domingo, 31 de julio de 2011

VENTAJAS Y LIMITACIONES

VENTAJAS

Estos programas proporcionan la capacidad de trabajar con grandes cantidades de información, que son uno de los grandes problemas que enfrenta el analista humano que puede afectar negativamente a la toma de decisiones pues el analista humano puede depurar datos que no considere relevantes, mientras un SE debido a su gran velocidad de proceso analiza toda la información incluyendo las no útiles para de esta manera aportar una decisión más sólida.
LIMITACIONES
Es evidente que para actualizar se necesita de reprogramación de estos (tal vez este sea una de sus limitaciones más acentuadas) otra de sus limitaciones puede ser el elevado costo en dinero y tiempo, además que estos programas son poco flexibles a cambios y de difícil acceso a información no estructurada.
Debido a la escasez de expertos humanos en determinadas áreas, los SE pueden almacenar su conocimiento para cuando sea necesario poder aplicarlo. Así mismo los SE pueden ser utilizados por personas no especializadas para resolver problemas. Además si una persona utiliza con frecuencia un SE aprenderá de el.
Por otra parte la inteligencia artificial no ha podido desarrollar sistemas que sean capaces de resolver problemas de manera general, de aplicar el sentido común para resolver situaciones complejas ni de controlar situaciones ambiguas.
El futuro de los SE da vueltas por la cabeza de cada persona, siempre que el campo elegido tenga la necesidad y/o presencia de un experto para la obtención de cualquier tipo de beneficio.

CARACTERISTICAS DE LOS SISTEMAS EXPERTOS

  • Habilidad para llegar  a una solución a los problemas en forma rápida y certera: Esta es la habilidad principal que se espera que un experto posea y pueda llevar a cabo. Al mencionar en "forma rápida y certera" obliga a que el experto no solo tenga conocimiento del campo en el que se va a diagnosticar, sino que además tenga experiencia tomando decisiones en él.
  • Habilidad para explicar los resultados a la persona que no cuenta con ese conocimiento: Esto significa que el experto debe poder responder en forma clara y certera las preguntas concernientes a las razones de los resultados, el razonamiento derivado de los mismos y las implicaciones subsecuentes. Generalmente las personas que no cuentan con el conocimiento esperan recibir una respuesta mas practica y que se  acerque a las condiciones que ellos puedan entender.
  • Habilidad para aprender las experiencias: Los expertos deben de aprender tanto de sus propias experiencias  como de la experiencia de los demás. Están obligados a estar al día en cuanto a la base de conocimientos así como a modificar el proceso de su razonamiento. Los expertos que no mantienen al día generalmente se vuelven obsoletos.
  • Habilidad de reestructurar el conocimiento para que se adapte al ambiente: Esto se refiere a que el experto pueda subdividir la base de conocimiento y usar la porción útil de la misma en la resolución del problema, reduciendo así su tiempo de respuesta. También se refiere a visualizar el problema de distintas perspectivas usando varias porciones del conocimiento al problema desde distintos niveles.
  • Conciencia de sus limitaciones: Los expertos pueden evaluar su capacidad para resolver un problema dado y determinar si el mismo se encuentra dentro de sus posibilidades de resolución. Esto también significa que saben cuando referirse a otros expertos.

ARQUITECTURA 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.

jueves, 28 de julio de 2011

HISTORIA DE LOS SISTEMAS EXPERTOS (SE)


Sus inicios datan a mediados de los años sesenta. Durante esta década los investigadores Alan Newell y Herbert Simon desarrollaron un programa llamado GPS (General Problem Solver; solucionador general de problemas). Podía trabajar con criptoaritmética, con las torres de Hanoi y con otros problemas similares. Lo que no podía hacer el GPS era resolver problemas del mundo real, tales como un diagnóstico médico.

Algunos investigadores decidieron entonces cambiar por completo el enfoque del problema restringiendo su ambición a un dominio específico e intentando simular el razonamiento de un experto humano. En vez de dedicarse a computarizar la inteligencia general, se centraron en dominios de conocimiento muy concretos. De esta manera nacieron los SE.
A partir de 1965, un equipo dirigido por Edward Feigenbaum, comenzó a desarrollar SE utilizando bases de conocimiento definidas minuciosamente. Dos años más tarde se construye DENDRAL, el cual es considerado como el primer SE. La ficción de dicho SE era identificar estructuras químicas moleculares a partir de su análisis espectrográfico.
En la década de los setenta se desarrolló MYCIN para consulta y diagnóstico de infecciones de la sangre. Este sistema introdujo nuevas características: utilización de conocimiento impreciso para razonar y posibilidad de explicar el proceso de razonamiento. Lo más importante es que funcionaba de manera correcta, dando conclusiones análogas a las que un ser humano daría tras largos años de experiencia. En MYCIN aparecen claramente diferenciados motor de inferencia y base de conocimientos. Al separar esas dos partes, se puede considerar el motor de inferencias aisladamente. Esto da como resultado un sistema vacío o shell (concha). Así surgió EMYCIN (MYCIN Esencial) con el que se construyó SACON, utilizado para estructuras de ingeniería, PUFF para estudiar la función pulmonar y GUIDON para elegir tratamientos terapéuticos.

En esa época se desarrollaron también: HERSAY, que intentaba identificar la palabra hablada, y PROSPECTOR, utilizado para hallar yacimientos de minerales. De este último derivó el shell KAS (Knowledge Adquisition System).
En la década de los ochenta se ponen de moda los SE, numerosas empresas de alta tecnología investigan en este área de la inteligencia artificial, desarrollando SE para su comercialización. Se llega a la conclusión de que el éxito de un SE depende casi exclusivamente de la calidad de su base de conocimiento. El inconveniente es que codificar la pericia de un experto humano puede resultar difícil, largo y laborioso.

Un ejemplo de SE moderno es CASHVALUE, que evalúa proyectos de inversión y VATIA, que asesora acerca del impuesto sobre el valor añadido o IVA.

miércoles, 27 de julio de 2011

DEFINICIÓN DE LOS SISTEMAS EXPERTOS

Sistemas que emulan el comportamiento de un experto en un campo concreto, su objetivo es lograr mejor calidad y rapidez en las respuestas y mejorar la productividad de un experto. Forma parte de la Inteligencia Artificial.
Suelen basarse en el conocimiento declarativo (hechos sobre objetos, situaciones) y el conocimiento de control (información sobre el seguimiento de una acción).

Un Sistema Experto está conformado por:
  • Base de conocimientos (BC).
  • Base de hechos (memoria de trabajo).
  • Motor de inferencia: intentando modelar el proceso de razonamiento humano.
  • Módulos de justificación: muestra el razonamiento seguido para llegar a una conclusión determinada.
  • Interfaz de usuario.