RESUMEN CAPITULO 1: SISTEMAS EXPERTOS

Que es un Sistema Experto?

Los SE son una rama de la Inteligencia Artificial, son aquellos sistemas capaces de poder emular el razonamiento que posee un experto humano. Lo que se pretende con este tipo de sistemas no es el de remplazar a las personas (expertos) sino es el de dar una respuesta más clara, precisa y rápida sobre un problema que se pueda presentar, esto se lo hace con el objetivo de  poder mejorar la productividad del experto humano.Estos comprenden  una base de conocimientos brindados por uno o varios  expertos humanos que poseen información de una cierta área en específico.

Ejemplos de Algunos Sistemas Expertos

SISTEMAS	EXPERTO HUMANO	DESCRIPCIÓN
DENTRAL	Químicos, Genetistas y Científicos.	Determina la estructura de las moléculas de química orgánica a través de espectrografía.
GÉNESIS	Biólogos Moleculares	Permite planificar y simular experimentos en el campo de unión de genes, la cual se conecta a la base de datos del INSTITUTO NACIONAL DE SALUD
Mycin	Laboratorista	Mycin era capaz de “razonar” el proceso seguido para llegar a estos diagnósticos, y de recetar medicaciones personalizadas a cada paciente (según su estatura, peso, etc.)
SisResP	Biologo, Medico	El usuario podrá de una manera rápida y sencilla determinar mediante los síntomas que ingrese la enfermedad correspondiente.
DELTA/CATS1	Ingenieros Electromecánicos	Sistema experto que ayuda a los mecánicos en el diagnóstico y reparación de locomotoras diesel-eléctricas, DELTA no sólo da consejos expertos, sino que también presenta informaciones por medio de un reproductor de vídeo.
Sistema Experto Para El Diagnostico De Trastornos Depresivos	Psiquiatra	Sistema Experto cuyo objetivo es el diagnosticar de forma correcta el tipo de trastorno depresivo de un paciente

Componentes de un Sistema Experto

• Componentes Humanos

Se ven involucrados uno o varios expertos humanos los cuales contribuyen con el conocimiento que poseen sobre un tema en particular y los Ingenieros son los que se encargan de llevar o implantar estos conocimientos  en un lenguaje que pueda comprender el sistema.

• Base de Conocimiento

Incluye los conocimientos de los expertos este está constituido por la descripción de los objetos y las relaciones entre ellos, así como de casos particulares y excepciones estos conocimientos están canalizados por los Ing. Conocimiento

• Subsistemas de adquisición de conocimientos

Este módulo permite al ingeniero del conocimiento construir la base de conocimientos de una forma sencillas, este se encargara de gestionar toda la información almacenada.

• Control de Coherencia

Ayuda a los expertos humanos a dar información fiable:            

• Controla la consistencia de la base de datos y evita que unidades de conocimiento inconsistentes entren en la misma.
• Comprueba e informa a los expertos de las inconsistencias.
• Informa sobre las restricciones que la información debe cumplir para ser coherente con la existente en la base de conocimiento cuando se solicita información de los expertos humanos

• Motor de Inferencia

Este es un intérprete de reglas  realiza operación de búsqueda y selecciona las reglas que serán utilizadas para el proceso de razonamiento, las conclusiones pueden estar basadas por conocimiento determinístico o conocimiento probabilístico.

• Interfaz de Usuario

Este es el enlace entre el sistema y el usuario por lo cual debe de tener mecanismo eficientes y sencillos que permitan mostrar y obtener información, es decir tiene que tener una interfaz amigable.

•  Subsistemas de ejecución de órdenes

Permite al sistema experto iniciar acciones basadas en las conclusiones sacadas por el motor de inferencia.

• Subsistemas de aplicación

Explica el proceso seguido por el motor de inferencia o por el subsistema de ejecución (explicación de las conclusiones sacadas o de las acciones iniciadas por el sistema experto).

• Subsistema de aprendizaje

Este puede llevarse de dos maneras:

Aprendizaje Estructural nos referimos a algunos aspectos relacionados con la estructura del conocimiento (reglas, distribuciones de probabilidad, etc.). Ej. El descubrimiento de nuevos síntomas relevantes para una enfermedad o la inclusión de una nueva regla en la base de conocimiento.

Aprendizaje Paramétrico nos referimos a estimar los parámetros necesarios para construir la base de conocimiento. Ej. la estimación de frecuencias o probabilidades asociadas a síntomas o enfermedades.

Posted in: