Sistemas Expertos

Inteligencia artificial y sistemas expertos

El termino inteligencia

No se sabe si se trata de una propiedad ligada a un hardware concreto (cerebro humano), o bien es algo que surge de cualquier sistemas cuando este alcanza un grado suficiente de complejidad.

Lo que hoy se conoce como inteligencia artificial no es más que un conjunto de técnicas y procedimientos que comprenden planteamientos y enfoques distintos y cuyo grado de integración es bajo. Así se habla de inteligencia artificial al referirse a áreas como redes neuronales, visión artificial reconocimientos de patrones, sistemas de lenguaje natural, bases de datos inteligentes, SISTEMAS EXPERTOS, etc.

Se hablara de técnicas de inteligencia artificial más que de inteligencia artificial como tal.

La razón de esto es que parecen ser una de las áreas en las que la aplicación de estas técnicas es más prometedora en cuanto a la obtención de resultados concretos, rentables y fiables. De este modo se tratara de aclarar que es, hoy en día, la inteligencia artificial y es su relación de los sistemas expertos con ella; más concretamente, que es un sistema experto, que justificación tiene y cuáles son sus componentes que variantes hay, y que aplicaciones puede desarrollar.

Se puede determinar una serie de razones en las cuales seria aconsejable el empleo de un programa (sistema experto) a un programa convencional (que emplee razonamiento procedimental):

Datos incompletos y contradictorios

Datos tan voluminosos que no pueden ser analizados en su totalidad antes de tomas una decisión.

Problemas que no pueden ser descritos empleando modelos analíticos simples.

Problemas con tantas posibles soluciones que la búsqueda exhaustiva sea ineficiente y sean necesarias técnicas heurísticas.

Problemas mal definidos.

Experto humano

Un amplio conocimiento en un campo especifico.

Unas estrategias efectivas para enfrentarse a los problemas, consistentes en una mezcla de reglas deductivas, intuiciones, sentido común y experiencia.

Virtudes:

Efectividad, de modo que sus probabilidades de resolver un problema son altas.

Eficiencia, entendida como rapidez para resolver problemas.

Sentido de sus limitaciones.

Definición según Edward Feigenbaum, un pionero de los sistemas expertos, en el congreso de inteligencia artificial:

Sistema experto es un programa de computador inteligente, que usa conocimientos y procedimientos de inferencia, para resolver problemas que lo suficientemente difíciles como para requerir intervención de un experto humano para su resolución. El conocimiento necesario para ello, así como los procedimientos de inferencia empleados, pueden verse como un modelo de la experiencia de los mejores profesionales en su campo.

Desde un punto de vista estricto la pretensión ultima de cualquier sistema experto es la de mejorar y sustituir al experto humano correspondiente, desde un punto de vista mas amplio, se podrían aducir varias razones para dicho desarrollo:

Posibilidad de emplear personal no cualificado para resolver problemas que en principio lo requieran.

Conseguir la superviviencia del conocimiento, de modo que este no se pierda con la desaparición del experto humano.

Disminuir el coste de l conocimiento (ya que, en teoría, partiendo de la inversión inicial se podrían resolver infinidad de casos sin requerir en cada uno la presencia del experto humano).

Hacer mas accsesible el conocimiento (resolviendo el problema de la escasez de expertos humanos en un tema).

Obtencion de soluciones mas rapidas y, en algún caso, mas fiables (posible gracias a la velocidad de computación y a la integración del conocimiento de varios expertos).

Eliminación de operaciones incomodas o monótonas.

Tipos de sistemas expertos

Hay muchos puntos de vista desde los cuales se pueden clasificar los sistemas expertos. Algunos de ellos son:

Por la forma de almacenar el conocimiento: se puede distinguir sistemas basados en reglas y sistemas basados en probabilidad. Asi en el primer caso, el conocimiento se almacena en forma de hechos y reglas, mientras que el segundo, la base de conocimientos esta constituida por hechos y sus dependencias probabilísticas; en el primer caso el motor de inferencia opera mediante encadenamiento de reglas hacia atrás y hacia adelante, mientras que el segundo caso opera mediante la evaluación de probabilidades condicionales. Finalmente también hay diferencias en la adquisición del conocimiento y el método de explicación.

Por la naturaleza de la tarea a realizar: asi se tiene cuatro posibilidades:

Diagnostico o clasificación: se conoce las soluciones y se trata de clasificarlas o diagnosticarlas en función a una serio de datos. Por ejemplo: sistema de diagnostico medico.

Monitorización: análisis del comportamiento de un sistema buscando posibles fallos,

...