseño y desarrollo del sistema experto,

manual de uso, conclusiones, glosario.

.
 CAPITULOI.
Generalidades de Estudio
Capítulo I. Generalidades de Estudio

1.1 Descripción del problema

a) Apoyar la toma de decisiones de médicos y otros responsables del
cuidado médico. Complementar la capacidad natural de hacer juicios, la
confiabilidad y las capacidades de proceso.
b) En la actualidad la medicina presenta innumerables inconvenientes
como consecuencia de la falta y carencia en la automatización de los
procesos médicos metodología utilizada para la implementación en
dicha rama, para cada una de estas, se presentan muchísimas
cantidades de enfermedades que para su oportuna detección por medio
de los médicos se hace un poco lenta, esto a causa de la cantidad de
personas que acuden a ellos y el bajo grado de cobertura que presentan
las clínicas, hospitales.

1.2. Objetivos Generales

a) Desarrollar un sistema experto para el Diagnostico Enfermedades
Especificas del Sistema Respiratorio, basado en reglas, que
permita ahorrar tiempo y poder accesar al diagnostico de manera
rápida y mejor enfocada al diagnostico del paciente.
b) Se busca que el sistema experto que sea capaz de brindar
información correcta y oportuna a los usuarios que tengan acceso,
para dicho objetivo se necesita que el sistema este sujetado por un
personal idóneo propio del área, para dicha ejecución del proyecto
se necesita una recopilación amplia y abundante de los conceptos
básicos y avanzados en dichas ramas de estudio, el proceso
consiste en adquirir los conocimientos propios del experto y
consignarlos en el sistema, de esta manera tan general se tiene
como meta que los pacientes puedan tener un diagnóstico
 oportuno y se puedan subsanar sus enfermedades por medio del
sistema experto.

1.3. Objetivos Específicos

a) Proporcionar una herramienta de apoyo al documentar los requerimientos

del sistema experto constituyéndose de gran importantancia. Esta
herramienta almacenará gran cantidad de información y realizará un gran
número de operaciones (es decir, tomar dediciones para la
documentación de requerimientos del sistema experto) en poco tiempo de
manera que se obtenga conclusiones rápidamente.
b) Los resultados deben presentarse en forma clara para el usuario.
c) Los resultados debe ser claros y concisos para que se presente sin
ningún tipo de ambigüedad al usuario y el diagnostico sea dado de una
mejor manera.
d) Para el desarrollo del sistema experto serán necesarios conocimientos
básicos y estructurados en sistemas expertos para el desarrollo que
permita diagnosticar la enfermedad, además del acompañamiento de un
experto en esta área de la medicina que pueda alimentar de conocimiento
el sistema para que este pueda realizar su trabajo.
e) Los conocimientos deben ser formalizados antes de ingresarlos a la Base
de Conocimientos, por esto es que un libro será más fácil de estructurar
en la Base de Conocimientos que los conocimientos de un Experto
Humano.

1.4. Alcance
La trascendencia de esta investigación radica en permitir especialmente a
los profesionales de informática, la importancia de realizar estudios de los
sistemas basados en el conocimiento para evaluar y brindar conocimientos
 puntuales. Además presentar el desarrollo del sistema experto para ser
aplicado al diagnostico de enfermedades especificas del sistema respiratorio.
a) Se presentará el manual, desarrollo del sistema, diagrama de flujo y el
código fuente.
b) Desarrollar un sistema experto para la detección la enfermedad a partir
de la sintomatología de los pacientes.
c) Desarrollar reglas de inferencia para los sistemas expertos por medio de
lenguaje de programación de expertlab.
d) Desarrollar un prototipo para diagnósticos enfermedades específicas del
sistema respiratorio.
.

1.5. Restricciones
Restricciones que confrontamos en esta investigación son las siguientes:
Restricciones Solución
Escases bibliográficos sobre el Entrevistar a diferentes programadores
software expertlab. y profesores de Informática.
Tiempo: Para poder realizar las Contratar personal para que procediera
encuestas e investigaciones hacer las entrevistas cuando no
pertinentes. podíamos realizarlas.

1.6. Justificación
Para los habitantes de las zonas rurales, el acceder a especialistas en
medicina es dificultoso, ya que requiere desplazamientos hacia comunidades
urbanas donde se encuentran los médicos, lo cual no siempre se puede hacer o
representa un gasto grande para los pobladores de esas áreas.
Sería beneficioso para los habitantes de esas zonas rurales contar con un
centro especializado el cual cuente con sistemas expertos para el diagnósticos
de las enfermedades con esto los médicos ahorran tiempo y podrán atender a
más pacientes.
CAPITULO II.
MARCO TEORICO
 Capítulo. Marco Teórico

2.1 Antecedentes

Actualmente en nuestro país Panamá no se cuenta con sistemas expertos

en área de la medicina para poder dar atención a más pacientes mediantes
sistemas inteligentes que den diagnostico con ràpidez y de manera eficiente a
personas que viven en lugares de difícil acceso, donde los pacientes tienen que
caminar horas para llegar en busca de atención medica porque los centros de
salud son escasos.

2.2. Aspectos Generales de la Inteligencia Artificial

El término “inteligencia artificial” se ha popularizado para designar a una

disciplina incluida entre las ciencias de la computación. Tiene que ver con el
esfuerzo que decenas de científicos de distintos países, especialmente de los
Estados Unidos y de Europa Occidental, han venido realizando durante los
últimos treinta años para dotar a las computadoras de inteligencia. Actualmente
existen dos tendencias en cuanto al desarrollo de sistemas de IA: los sistemas
expertos y las redes neuronales. Los sistemas expertos intentan reproducir el
razonamiento humano de forma simbólica, por medio de formulas y logismos
como el código binario. Las redes neuronales lo hacen desde una perspectiva
más biológica (recrean la estructura de un cerebro humano mediante algoritmos
genéticos). A pesar de la complejidad de ambos sistemas los resultados distan
mucho de un auténtico pensamiento inteligente, pues solo llegan a ser
reproducción de funciones específicas y no del razonamiento y el pensamiento
complejo que caracteriza al hombre.
 La inteligencia artificial, en la cual se integra el soft computing, surgió hace
cincuenta años como una disciplina para crear máquinas que resolvieran
problemas imitando al ser humano. En la última década, algunas ramas del soft
computing han evolucionado con gran éxito hacia la imitación de sistemas
sociales y naturales como los insectos. Programas informáticos basados en
modelos matemáticos del comportamiento de las hormigas se emplean
diariamente para aplicaciones tan diversas como la planificación de las rutas de
recogida de basuras en Sant Boi del Llobregat, la logística de distribución de
gases medicinales en Houston o la transmisión de datos en internet. Los
expertos en el ámbito del Soft Computing tienen claro que los humanos
llegaremos a desarrollar unas máquinas con inteligencia artificial y capaces de
desarrollar acciones hasta ahora imposibles por ellas.

 Nuevas tendencias en inteligencia artificial

En sus cincuenta años de vida, la inteligencia artificial se ha inspirado

principalmente en la forma en la que el ser humano resuelve problemas con
objeto de desarrollar máquinas o programas que imiten ese comportamiento
para realizar dichas tareas de forma automática. La inteligencia artificial abrió
sus miras a otro tipo de inteligencia, colectiva en lugar de individual, surgiendo
la «swarm intelligence» o «inteligencia de enjambres». Esta disciplina está
compuesta tanto por programas de ordenador como por máquinas, ambos
inspirados en el comportamiento cooperativo de colonias de insectos sociales u
otras sociedades de animales como las hormigas, las abejas o las bandadas de
aves. Hormigas artificiales. Las hormigas son insectos muy simples que viven
en colonias con una organización social altamente estructurada. Gracias al
trabajo cooperativo, pueden desarrollar tareas muy complejas como encontrar
los caminos más cortos del hormiguero a los lugares del entorno donde existe
comida, organizarse en patrullas multitudinarias para salir de caza o construir
gigantescas estructuras de túneles para vivir cómodamente.

 El Enfoque de Inteligencia Artificial ha Evolucionado

 La inteligencia artificial a evolucionado de tal forma que ha afectado
nuestras vidas radicalmente desde nuestro antepasado dándonos ventajas
notables y cambios a favor en cuanto a la medicina como lo son los sistemas de
diagnostico.

 La inteligencia artificial

(IA) favorece de algún modo la mejora de los procesos de aprendizaje.,

inteligencia artificial se ha utilizado como herramienta de apoyo para diversas
tareas, como por ejemplo en la búsqueda de información compleja, y en la
administración del conocimiento. uno de los objetivos de la inteligencia artificial
en la educación es la de funcionar como un tutor personalizado para tratar de
enseñar al alumno información precisa, adaptando dicha información y proceso
de la enseñanza según las características del estudiante. En este sentido, una
de las aplicaciones principales de la inteligencia artificial en la educación ha
sido el desarrollo de sistemas tutoriales inteligentes (ITS, por sus siglas en
ingles), los cuales son un ambiente de aprendizaje interactivo basado en la
instrucción asistida por computadora. Otro objetivo de la aplicación la
inteligencia artificial en la educación es el de apoyar a los estudiantes en la
búsqueda, tratamiento y organización de información de una forma eficiente.
Las aplicaciones de la inteligencia artificial en la educación las podemos
clasificar en dos rubros: explicitas e implícitas. Las aplicaciones explicitas, como
su nombre lo dicen, están diseñadas explícitamente para su aplicación en la
educación. En las aplicaciones implícitas, o "invisibles" para el usuario, el
estudiante no se da cuenta de que está utilizando tecnología de inteligencia
artificial.

2.2.1 Historia

El Nacimiento de la Inteligencia Artificial

El fracaso de la mayoría de los problemas que intentaban resolver eran

demasiado complicados, tanto teórica como tecnológicamente.
 La lógica teórica fue considerada como el primer programa de IA y
usada para resolver problemas de búsqueda heurística.

Durante el decenio de 1950 se celebraron congresos, proliferaron los

grupos de investigación y en 1954 uno de ellos afirmó haber creado un
programa que traducía del ruso al inglés. La verdad es que los resultados
prácticos fueron descorazonadoramente escasos.

De todas formas, el resultado más espectacular de este período fue el

programa de Samuel para Jugar a las damas, que se presentó en 1961 y era
capaz de aprender de su experiencia, es decir, tener en cuenta sus errores y
éxitos pasados, para determinar sus jugadas en la partida posterior.

Los años difíciles

Tales habían sido las expectativas levantadas por la IA, y tantos sus
fracasos, que el desánimo sucedió al optimismo inicial. El mundo exterior se
desentendió de los trabajos de investigación, y la financiación de muchos
proyectos se volvió problemática, tanto en América como en Europa. No
obstante, la IA se fue consolidando y, aprendiendo de sus fracasos, buscó
nuevos enfoques para los viejos problemas.

En el año 1964 se publicó una tesis doctoral sobre el sistema STUDENT,

que es un programa de lenguaje natural que comprende y resuelve problemas
elevados de álgebra.

Es en 1966 cuando se publica, en Comunicaciones de la Asociación para

Máquinas Calculadoras, un programa de ordenador para el estudio de
comunicación hombre-máquina mediante lenguaje natural interactivo, ELIZA,
que fue creado como un programa de psicología que simula respuestas de un
terapista en dialogo interactivo con un paciente. Las personas que dialogaban
con ELIZA creían que hablaban con un psicólogo auténtico.
 A partir de 1970, el énfasis se trasladó de las reglas y procedimientos
generales de deducción a la acumulación de conocimientos concretos acerca
de un campo bien delimitado en la realidad. El célebre programa SHRDLU era
una parte de un proyecto de comprensión del lenguaje natural capaz de
comprender y ejecutar correctamente órdenes dadas en inglés acerca de un
"mundo de bloques". Ello era posible porque el programa tenía todos los
conocimientos necesarios acerca de su limitado y simplificado mundo.

Los trabajos hasta 1973, tuvieron como herramientas básicas de trabajo los
conceptos de tiempo compartido en ordenadores y procesamiento de palabra.
La investigación más normal incluye: visón con ordenador, todas las áreas de la
robótica, sistemas expertos, lenguaje natural y arquitectura de ordenadores.

Se lanzaron ataques contra la IA basándose en la introspección, afirmó que

ciertos aspectos del pensamiento humano son esencialmente inimitables por
parte de los ordenadores, dando varias razones de apoyo a esta tesis: de una
parte, los ordenadores son máquinas discretas, mientras que el pensamiento
aparece en nuestra introspección como continuo; además, los ordenadores
carecen de "corporeidad", por lo que no pueden relacionarse como nosotros
con el espacio físico; por último, los ordenadores no comparten nuestras
experiencias, nuestro contexto humano, por lo que no pueden ser como los
seres humanos.
En cualquier caso, las controversias no desanimaron a los investigadores,
que empezaban a alcanzar resultados tangibles. En esto les ayudaba
grandemente el acelerado progreso del soporte material, con la aparición de los
circuitos y el aumento consiguiente de capacidad y potencia de cálculo.
También el soporte lógico empezaba a adaptarse a las necesidades de la IA. La
aparición de lenguajes declarativos fue un paso importante para la IA.

Investigación y desarrollo en áreas de la IA

 Las aplicaciones tecnológicas en las que los métodos de IA usados han
demostrado con éxito que pueden resolver complicados problemas de forma
masiva, se han desarrollado en sistemas que:

 Permiten al usuario preguntar a una base de datos en cualquier lenguaje que

sea, mejor que un lenguaje de programación.

 Reconocen objetos de una escena por medio de aparatos de visión.

 Generar palabras reconocibles como humanas desde textos computarizados.

 Reconocen e interpretan un pequeño vocabulario de palabras humanas.

 Resuelven problemas en una variedad de campos usando conocimientos

expertos codificados.

2.2.2 Conceptos

Se define la Inteligencia Artificial como aquella inteligencia exhibida por

artefactos creados por humanos (es decir, artificial). A menudo se aplica
hipotéticamente a los computadores. El nombre también se usa para referirse al
campo de la investigación científica que intenta acercarse a la creación de tales
sistemas. La Inteligencia Artificial trata de conseguir que los ordenadores simulen
en cierta manera la inteligencia humana. Se acude a sus técnicas cuando es
necesario incorporar en un sistema informático, conocimiento o características
propias del ser humano.

No existe una definición universalmente aceptada ya que la palabra

inteligencia es abstracta y no medible.

Definición según los siguientes autores:

 John McCarthy, acuñó el término en 1956, la definió: "Es la ciencia e ingeniería

de hacer máquinas inteligentes, especialmente programas de cómputo
inteligentes.
 N. Nilsson Entender y estudiar científicamente los procesos comunes que
subyacen en el pensar y el percibir ya sea en el hombre como en la máquina.
 KONAR Simulación de la inteligencia humana para hacer eficiente la maquina a
identificar y usar una pieza correcta de conocimiento. En dar un paso a la solución
de un problema.

 MINSKY Ciencia que hace que las maquinas hagan cosas que requieran
inteligencia.

 Buchanan – Feigenbaum Es la parte de la ciencia de la computación que

investiga los proceso de razonamientos simbólicos y no algorítmicos y la
representación de conocimiento simbólica para su uso en máquinas inteligentes.

Diseñar sistemas que muestren características que asociamos a inteligencia

como:

 Comprensión del lenguaje.

 Aprendizaje.

 Resolución de problemas.

 Razonamiento.

Manera más específica la inteligencia artificial es la disciplina que se

encarga de construir procesos que al ser ejecutados sobre una arquitectura
física producen acciones o resultados que maximizan una medida de
rendimiento determinada, basándose en la secuencia de entradas percibidas y
en el conocimiento almacenado en tal arquitectura.

2.2.3 Fundamentos de la Inteligencia Artificial

Muchas de las actividades mentales humanas, tales como escribir

programas de cómputo, demostrar teoremas, razonar con sentido común y aún
conducir un vehículo normalmente se dice que requieren “inteligencia”. Durante
las décadas pasadas se ha logrado construir programas que pueden realizar
 tareas como esas. Existen programas que pueden diagnosticar enfermedades,
resolver ecuaciones diferenciales en forma simbólica, analizar circuitos
electrónicos, entender en forma limitada frases habladas y escritas o escribir
programas de cómputo cumpliendo especificaciones.
Se puede decir que tales sistemas posen cierto grado de Inteligencia Artificial
(IA).
La IA es una nueva generación de tecnología informática, caracterizada no
sólo por su arquitectura (hardware), sino también por sus capacidades. El
énfasis de generaciones previas fue en las computaciones numéricas para
aplicaciones científicas o de negocios. La nueva generación de tecnología
informática incluye además la manipulación simbólica, con el objetivo de emular
el comportamiento inteligente; y, la computación en paralelo, para tratar de
conseguir resultados prácticamente en tiempo real. La capacidad predominante
de la nueva generación, también conocida como la Quinta Generación, es la
habilidad de emular (y tal vez en algunos casos superar) ciertas funciones
inteligentes del ser humano.
Por ejemplo:

Aprendizaje:
 Captación automática de conocimientos.
Razonamiento:
 Sistemas basados en conocimientos.
 Bases de datos inteligentes.
 Prueba de teoremas y juegos.

Percepción:
 Comprensión de lenguaje natural.
 Interpretación de escenas visuales (Visión por computadora).

Locomoción y Manipulación:
 Realizar procesos mecánicos y tareas manuales (Robótica).
 Creación:

 Generación, verificación, depuración y optimización automática de programas.

Algunas de las tareas que estos sistemas realizan en el campo de la IA
son:

Tareas Generales

 Percepción: Visión, Fonemas.

 Lenguaje Natural: Comprensión, generación y traducción.
 Razonamiento de sentido común.
 Control de robots.
Tareas Formales

 Juegos: Ajedrez, Backgammon, Damas.

 Matemáticas: Geometría, Lógica, Cálculo Integral.

Tareas Expertas

 Ingeniería: Diseño, Localización de fallas, planeamiento.

 Análisis Científico.
 Diagnóstico Médico.
 Análisis Financiero.

2.3 .Formas de Representación del Conocimiento

El conocimiento es la comprensión adquirida, implica aprendizaje,

concienciación y familiaridad con una o más materias; el conocimiento se
compone de ideas, conceptos, hechos y figuras, teorías, procedimientos y
 relaciones entre ellos, y formas de aplicar los procedimientos a la resolución
práctica de problemas. El conocimiento que ha de funcionar en un SE es el
conocimiento heurístico; el conocimiento heurístico es aquel conocimiento que
ayuda a las personas u ordenadores a aprender, es el uso de los conocimientos
empíricos. Las reglas de pensamiento, los trucos, los procedimientos o
cualquier tipo de información que nos ayuda en la resolución de problemas.

2.4 Conceptos

Son métodos usados para "modelar" en forma eficiente los conocimientos

de especialistas en alguna área del saber, de forma que pueda ser usado por el
usuario de un sistema inteligente. El conocimiento puede ser considerado como
una entidad simbólica o procesamiento simbólico.

La representación del conocimiento es un esquema o dispositivo utilizado

para capturar los elementos esenciales del dominio de un problema. Una
representación manipulable es aquella que facilita la computación.

En representaciones manipulables, la información es accesible a otras

entidades que usan la representación como parte de un cómputo.

Debido a la variedad de formas que el conocimiento puede asumir, los

problemas involucrados en el desarrollo de una representación del
conocimiento son complejos, interrelacionados y dependientes del objetivo. En
términos generales, el conocimiento debe estar representado de tal forma que:
Capture generalizaciones. Pueda ser comprendido por todas las personas que
vayan a proporcionarlo y procesarlo. Pueda ser fácilmente modificado.

Una representación es un conjunto de convenciones sobre la forma de

describir un tipo de cosas. Una descripción aprovecha las convenciones de una
representación para describir alguna cosa en particular.

Las características de una buena representación son:

 Los objetos y las relaciones importantes deben aparecer explícitamente y de forma
conjunta

Las restricciones inherentes al problema se muestran pero no los detalles

irrelevantes.

La representación debe ser transparente: se entiende lo que se dice.

Completa y concisa: Están representados con eficacia todos los objetos y

relaciones.

Rápidos y computables: Se puede almacenar y recuperar la información con

rapidez, y se pueden crear mediante un procedimiento ya existente.

2.4.1 Formas

Una vez que se adquiere (del especialista) el conocimiento, es necesario

encontrar una representación simbólica, clara, precisa y completa del mismo.
Para ello podemos mencionar que existen diversas formas de representar el
conocimiento, como las siguientes:

Representación del Conocimiento

 Tripletas OAV
 Redes Semánticas
 Frames
 Reglas

Tripletas Objetivo-Atributo-Valor (OAV). Permiten derivar una representación

gráfica del conocimiento organizada en tres niveles: objeto compuesto de
atributos que contienen valores.
Ejemplo
 Redes Semánticas. Ofrecen un esquema más general y desestructurado que
las tripletas OAV. Donde cada nodo representa cualquier concepto u objeto, y
los arcos representan relaciones que existen entre dichos conceptos.

Ejemplo:

Frames (Marcos).Un frame es una plantilla de objetos que contiene un

conjunto de slots. Cada slot puede ser de alguno de los siguientes tipos:

1) un atributo simple con un valor opcional de default;

2) un procedimiento;

3) una restricción;

4) un apuntador a otro frame.

 En programación ofrece uno de los mecanismos de estructuración más
poderosos y flexibles que existen en Inteligencia Artificial, e.g. puede
implementar cualquier esquema de representación del conocimiento e incluso
diversos paradigmas de programación como orientado a objetos, orientado a
accesos, etc. Algunos idiomas de Lisp, como CommonLisp y CLOS ofrecen
frames. Sin embargo, la complejidad de programar con frames puede fácilmente
tornarse inadmisible e ineficiente cuando se posee poca habilidad, disciplina y
conocimientos avanzados de programación con frames.

Frame: Perro

Nombre: Chary

Raza: Pastor

If ladra then no-

Conducta:
muerde

Dueño: frame(Persona,Luis)

Foto: display(chary.jpg)

Reglas

Sistemas Expertos Basados en Reglas (Rule-based systems). Sistemas

constituidos primordialmente por un conjunto de "reglas de producción" o
"reglas de inferencia lógica" o "reglas IF-THEN". Resultan convenientes por las
siguientes razones:

a. La mayoría de las herramientas de desarrollo de sistemas expertos

emplean reglas, y además se cuenta con lenguajes de programación
lógica basada en reglas, e.g. PROLOG, Lisp.
b. La mayoría de los sistemas expertos desarrollados son basados en
reglas.
 c. La madurez, disponibilidad y costo de las herramientas de desarrollo de
este tipo con bastante atractivas.
d. La representación del conocimiento a través de relgas es bastante
natural.
e. La curva de aprendizaje de estos sistemas es menos prolongada que
para las otras alternativas de representación, e.g. frames.
f. Las reglas tienen una sintaxis sencilla, son transparentes y fáciles de
mantener.
g. Es posible simular con relgas (con ciertas complicaciones) a los sistemas
basados en frames.
h. Su proceso de validación es simple y más susceptible de automatizar.

Partes de una Regla

IF p = v1 THEN r = v0

condición(es) acción

antecedente(s) consecuente

premisa(s) conclusión

sub-meta(s) meta

2.5 .Concepto de Sistema Experto

Definiciones según los siguientes autores

James P. Ignizio: Programa computacional que exhibe, dentro de un dominio

específico, un grado de experiencia en la solución de un problema comparable
con la forma en que un experto humano lo haría.

Waterman: Sistemas que representan el conocimiento sobre el dominio en

forma explícita y separada del resto del sistema.
Jackson: Sistemas que resuelven problemas aplicando una representación
simbólica de la experiencia humana.

Sistemas expertos(ES, siglas del término Expert System) es un sistema de

información basado en el conocimiento que usa su conocimiento de un área de
aplicación compleja y específica a fin de actuar como un consultor experto para
los usuarios finales. Los sistemas expertos proporcionan respuestas sobre un
área problemática muy específica al hacer inferencias semejantes a las
humanas sobre los conocimientos obtenidos en una base de conocimientos
especializados.

Es un software que imita el comportamiento de un experto humano en la

solución de un problema. Pueden almacenar conocimientos de expertos para
un campo determinado y solucionar un problema mediante deducción lógica de
conclusiones, incorpora conocimiento de experto sobre un dominio de
aplicación dado, de manera que es capaz de resolver problemas de relativa
dificultad y apoyar la toma de decisiones inteligentes en base a un proceso de
razonamiento simbólico.

Son SE aquellos programas que se realizan haciendo explicito el

conocimiento en ellos, que tienen información específica de un dominio
concreto y que realizan una tarea relativa a este dominio.

Programas que manipulan conocimiento codificado para resolver problemas

en un dominio especializado en un dominio que generalmente requiere de
experiencia humana.

Es una aplicación informática capaz de solucionar un conjunto de problemas

que exigen un gran conocimiento sobre un determinado tema. Un sistema
experto (SE) es un conjunto de programas que, sobre una base de
conocimientos, posee información de uno o más expertos en un área
específica. Se puede entender como una rama de la inteligencia artificial, donde
el poder de resolución de un problema en un programa de computadora viene
del conocimiento de un dominio específico. Estos sistemas imitan las
actividades de un humano para resolver problemas de distinta índole (no
necesariamente tiene que ser de inteligencia artificial). También se dice que un
SE se basa en el conocimiento declarativo (hechos sobre objetos, situaciones) y
el conocimiento de control (información sobre el seguimiento de una acción).

Para que un sistema experto sea herramienta efectiva, los usuarios deben
interactuar de una forma fácil, reuniendo dos capacidades para poder cumplirlo:

Explicar sus razonamientos o base del conocimiento: los sistemas expertos

se deben realizar siguiendo ciertas reglas o pasos comprensibles de manera
que se pueda generar la explicación para cada una de estas reglas, que a la
vez se basan en hechos.

Adquisición de nuevos conocimientos o integrador del sistema: son

mecanismos de razonamiento que sirven para modificar los conocimientos
anteriores. Sobre la base de lo anterior se puede decir que los sistemas
expertos son el producto de investigaciones en el campo de la inteligencia
artificial ya que ésta no intenta sustituir a los expertos humanos, sino que se
desea ayudarlos a realizar con más rapidez y eficacia todas las tareas que
realiza.

Debido a esto en la actualidad se están mezclando diferentes técnicas o

aplicaciones aprovechando las ventajas que cada una de estas ofrece para
poder tener empresas más seguras. Un ejemplo de estas técnicas sería los
agentes que tienen la capacidad de negociar y navegar a través de recursos en
línea; y es por eso que en la actualidad juega un papel preponderante en los
sistemas expertos.

Programas que contienen tanto conocimiento declarativo (hechos a cerca de

objetos, eventos y/o situaciones) como conocimiento de control (información
acerca de los cursos de una acción), para emular el proceso de razonamiento
de los expertos humanos en un dominio en particular y/o área de experiencia.
2.6 Arquitectura de un Sistema Experto

Arquitectura básica de los sistemas expertos:

Base de conocimientos: Es la parte del sistema experto que contiene el

conocimiento sobre el dominio. Hay que obtener el conocimiento del experto y
codificarlo en la base de conocimientos. Una forma clásica de representar el
conocimiento en un sistema experto son lar reglas. Una regla es una estructura
condicional que relaciona lógicamente la información contenida en la parte del
antecedente con otra información contenida en la parte del consecuente.

Base de hechos (Memoria de trabajo): Contiene los hechos sobre un

problema que se han descubierto durante una consulta. Durante una consulta
con el sistema experto, el usuario introduce la información del problema actual
en la base de hechos. El sistema empareja esta información con el
conocimiento disponible en la base de conocimientos para deducir nuevos
hechos.

Motor de inferencia: El sistema experto modela el proceso de

razonamiento humano con un módulo conocido como el motor de inferencia.
Dicho motor de inferencia trabaja con la información contenida en la base de
conocimientos y la base de hechos para deducir nuevos hechos. Contrasta los
hechos particulares de la base de hechos con el conocimiento contenido en la
base de conocimientos para obtener conclusiones acerca del problema.
 Subsistema de explicación: Una característica de los sistemas expertos
es su habilidad para explicar su razonamiento. Usando el módulo del
subsistema de explicación, un sistema experto puede proporcionar una
explicación al usuario de por qué está haciendo una pregunta y cómo ha
llegado a una conclusión. Este módulo proporciona beneficios tanto al
diseñador del sistema como al usuario. El diseñador puede usarlo para detectar
errores y el usuario se beneficia de la transparencia del sistema.

Interfaz de usuario: La interacción entre un sistema experto y un usuario se

realiza en lenguaje natural. También es altamente interactiva y sigue el patrón
de la conversación entre seres humanos. Para conducir este proceso de
manera aceptable para el usuario es especialmente importante el diseño del
interfaz de usuario. Un requerimiento básico del interfaz es la habilidad de hacer
preguntas. Para obtener información fiable del usuario hay que poner especial
cuidado en el diseño de las cuestiones. Esto puede requerir diseñar el interfaz
usando menús o gráficos.

2.7 .Razonamiento basado en reglas

Los sistemas expertos basados en reglas utilizan para el proceso de

inferencia un conjunto de reglas que constituyen la base de conocimiento del
experto. Este conjunto de reglas pueden ser activadas a medida que los
condiciones son evaluadas positivamente y su utilización implica la creación de
nuevos hechos. Este proceso permitirá a partir de unos hechos iniciales
desarrollar un proceso deductivo que concluirá el momento en que no quede
ninguna otra regla por utilizar.

Para realizar este tipo de tratamiento es posible hacerlo de dos maneras

diferentes, por un lado realizarlo desde las evidencias hasta los objetivos o por
 otro lado en orden inverso que sería comenzar desde el objetivo hasta llegar al
conjunto de evidencias que lo han provocado.

1ª Generación: SE basados en reglas

El conocimiento mediante un sistema de producción (Reglas IF-THEN).

 Lógica proposicional o basada en marcos

 Adquisición del conocimiento: transferencia del experto al sistema

Problemas Sistemas Reglas

 La suposición de independencia de reglas es muy fuerte
 Evitar situaciones de propagación de evidencia en sentido incorrecto. Ej.:
– R1: SI riego automático ACTIVO => hierba húmeda
– R2: SI hierba húmeda => lluvia

Los sistemas basados en reglas trabajan mediante la aplicación de reglas,

comparación de resultados y aplicación de las nuevas reglas basadas en
situaciones modificadas. También pueden trabajar por inferencia lógica dirigida,
bien empezando con una evidencia inicial en una determinada situación y
dirigiéndose hacia la obtención de una solución, o bien con hipótesis sobre las
posibles soluciones y volviendo hacia atrás para encontrar una evidencia
existente, o una deducción de una evidencia existente, que apoye una hipótesis
en particular. En el manejo de sistemas expertos existen dos tipos de
elementos, por una parte se encuentran los datos, hechos o evidencia y por otra
parte, el conocimiento, referido como el conjunto de reglas almacenadas en la
base de conocimiento. La máquina de inferencia utiliza ambos tipos de
elementos para obtener nuevas conclusiones. Por ejemplo, si la premisa de una
regla es cierta, entonces la conclusión de la regla debe ser también cierta. Los
datos iniciales se incrementan incorporando las nuevas conclusiones. Por ello,
tanto los hechos iniciales o datos de partida como las conclusiones derivadas
de ellos forman parte de los hechos o datos de los cuales se dispone en un
instante dado. Para obtener conclusiones, los expertos utilizan diferentes tipos
de reglas y estrategias de inferencia.

a).El “modus ponens” es quizás la regla de inferencia más comúnmente

utilizada. Se utiliza para obtener conclusiones simples. En ella, se examina la
premisa de la regla, y si es cierta, la conclusión pasa a formar parte del
conocimiento. Como ilustración, supóngase que se tiene la regla, “Si A es
cierto, entonces B es cierto" y que se sabe además que “A es cierto”. La regla
Modus Ponens concluye que “B es cierto." Esta regla de inferencia, que parece
trivial, debido a su familiaridad, es la base de un gran número de sistemas
expertos. La regla de inferencia Modus Tollens se utiliza también para obtener
conclusiones simples. En este caso se examina la conclusión y si es falsa, se
concluye que la premisa también es falsa. Por ejemplo, supóngase de nuevo
que se tiene la regla, “Si A es cierto, entonces B es cierto” pero se sabe que “B
es falso.” Entonces, utilizando la regla Modus Ponens no se puede obtener
ninguna conclusión pero la regla Modus Tollens concluye que “A es falso”. El
rendimiento del motor de inferencia depende del conjunto de reglas en su base
de conocimiento. Hay situaciones en las que el motor de inferencia puede
concluir utilizando un conjunto de reglas, pero no puede, utilizando otro, aunque
éstos sean lógicamente equivalentes.

b).Una de las estrategias de inferencia más utilizadas para obtener

conclusiones compuestas es el llamado encadenamiento de reglas. Esta
estrategia puede utilizarse cuando las premisas de ciertas reglas coinciden con
las conclusiones de otras. Cuando se encadenan las reglas, los hechos pueden
utilizarse para dar lugar a nuevos hechos. Esto se repite sucesivamente hasta
que no pueden obtenerse más conclusiones. El tiempo que consume este
proceso hasta su terminación depende, por una parte, de los hechos conocidos,
y, por otra, de las reglas que se activan. Este algoritmo puede ser
implementado de muchas formas. Una de ellas comienza con las reglas cuyas
premisas tienen valores conocidos. Estas reglas deben concluir y sus
conclusiones dan lugar a nuevos hechos. Estos nuevos hechos se añaden al
conjunto de hechos conocidos, y el proceso continúa hasta que no pueden
obtenerse nuevos hechos.
c).La programación basada en las reglas es una de las técnicas
comúnmente usadas para crear bases de conocimiento. En este paradigma de
programación, las reglas se utilizan para representar conocimiento factual o
heurístico, que especifican un sistema las acciones que se realizarán para una
situación dada. Una regla se compone de una parte "si" y una parte "entonces".
La parte "si" de una regla es una serie de patrones que especifican los hechos,
o los datos, que hacen que se aplique una regla. Junto con los datos, los
hechos también están presentes en la base de conocimiento. Estos hechos
representan declaraciones verdaderas que se utilizan para activar las reglas.
Una de las ventajas de las reglas “si-entonces” es su modularidad, cada una
define un pedazo relativamente pequeño y, por lo menos en principio,
independiente de conocimiento. Nuevas reglas pueden ser agregadas y las
viejas pueden ser suprimidas, generalmente de manera independiente de otras
reglas.

d).El paradigma “Generar-Probar-Depurar” es un marco para que el

razonamiento asociativo y causal que produce sistemas expertos, basados en
reglas, que son eficientes y robustos. Generar-Probar-Depurar se basa en un
ciclo donde primero una buena solución aproximada se genera, en la fase de
generación. Esta solución se analiza en la búsqueda de los posibles errores, en
la fase de pruebas. Si se encuentra un error, el sistema intentará solucionarlo,
en la fase de depuración. La solución refinada se prueba otra vez para
encontrar posibles errores. Este lazo continúa hasta que la fase de pruebas
aprueba la solución. Este acercamiento asume que el problema es un conjunto
formado por un conocimiento inicial y un objetivo final que se desea alcanzar. El
conocimiento inicial es toda la información que está disponible al principio del
proceso de solución, se podría llamar estado inicial, y el objetivo final
representa el estado que el sistema tiene que alcanzar basado en una serie de
deducciones, la cual se podría llamar el estado final. La hipótesis se puede
considerar como un conjunto de suposiciones que el sistema establece con
base en el conocimiento inicial y las reglas de producción. La solución es el
conjunto de suposiciones que interpretan correctamente el objetivo final,
basándose en el conocimiento inicial.

En lógica, modus ponens (en latín, modo que afirmando afirma), también
llamado modus ponens y generalmente abreviado MPP o MP, es una regla de
inferencia que tiene la siguiente forma:
Si A, entonces B
A
Por lo tanto, B
Por ejemplo, un razonamiento que sigue la forma del modus ponens podría ser:
Si está soleado, entonces es de día.
Está soleado.
Por lo tanto, es de día.
En lógica, el modus tollendo tollens (en latín, modo que negando niega),
también llamado modus tollens y generalmente abreviado MTT o MT, es una
regla de inferencia que tiene la siguiente forma:
Si A entonces B
No B
Por lo tanto, no A
Por ejemplo, un razonamiento que sigue la forma del modus tollens podría ser:
Si llovió, entonces el suelo está mojado.
El suelo no está mojado.
Por lo tanto, no llovió.
Es importante evitar caer en el razonamiento incorrecto de:
Sólo si es mayor de edad entonces tiene permiso de conducir
No tiene permiso de conducir
Por lo tanto, no es mayor de edad.
 Es incorrecto puesto que podría ser mayor de edad y no tener permiso de
conducir, de ahí la importancia de no confundir la implicación (si p, entonces q)
con el condicional (p si y solo si q), es decir, p es condición para que se pueda
dar q, pero p no implica necesariamente q (ser mayor de edad es condición
necesaria, pero no suficiente para tener permiso de conducir).

2.8 .Herramientas para la construcción de Sistemas Expertos

Sistema Fecha Autor Aplicación

DENDRAL 1965 Stanford Deduce información sobre estructuras
químicas.
Macsyma 1965 MIT Análisis matemático complejo
HearSay 1965 Carnegie - Interpreta en lenguaje natural un
Mellon subconjunto del idioma.
Mycin 1972 Stanford Diagnóstico de enfermedades de la sangre.
Tieresias 1972 Stanford Herramienta para la transformación de
conocimientos.
Prospector 1972 Stanford Exploración mineral y herramientas de
identificación
Age 1973 Stanford Herramienta para generar Sistemas
Expertos.
OPS5 1974 Carnegie - Herramientas para desarrollo de Sistemas
Mellon Expertos.
Caduceus 1975 University of Herramienta de diagnóstico para medicina
Pittsburg interna.
Rosie 1978 Rand Herramienta de desarrollo de Sistemas
Expertos.
R1 1978 Carnegie - Configurador de equipos de computación
Mellon para DEC.
Expertlab Diseñado para la enseñanza asistida por
ordenador en Inteligencia Artificial.
CLIPS 1984 Gary Riley. Herramienta que provee un entorno de
desarrollo para la producción y ejecución de
sistemas expertos
 CAPITULO III.
Análisis del Sistema Experto
 Capítulo III. Análisis del Sistema Experto

3.1. Problemas de los Sistemas Expertos Existentes

Por ser invenciones del hombre y por el límite natural que poseen las máquinas,
los Sistemas Existentes presentan los siguientes problemas:
a. Son utilizables en un estrecho dominio de aplicación.
b. No existe gran variedad de lenguajes de programación para representar
hechos y relaciones.
c. Los conocimientos llegan a ser demasiado superficiales.
d. Por ser máquinas o sistemas no poseen "conciencia" de su propio alcance y
limitaciones.
e. El ser humano posee la capacidad de aplicar todos los conocimientos
adquiridos para solucionar los problemas que se le presenten, aún estando
fuera del campo de su especialidad consiguiendo, sin embargo, un éxito que
disminuye conforme se aleja de su campo de especialidad. Esto no sucede con
los Sistemas Existentes ya que al alejarse de su dominio de aplicación
fracasan catastróficamente y no de forma gradual.
f. La explicación que brinda, por lo general, se limita a la enumeración de las
reglas que utilizó para llegar a determinada conclusión o acción.

3.2. Posibles reglas

El sistema experto permitirá diagnosticar en base a los síntomas que presenta el

paciente, la enfermedad respiratoria que éste padece

Objetos:

Picazón nasal

Estornudos
Mucosidad

Obstrucción nasal

Ardor garganta

Fiebre

Dolor del cuerpo

Escalofríos

Fatiga

Tos seca

Dolor del pecho

Chillidos o sibilancias en el pecho.

Si premisa entonces conclusión

Si (picazón nasal = presente) y (estornudos = presente) y (mucosidad = presente)

y (obstrucción nasal = presente) y (Ardor garganta) entonces enfermedad =
Resfrío común

Si (picazón nasal = presente) y (estornudos = presente) y (mucosidad = presente)

y (obstrucción nasal = presente) y (Ardor garganta) y (fiebre = baja / alta) y (Dolor
del cuerpo = bajo / alto) y (Escalofríos = presente) y (fatiga = presente) y (tos seca
= presente) entonces enfermedad = Gripe.

Si (picazón nasal = presente) y (estornudos = presente) y (mucosidad = presente)

y (obstrucción nasal = presente) y (Ardor garganta) y (fiebre = baja / alta) y (Dolor
del cuerpo = bajo / alto) y (Escalofríos = presente) y (fatiga = presente) y (tos seca
= presente) y (Chillidos o sibilancias = presente) y (Dolor tórax = presente)
entonces enfermedad = Bronquitis.

Si (Tos = presente) y (moco con sangre = presente) y (Dificultad para respirar =

presente) y (Dolor de cabeza = presente) y (Sudoración excesiva) entonces
enfermedad = Neumonía.

Si (Tos frecuente = presente) y (Pérdida del apetito = presente) y (dolor en el

cuerpo = presente) y (cansancio = presente) entonces enfermedad =
Tuberculosis.

Diagnóstico médico. Una de las aplicaciones más importantes de los sistemas

expertos tiene lugar en el campo médico, donde estos pueden ser utilizados para
contestar a las siguientes preguntas:

1. ¿Cómo se puede recoger, organizar, almacenar, poner al día y recuperar la

información médica (por ejemplo, registros de pacientes) de una forma
eficiente y rápida? Por ejemplo, supóngase que un doctor en un centro
médico está interesado en conocer información sobre cierta enfermedad
(E) y tres síntomas asociados (S1, S2, y S3). Se puede utilizar un sistema
experto para buscar en la base conocimientos, extraer y organizar la
información deseada.

3.3. Enunciado del problema

Se realizó un sistema experto médico cuyas reglas de síntomas y
enfermedades se dan a continuación:
• Declarar un conjunto de síntomas y enfermedades que existen.
• Un Paciente llega e indica los síntomas que tiene.
• El sistema experto debe reconocer que tipo de enfermedad tiene dicha
persona.
 CAPITULO IV.

Diseño y Desarrollo del

Sistema Experto.
 Capítulo IV. Diseño y Desarrollo del Sistema Experto
En el presente capítulo se explicarán los conceptos necesarios para
entender el problema que el sistema propuesto desea resolver, se mostrará el
listado de las tareas a realizar durante el desarrollo del proyecto, y se darán a
conocer las alternativas de solución existentes actualmente para el problema
definido.

4.1. Descripción del Sistema Experto y su Uso

Expertlab acepta entrada de dos formas: como ficheros en texto (ASCII), y

como la propia entrada utilizando las opciones de introducir reglas y hechos.

Este fichero puede ser grabado con el Bloc de Notas para Windows (c), y
abierto desde Expertlab en el menú archivo, opción abrir.

; Fichero ExpertLab

\\\ Cabecera Diagnostico de Enfermedades.

\\\ Objetivo. Diagnosticar_Enfermedad

\\\ Hechos

Idea

\\\ Reglas

Asma:- Dificultad_respirar, Tos, Fiebre

Gripe:- Escalofrios, Dolor_de_cabeza, Tos_con_flema

Tuberculosis:- Tos_frecuente, Perdida_del_apetito, Dolor_en_el_cuerpo

Bronquitis_aguda :- Dolores_musculares, Dolor_en_la_garganta

Si una vez cargado el fichero (la base de conocimiento), seleccionamos

Operar, y la opción Encadenamiento hacia atrás, entonces ExpertLab tratará de
demostrar el objetivo (Diagnosticar _Enfermedad), a partir de las reglas
disponibles. Así mismo, cada uno de los precedentes será a su vez un
subobjetivo, de forma que tratará de ser demostrado de la misma manera. En caso
de no existir un hecho o una regla que permita probar el objetivo, entonces se
preguntará al usuario.

La estructura de ExpertLab sigue el siguiente esquema:

De forma que la base de reglas y hechos es completamente independiente del

programa en sí, que está constituido por una serie de interfaces de usuario, un
motor de inferencia y una memoria activa asociada a éste.

ExpertLab, básicamente, acepta como entrada hechos y reglas en el siguiente

formato:
 Hechos:

Gripe
Escalofrios, Dolor_de_cabeza, Tos_con_flema

Reglas:

Gripe:- Escalofrìos, Dolor_de_cabeza, Tos_con_flema

El formato lógico de reglas es equivalente a if (Dificultad_Respirar) then Asma.

La visualización del trabajo con ExpertLab se realiza básicamente en base a tres

ventanas dentro del propio programa, Hechos, Reglas, e inferencia

Una vez introducidas las entradas, es posible realizar inferencias en esta base de
conocimiento, encadenando hacia adelante o hacia atrás.

El encadenamiento hacia adelante es un proceso de inferencia dirigido por los

datos, de forma que en ExpertLab, a partir de una base de conocimiento como lo
anterior, intenta deducir todo lo posible con los hechos que posee, intentando
emparejarlos con las reglas.

En este caso, se deduciría " Gripe ", ya que tenemos los dos hechos necesarios
para disparar la regla.

En el caso del encadenamiento hacia atrás, necesitamos un objetivo que el

sistema pueda intentar deducir. En el ejemplo anterior, podría preguntarse por "
Gripe”. Es decir, cuando se pregunte al usuario, al invocar el encadenamiento
hacia atrás, por el objetivo, se debe introducir " Gripe " (el texto se puede copiar y
pegar). Entonces el sistema, recursivamente hacia atrás, va buscando
sucesivamente los objetivos. Por ejemplo, al introducirle el objetivo mencionado, el
sistema encuentra la regla Gripe:- Escalofríos, Dolor_de_cabeza, Tos_con_flema,
y entonces los objetivos a probar (mediante otras reglas u otros hechos) pasa a
ser Gripe y Escalofríos, Dolor_de_cabeza, Tos_con_flema.

Inserción de Hechos y Reglas

La inserción de hechos y reglas se realiza mediante las opciones

correspondientes del menú "Insertar", o bien pulsando las teclas CTRL+INS e INS,
respectivamente.

 Para introducir el hecho 'llueve', puede pulsarse CTRL+INS o bien elegir

la opción "Insertar->Hechos" del menú principal.
En el cuadro de diálogo, introducir "Gripe" y pulsar enter. El hecho pasa
a formar parte de la base de hechos del programa.

 Para introducir una regla, seleccionar la opción "Insertar->Regla" en el

menú principal, o bien pulsar la tecla INS. En el cuadro de diálogo,
 introducir la regla a agregar a la base de reglas de la base de
conocimiento.

El formato a seguir, debe ser:

Consecuente:- precedente, precedente, precedente, ..., precedente

Donde consecuente es el hecho a deducir si los precedentes están presentes.

Por ejemplo:

a :- b,c,d

Confirmamos 'a' (es decir, lo agregamos a la base de hechos) si podemos

confirmar (si están en la base de hechos) b, c, y d. En la notación de regla
habitual, if(b and c and d) then a.

NOTA: Tanto en la introducción de hechos y de reglas, son indiferentes las

mayúsculas y las minúsculas.

4.1.1Modo de explicación

ExpertLab guarda las preguntas y respuestas del usuario en una ventana del
sistema llamada "inferencia", y que puede ser recuperada después de cada uno
de los encadenamientos.
Además, en el modo de explicación (Opciones->Opciones->Modo Explicación) o
bien (Opciones->Modo Educativo), el programa indica paso a paso el objetivo que
tiene planteado en ese momento, la regla que está explorando, y las reglas que ha
seguido para llegar a esa regla que está explorando y que presumiblemente le
permitirá confirmar (o descartar el objetivo).

Por otra parte, cada vez que ExpertLab realiza una pregunta - debido a que un
hecho no reside en la base de hechos y, que no es existe ninguna regla que
ejecutándola permita deducir ese hecho -, permite, pulsando en el botón de
explicación, mostrar la regla que motiva esa pregunta, y pulsando el botón de
explicación una vez más. Ver el camino recorrido para obtener esa regla.
4.1.2.Opciones

La opción del menú principal 'Opciones->Opciones' despliega la siguiente

ventana.

 Activación de reglas según FIFO: Las reglas, al ser activadas, durante el

encadenamiento hacia atrás, se almacenan en el mismo orden en el que se
encuentran al explorar la base de conocimiento. El orden en el que se
almacenen dicta el orden en el que se explorarán. Si se desmarca esta
opción, las reglas se ordenan según el menor número de precedentes, lo
cual implica un menor número de hechos a demostrar, en principio, aunque
puede por supuesto que esto no sea así (puede existir una regla con más
precedentes que ninguna otra de las activadas, para la cual todos los
precedentes residen ya en la base de hechos).
 Explicación durante el proceso inferencial: Si esta opción está
activada, ExpertLab explica lo que va haciendo durante el encadenamiento
hacia atrás.
 Utilización de factores de certidumbre: A pesar de que esta opción está
activada, no es posible trabajar todavía con factores de certidumbre en
ExpertLab.
  Ignorar 'Objetivo' en el fichero del SE: El sistema siempre preguntará por
el objetivo a buscar durante el encadenamiento hacia atrás, a pesar de que
exista ya un objetivo definido en el campo 'Objetivo' del fichero .bc que
aloja la base de conocimiento actual.

 Formato de reglas: Permite dos opciones: lógica o programática Un

ejemplo equivalente es:

Programático if (A and B) then C

Lógico C :- A, B

Copia de Seguridad: El programa realiza una copia de seguridad de la base de

conocimiento que en ese momento está corriendo el programa, cada vez que se
sale del programa, o cada vez que se realiza una inferencia.

La opción 'Opciones->Información del Sistema Experto' permite especificar el

título del sistema experto que en ese momento se está corriendo, a la vez que
se puede especificar cuál va a ser el objetivo a verificar en el encadenamiento
hacia atrás, de forma que no será necesaria la introducción del hecho objetivo.

La opción 'Opciones->Modo Educativo', engloba por ejemplo Activación de

reglas FIFO, visualización programática de las mismas y explicación durante la
inferencia. La opción 'Opciones->Modo Eficiente' elimina la activación según FIFO
y la explicación.

4.1.3.Encadenamiento hacia adelante

El encadenamiento hacia adelante es una de las dos formas de inferencia

incluidas en ExpertLab. La opción, que sólo está disponible cuando existe por lo
menos una regla, se sitúa desde el menú principal 'Operar->Encadenamiento
hacia adelante', o desde la combinación de teclas ALT+R. También es posible
pulsar el botón rápido situado en la barra de botones de encadenamiento hacia
adelante.

El encadenamiento hacia adelante es un proceso inferencial guiado por los

datos, de forma que se busca, según los datos que se poseen - en este caso, los
hechos -, activar las reglas que emparejen con esos hechos, y posteriormente
ejecutarlas. En ExpertLab, este proceso continúa, recorriendo toda la base de
reglas en cada iteración, hasta que en una de estas iteraciones no se produzca
ninguna ejecución. En ese momento, el encadenamiento hacia adelante se para.
Obsérvese que este comportamiento es bastante costoso, a pesar de que como
ventaja ofrece la ventaja de generar toda la posible información que ofrece la
situación actual, sea ésta relevante o no.

Reglas (formato lógico y programático)

Número de regla Lógico Programático

1 a :- b if (b) then a

2 b :- c if (c) then b

3 c :- d if (d) then c

4.1.4. Encadenamiento hacia atrás

El encadenamiento hacia atrás es el proceso inferencial más complejo del que

dispone ExpertLab. Este encadenamiento, es, como ya se ha dicho, un proceso
inferencial, dirigido por los objetivos.
 Por tanto, se debe interrogar al sistema sobre un objetivo en concreto, y el
sistema tratará de verificar ese objetivo, añadiendo durante la inferencia sólo
aquella información relevante para la verificación.

Este encadenamiento está disponible a partir de la introducción de la primera

regla, bien en la opción 'Operar->Encadenamiento hacia atrás', bien pulsando
CTRL+R, bien pulsando el botón de la barra de herramientas de encadenamiento
hacia atrás.

El encadenamiento hacia atrás se ve afectado por

algunas opciones configurables por el usuario. Por ejemplo, es posible disponer
que el sistema explique lo que va realizando, según encadena hacia atrás, paso a
paso. Se recomienda al usuario la utilización de esta función de explicación, sobre
un ejemplo sencillo, para la mejor comprensión de cómo funciona.

Veamos el siguiente ejemplo:

Reglas (formato lógico y programático)

Número de regla Lógico Programático

1 a :- b if (b) then a

2 b :- c if (c) then b

3 c :- d if (d) then c

Supongamos que para este ejemplo no existe ningún hecho en la base de

hechos.

Al elegir 'Operar->Encadenamiento hacia atrás', el sistema preguntará el

objetivo a verificar (a menos que se haya especificado uno en el fichero de la base
de conocimientos o en el menú opciones). En este caso, introduciremos 'a' como
hecho a verificar.
 El sistema comienza intentando emparejar con alguna regla de la base de
hechos. En este caso, sólo se empareja la primera con el objetivo, por lo que es la
única que se activa. Al examinar la regla, el sistema sabe que debe verificar
el precedente de la regla, b, para poder confirmar a. Recursivamente, ahora el
objetivo es b, y se activa la regla 2ª, ya que es la que permite verificar b. Al
analizar esta regla, se sabe que para confirmar b, se debe verificar c. Finalmente,
el objetivo ahora es c, y la única regla que permite verificarlo es la tercera, de
forma que se debe confirmar d. El sistema sigue la estrategia de mirar primero en
la base de hechos, buscar después una regla que demuestre el hecho, y
finalmente, como en este caso, si ninguna de estas opciones es viable, preguntar
al usuario si d es cierto o no. Según la respuesta del usuario, se 'c', 'b' y el
objetivo, 'a' se añade a la base de hechos, y la inferencia acaba puesto que no es
posible confirmar a, por lo que a es falso.
4.1.5 Diagrama de flujo del sistema expuesto.
 CONCLUSION

En Conclusión para hacer un Sistema Experto:

Lo que se hace es llevar el conocimiento de un especialista en un determinado
tema a un sistema, codificándolo es decir construyendo reglas. (Esta base se
denomina base de conocimiento). Luego producto de este contraste se toma
una u otra decisión dado que el sistema relacionó la información ingresada con
la información codificada y el motor inferencial toma la información final y
concluye. Esto puede ser aplicado a cualquier problemática, lo que se necesita,
es que el equipo o grupo de personas que trabajen en el proyecto exista un
experto en el área al que pertenece la problemática. Dentro del ámbito de las
ciencias de la computación la inteligencia artificial es una de las áreas que
causa mayor expectación, incluso dentro de la sociedad en general, debido a la
búsqueda para comprender los mecanismos de la inteligencia. El ser humano
está en la búsqueda de que los sistemas expertos le hagan más rápidas sus
tareas en ámbitos empresariales, la medicina, la educación etc. Los avances de
la tecnología se están a moviendo a una velocidad asombrosa nunca vista por
el ser humano.
 RECOMENDACIONES

Para un correcto uso del sistema experto se deberán seguir las

Siguientes recomendaciones:

a. El usuario experto deberá de mantener actualizadas las bases de hechos y de

conocimientos del sistema ya que el motor de inferencia depende de ambas
bases de datos.

b. El usuario experto deberá mantener actualizada la información de las carreras

registradas en el sistema puesto que dicha información puede influir en la toma
de decisión del alumno.

c. El sistema experto no pretende reemplazar la labor del médico, sino más bien
apoyar dicha labor proporcionando la información necesaria en el momento
oportuno.

d. El usuario médico deberá ingresar información verdadera al sistema para

asegurar una adecuada recomendación por parte de éste.

Finalmente tener en cuenta que el presente sistema puede ampliarse en

general a cualquier carrera que se desee evaluar, sólo es necesario actualizar
la base de hechos y la base de conocimientos respectivamente.
 REFERENCIAS BIBLIOGRÁFICAS Y ELECTRÓNICAS

Institucional

Navarro, Anabel, de Lorenzo, Viodelda, Muñoz, Jorge Médico General.

Monografías

Rolston, David W. Principios de inteligencia artificial y sistemas expertos, México, D.F. McGraw-Hill
1992 1. Sistemas Expertos (Ciencias Computacionales) 2. Inteligencia Artificial Título.

Achurra, Annette, Inteligencia artificial con aplicación en la medicina / Annette Achurra, Eva
Franceschi. -- Panamá: U.T.P., 2002.

1. Inteligencia Artificial

2. Sistemas Expertos (Computadores)

3. Ingeniería de Sistemas Computacionales I. Franceschi, Eva Aut. Ii. Título

Agrazal, Carlos, Difton, Antonio Uso de los sistemas expertos en la educación.

Universidad Tecnológica de Panamá.

Reley, Giarratano Sistemas expertos principios y programación, Ediciones Amaya Multimedia S.A

Pajares, Martínez, Gonzalo, Santos, Peña Matilde. Inteligencia Artificial e Ingeniería del
conocimiento Facultad de Informática de Madrid.

Programa Computacional

sisbib.unmsm.edu.pe/bibvirtualdata/tesis/basic/carlos_sm/cap1.pdf

yaneci.wordpress.com/2011/03/23/estructura-de-un-sistema-experto/

www.mitecnologico.com/.../SistemasExpertosOrientadosAInformacio

http://es.scribd.com/doc/37079970/Evolucion-de-La-Inteligencia-Artificial
Autor: Lic. D. Rossi, Bibiana Dirigida por: DRA. Almudena iidia.com.ar/rgm/tesistas/rossi-
tesisdemagister.pdf
TESIS DE MASTER. Sistemas Experto de Ayuda para la Selección del. Modelo de Ciclo de Vida.
 GLOSARIO

Inteligencia (del latín intellegentĭa): Es la capacidad de entender, asimilar,

elaborar información y utilizarla para resolver problemas, la inteligencia, entre
otras acepciones como la "capacidad para entender o comprender" y como la
"capacidad para resolver problemas.

Inteligencia Artificial: Se denomina inteligencia artificial (IA) a las inteligencias no

naturales en agentes racionales no vivos.

La Inteligencia Artificial es una combinación de la ciencia del computador,

fisiología y filosofía, tan general y amplio como eso, es que reúne varios campos
(robótica, sistemas expertos, por ejemplo), todos los cuales tienen en común la
creación de máquinas que pueden pensar.

La de idea construir una máquina que pueda ejecutar tareas percibidas como
requerimientos de inteligencia humana es un atractivo.

Los sistemas expertos: son llamados así porque emulan el razonamiento de un

experto en un dominio concreto y en ocasiones son usados por éstos. Con los
sistemas expertos se busca una mejor calidad y rapidez en las respuestas dando
así lugar a una mejora de la productividad del experto.

Sociedad del Conocimiento Se trata de un concepto que aparentemente resume

las transformaciones sociales que se están produciendo en la sociedad moderna y
sirve para el análisis de estas transformaciones. Al mismo tiempo, ofrece una
visión del futuro para guiar normativamente las acciones políticas. Sin embargo,
ha tenido una adaptación desigual en las diferentes áreas lingüísticas
concurriendo también con otros términos como „sociedad de la información‟ y
„sociedad red‟.
Entornos Inteligentes: Típicamente, estos sistemas se basan en plataformas
estandarizadas flexibles o en sistemas embebidos, posiblemente propietarios,
para la automatización empresarial, entornos residenciales o incluso para la
industria automovilística.

Redes Semánticas: Las redes semánticas han sido muy utilizadas en IA para
representar el conocimiento y por tanto ha existido una gran diversificación de
técnicas. Los elementos básicos que encontramos en todos los esquemas de
redes son: Estructuras de datos en nodos, que representan conceptos, unidas por
arcos que representan las relaciones entre los conceptos. Un conjunto de
procedimientos de inferencia que operan sobre las estructuras de datos. Usos Y
Elementos.

Inferencia: Es la acción y efecto de inferir (deducir algo, sacar una consecuencia

de otra cosa, conducir a un resultado). La inferencia surge a partir de una
evaluación mental entre distintas expresiones que, al ser relacionadas como
abstracciones, permiten trazar una implicación lógica.

Lógica proposicional: La lógica proposicional es la parte de la lógica que estudia

la formación de proposiciones complejas a partir de proposiciones simples, y la
inferencia de proposiciones a partir de proposiciones, pero sin tener en cuenta la
estructura interna de las proposiciones más simples. Una lógica proposicional es
un sistema formal cuyos elementos más simples representan proposiciones, y
cuyas constantes lógicas, llamadas conectivas, representan operaciones sobre
proposiciones, capaces de formar otras proposiciones de mayor complejidad.

Lógica autoepistémica: Es una lógica intencional que pretende formalizar

enunciados de creencia, opinión, etc.

Una representación del conocimiento muy expresiva es la lógica auto epistémica.

Las representaciones del conocimiento poco expresivas pueden ser tanto
completas como consistentes (formalmente menos expresivas que la teoría de
conjuntos). Las representaciones del conocimiento más expresivas pueden ser ni
completas ni consistentes.

Se incluyen fórmulas que significan que algo no es conocido, de hecho aprender

algo que antes no era conocido lleva a el reemplazo de la fórmula que
especificaba que esa parte de conocimiento no es conocida.

Singularidad tecnológica: es un acontecimiento futuro en el que se predice que

el progreso tecnológico y el cambio social se acelerarán debido al desarrollo de
inteligencia sobrehumana, cambiando nuestro ambiente de manera tal, que
cualquier ser humano anterior a la Singularidad sería incapaz de comprender o
predecir. Dicho acontecimiento se ha nombrado así por analogía con la
singularidad espaciotemporal observada en los agujeros negros, donde existe un
punto en el que las reglas de la física dejan de ser válidas, y donde la
convergencia hacia valores infinitos hace imposible el definir una función.

Redes de neuronales (denominadas habitualmente como RNA o en inglés como:

"ANN”) son un paradigma de aprendizaje y procesamiento automático inspirado en
la forma en que funciona el sistema nervioso de los animales. Se trata de un
sistema de interconexión de neuronas en una red que colabora para producir un
estímulo de salida. En inteligencia artificial es frecuente referirse a ellas como
redes de neuronas o redes neuronales.
FICHA TÈCNICA

Fecha de Realización: lunes 12 de agosto 2012

Herramienta del sistema experto: Expertlab

Entrevistados, expertos en medicina: Navarro, Anabel, de Lorenzo, Viodelda,

Muñoz, Jorge. Médicos Generales.

Centro de salud: Cerro Batea.

Objetivos del sistema experto:

Implementar una aplicación informática capaz de dar diagnóstico de manera

rápida a través un conjunto de reglas que exigen un gran conocimiento sobre el
tema de diagnòstico de síntomas y enfermedades del sistema respiratorio.

Descripción del sistema experto

Expertlab acepta entrada de dos formas: como ficheros en texto (ASCII), y

como la propia entrada utilizando las opciones de introducir reglas y hechos.

Este fichero puede ser grabado con el Bloc de Notas para Windows), y abierto
desde Expertlab en el menú archivo, opción abrir.

Una vez cargado el fichero (la base de conocimiento), seleccionamos Operar,

y la opción Encadenamiento hacia atrás, entonces ExpertLab tratará de demostrar
el objetivo.

ExpertLab guarda las preguntas y respuestas del usuario en una ventana del
sistema llamada "inferencia", y que puede ser recuperada después de cada uno
de los encadenamientos.
El presente sistema puede ampliarse en general a cualquier tema que se desee
evaluar, sólo es necesario actualizar la base de hechos y la base de
conocimientos respectivamente.

Posibles preguntas

 ¿Cómo introduzco los síntomas y enfermedades a la base de

conocimiento?
 ¿Qué debo hacer para que el sistema experto me muestre los síntomas
según la enfermedad?
ANEXOS
ENCUESTA 1

Centro de Salud de Cerro Batea:

OBJETIVO:

Identificar cuáles son enfermedades y sintomatología del sistema respiratorio más comunes
presentadas en dicho Centro de Salud por los pacientes.

Fecha: __________________

Sexo: Femenino ______ Masculino: _____

Conteste marcando con una cruz la respuesta de su elección y llene con sus respuestas los
siguientes puntos 2, 3,4 y 6.

1. conoce sobre enfermedades del sistema respiratorias

Si

No

2. Puede mencionar algunas de las enfermedades del Sistema Respiratorio:

1__________________________________________________________.

2__________________________________________________________.

3__________________________________________________________.

4__________________________________________________________.

5__________________________________________________________.

6__________________________________________________________.

3. Cómo se puede saber que es una enfermedad del Sistema Respiratorio:

1___________________________________________________________

____________________________________________________________

4. Mencione los síntomas de las enfermedades mencionadas en el punto (2):

1____________________________________________________________.

2____________________________________________________________.

3____________________________________________________________.

4_____________________________________________________________.
5_____________________________________________________________.

6______________________________________________________________.

5. Conoce usted o ha escuchado alguna vez sobre los sistemas expertos:

Si

No

6. Si tiene algún comentario sea tan amable de escribirlo aquí.

____________________________________________________

____________________________________________________

_____________________________________________________.

Gracias por su tiempo prestado.

ENCUESTA 2

Centro de Salud de Cerro Batea:

OBJETIVO:

Identificar cuáles son enfermedades y sintomatología del sistema respiratorio más comunes
presentadas en dicho Centro de Salud por los pacientes.

Fecha: __________________

Sexo: Femenino ______ Masculino: _____

Conteste marcando con una cruz la respuesta de su elección y llene con sus respuestas los
siguientes puntos 2, 3,4 y 6.

1. conoce sobre enfermedades del sistema respiratorias

Si

No

2. Puede mencionar algunas de las enfermedades del Sistema Respiratorio:

1__________________________________________________________.

2__________________________________________________________.

3__________________________________________________________.

4__________________________________________________________.

5__________________________________________________________.

6__________________________________________________________.

3. Cómo se puede saber que es una enfermedad del Sistema Respiratorio:

1___________________________________________________________

____________________________________________________________

4. Mencione los síntomas de las enfermedades mencionadas en el punto (2):

1____________________________________________________________.

2____________________________________________________________.

3____________________________________________________________.

4_____________________________________________________________.
5______________________________________________________________.

6______________________________________________________________.

5. Conoce usted o ha escuchado alguna vez sobre los sistemas expertos:

Si

No

6. Si tiene algún comentario sea tan amable de escribirlo aquí.

____________________________________________________

____________________________________________________

_____________________________________________________.

Gracias por su tiempo prestado.

ENCUESTA 3

Centro de Salud de Cerro Batea:

OBJETIVO:

Identificar cuáles son enfermedades y sintomatología del sistema respiratorio más comunes
presentadas en dicho Centro de Salud por los pacientes.

Fecha: __________________

Sexo: Femenino ______ Masculino: _____

Conteste marcando con una cruz la respuesta de su elección y llene con sus respuestas los
siguientes puntos 2, 3,4 y 6.

1. conoce sobre enfermedades del sistema respiratorias

Si

No

2. Puede mencionar algunas de las enfermedades del Sistema Respiratorio:

1__________________________________________________________.

2__________________________________________________________.

3__________________________________________________________.

4__________________________________________________________.

5__________________________________________________________.

6__________________________________________________________.

3. Cómo se puede saber que es una enfermedad del Sistema Respiratorio:

1___________________________________________________________

____________________________________________________________

4. Mencione los síntomas de las enfermedades mencionadas en el punto (2):

1____________________________________________________________.

2____________________________________________________________.

3____________________________________________________________.

4_____________________________________________________________.
5______________________________________________________________.

6______________________________________________________________.

5. Conoce usted o ha escuchado alguna vez sobre los sistemas expertos:

Si

No

6. Si tiene algún comentario sea tan amable de escribirlo aquí.

____________________________________________________

____________________________________________________

_____________________________________________________.

Gracias por su tiempo prestado.