UNIVERSIDAD YACAMBÚ DIRECCIÓN DE INVESTIGACIÓN Y POSTGRADO Sistemas de Información Gerencial Tema: Sistemas Expertos Subtema: Componentes de un Sistema Experto     Elaborado Por: Maitane  I. Fernández U. Caracas, 7de marzo de 2002

Los sistemas expertos incorporan en la base de conocimiento del sistema el conocimiento de un experto e intentan simular el razonamiento humano por medio de un conjunto de programas de computación.

Base de conocimientos: contiene una gran cantidad de información sobre un tema específico, generalmente introducida por un experto en dicho tema, sobre el cual se desarrolla la aplicación. Este conocimiento se codifica según una notación específica que incluye reglas, predicados, redes semánticas, frames y objetos.

El conocimiento experto se puede categorizar como:

Conocimiento Empírico o Heurístico: conocimiento declarativo y operacional que ayuda al experto a resolver problemas comunes obviando la necesidad de llevar a cabo análisis demasiado formales y detallados. Generalmente aportan una solución aprendida en base a la experiencia sin necesidad de entender cabalmente la razón por la cual funciona, i.e. heurísticas o reglas de dedo, thumb rules.

Conocimiento formal: incluye definiciones precisas, axiomas, leyes generales, principios y relaciones causales formales. Permite modelar dominios complejos que los humanos encuentran difíciles de comprender, permitiendo así refinar y extender el conocimiento que existe alrededor de un área o problema específico.

El conocimiento puede representarse como:

1 El cálculo de predicados: es la forma clásica de representar el conocimiento en Inteligencia. Artificial. Contiene enunciados traducidos a fórmulas bien formadas o axiomas. Esta técnica resulta adecuada para almacenar conocimiento acerca de una estructura de datos. A esta técnica se adecua el lenguaje de programación PROLOG, cuya sintaxis establece las conexiones lógicas  con objeto de encontrar instancias de una o varias variables que satisfagan las funciones (propiedades o relaciones)establecidas.

2) Las redes semánticas: Una red semántica es una colección de conceptos (objetos, situaciones, nociones) y relaciones entre conceptos junto con una interpretación. Los nudos representan los conceptos, y los hilos representan relaciones binarias entre esos nudos. Las redes semánticas constituyen un buen método para representar conocimiento acerca de propiedades de inclusión entre clases, de pertenencia de individuos a clases.

3)Los armazones (frames). Técnica similar a la anterior. Un armazón es una red de nudos organizados en una jerarquía: los nudos superiores representan conceptos generales; los nudos inferiores, las instancias específicas de esos conceptos; y los enlaces asociados con un concepto particular son llamados ;ranuras(slots). Las ranuras pueden quedar rellenas, bien con un valor, bien prescribiendo otro armazón que supla el valor, bien asignando un procedimiento para computar un valor (en caso de que resulte necesario). El armazón constituye, pues, una generalización de la idea de relación, por cuanto que las ranuras asociadas a un objeto pueden ser consideradas como relaciones, pero no simples: los rellenos de ellas no son atómicos; pueden ser estructuras simples o complejas o un procedimiento (proceso operatorio

4).Otra técnica similar a la de los armazones es la de los ;guiones; que  constituyen estructuras que describen secuencias de acontecimientos dentro de un contexto. Son secuencias estereotipadas de acciones que definen situaciones perfectamente conocidas y que no sufren cambios significativos una vez almacenadas. En tanto que los armazones resultan apropiados para representar conocimiento acerca de objetos, los guiones representan mejor el conocimiento de acontecimientos, y resultan así muy útiles para la representación a nivel general del significado propio de la comprensión y el entendimiento de historias escritas en lenguaje natural.

5)  Reglas generatrices. Las técnicas que se han impuesto, por sus muchas ventajas, en la representación del conocimiento son las de tipo procedimental, según las cuales se reduce el conocimiento-base a unos pocos elementos primitivos más unas reglas generatrices (o de producción) de la forma: si A, entonces B, en donde las variables A y B pueden ser interpretadas de múltiples maneras: si son satisfechas ciertas condiciones, entonces se obtienen tales consecuencias; si es verdadero tal enunciado, entonces cabe inferir tal otro; si se da tal caso, entonces resulta apropiada tal acción, etc. El antecedente, A, puede ser complejo: una combinación de reglas, por ejemplo, que producen ( generan) el mismo consecuente, B.

Base de hechos: proporciona al sistema los datos sobre la situación concreta en la cual se va a realizar la aplicación.

Motor de inferencia: utiliza la base de conocimientos y la base de hechos, los fusiona y los combina realizando de esta manera una serie de razonamientos acerca del problema que se le ha presentado. El motor de inferencia es el que combina los hechos y las preguntas particulares, utilizando la base de conocimiento, seleccionando los datos y pasos apropiados para presentar los resultados.

La mecánica inferencial, aunque diferenciable del conocimiento-base, está estrechamente vinculada con él; vinculación que varía en función del tipo de conocimiento y de la manera en que esté organizado en la base. El conocimiento de tipo procedimental es el más abundante en la conducta inteligente, y, como ocurre en la mayoría de los programas más relevantes, suele venir organizado en forma de reglas de producción. En este sentido, las técnicas de inferencia o estrategias de búsqueda más usuales en los sistemas expertos han sido extraídas de la lógica clásica bivalente. Las cuales son:

a). Encadenamiento hacia adelante y hacia atrás : consiste en aplicar al conocimiento-base (organizado en forma de reglas de producción), junto con otro conocimiento disponible, el esquema inferencial modus ponens. Esta estrategia se denomina "encadenamiento hacia adelante"; porque comienza con los datos conocidos y aplica el modus ponens sucesivamente hasta obtener los resultados que se siguen. Las reglas se aplican ;en paralelo, i. e., en cualquier iteración una regla toma los datos cuales eran al principio del ciclo, por lo tanto el conocimiento-base y el sistema no dependen del orden en el que las reglas son establecidas, almacenadas o procesadas. Esta técnica suele utilizarse cuando la cantidad de datos es potencialmente muy grande, y resulta de interés algún conocimiento específico tomado en consideración (caso típico en los problemas de diagnóstico; MYCIN, por ejemplo). Esta técnica se corresponde con el método clásico en Lógica de la demostración de un teorema en un sistema axiomático.

La técnica "encadenamiento hacia atras"  consiste en tratar de probar un dato (o conocimiento) engarzándolo en las reglas-base con el esquema de inferencia modus ponens, i. e., tomando al dato como un consecuente y buscando en el conocimiento-base el correspondiente antecedente, a través de los pasos correspondientes.

;b) Método de resolución: es en esencia, el método de las .tablas de verdad.de Beth o de árbol; de Smullyan, con reglas (de inferencia) de resolución, en vez de con reglas semánticas

c)  El conocimiento ordinario:Los sistemas basados en. conocimiento (sistemas expertos) organizan éste en la base. -haciendo estimación de los datos, estableciendo estructuras y reglas generatrices-.; y utilizan técnicas lógicas para, a partir del conocimiento-base, obtener (o generar) otros conocimientos (conclusiones, decisiones, etc.). La organización del conocimiento-base y la ulterior manipulación (técnicas inferenciales) están estrechamente unidas; dependen, además, del tipo de conocimiento tomado en consideración, y en función de ello diseña el ingeniero su sistema experto.

Interface hombre-máquina: son módulos de interacción con el usuario, o sea, posibilitan la fácil comunicación entre la máquina y el operador. En la interfase de usuario de un Sistema Experto se pone a disposición del usuario dos componentes:

Un componente activo:  que determina el resultado en la interacción con el usuario y un componente pasivo:      que justifica el resultado (componente explicativo)

Preguntas:

¿Cuáles son los componentes de un Sistema Experto?

¿Qué diferencia existe entre la Base de Conocimiento y la Base de Hechos?

¿Cuáles son los componentes más importantes de un sistema experto?

¿Cuáles opciones, coloca el Sistema Experto a disposición del Usuario?