los sistemas Expertos (ES) son uno de los destacados de la investigación de los dominios de la IA. Es introducido por los investigadores del Departamento de Ciencias de la Computación de la Universidad de Stanford.

¿Qué son los Sistemas Expertos?

Los sistemas expertos son las aplicaciones informáticas desarrolladas para resolver problemas complejos en un dominio particular, a nivel de inteligencia y experiencia humana extraordinaria.

Características de los Sistemas expertos

• Alto rendimiento
• Comprensible
• Fiable
• Altamente receptivo

Capacidades de los sistemas expertos

Los sistemas expertos son capaces de −

• Asesorar
• Instruir y ayudar a los humanos en la toma de decisiones
• Demostrar
• Derivar una solución
• /li>
• Diagnosticar
• Explicar
• Interpretar la entrada
• Predecir los resultados
• Justificar la conclusión
• Sugerir opciones alternativas a un problema

Son incapaces de −

• Sustituir a los tomadores de decisiones humanos
• Poseer capacidades humanas
• Producir resultados precisos para una base de conocimientos inadecuada
• Refinar su propio conocimiento

Componentes de Sistemas expertos

Los componentes de ES incluyen −

• Base de conocimientos
• Motor de inferencia
• Interfaz de usuario

−

Base de conocimientos

Contiene conocimientos específicos de dominio y de alta calidad.

Se requiere conocimiento para exhibir inteligencia. El éxito de cualquier ES depende principalmente de la colección de conocimientos altamente precisos y precisos.

¿Qué es el conocimiento?

Los datos son recopilación de hechos. La información se organiza como datos y hechos sobre el dominio de la tarea. Los datos, la información y la experiencia pasada combinados se denominan conocimiento.

Componentes de la Base de Conocimientos

La base de conocimientos de un ES es un almacén de conocimientos tanto objetivos como heurísticos.

• Conocimiento fáctico: Es la información ampliamente aceptada por los Ingenieros del Conocimiento y los académicos en el dominio de las tareas.

• Conocimiento heurístico: Se trata de la práctica, el juicio preciso, la capacidad de evaluación y la adivinación.

Representación del conocimiento

Es el método utilizado para organizar y formalizar el conocimiento en la base de conocimiento. Es en forma de reglas de SI-ENTONCES-ELSE.

Adquisición de conocimientos

El éxito de cualquier sistema experto depende principalmente de la calidad, integridad y precisión de la información almacenada en la base de conocimientos.

La base de conocimientos está formada por lecturas de varios expertos, académicos e Ingenieros del Conocimiento. El ingeniero del conocimiento es una persona con las cualidades de empatía, aprendizaje rápido y habilidades de análisis de casos.

Obtiene información de un experto en el tema grabándolo, entrevistándolo y observándolo en el trabajo, etc. Luego categoriza y organiza la información de una manera significativa, en forma de reglas IF-THEN-ELSE, para ser utilizadas por la máquina de interferencia. El ingeniero del conocimiento también supervisa el desarrollo del ES.

Motor de Inferencia

El uso de procedimientos y reglas eficientes por parte del Motor de Inferencia es esencial para deducir una solución correcta e impecable.

En el caso de las ES basadas en el conocimiento, el Motor de Inferencia adquiere y manipula el conocimiento de la base de conocimiento para llegar a una solución en particular.

En el caso de ES basadas en reglas, it −

• Aplica reglas repetidamente a los hechos, que se obtienen de la aplicación de reglas anteriores.

• Añade nuevos conocimientos a la base de conocimientos si es necesario.

• Resuelve el conflicto de reglas cuando se aplican varias reglas a un caso particular.

recomendar una solución, el Motor de Inferencia utiliza las siguientes estrategias:

• Encadenamiento hacia Adelante
• Encadenamiento hacia Atrás

Encadenamiento hacia Adelante

es una estrategia de un sistema experto para responder a la pregunta, «¿Qué puede suceder?»

Aquí, el Motor de Inferencia sigue la cadena de condiciones y derivaciones y finalmente deduce el resultado. Considera todos los hechos y reglas, y los clasifica antes de llegar a una solución.

Esta estrategia se sigue para trabajar en la conclusión, el resultado o el efecto. Por ejemplo, la predicción del estado del mercado de acciones como efecto de los cambios en los tipos de interés.

Encadenamiento hacia atrás

Con esta estrategia, un sistema experto encuentra la respuesta a la pregunta, «¿Por qué sucedió esto?»

Sobre la base de lo que ya ha sucedido, el Motor de Inferencia intenta averiguar qué condiciones podrían haber ocurrido en el pasado para este resultado. Esta estrategia se sigue para averiguar la causa o la razón. Por ejemplo, diagnóstico de cáncer de sangre en humanos.

Interfaz de usuario

La interfaz de usuario proporciona interacción entre el usuario de la ES y la ES en sí. Generalmente es Procesamiento de Lenguaje Natural para ser utilizado por el usuario que está bien versado en el dominio de tareas. El usuario de la ES no necesita ser necesariamente un experto en Inteligencia Artificial.

Explica cómo el ES ha llegado a una recomendación en particular. La explicación puede aparecer en los siguientes formularios:

• Lenguaje natural que se muestra en la pantalla.
• narraciones Verbales en lenguaje natural.
• Lista de números de reglas que se muestran en la pantalla.

La interfaz de usuario facilita el seguimiento de la credibilidad de las deducciones.

Requisitos de Interfaz de usuario Eficiente de ES

• Debe ayudar a los usuarios a lograr sus objetivos de la manera más corta posible.

• Debe estar diseñado para funcionar con las prácticas de trabajo existentes o deseadas del usuario.

• Su tecnología debe ser adaptable a los requisitos del usuario; no al revés.

• Debe hacer un uso eficiente de la entrada del usuario.

Limitaciones de Sistemas expertos

Ninguna tecnología puede ofrecer una solución fácil y completa. Los sistemas grandes son costosos, requieren un tiempo de desarrollo significativo y recursos informáticos. Los ESs tienen sus limitaciones que incluyen –

• Las limitaciones de la tecnología
• Adquisición de conocimiento difícil
• Los ES son difíciles de mantener
• Altos costos de desarrollo

Aplicaciones del Sistema experto

La siguiente tabla muestra dónde se pueden aplicar los ES.

Application	Description
Design Domain	Camera lens design, automobile design.
Medical Domain	Diagnosis Systems to deduce cause of disease from observed data, conduction medical operations on humans.
Sistemas de monitoreo	Comparando datos continuamente con el sistema observado o con el comportamiento prescrito, como el monitoreo de fugas en tuberías de petróleo largas.
Sistemas de Control de Proceso	Controlar un proceso físico basado en el monitoreo.
Dominio de conocimiento	Detección de fallas en vehículos, computadoras.
Finanzas / Comercio	Detección de posibles fraudes, transacciones sospechosas, transacciones bursátiles, programación de aerolíneas, programación de carga.

Tecnología de sistema experto

Hay varios niveles de tecnologías ES disponibles. Las tecnologías de sistemas expertos incluyen –

• Entorno de desarrollo de sistemas expertos – El entorno de desarrollo ES incluye hardware y herramientas. Son –

  • Estaciones de trabajo, minicomputadoras, mainframes.

  • Lenguajes de Programación Simbólicos de alto nivel como la Programación de listas (LISP) y la Programación en Lógica (PROLOG).

  • Grandes bases de datos.

• Herramientas: Reducen en gran medida el esfuerzo y el costo que implica desarrollar un sistema experto.

  • Potentes editores y herramientas de depuración con ventanas múltiples.

  • Proporcionan prototipos rápidos

  • Tienen definiciones incorporadas de modelo, representación de conocimiento y diseño de inferencia.

• Shells-Un shell no es más que un sistema experto sin base de conocimientos. Un shell proporciona a los desarrolladores adquisición de conocimientos, motor de inferencia, interfaz de usuario y facilidad de explicación. Por ejemplo, a continuación se dan algunos shells:

  • Java Expert System Shell (JESS) que proporciona una API Java completamente desarrollada para crear un sistema experto.

  • Vidwan, una carcasa desarrollada en el Centro Nacional de Tecnología de Software de Mumbai en 1993. Permite la codificación del conocimiento en forma de reglas IF-THEN.

Desarrollo de Sistemas Expertos: Pasos Generales

El proceso de ES el desarrollo es iterativo. Los pasos para desarrollar el ES incluyen-

Identificar el dominio del problema

• El problema debe ser adecuado para que un sistema experto lo resuelva.
• Encuentre a los expertos en el dominio de tareas para el proyecto ES.
• Establecer la rentabilidad del sistema.

Diseño del Sistema

• Identificar la Tecnología ES

• Conocer y establecer el grado de integración con otros sistemas y bases de datos.

• Darse cuenta de cómo los conceptos pueden representar mejor el conocimiento del dominio.

Desarrollar el prototipo

A partir de la Base de conocimientos: El ingeniero del conocimiento trabaja para −

• Adquirir conocimientos de dominio del experto.
• Representarlo en forma de reglas If-THEN-ELSE.

Pruebe y refine el prototipo

• El ingeniero de conocimiento utiliza casos de muestra para probar el prototipo en busca de deficiencias en el rendimiento.

• Los usuarios finales prueban los prototipos de las ES.

Desarrollar y completar la prueba ES

• y garantizar la interacción de la ES con todos los elementos de su entorno, incluidos los usuarios finales, las bases de datos y otros sistemas de información.

• Documente bien el proyecto ES.

• Capacite al usuario para usar ES.

Mantener el sistema

• Mantener actualizada la base de conocimientos mediante revisiones y actualizaciones periódicas.

• Atender nuevas interfaces con otros sistemas de información, a medida que evolucionan esos sistemas.

Ventajas de los Sistemas Expertos

• Disponibilidad − están fácilmente disponibles debido a la producción en masa de software.

• Menos Coste de producción-El coste de producción es razonable. Esto los hace asequibles.

• Velocidad: Ofrecen una gran velocidad. Reducen la cantidad de trabajo que un individuo pone en.

• Menos Tasa de error: La tasa de error es baja en comparación con los errores humanos.

• Reducir el riesgo: pueden funcionar en un entorno peligroso para los seres humanos.

• Respuesta constante: Trabajan de manera constante sin moverse, tensarse o fatigarse.