Sistemas basados en conocimiento y sistemas expertos
Introducción
Tenemos tres situaciones donde podemos realizar un enfoque inteligente:
Resolución de problemas (Problemas de búsqueda).
Capacidad de almacenamiento de información (Problema de representación).
Explotación del conocimiento (Utilización de conocimiento experto).
Con esto en mente, se plantea la necesidad de desarrollar sistemas optimizados de búsqueda de información (BBDD inteligentes y Sistemas expertos).
Sistemas expertos
Los sistemas expertos son una de las aplicaciones prácticas del paradigma de computación donde las tecnologías permiten que las máquinas imiten a los sistemas de razonamiento humano.
Un sistema experto es uno de los tipos más aplicados de sistemas en el ámbito de la inteligencia artificial.
Existen múltiples definiciones para describir qué es un sistema experto:
Los sistemas expertos son un tipo de sistema basado en conocimiento que intentan comportarse como un humano, puesto que tiene como objetivo proporcionar "decisiones inteligentes".
Los sistemas expertos pertenecen a una ramificación de la inteligencia artificial, particularmente, a los sistemas basados en conocimiento. Estos, a su vez, son parte de la ingeniería del conocimiento.
Se utilizan para resolver problemas mostrando similitudes a respuestas obtenidas por un experto humano en la solución de ciertas tareas de un área de conocimiento, tales como: medicina, ciencias exactas, naturales, ingeniería, entre otras.
Características
Ser capaz de aprender de los expertos humanos.
Mantener y actualizar los conocimientos a través de la lectura, planteamiento de cuestiones e incluso de la experiencia adquirida.
Presentar sus conclusiones a los usuarios humanos de igual manera que un experto, justificando, clarificando y explicando su modo de razonamiento e incluso instruir al interlocutor.
Deberá utilizar todas o algunas de estas herramientas:
Usar reglas experimentales heurísticas para evitar la búsqueda ciega.
Manipulado de símbolos complejos (el ser humano tiene capacidad de manejar información simbólica).
Interactuar con el usuario.
No tienen por qué aportar soluciones óptimas, pero sí han de aportar soluciones aceptables y válidas en el contexto. Aceptando que falle lo mismo o menos que un experto humano.
Limitaciones del uso de sistemas expertos
Para actualizar los sistemas expertos, necesitan ser reprogramados.
Alto costo inicial en dinero y tiempo.
Poca flexibilidad a los cambios.
Dificultad para el acceso cuando la información no se encuentra estructurada.
No poseen sentido común.
No controlan situaciones ambiguas.
Motivos para la creación y el uso de sistemas expertos
| Permite que personal con poca experiencia pueda llevar a cabo tareas complejas. | |
| Permite combinar el conocimiento de varios expertos humanos en un único sistema. | |
| Son más rápidos que los humanos a la hora de tomar decisiones. | |
| En algunos casos, la capacidad resolutiva del sistema experto es superior a la del experto humano. | |
| Puede trabajar en circustancias en las que un humano no podría. | |
| Puede ofrecer un ahorro importante de los costes. | |
| El conocimiento almacenado por un sistema experto es más fácil de compartir y difundir. | |
Solución algorítmica vs. Solución experta
Sistemas expertos basados en Reglas
Una regla es algo que tiene una precondición, donde si se cumple, se cumplirá la conclusión.
Ejemplo: “Si usted tiene tos y fiebre, entonces tiene gripe”
Un sistema experto está formado por un conjunto de reglas, que si se cumplen, harán ciertas las conclusiones, las cuales, a su vez, podrán ser precondiciones de próximas reglas, produciéndose un encadenamiento de reglas.
Encadenamiento
Encadenamiento hacia delante
En el encadenamiento hacia delante iremos desde las condiciones hasta las conclusiones.
El sistema evalúa todas las reglas cuyas precondiciones se cumplen en base a los hechos ya existentes.
Si las precondiciones de una regla se cumplen, las conclusiones de esa regla se considerarán nuevos hechos inferidos y se incluirán en la base de hechos existentes.
Inconvenientes
Si el número de reglas es elevado, buscar la regla cuyas precondiciones se cumplen puede no ser trivial → ¿Heurística en la búsqueda?
Puede haber varias reglas que se cumplan → ¿Resolución de conflictos?
Se pueden lanzar reglas que no me llevan al objetivo (innecesarias).
Encadenamiento hacia atrás
Se parte del estado objetivo/final (hipótesis) y se trata de verificar las precondiciones que lo harían cierto.
Buscar qué reglas tienen en sus conclusiones las precondiciones de la regla actual que pretendo hacer cierta.
Aquellas reglas cuyas precondiciones no aparecen en ninguna conclusión son las reglas primitivas/iniciales.
Encadenamiento hacia delante vs. Encadenamiento hacia atrás
Buen enfoque en problemas de planificación, control, monitorización, etc. |
Mantienen preguntas siempre con un mismo tema relacionado. Buen enfoque para tareas de diagnóstico, depurado de errores, etc. |
||
Aplicaciones de los sistemas expertos
Medicina:
MYCIN: Enfermedades infecciosas.
INTERNIST: Diagnóstico en medicina interna.
Geología:
Prospector: Evaluación de recursos geológicos.
Control Industrial:
G2: Control en tiempo real.
COPMA: Ejecución de Procedimientos de Operación de emergencia nuclear.
CBR (Case-Based Reasoning) Razonamiento Basado en Casos
El razonamiento basado en casos (CBR) es un sistema de resolución de problemas basado en experiencias.
El razonamiento basado en casos consta de tres términos:
Caso: experiencia de un problema resuelto que puede ser representado de muchas maneras.
Basado: significa que el razonamiento se basa en casos, es decir, los casos son la primera fuente para razonar.
Razonamiento: significa que el enfoque está destinado a sacar conclusiones, utilizando casos, dado un problema por resolver.
Ciclo de vida de CBR
Recuperar: buscar similitudes del caso actual con los existentes en nuestra base de casos.
Reutilizar: una vez detectados casos similares, se realiza una reutilización de los casos encontrados y sus soluciones para plantear una propuesta de solución.
Revisar: evaluar la calidad de la solución propuesta y ver si es una solución adecuada para resolver el problema propuesto.
Retener: una vez encontrada una posible solución al problema, se almacena el nuevo caso y la solución propuesta.
