Sistemas Basados en el Conocimiento

Sistemas Basados en el Conocimiento

• Los sistemas expertos imitan el razonamiento de un experto humano para resolver problemas específicos.
• Son un tipo de sistema basado en conocimiento, que abarca otras aplicaciones de IA que usan el conocimiento para resolver problemas.
• Los sistemas estocásticos combinan sistemas expertos con modelos estocásticos para la toma de decisiones en entornos con incertidumbre y variabilidad significativas.
• Los sistemas determinísticos simulan el razonamiento humano con reglas lógicas deterministas (si-entonces).
• Los sistemas expertos ayudan a resolver problemas complejos que requieren conocimiento experto, especialmente cuando hay pocos expertos humanos o el tiempo de respuesta es crucial.
• Su capacidad para procesar rápidamente grandes cantidades de datos complejos los hace útiles en tareas monótonas o peligrosas para humanos.
• El desarrollo de sistemas expertos es costoso, pero su uso repetido tiene un bajo coste marginal, con una rápida amortización. Se debe hacer un análisis de factibilidad y coste-beneficio antes de su desarrollo o adquisición.

Ejemplos de Sistemas Expertos

• Dendral: Primer sistema experto que automatizó la toma de decisiones y resolución de problemas en química orgánica (1965). Identificaba moléculas orgánicas desconocidas.
• XCON: Sistema de producción basado en reglas para asistentes de configuración de sistemas informáticos VAX (1978).
• Dipmeter Advisor: Sistema que ayuda con diagnósticos en equipos de perforación.
• MYCIN: Sistema de soporte de decisiones clínicas para el diagnóstico y tratamiento de infecciones bacterianas (década de 1970).
• CADUCEUS: Sistema experto médico para diagnósticos en medicina interna (mediados de la década de 1980). Mejoró la funcionalidad del sistema MYCIN.
• CLIPS (C Language Integrated Production System): Sistema de programación para la creación de sistemas expertos y programas heurísticos, (1985-1996).
• Prolog: Lenguaje de programación lógico y declarativo usado principalmente en IA (década de 1970).

Componentes de un Sistema Experto (SE)

• Especialistas Expertos Humanos: Suministran el conocimiento.
• Ingenieros de Conocimiento: Traducen el conocimiento de los expertos a un lenguaje que el SE pueda entender.
• Base de Datos: Almacena información (hechos, datos y reglas).
• Usuarios: Interactúan con el sistema.
• Subsistema de Adquisición de Conocimiento: Recopila, integra y actualiza el conocimiento.
• Subsistema de Aprendizaje: Permite al SE aprender de la experiencia.
• Subsistema de Control de Coherencia: Garantiza la consistencia de la información en la base de datos.
• Subsistema de Adquisición de Información: Obtiene información necesaria del usuario.
• Interfaz de Usuario: Permite la interacción entre el usuario y el sistema.
• Base de Conocimiento: La información necesaria para que el SE razone.
• Motor de Inferencia: Aplica las reglas del conocimiento para deducir conclusiones.
• Subsistema de Explicación: Permite al usuario entender el proceso del razonamiento del sistema.
• Memoria de Trabajo: Datos relevantes para el razonamiento actual.
• Subsistema de Ejecución-Acción: Realiza acciones como resultado del razonamiento.

Etapas del Desarrollo de un Sistema Experto

• Planteamiento del Problema: Definir claramente el problema a resolver.
• Encontrar Expertos Humanos: Identificar a los expertos en el tema.
• Diseño del Sistema Experto: Diseñar la estructura y componentes del sistema.
• Elegir Herramienta de Desarrollo: Escoger la herramienta adecuada.
• Desarrollo y Prueba de Prototipo: Crear y probar un prototipo inicial.
• Refinamiento y Generalización: Corregir errores y generalizar el prototipo.
• Mantenimiento y Actualización: Mantener el sistema actualizado y adaptarlo a las nuevas necesidades.

Otros Temas

• Los sistemas expertos son capaces de razonar como un experto en un campo específico, incluso respondiendo a preguntas no completamente especificadas.

• La base de conocimiento es crucial, almacenando hechos, datos y reglas para el razonamiento del sistema.

• El motor de inferencia aplica el conocimiento para deducir conclusiones, pudiendo usar conocimiento determinista o probabilístico.

• La interfaz de usuario permite una interacción eficiente entre el sistema y el usuario.

• El subsistema de adquisición de conocimiento es esencial para mantener una base de datos actualizada del conocimiento.

• El subsistema de explicación permite al usuario comprender las decisiones del sistema.

• El subsistema de aprendizaje permite al sistema adaptarse y mejorar con el tiempo.

Este cuestionario explora los diversos tipos de sistemas basados en el conocimiento, incluyendo sistemas expertos, estocásticos y determinísticos. Se analizarán sus aplicaciones y la forma en que imitan el razonamiento humano para resolver problemas complejos. Descubre cómo estos sistemas pueden transformar la toma de decisiones en entornos inciertos.