a Estudiante
de Ingeniería en Sistemas en UNAH
alexv7142@gmail.com
b Estudiante
de Ingeniería en Sistemas en UNAH
kevin_asf@hotmail.es
Resumen.
El crecimiento exponencial de la Industria en sus
diversas áreas, así como la necesidad del aprendizaje a través de medios
digitales y la necesidad de transformar la información circulante masiva, en
datos estadísticos, precisos y concluyentes, dan paso a la creación de los
sistemas expertos. Para ello tendremos como principal ente colaborador a los
expertos humanos, que serán la fuente principal de información para una base de
hechos que darán paso a un conjunto de reglas, que definirán conclusiones
basadas en conocimiento. A continuación, se presenta un artículo de
investigación que presentará definiciones y ejemplos acerca de los sistemas
expertos y su aplicabilidad.
Abstract.
The exponential growth of the industry in its various areas as
well as the need for learning through digital media and the need to transform
the massive circulating information accurate and conclusive statistics give way
to the creation of expert systems. To do this we as the main contributor to human
experts to be the main source of information for a basis of facts that will
lead to a set of rules that define conclusions based on knowledge entity. Then
a research paper to be presented definitions and examples of expert systems and
their applicability is presented.
Palabras Claves. Sistemas Expertos, conocimiento, reglas,
aplicabilidad.
REGLA
Según una de las
definiciones de la RAE para regla es la siguiente:
“Conjunto de operaciones que deben llevarse a cabo para realizar una
inferencia o deducción correcta.”
A partir de la
definición anterior se puede decir que cada regla conlleva una operación,
además que un conjunto de reglas lleva a una inferencia o deducción, es
precisamente esto en lo que nos es provechoso en las ciencias computacionales y
la informática donde por lo general asociamos un hecho como una proposición, es
decir; algo de lo cual tiene sentido hablar acerca de su veracidad o falsedad y
una regla como como un enunciado que valida el valor de verdad de un hecho u
proposición.
Las reglas son de
gran importancia en el tema de estudia que abordamos ya que son parte
primordial para su funcionamiento.
Las reglas nos
sirven como una referencia o pauta para llegar a un objetivo u conclusión
determinado.
CONOCIMIENTO
Según el
diccionario de la Real Academia Española (RAE) el conocimiento se define como
la acción y el efecto de conocer. Si partimos del conocimiento como una acción
se puede concluir que el conocimiento es un acto que está sujeto al cambio en
el tiempo, además tiene un efecto. ¿Qué efecto puede tener el hecho de poseer
conocimiento? Bien, el conocimiento es un recurso que nos ayuda básicamente a
la toma de decisiones, es decir; si se da por sentado de que el día de hoy se
tendrá una cita por la tarde, además esa cita es en un lugar al aire libre. Las
noticias acaban de anunciar que por la mañana entró un frente frío en la
ciudad, así que se esperan temperaturas de 10° C para el atardecer.
Se espera que se
tome la decisión de llevar un abrigo para la cita, ya que se pronostican bajas
temperaturas. Hasta este punto se sabe que se ha tomado la decisión correcta de
llevar un abrigo, a saber; habrá bajas temperaturas por la tarde. La decisión
se ha tomado en un hecho: Enfrentamos un efecto climático (un frente frío), por
tanto, la temperatura será baja. Es así como el conocimiento puede tener una
aplicabilidad fundamental en la vida diaria, así mismo el conocimiento previo
acerca de un hecho nos puede conducir a crear más conocimiento a través de
reglas que lo rigen.
SISTEMA
EXPERTO
Según (José Manuel Gutiérrez, Ali S. Hadi) “Un sistema experto puede
definirse como un sistema informático (hardware y software) que simula a los
expertos humanos en un área de especialización dada. (p.15).”
Un experto humano en
un área determinada es una persona que posee una cantidad suficiente de
conocimiento que le hace poder dar respuesta con un alto grado de precisión en
su rama de estudio. Este conocimiento está basado en un conjunto de hechos que
han sido verificados y comprobados por la ciencia que pueden utilizarse con
total libertad para concluir en postulados derivados de tales hechos. Estos
postulados al ser concebidos a través de hechos previamente verificados deben
concordar a través de un conjunto de reglas que comprueben si tales hechos están
presentes para poder llegar a “x” o “y” conclusión.
Esto entra en armonía
con la definición de conocimiento y reglas dadas anteriormente.
Tipos de Sistemas Expertos
Existen dos tipos de
Sistemas Expertos:
·
Sistemas
Expertos Basados en Reglas (deterministas): basan su funcionamiento en un
conjunto de hechos que se dan por sentados para llegar a una conclusión.
·
Sistemas
Expertos Basados en Probabilidad: se diferencian de los SEBR, en que éstos
toman en cuenta la incertidumbre y la propagación de la misma en un Sistema, es
decir; se llega a una conclusión dependiendo de la probabilidad de que un hecho
ocurra, no dando por sentado de que este suceda.
SISTEMAS EXPERTOS BASADOS EN REGLAS
Los SEBR constituyen
la parte más sencilla de los Sistemas Expertos ya que estos basan su
funcionamiento en dos elementos esenciales, como ser:
·
La base de
conocimiento (conjunto de reglas) y
·
Motor de
Inferencia
Base de
Conocimiento
Para poder obtener una
base de conocimiento son preciso dos elementos esenciales:
·
Los datos
·
Reglas
Los datos son todos
aquellos hechos que se obtienen a partir de un experto y que han sido
previamente verificados para ser fiables y verificables. Las reglas son las
condicionantes que a partir de la verificación de la veracidad de un hecho dan
paso a una conclusión. Son precisamente estas conclusiones las que generan o
forman una base de conocimiento.
Motor de
Inferencia
El motor de inferencia es básicamente
la parte del SE que se encarga de procesar las entradas, es decir evalúa en los
datos y en base a los hechos y conocimiento previo otorga una salida u
conclusión.
Para poder llegar a
las conclusiones un Motor de Inferencia utiliza dos elementos:
·
Reglas de
Inferencia
·
Estrategias
de Inferencia
Reglas de Inferencia
Las reglas de inferencia
son tres, éstas son:
·
Módus
Ponens: Se necesita la veracidad de una proposición para llegar a una
conclusión, por ejemplo:
Se tiene la
condicionante: Si A es verdadero entonces B es verdadero
A es
verdadero è Por tanto A es verdadero.
·
Módus
Tollens: Básicamente funciona en forma contraria al Módus Ponens, partimos de
una conclusión para obtener el valor de verdad de las proposiciones, por
ejemplo:
Si A es verdadero entonces B es verdadero
B es falso è Por tanto A es falso.
·
Resolución:
según (José Manuel Gutiérrez, Ali S. Hadi) el método de resolución se compone
de las siguientes etapas:
1. Las Reglas son sustituidas por expresiones
lógicas equivalentes.
2. Estas expresiones lógicas se combinan en otra
expresión lógica.
3. Esta última expresión se utiliza para obtener
la conclusión.
Y básicamente funciona como un
algoritmo que es capaz de combinar las reglas, sea Módus Ponens,
Módus Tollens o ambas en forma
recursiva para poder llegar a una conclusión.
Estrategias de Inferencia
Las estrategias de
inferencia son tres, éstas son:
·
Encadenamiento
de reglas: básicamente se da paso un conjunto de proposiciones se pueden
relacionar a un conjunto de reglas, es decir, la conclusión esta con puesta a
través de más de una regla en forma encadenada.
·
Encadenamiento
de reglas orientado a un objetivo: su funcionamiento es prácticamente igual que
el anterior, a diferencia que en este caso el usuario selecciona una conclusión
en específico y en base a los datos obtenidos se busca si se puede llegar a tal
objetivo, de no poder concluir se pregunta al usuario por más datos hasta
llegar a una conclusión.
·
Compilación
de reglas: es la combinación de las dos anteriores, es decir se brinda un
conjunto de datos y un conjunto de objetivos a buscar y a partir de esto se
determina la conclusión.
CARACTERÍSTICAS
DE LOS SEBR
Formato
Establecido
Los sistemas expertos
en base a conocimientos obedecen a un patrón ya definido de reglas que varían
según la base de conocimientos, con el propósito de navegar entre estados por
medio de aciertos y fallos en el cumplimiento de reglas, dando una amplia semántica,
pero con una pobre escalabilidad sintáctica.
Reglas Como Acciones Primitivas
La unidad atómica de
un comportamiento es una regla, cada vez que se requiera una variación de
acciones más compleja se añadirán grupos de reglas que funcionarán como procedimientos
que tendrán el propósito de resolver conflictos, en caso de no solamente se
trate de conseguir un solo objetivo, la complejidad se puede llegar a
establecer como contextos implícitos que harán actuar con más naturalidad al
sistema para que tenga un panorama más amplio respecto a las decisiones que
necesita tomar.
Registro de las
Consecuencias de las Acciones
Este tipo de sistemas
inicialmente suelen ser relativamente pequeños respecto a las expectativas que
se considera tener, ese es el motivo por el que es preciso que tengan la
capacidad de obtener información acerca de las acciones que ocurren a lo largo
del funcionamiento del sistema.
Modularidad
Podemos decir que el modularidad de un software consiste en la capacidad
de poseer diversas unidades funcionales, se podría decir que un SEBR es un
software altamente modular.
APLICABILIDAD DE
LOS SEBR
En la actualidad son
muchos los campos que requieren de automatización de procesos, pero para poder
dar paso a esta automatización, muchas veces se requiere de sistemas complejos,
que realicen el trabajo que para el ser humano es muy difícil realizar, al
menos en grandes cantidades y con gran precisión. Es ahí donde entran en juego
los Sistemas Expertos, estos vienen a solventar el problema de llegar a ciertas
conclusiones que requieren asociar ciertos síntomas o datos preliminares a una
conclusión que sea provechosa a un objetivo dado. Por ejemplo, la ciencia
avanza día con día, por ejemplo, en el campo de la física y la química atómica,
se han realizado numerosos descubrimientos a través de instituciones como el
CERN entre otros, estos conocimientos o descubrimientos se almacenan en una
gran base de datos que asocian ciertos fenómenos y características a ciertas
partículas. Un científico que trabaja en la investigación de esta área necesita
tener acceso a esa base de datos para corroborar si sus hallazgos son realmente
un descubrimiento o algo novedoso o ya ha sido previamente comprobado. Para eso
se requiere de un SEBR que asocie las características de los fenómenos
descubiertos a ciertos elementos o partículas.
Para ser un poco más
concisos podemos decir que un SEBR tiene una mayor y mejor aplicabilidad en los
siguientes casos:
1. No se cuenta con la cantidad de expertos
suficientes.
2. No se cuenta con el presupuesto para pagar a un
experto.
3. Se requiere llegar a conclusiones que dependen
de hechos que no dependen, al menos no en más de un 60% de una probabilidad, es
decir; hechos fiables que recurrentemente ocurren bajos ciertas condiciones.
En la aplicación de un
SEBR también debe tomarse en cuenta el factor económico, ya que si bien es
cierto a largo plazo puede generar muchas utilidades y ser mucho más rápido y
barato que un experto humano, el diseño y la construcción del mismo requiere de
Ingenieros de Conocimiento que puedan darles un sentido informático a los datos
a obtener, así como la mano de obra, es decir; los programadores que se
encargarán de darle “vida” al sistema.
Por eso debe pensarse
en un margen de utilidad que la empresa necesitada del sistema pueda cubrir en
un periodo de tiempo aceptable en base a su presupuesto, además el sistema debe
ser construido pensando en futuras actualizaciones, tanto para el mantenimiento
y mejora del mismo como para posibles datos o módulos que la empresa decida
incorporar en el mismo.
SEBR QUE HAN
EXISTIDO
A medida avanzaba la
informática se vio la oportunidad de desarrollar sistemas con capacidad
heurística ya que éste elemento que va moldeando al experto a través de su
historial de acciones. Se percibió la necesidad de automatizar en la labor de
un experto y no solamente plasmar su mente en un sistema, sino en hacerlo capaz
de aprender de sus propios resultados. Gracias a esa brecha que se iba abriendo
surge una nueva generación de sistemas.
El primer sistema
experto basado en reglas que funcionó en un caso real fue DENDRAL desarrollado
por Edward Feigenbaum y un equipo de programadores de la Universidad de
Stanford en la década de los 60s, su desarrollo tardó 10 años (1965-1975), este
sistema en particular se especializa en la inferencia de estructuras
moleculares tanto orgánicas como inorgánicas, fue programado en LISP y en esa
década fue un modelo de a seguir para los programadores de sistemas expertos en
esa época.
Otro sistema experto
destacado fue MYCIN programado por Edward Shortliffe también en la Universidad
de Stanford en la década de los 70s, el objetivo de este programa es el
diagnóstico de enfermedades infecciosas de la sangre, interviniendo dando
inferencias acerca del estado de la sangre y sugiriendo medicaciones
personalizadas para cada paciente, también fue programado el LISP.
También es preciso
mencionar a PROSPECTOR, que es un sistema especializado en el análisis
geológico de rocas y minerales, con el fin de facilitar la localización de
depósitos de minerales, fue desarrollado al final de los 70s, se caracterizó
por utilizar métodos bayesianos.
LA ACTUALIDAD EN
SEBR
Algunas empresas han
aprovechado la oportunidad de utilizar sistemas expertos basados en reglas para
atender a una gran concurrencia de cliente, las ventajas residen generalmente
en la disponibilidad que ofrece un SEBR, también atender a clientes
potenciales, o sea que con el poco esfuerzo que requiere la atención no es
necesario que el cliente posea un fuerte compromiso con la empresa, eso da la
oportunidad de crear un pre-servicio que puede servir como mercadeo, un gran
ejemplo de este caso es el “System Scanner” de Crucial.com el cual provee un
análisis completo del sistema concluyendo las actualizaciones del hardware que
se la puede hacer a cada máquina en específico y de esa manera recomendando
productos de su misma marca.
En cuestión de la
disponibilidad y el manejo de una gran cantidad de clientes, la línea de
consultas del Departamento de Salud NHS 111 cuenta con un sistema experto en
línea para consultas, también es preciso mencionar al sistema de asistencia
online de la empresa distribuidora de mobiliarios y decoraciones para el hogar
IKEA, ya que cuenta con un servicio de colaboración RBS de diseño
arquitectónico.
Es un hecho que los
sistemas expertos financieros han tomado un gran apogeo, podemos ver el ejemplo
más longevo que hay, se trata de American Express Authorizer’s Assistant ya que
funge desde 1988 hasta hoy, encargado de inferir en la decisión de aprobar un
crédito, aplicando alrededor de 35,0000 reglas respecto al estado financiero
del solicitante.
ANÁLISIS Y
CONSIDERACIONES DE LOS SEBR
Eminentemente que los
sistemas expertos basados en reglas tienen la gran capacidad de emular un
comportamiento humano y también puede tener la facultad de añadir conocimiento
por medio de datos incrementales a raíz de conclusiones inferidas desde la
experiencia que ha tenido. Esta capacidad hace un enorme contraste respecto a
los sistemas convencionales ya que reducen la dificultad a la hora de cambiar
las reglas, esto nos da una gran oportunidad de flexibilidad y escalabilidad,
haciendo el sistema más amigable enfocándose más en la efectividad de los
resultados.
Los sistemas expertos
fácilmente pueden adoptar una organización de reglas que realicen juicios en
cualquier implementación, siendo precisa la observación de que solamente tienen
la capacidad de navegar en una estructura de estados determinada, por esa razón
existe la gran limitante para resolver problemas muy complejos ya que las
inferencias deben pertenecer a la misma red, de esa manera omitiendo los
estados independientes.
Los dominios perfectos
son los contextos en donde se puede tener la máxima perspicacia en la obtención
de datos así teniendo la posibilidad de tomar conclusiones sin inferencias
demasiado abstractas, siendo muy pertinente que se acerquen mucho al contexto
físico-matemático, podemos poner como ejemplo a los primeros sistemas expertos
en base a reglas creados: DENDRAL, MICYN y PROSPECTOR.
Los dominios
inadecuados son en donde hay muchos datos no discretos o difícilmente
representados o interpretados por una máquina, ya que ésta posee una estructura
de decisiones más compleja, por ejemplo, la medicina clínica y la psicología.
Aunque exista una alta
eficacia en los sistemas no complejos, se tiene el inconveniente de la falta de
comunicación entre las acciones, o sea que la máxima preocupación es entregar
los resultados sin importar otros factores que pueden ser indispensables para
que la respuesta sea de alta precisión y calidad.
Técnicamente podemos
describir que la escalabilidad de estos sistemas se limita a la base de
conocimientos de las reglas que son aplicada para las inferencias porque la
estructura de los estados sigue manteniendo la línea simple y no hay una
comunicación entre acciones independientes las cuales en muchos dominios serían
muy pertinentes su utilización ya que algunos sistemas necesitan evaluar varios
hechos en tiempo real en varias hebras, y ese mecanismo de deducción requiere
una mayor complejidad.
CONCLUSIONES
1. Una regla es un conjunto de operaciones
que deben llevarse a cabo para realizar una inferencia o deducción correcta
2. El conocimiento está constituido por un
conjunto de hechos y un conjunto de reglas que generan un conjunto de
conclusiones verificables las cuales dan paso al conocimiento como tal, este es
el método de generación de conocimiento que nos sirve en los sistemas expertos
basados en reglas.
3. Los SEBR basan su funcionamiento en dos
elementos: base de conocimiento y un motor de inferencia.
4. Los SEBR es el primer tipo de sistema
experto que surgió, abarcando la necesidad de abaratar costos y aumentar la
disponibilidad de atender a problemas que solamente lo solucionan los
especialistas.
5. Técnicamente los SEBR se centran en
atender los problemas unilaterales, o sea que pueden realizar tareas complejas,
con la restricción de no poseer escalabilidad en su organización de acciones.
6. El uso adecuado de los SEBR se centra en
la resolución de problemas en donde intervienen datos discretos que se abstraen
con facilidad.
AGRADECIMIENTOS
A la Universidad
Nacional Autónoma de Honduras por darnos la oportunidad de crecer
profesionalmente y formarnos en el área de Sistemas Computacionales.
A nuestro
maestro, el Ingeniero Constantino Sorto, por darnos la oportunidad de aprender
y fortalecer nuestros conocimientos a través de la investigación de carácter
científico.
Referencias
José Manuel Gutiérrez, A. S. (s.f.). Qué es un Sistema Experto. En A. S.
José Manuel Gutiérrez, Sistemas Expertos (pág. 15). Ithaca.
RAE. (13 de Junio de 2016). dle.rae.es. Obtenido de
http://dle.rae.es/srv/search?m=30&w=conocimiento
RAE. (13 de Junio de 2016). dle.rae.es. Obtenido de
http://dle.rae.es/srv/search?m=30&w=regla
University
of Stirling, (2016), Rule Based-Systems. de http://www.cs.stir.ac.uk/ sitio
web:
http://www.cs.stir.ac.uk/courses/CSC9T6/lectures/3%20Decision%20Support/1%20-%20Rule%20Based%20Systems.pdf
Randall
Davis and Jonathan J. King. (2016). The Origin on the Base Ruled Systems in
IA. 3/06/2016, de aaai.org Sitio web:
http://www.aaai.org/Papers/Buchanan/Buchanan04.pdf
