Los sistemas expertos son aplicaciones informáticas que combinan equipos informáticos, software e información especializada para imitar el razonamiento y el consejo humanos expertos. Como rama de la inteligencia artificial, los sistemas expertos brindan consejos y explicaciones específicas de la disciplina a sus usuarios. Si bien la inteligencia artificial es un campo amplio que cubre muchos aspectos del pensamiento generado por computadora, los sistemas expertos tienen un enfoque más limitado. Normalmente, los sistemas expertos funcionan mejor con actividades o problemas específicos y una base de datos discreta de hechos, reglas, casos y modelos digitalizados. Los sistemas expertos se utilizan ampliamente en entornos comerciales e industriales, incluida la medicina, las finanzas, la fabricación y las ventas.
Como programa de software, el sistema experto integra un programa de búsqueda y clasificación con una base de datos de conocimientos. El programa de búsqueda y clasificación específico para un sistema experto se conoce como motor de inferencia. El motor de inferencia contiene todas las reglas y la lógica de procesamiento sistemático asociadas con el problema o la tarea en cuestión. Las probabilidades matemáticas a menudo sirven como base para muchos sistemas expertos. El segundo componente, la base de datos de conocimientos, almacena la información basada en hechos, procedimientos y experiencia necesaria que representa el conocimiento de los expertos. A través de un procedimiento conocido como transferencia de conocimiento, la experiencia (o aquellas habilidades y conocimientos que sustentan un desempeño mucho mejor que el promedio) pasa de experto humano a ingeniero del conocimiento. El ingeniero del conocimiento en realidad crea y estructura la base de datos de conocimiento al completar ciertas tareas lógicas, físicas y psicosociales. Por esta razón, los sistemas expertos a menudo se denominan sistemas de información basados en el conocimiento. Al distribuir ampliamente la experiencia humana a través de sistemas expertos, las empresas pueden obtener beneficios en consistencia, precisión y confiabilidad en las actividades de resolución de problemas.
Las empresas pueden o no diferenciar entre un sistema de apoyo a la toma de decisiones (DSS) y un sistema experto. Algunos consideran que cada uno, alternativamente, es una subcategoría del otro. Si son o no uno en el mismo, están estrechamente relacionados o son completamente independientes se debate con frecuencia en la literatura comercial y profesional. Al igual que los sistemas expertos, el DSS se basa en el hardware, el software y la información de las computadoras para funcionar con eficacia. Sin embargo, la distinción discutible entre un sistema experto y un DSS parece residir en sus aplicaciones prácticas. Los sistemas de apoyo a la toma de decisiones se utilizan con mayor frecuencia en actividades específicas de toma de decisiones, mientras que los sistemas expertos operan en el área de actividades de resolución de problemas. Pero esta distinción puede ser borrosa en la práctica y, por lo tanto, la investigación de un sistema experto a menudo implica también la investigación sobre DSS.
Cuatro roles interactivos forman las actividades del sistema experto:
- diagnosticar
- interpretar
- prediciendo
- instruyendo
Los sistemas logran cada uno de estos mediante la aplicación de reglas y lógica especificadas por el experto humano durante la creación o el mantenimiento del sistema o determinadas por el propio sistema basándose en el análisis de precedentes históricos. La instrucción, en particular, surge como resultado del sistema de justificación del sistema experto. Sintetizando la retroalimentación con varias combinaciones de currículo de diagnóstico, interpretativo y predictivo, el sistema experto puede convertirse en un tutor personal finamente afinado o en una clase grupal completamente desarrollada y estandarizada. La instrucción asistida por computadora (CAI) prospera como un campo de investigación y desarrollo para las empresas.
MODELOS ANTIGUOS
Los primeros sistemas expertos aparecieron a mediados de la década de 1960 como una rama de la investigación en inteligencia artificial. Muchos de los primeros sistemas (GPPS y DENDRAL en la Universidad de Stanford, XCON en Digital Equipment Corp. y CATS-1 en General Electric) fueron pioneros en el concepto de un experto en computación. Pero uno, MYCIN, introdujo más claramente dos características esenciales de un sistema experto: modularidad y justificación. MYCIN fue desarrollado en la Universidad de Stanford como un sistema experto para ayudar en el diagnóstico de meningitis bacteriana. A medida que se desarrolló, MYCIN surgió como un producto de diseño modular con una facilidad para explicar sus propios consejos. El diseño modular se refiere al concepto y la práctica de desarrollar software como conjuntos independientes de código de programación y materiales informativos. Cada conjunto se conecta como un módulo o cápsula autónoma a otros módulos. Esta idea de diseño modular condujo a un mayor avance de los proyectiles expertos. Un programa de shell experto simplifica el desarrollo de un sistema experto al proporcionar motores de inferencia preexistentes y componentes de base de datos de conocimiento de módulos. Los efectos de encadenamiento hacia adelante y hacia atrás de MYCIN (su capacidad para contar los pasos que tomó para llegar a cualquier recomendación) aún influyen en el diseño de sistemas expertos. Como resultado, la capacidad de explicar o justificar es una facilidad estándar de los sistemas y programas expertos producidos comercialmente. Quizás el descubrimiento más importante para MYCIN y otros sistemas expertos tempranos fue la importancia del experto humano en el sistema experto. Esta idea de diseño modular condujo a un mayor avance de los proyectiles expertos. Un programa de shell experto simplifica el desarrollo de un sistema experto al proporcionar motores de inferencia preexistentes y componentes de base de datos de conocimientos de módulos. Los efectos de encadenamiento hacia adelante y hacia atrás de MYCIN (su capacidad para contar los pasos que tomó para llegar a cualquier recomendación) aún influyen en el diseño de sistemas expertos. Como resultado, la capacidad de explicar o justificar es una facilidad estándar de los sistemas y programas expertos producidos comercialmente. Quizás el descubrimiento más importante para MYCIN y otros sistemas expertos tempranos fue la importancia del experto humano en el sistema experto. Esta idea de diseño modular condujo a un mayor avance de los proyectiles expertos. Un programa de shell experto simplifica el desarrollo de un sistema experto al proporcionar motores de inferencia preexistentes y componentes de base de datos de conocimiento de módulos. Los efectos de encadenamiento hacia adelante y hacia atrás de MYCIN (su capacidad para contar los pasos que tomó para llegar a cualquier recomendación) aún influyen en el diseño de sistemas expertos. Como resultado, la capacidad de explicar o justificar es una facilidad estándar de los sistemas y programas expertos producidos comercialmente. Quizás el descubrimiento más importante para MYCIN y otros sistemas expertos tempranos fue la importancia del experto humano en el sistema experto. Un programa de shell experto simplifica el desarrollo de un sistema experto al proporcionar motores de inferencia preexistentes y componentes de base de datos de conocimientos de módulos. Los efectos de encadenamiento hacia adelante y hacia atrás de MYCIN (su capacidad para contar los pasos que tomó para llegar a cualquier recomendación) aún influyen en el diseño de sistemas expertos. Como resultado, la capacidad de explicar o justificar es una facilidad estándar de los sistemas y programas expertos producidos comercialmente. Quizás el descubrimiento más importante para MYCIN y otros sistemas expertos tempranos fue la importancia del experto humano en el sistema experto. Un programa de shell experto simplifica el desarrollo de un sistema experto al proporcionar motores de inferencia preexistentes y componentes de base de datos de conocimiento de módulos. Los efectos de encadenamiento hacia adelante y hacia atrás de MYCIN (su capacidad para contar los pasos que tomó para llegar a cualquier recomendación) aún influyen en el diseño de sistemas expertos. Como resultado, la capacidad de explicar o justificar es una facilidad estándar de los sistemas y programas expertos producidos comercialmente. Quizás el descubrimiento más importante para MYCIN y otros sistemas expertos tempranos fue la importancia del experto humano en el sistema experto. Los efectos de encadenamiento hacia adelante y hacia atrás de MYCIN (su capacidad para contar los pasos que tomó para llegar a cualquier recomendación) aún influyen en el diseño de sistemas expertos. Como resultado, la capacidad de explicar o justificar es una facilidad estándar de los sistemas y programas expertos producidos comercialmente. Quizás el descubrimiento más importante para MYCIN y otros sistemas expertos tempranos fue la importancia del experto humano en el sistema experto. Los efectos de encadenamiento hacia adelante y hacia atrás de MYCIN (su capacidad para contar los pasos que tomó para llegar a cualquier recomendación) aún influyen en el diseño de sistemas expertos. Como resultado, la capacidad de explicar o justificar es una facilidad estándar de los sistemas y programas expertos producidos comercialmente. Quizás el descubrimiento más importante para MYCIN y otros sistemas expertos tempranos fue la importancia del experto humano en el sistema experto.
CONSTRUYENDO UNA BASE DE CONOCIMIENTOS
El papel básico de un sistema experto es replicar a un experto humano y reemplazarlo en una actividad de resolución de problemas. Para que esto suceda, la información clave debe transferirse de un experto humano a la base de datos de conocimiento y, cuando sea apropiado, al motor de inferencia. Dos tipos diferentes de conocimiento surgen del experto humano: hechos e información procesal o heurística. Los hechos engloban los datos definitivamente conocidos y las variables definidas que componen una determinada actividad. Los procedimientos capturan la lógica si-entonces que el experto usaría en cualquier actividad dada. A través de un proceso formal de adquisición de conocimiento que incluye identificación, conceptualización, formalización, implementación y prueba, se desarrollan bases de datos de expertos. Entrevistas, seguimiento transaccional, Las opciones de observación, estudio de casos y autoinforme son medios comunes para extraer información de un experto humano. Mediante la integración programática y física de la lógica, los datos y la elección, los sistemas expertos integran el examen y la interpretación de la entrada de datos con reglas específicas de comportamiento y hechos para llegar a un resultado recomendado.
APLICANDO LA EXPERIENCIA: EL
MOTOR DE INFERENCIA
Cuando un sistema experto debe elegir qué pieza de información es una respuesta adecuada al problema específico en cuestión, la incertidumbre es intrínseca; por lo tanto, la incertidumbre es una consideración subyacente en la conceptualización, desarrollo y uso general de un sistema experto. Un tratamiento popular de la incertidumbre utiliza la lógica difusa. La lógica difusa divide la simple decisión de sí o no en una escala de probabilidad. Esta extensión de los criterios de probabilidad permite que el sistema experto se adapte a problemas y actividades muy complejos en un intento de modelar más de cerca la asistencia e interacción de los expertos humanos. Las probabilidades de incertidumbre varían de un sistema a otro según el tipo de información que se almacena y los usos previstos.
En su función de diagnóstico, un sistema experto ofrece resolver un problema analizando sí o no con la probabilidad de identificar correctamente la causa de un problema o alteración. Al inferir dificultades de observaciones pasadas, el sistema experto identifica posibles problemas al tiempo que ofrece posibles consejos y / o soluciones. Los sistemas de diagnóstico suelen inferir las causas de los problemas. Las aplicaciones incluyen medicina, manufactura, servicio y una multitud de áreas problemáticas de enfoque limitado. Como ayuda para la resolución de problemas humanos, el sistema o programa de diagnóstico ayuda basándose en pruebas y problemas pasados. Al inferir descripciones de observaciones en lugar de problemas, el sistema experto asume un papel interpretativo más que diagnóstico. Los sistemas interpretativos explican las observaciones infiriendo su significado basándose en descripciones previas de situaciones. La probabilidad de incertidumbre se cuantifica como la probabilidad de ser una representación precisa. En una función predictiva, el sistema experto pronostica eventos y actividades futuros basándose en información pasada. Las probabilidades de incertidumbre se enfatizan como posibilidades o probabilidad de tener razón. Finalmente, en un papel instructivo, el sistema experto enseña y evalúa la transferencia exitosa de información educativa al usuario. Al explicar su proceso de toma de decisiones, materiales complementarios y pruebas sistemáticas, el sistema instructivo da cuenta de la incertidumbre al medir la probabilidad de que se haya logrado la transferencia de conocimientos. Independientemente del papel de un sistema experto o de cómo se ocupa de la incertidumbre, su anatomía sigue siendo similar. El motor de inferencia forma el corazón del sistema experto. La base de conocimientos sirve como cerebro del sistema experto.
El motor de inferencia recorre innumerables caminos y posibilidades potenciales basados en alguna combinación de reglas, casos, modelos o teorías. Algunas reglas, como la lógica de predicados, imitan el razonamiento humano y ofrecen varios argumentos matemáticos a cualquier consulta. Un árbol de decisiones o pasos y acciones ramificados sintetizan la probabilidad con reglas e información para llegar a una recomendación. Las probabilidades reflejan la propia experiencia del experto humano con una actividad o problema. Otros modelos o casos estructuran algún movimiento sistemático a través de un ejercicio de resolución de problemas de diferentes maneras. El razonamiento basado en casos utiliza incidentes específicos o modelos de comportamiento para simular el razonamiento humano. Otros motores de inferencia se basan en redes semánticas (nodos asociados y enlaces de asociación), scripts (actividades y respuestas preprogramadas), objetos (variables autónomas y conjuntos de reglas) y marcos (objetos más especializados que permiten la herencia). En todos los casos, el motor de inferencia guía los pasos de procesamiento y la información experta juntos de manera sistemática.
La base de datos de conocimientos proporciona el combustible para el motor de inferencia. La base de datos de conocimientos se compone de hechos, registros, reglas, libros e innumerables otros recursos y materiales. Estos materiales son los valores absolutos y la evidencia documentada asociados con la estructura de la base de datos. Los procedimientos si-entonces y las reglas pertinentes son una parte importante de la base de datos de conocimiento. Imitando el razonamiento humano, las reglas o la heurística utilizan la lógica para registrar los pasos y requisitos de procesamiento de expertos. La lógica, los hechos y la experiencia pasada se entrelazan para crear una base de datos experta. Como resultado de la transferencia de conocimientos, las experiencias, las habilidades y los hechos importantes se fusionan en una representación de la experiencia. Esta base de datos experta, o sistema de información basado en el conocimiento, es el complemento del motor de inferencia. Como tal, la base de datos de conocimiento debe ser concebida, planificada y realizada de manera precisa y confiable para un rendimiento óptimo. Además, la base de datos de conocimientos debe validarse y confirmarse como precisa y confiable. Las bases de datos de expertos que contienen información inexacta o pasos de procedimiento que dan como resultado un mal asesoramiento son ineficaces y potencialmente destructivas para el funcionamiento de una empresa. Sin embargo, cuando el motor de inferencia y la base de datos de conocimiento se sincronizan correctamente, las empresas pueden obtener ganancias en productividad y disminuciones en costos. Las bases de datos de expertos que contienen información inexacta o pasos de procedimiento que dan como resultado un mal asesoramiento son ineficaces y potencialmente destructivas para el funcionamiento de una empresa. Sin embargo, cuando el motor de inferencia y la base de datos de conocimiento se sincronizan correctamente, las empresas pueden obtener ganancias en productividad y disminuciones en costos. Las bases de datos de expertos que contienen información inexacta o pasos de procedimiento que dan como resultado un mal asesoramiento son ineficaces y potencialmente destructivas para el funcionamiento de una empresa. Sin embargo, cuando el motor de inferencia y la base de datos de conocimiento se sincronizan correctamente, las empresas pueden obtener ganancias en productividad y disminuciones en costos.
BENEFICIOS Y COSTOS
Los sistemas expertos capturan el escaso conocimiento experto y lo convierten en archivo. Esta es una ventaja cuando perder al experto sería una pérdida significativa para la organización. La distribución del conocimiento experto mejora la productividad de los empleados al ofrecer la asistencia necesaria para tomar la mejor decisión. Las mejoras en la confiabilidad y la calidad aparecen con frecuencia cuando los sistemas expertos distribuyen consejos, opiniones y explicaciones de expertos a pedido. Los sistemas expertos son capaces de manejar tareas y actividades enormemente complejas, así como una estructura y contenido de base de datos de conocimiento extremadamente rico. Como tales, son adecuados para modelar actividades y problemas humanos. Los sistemas expertos pueden reducir el tiempo de inactividad de la producción y, como resultado, aumentar la producción y la calidad. Adicionalmente, Los sistemas expertos facilitan la transferencia de conocimientos especializados a ubicaciones remotas mediante comunicaciones digitales. En situaciones específicas, el uso continuo de un sistema experto puede ser más económico y más consistente que los servicios de un experto humano.
Algunos beneficios de un sistema experto son directos. Loma Engineering redujo sus requisitos de personal de cinco ingenieros a un equivalente de 1,5 mediante el uso de un sistema experto para personalizar las especificaciones de la máquina. Otros beneficios son menos directos y pueden incluir funciones gerenciales mejoradas. La Administración Federal de Aviación utiliza el sistema de gestión de tráfico Smartflow para coordinar mejor las actividades de tráfico aéreo. La Bolsa de Valores de Estados Unidos también utilizó sistemas expertos para monitorear el uso de información privilegiada. Los hospitales utilizan sistemas expertos para interpretar los datos de los pacientes a través de una gran base de datos de conocimientos sobre medicamentos a fin de identificar interacciones medicamentosas nocivas y otros problemas. Gracias a un sistema hospitalario de Nueva Inglaterra, los médicos ni siquiera tienen que estar frente a la computadora para obtener los resultados: Si el sistema descubre un problema a medida que se analizan nuevos datos, puede enviar automáticamente un mensaje al buscapersonas del médico. En la fabricación, los sistemas expertos también son comunes y exitosos. Los sistemas expertos pueden rastrear variables de producción, tabular estadísticas e identificar procesos que no coinciden con los patrones esperados, lo que indica problemas potenciales. Además, los sistemas expertos integrados pueden notificar inmediatamente a la persona adecuada para corregir un problema en el proceso de fabricación. t coincide con los patrones esperados, lo que indica problemas potenciales. Además, los sistemas expertos integrados pueden notificar inmediatamente a la persona adecuada para corregir un problema en el proceso de fabricación. t coincide con los patrones esperados, lo que indica problemas potenciales. Además, los sistemas expertos integrados pueden notificar inmediatamente a la persona adecuada para corregir un problema en el proceso de fabricación.
Los costos de los sistemas expertos varían considerablemente y a menudo incluyen costos posteriores al desarrollo, como capacitación y mantenimiento. Los precios del desarrollo de software en sí varían desde los bajos miles de dólares para un sistema muy simple hasta millones para una empresa importante. Para las grandes empresas y las actividades complejas, debe estar disponible un hardware informático suficientemente potente, y con frecuencia se debe realizar la programación para integrar el nuevo sistema experto con los sistemas de información y los controles de procesos existentes. Además, dependiendo de la aplicación, la base de datos de conocimientos debe actualizarse con frecuencia para mantener la relevancia y la actualidad. También pueden aparecer mayores costos con la identificación y el empleo de un experto humano o una serie de expertos. Retener a un experto implica la tarea potencialmente costosa de transferir la experiencia a un formato digital. Dependiendo de la capacidad del experto para concebir y representar digitalmente el conocimiento, este proceso puede ser largo. Incluso después de tales esfuerzos, algunos sistemas expertos no logran recuperar sus costos debido a un diseño deficiente o un modelo de conocimiento inadecuado. Los sistemas expertos también sufren de la integración sistemática de los prejuicios humanos y la ignorancia preexistentes en su programación original. Incluso después de tales esfuerzos, algunos sistemas expertos no logran recuperar sus costos debido a un diseño deficiente o un modelo de conocimiento inadecuado. Los sistemas expertos también sufren de la integración sistemática de los prejuicios humanos y la ignorancia preexistentes en su programación original. Incluso después de tales esfuerzos, algunos sistemas expertos no logran recuperar sus costos debido a un diseño deficiente o un modelo de conocimiento inadecuado. Los sistemas expertos también sufren de la integración sistemática de los prejuicios humanos y la ignorancia preexistentes en su programación original.
El uso de un shell experto, una especie de programa informático listo para usar para crear una aplicación experta, es una forma de reducir los costos de obtener un sistema experto. El shell experto simplifica el sistema experto al proporcionar módulos preprogramados y una estructura de motor de inferencia lista para usar. Varias empresas ofrecen shells expertos que respaldan las operaciones comerciales e industriales, incluidas las que se llevan a cabo en entornos de Internet.