INTRODUCCIN

Se considera a alguien un experto en un problema cuando este individuo tiene

conocimiento especializado sobre dicho problema. En el rea de los (SE) a este tipo de
conocimiento se le llama conocimiento sobre el dominio. La palabra dominio se usa para
enfatizar que el conocimiento pertenece a un problema especfico.
Antes de la aparicin del ordenador, el hombre ya se preguntaba si se le arrebatara el
privilegio de razonar y pensar. En la actualidad existe un campo dentro de la inteligencia
artificial al que se le atribuye esa facultad: el de los sistemas expertos (SE).
Estos sistemas tambin son conocidos como Sistemas Basados en Conocimiento, los
cuales permiten la creacin de mquinas que razonan como el hombre, restringindose a
un espacio de conocimientos limitado. En teora pueden razonar siguiendo los pasos que
seguira un experto humano (mdico, analista, empresario, etc.) para resolver un
problema concreto.
Este tipo de modelos de conocimiento por ordenador ofrece un extenso campo de
posibilidades en resolucin de problemas y en aprendizaje. Su uso se extender
ampliamente en el futuro, debido a su importante impacto sobre los negocios y la
industria.

OBJETIVO

El objetivo es el mismo de todas las aplicaciones informticas: Relevar al hombre de

tareas mecnicas y proporcionarle instrumentos amplificadores de sus capacidades
mentales

.objetivo

SISTEMAS EXPERTOS
I.

DEFINICIONES DE LOS SISTEMAS EXPERTOS

Qu es un sistema experto?
Es una aplicacin informtica capaz de solucionar un conjunto de problemas que exigen
un gran conocimiento sobre un determinado tema. Un sistema experto es un conjunto de
programas que, sobre una base de conocimientos, posee informacin de uno o ms
expertos en un rea especfica. Se puede entender como una rama de la inteligencia
artificial, donde el poder de resolucin de un problema en un programa de computadora
viene del conocimiento de un dominio especfico. Estos sistemas imitan las actividades de
un humano para resolver problemas de distinta ndole (no necesariamente tiene que ser
de inteligencia artificial). Tambin se dice que un SE se basa en el conocimiento
declarativo (hechos sobre objetos, situaciones) y el conocimiento de control (informacin
sobre el seguimiento de una accin).
Para que un sistema experto sea herramienta efectiva, los usuarios deben interactuar de
una forma fcil, reuniendo dos capacidades para poder cumplirlo:
1. Explicar sus razonamientos o base del conocimiento: los sistemas expertos se
deben realizar siguiendo ciertas reglas o pasos comprensibles de manera que se
pueda generar la explicacin para cada una de estas reglas, que a la vez se
basan en hechos.
2. Adquisicin de nuevos conocimientos o integrador del sistema: son
mecanismos de razonamiento que sirven para modificar los conocimientos
anteriores. Sobre la base de lo anterior se puede decir que los sistemas expertos
son el producto de investigaciones en el campo de la inteligencia artificial ya que
sta no intenta sustituir a los expertos humanos, sino que se desea ayudarlos a
realizar con ms rapidez y eficacia todas las tareas que realiza.

Debido a esto en la actualidad se estn mezclando diferentes tcnicas o aplicaciones

aprovechando las ventajas que cada una de estas ofrece para poder tener empresas ms

seguras. Un ejemplo de estas tcnicas sera los agentes que tienen la capacidad de
negociar y navegar a travs de recursos en lnea; y es por eso que en la actualidad juega
un papel preponderante en los sistemas expertos.
Por qu utilizar un Sistema Experto?
1.

Con la ayuda de un Sistema Experto, personas con poca experiencia pueden

resolver problemas que requieren un "conocimiento formal especializado".

2.

Los Sistemas Expertos pueden obtener conclusiones y resolver problemas de

forma ms rpida que los expertos humanos.

3.

Los Sistemas Expertos razonan pero en base a un conocimiento adquirido y no

tienen sitio para la subjetividad.

4.

Se

ha

comprobado

que

los

Sistemas

Expertos

tienen

al

menos,

la

misma competencia que un especialista humano.

a.

Cuando los expertos humanos en una determinada materia son escasos.

b.

En situaciones complejas, donde la subjetividad humana puede llevar a

conclusiones errneas.

c.

Cuando es muy elevado el volumen de datos que ha de considerarse para

obtener una conclusin.

Ejemplos de Sistemas Expertos

A continuacin se presentan algunos Sistemas Expertos que se han desarrollado para la
solucin de diversos problemas.
MYCIN es un Sistema Experto para la realizacin de diagnsticos en el rea de la

medicina, iniciado por Ed Feigenbaum y posteriormente desarrollado por E.

Shortliffe y sus colaboradores. Su funcin es la de aconsejar a los mdicos en
la investigacin y determinacin de diagnsticos en el campo de las enfermedades
infecciosas de la sangre[CRIA].
XCON es un Sistema Experto para configuraciones, desarrollado por la Digital

Equipment Corporation. Segn los deseos individuales del clientese configuran

redes de ordenadores VAX. Ya que el abanico de productos que se ofrecen en

el mercado es muy amplio, la configuracin completa y correcta de un sistema de
estas

caractersticas

es

un

problema

de

gran

complejidad.

Responde

esencialmente a dos preguntas: Pueden conjugarse los componentes solicitados

por el cliente de forma conveniente y razonable? Y Los componentes de sistema
especificados son compatibles y completos?. Las respuestas a estas preguntas
son muy detalladas. XCON es capaz de comprobar y completar los pedidos
entrantes mucho ms rpido y mejor que las personas encargadas de hacerlo
antes que l [CRIA].
DELTA, sistema experto que ayuda a los mecnicos en el diagnstico y reparacin

de locomotoras diesel-elctricas, DELTA no slo da consejos expertos, sino que

tambin presenta informaciones por medio de un reproductor de vdeo [IBAR].
En 1978 se desarrollo otro sistema experto de xito: PROSPECTOR. Este quizs

impulso ms la carrera por desarrollar mejores sistemas expertos, dado que

su misin era predecir la posibilidad de encontrar depsitos de minerales en una
regin en concreto. Minerales como petrleo, gas natural, helio.
La composicin de un Sistema Experto, sus aplicaciones, ventajas y desventajas, y
algunos ejemplos sobre estos; han sido los puntos generales que se han tratado a lo
largo de este artculo, con el fin de crear una mayor conciencia del uso real de este
tipo de sistemas.
Un sistema experto puede, sin duda alguna, darnos el mismo resultado que un experto
humano; lo que s debemos reconocer es que ningn sistema experto, hasta ahora,
puede resolver diferentes problemticas dentro de una empresa, ya que estos son
siempre muy especficos. Sin embargo, es de esperarse que con los avances que
tienen las herramientas tecnolgicas se produzcan un desarrollo cercano al
comportamiento humano en muchas reas, con estos avances en el terreno de
los negocios se podra ser ms eficiente y productivo.
A pesar de los dramticos avances logrados, la inteligencia artificial no ha sido capaz
de desarrollar sistemas capaces de resolver problemas de tipo general, de aplicar
sentido comn para la solucin de situaciones complejas, de manejar situaciones

ambiguas ni de utilizar efectivamente informacin incompleta. Estas ltimas son

caractersticas inherentes de la inteligencia natural.

II.

ARQUITECTURA DE UN SISTEMA EXPERTO

Un sistema Experto consta de 7 elementos los cuales son:

a. Base de conocimientos.
b. Base de hechos
c. Motor de inferencia.
d. Subsistema de explicacin.
e. Interfaz de usuario.
f.

Mdulo de adquisicin de conocimiento

g. Mdulo de comunicaciones

a. Base de conocimientos. Esta contiene el conocimiento que se debe del experto y

codificarlo en la base de conocimientos. La forma clsica de representar el
conocimiento

en

un

sistema

experto

son

la

utilizacin

de

reglas

es

decir bsicamente constituye la descripcin de los objetos y las relaciones entre

ellos, as como de casos particulares y excepciones.
b. Base de hecho. Contiene los hechos sobre un problema que se han descubierto
durante una consulta. Se trata de una memoria temporal auxiliar que almacena los
datos del usuario, datos iniciales del problema, y los resultados intermedios
obtenidos a lo largo del proceso de resolucin.
c. Motor de inferencia o Intrprete de Reglas. Este motor de inferencia trabaja con
la informacin contenida en la base de conocimientos y la base de hechos para
deducir nuevos hechos. Se encarga de las operaciones de bsqueda y seleccin
de las reglas a utilizar en el proceso de razonamiento. Contrasta los hechos
particulares de la base de hechos con el conocimiento contenido en la base de
conocimientos para obtener conclusiones acerca del problema.
d. Subsistema de explicacin. Bsicamente lo que trata es de explicar al usuario
tanto las reglas usadas como el conocimiento aplicado en la resolucin de un
determinado problema. Usando el mdulo del subsistema de explicacin, un
sistema experto puede proporcionar una explicacin al usuario de por qu est
haciendo una pregunta y cmo ha llegado a una conclusin.

e. Interfaz de usuario. Todo sistema dispone de una interfaz de usuario, que

gobierna el dilogo entre el sistema y el usuario lo que hace posible la
comunicacin. Por tanto debe ser interactiva siguiendo el patrn de la
conversacin entre seres humanos. Un requerimiento bsico del interfaz es la
habilidad de hacer preguntas. Para obtener informacin fiable del usuario hay que
poner especial cuidado en el diseo de las cuestiones.
f.

Mdulo de adquisicin de conocimiento. Le sirve al experto para que pueda

construir la base de conocimiento de una forma sencilla, as como disponer de una
herramienta de ayuda para actualizar de la base de conocimiento cuando sea
necesario. El mdulo de adquisicin del conocimiento, forman el esqueleto o
sistema esencial, y que, separadas de las bases de conocimiento y de hechos,
constituyen una herramienta software para el desarrollo de los sistemas basados
en el conocimiento.

g. Mdulo de comunicaciones
Puesto que los sistemas basados en el conocimiento no viven aislados sino que
interactan con otros sistemas es decir no solo son capaces de interactuar con el
experto sino con estos sistemas, para poder recoger informacin o consultar
bases de datos.

III.

CARACTERSTICAS DE LOS SISTEMAS EXPERTOS

Para que un sistema acte como un verdadero experto, es deseable que rena, en lo
posible, lo ms importante de las caractersticas de un experto humano, esto es:
Habilidad para adquirir conocimiento.

 Fiabilidad, para poder confiar en sus resultados o apreciaciones.

Solidez en el dominio de su conocimiento.
Capacidad para resolver problemas.

Dada la complejidad de los problemas que usualmente tiene que resolver un SE, puede
existir cierta duda en el usuario sobre la validez de respuesta obtenida. Por este motivo,
es una condicin indispensable que un SE sea capaz de explicar su proceso de
razonamiento o dar razn del por qu solicita tal o cual informacin o dato.
IV.

VENTAJAS
Estn disponibles ininterrumpidamente de da y noche, ofreciendo siempre su

mximo desempeo.
Pueden duplicarse ilimitadamente, tener tantos de ellos como se requieran.
Pueden trabajar en entornos hostiles y peligrosos.
Siempre se ajustan a las normas establecidas y son consistentes en su

desempeo, no desarrollan apreciaciones subjetivas, tendenciosas, irracionales o

emocionales. No padece de olvido, fatiga, dolor o comete errores de clculo.
No requiere un sueldo, promociones, seguros mdicos, incapacidades.
Siempre estn dispuestos a dar explicaciones, asistir o ensear a la gente, as

como a aprender.
Pueden tener una vida de servicio ilimitada.

V.

DESVENTAJAS
El conocimiento es difcil de extraer de los expertos humanos.
La aproximacin de cada experto a la situacin evaluada puede ser diferente.
Tienen una nocin muy limitada acerca del contexto de problema, no pueden

percibir todas las cosas que un experto humano puede apreciar de una situacin.

 Pueden existir decisiones que slo son de competencia para un ser humano y no

una mquina.
No saben como subsanar sus limitaciones, no son capaces de trabajar en equipo

o investigar algo nuevo.

Son muy costosos de desarrollar y mantener.

VI.

LIMITACIONES
El desarrollo de un SE complejo puede ser difcil, costoso y requerir de tiempo, por lo
tanto, es importante asegurarse de que los posibles beneficios valen el esfuerzo y que las
diversas caractersticas del SE se equilibran, en trminos de costo, control y complejidad.
No se han usado o probado en forma extensa.
Dificultad de uso.
Estn limitados a problemas relativamente limitados.
No pueden enfrentar con facilidad a conocimientos
Posibilidad de error.
Dificultad de mantenimiento.
Pueden tener costo altos de desarrollo.
Ocasionan preocupaciones legales y ticas.

VII.

TIPOS DE SISTEMAS EXPERTOS.

1. Interpretacin: infieren la descripcin de situaciones por medio de sensores de
datos. Estos S.E. usan datos reales, con errores, con ruidos, incompletos etc.
Ejemplos: medicin de temperatura, reconocimiento de voz, anlisis de seales
etc.
2. Prediccin: Infieren probables consecuencias de situaciones dadas. Algunas
bases usan modelos de simulacin para generar situaciones que puedan ocurrir.
Ejemplos: predecir daos a cosechas por algn tipo de insecto.

3. Diagnostico: Infieren las fallas de un sistema en base a los sntomas. Utilizan las
caractersticas de comportamiento, descripcin de situaciones o conocimiento
sobre el diseo de un componente para inferir las causas de la falla. Ejemplos:
diagnostico de enfermedades en base a sntomas, encontrar componentes
defectuosos o fallas en circuitos.
4. Diseo: Configuracin de objetos. Utilizan un conjunto de limitaciones y
restricciones para configurar objetos. Utilizan un proceso de anlisis para construir
un diseo parcial y una simulacin para verificar o probar las ideas. Ejemplos:
configuracin de equipos de oficina, de equipos de computo.
5. Planeacin: Disean un curso completo de accin, se descompone la tarea en un
subconjunto de tareas. Ejemplo: transferir material de un lugar a otro,
comunicaciones, ruteo, planificacin financiera. remediar estas fallas y monitorear
la ejecucin de este.
6. Monitoreo: Comparan observaciones del comportamiento del sistema con el
comportamiento standard, se compara lo actual con lo esperado. Ejemplo: asistir a
un paciente de cuidados intensivos, trfico areo, uso fraudulento de tarjetas de
crditos
7. Depuracin:(debugging) sugieren remedios o correcciones de una falla. Ejemplo:
sugerir el tipo de mantenimiento a cables daados, la prescripcin medica a un
paciente.
8. Instruccin: diagnostican, revisan y reparan el comportamiento de un estudiante.
Ejemplo: educar a un estudiante de medicina, usa un modelo del estudiante y
planea la correccin de deficiencias.
9. Control: Gobierna el comportamiento del sistema. Requieren interpretar una
situacin actual, predecir el futuro, diagnosticar las causas de los problemas que
se pueden anticipar, formular un plan para remediar estas fallas y monitorear la
ejecucin de este.
VIII.

DESARROLLO DE UN SISTEMA EXPERTO.

Como primera aproximacin es necesario indicar que las herramientas pueden
clasificarse en tres grupos en funcin de las diferentes etapas del proyecto en que
interviene:
Estudio de viabilidad: Se intenta verificar si el problema justifica el desarrollo de un

sistema basado en el conocimiento (este punto es muy importante, ya que algunas

veces se ha intentado resolver con este tipo de tecnologa problemas que no eran los
adecuados, lo que llev a resultados decepcionantes). Las herramientas deben ser

flexibles y de uso muy sencillo. Muchas veces en esta etapa no es necesario el uso
de una herramienta especfica ya que puede utilizarse un lenguaje de programacin
de propsito general.
Desarrollo del prototipo: En esta fase las herramientas deben poseer una serie de

caractersticas a nivel de estructuras de control, permitir probar y comparar los

diferentes enfoques de la resolucin del problema (representacin del conocimiento,
estrategia de control, etc.) y ofrecer facilidades a los ingenieros del conocimiento
(traza, gestin de coherencia, etc.) en el desarrollo del sistema.
Desarrollo del sistema: El factor ms importante es la eficiencia. Asimismo, debe

disponer de mdulos explicativos evolucionados para una efectiva compilacin de la

base de conocimiento y los mtodos de inferencia. En resumen, deben adaptarse
perfectamente al problema. El desarrollo de estos sistemas suele pasar por cuatro
fases:
Identificacin de la aplicacin y concepcin de la solucin.
Desarrollo del (de los) prototipo(s).
Ejecucin y construccin del sistema completo.
Alcanzar la integracin del nuevo sistema con los anteriores y la asimilacin

del uso de la nueva tecnologa.

La tarea ms importante a la hora de desarrollar un sistema basado en el conocimiento
consiste en la modelizacin del problema que se quiere resolver, esto es, representar el
conocimiento que posee el experto en un lenguaje que permita razonar al sistema.
Consiste en formalizar y estructurar los objetos y las relaciones entre ellos en la base de
conocimiento.
De la misma forma que no existe ningn lenguaje de programacin universal, tampoco se
ha encontrado un lenguaje ideal para poder representar el conocimiento formalmente. La
eleccin depender, principalmente, de la naturaleza y magnitud del problema.

As, existen formalismos que permiten representar fcilmente mecanismos de

razonamiento puramente lgicos; otros, sin embargo, se adaptan mejor a una
representacin por analoga.
Existen tres tipos de representacin:
La representacin procedural expresa explcitamente las relaciones entre los

fragmentos de conocimiento que son complejas de modificar. No obstante, ofrece

una gran facilidad en el uso de la meta conocimiento.
La representacin declarativa incluye el clculo de predicados, las reglas de

produccin y las redes semnticas. El conocimiento queda estructurado en

fragmentos independientes unos de otros y que, por tanto, son fcilmente
modificables. Estos mdulos de conocimiento se combinan mediante un
mecanismo general de razonamiento y deduccin.
La representacin mixta, como los objetos y marcos, emplea los dos mtodos de

representacin anteriores.
A continuacin se explican con mayor detalle algunos ejemplos de representacin:
Reglas de produccin: Es una representacin formal de una relacin, una

informacin semntica o una accin condicional. Una regla de produccin tiene,

generalmente, la siguiente forma: SI Premisa ENTONCES Consecuencia. Ofrecen
una gran facilidad para la creacin y la modificacin de la base de conocimiento.
Permite introducir coeficientes de verosimilitud para ponderar el conocimiento
(estos coeficientes se van propagando durante el proceso de razonamiento
mediante unas frmulas de clculo establecidas) y, en teora, el mtodo asegura
que cuantas ms reglas posea ms potente es. Sin embargo, aunque es la forma
de representacin ms intuitiva y rpida, cuando el nmero de reglas es grande
aumenta la dificultad de verificacin de todas las posibilidades con el consiguiente
riesgo de perder la coherencia lgica en la base de conocimiento. Los hechos y
las reglas asociadas de la base de conocimiento normalmente no son exactos; es
decir se tiene incertidumbre sobre el grado de certeza de algunos hechos y
tambin sobre el campo de validez de algunas de las reglas. Para el manejo de la
incertidumbre en los sistemas de reglas se han utilizado varios sistemas; los tres

ms conocidos son los Factores de Certeza (utilizados en MYCIN), la lgica de

Dempster Shafer, y la Lgica Difusa ( Fuzzy Logic). El mtodo de tratar la
incertidumbre es una de las caractersticas ms importantes de las herramientas
de desarrollo, y actualmente se encuentra en discusin la validez de estas lgicas
para tratar con la incertidumbre. En sustitucin se han propuesto las Redes
Bayesianas que tienen una base matemtica ms firme. De todas formas es un
campo actual de investigacin que permanece abierto.
Lgica proposicional: Es similar a las reglas de produccin. Su diferencia

principal con stas es que separa los elementos que componen la base de
conocimiento de aquellos que controlan la operacin del sistema.
Redes semnticas: Es un mtodo que consiste en representar el conocimiento en

forma de redes o grafos; los nodos representan conceptos u objetos, y los arcos
que los interconectan describen relaciones entre ellos.
Marcos: Consiste en asociar propiedades a los nodos que representan los

conceptos u objetos. Las propiedades son descritas en trminos de atributos y los

valores asociados.
Objetos: La diferencia con los marcos reside en que, en un entorno de

programacin orientada a objetos, stos pueden actuar como entidades

independientes. De esta forma, el control del sistema se consigue mediante el
envo de mensajes del sistema a los objetos y entre ellos mismos.
Representaciones mltiples: Es posible, e incluso muy frecuente, combinar dos

o ms formas de representar el conocimiento en el mismo sistema para obtener la

modelizacin ms adecuada a cada problema por lo que es bueno que una
herramienta de desarrollo de sistemas basados en el conocimiento contemple ms
de una forma de representacin.
En el desarrollo del sistema es necesario idear el mecanismo de inferencia que refleje lo
ms fielmente posible cmo piensa o acta el experto. Este mecanismo, que se denomina
motor de inferencia, es la parte ms importante del sistema basado en el conocimiento
junto con la base de conocimiento. Los mecanismos de razonamiento que utilizan reglas
de produccin son los de la lgica formal: modus ponendo ponens y modus tollendo

tollens. Adems existe otro mtodo que difiere de los anteriores y que es la bsqueda en
rboles.
Existen adems cinco modos de razonamiento que a continuacin se explican:
Encadenamiento hacia adelante: El motor de inferencia parte de los hechos para

llegar a los resultados, esto es, selecciona las reglas que verifiquen las
condiciones de la parte izquierda (premisas).
Encadenamiento hacia atrs: En este caso el motor de inferencia parte de los

resultados y trata de volver a los hechos para comprobar si encajan con el

problema planteado.
Encadenamiento mixto: Este modo ofrece varias posibilidades que resultan de

combinar el encadenamiento hacia adelante y hacia atrs para paliar sus

limitaciones y mantener las ventajas.
Algoritmos de bsqueda heurstica: En los casos en los que la naturaleza de la

base de conocimiento permita construir una estructura de rbol, el proceso de

inferencia se convierte en un problema de bsqueda en un rbol. Existen diversos
mtodos, y la eleccin depender, por lo tanto, de la naturaleza del problema.
Herencia: Es el mtodo de inferencia utilizado en entornos orientados a objetos.

Un objeto hijo hereda propiedades y hechos de sus padres. As, la asignacin de

nuevas propiedades a un objeto se realiza a travs de las relaciones entre ese
objeto y el resto.
Dentro de los modos de razonamiento los factores de incertidumbre son valores
asignados a hechos o reglas que indican la certeza o grado de confianza que el experto
tiene en una regla o el usuario en un hecho. No representan, ni mucho menos, una
probabilidad en el sentido estricto de la palabra.
Un sistema que usa factores de incertidumbre asociados a las reglas o propiedades de
los objetos puede realizar varias recomendaciones indicando el grado de confianza o
nivel de certidumbre de cada una. No todos los problemas requieren un conocimiento
basado en grados de incertidumbre, es conveniente que la herramienta para el desarrollo

de un sistema basado en el conocimiento incluya este conocimiento probabilstico porque

incorpora una utilidad que refleja en gran manera la forma de trabajar de los expertos en
mucha reas. Asimismo, es necesario tener claro el algoritmo o mtodo que se utiliza
para calcular el grado de incertidumbre asociado a una recomendacin o accin final.
IX.

LENGUAJES Y GENERADORES DE SISTEMAS EXPERTOS.

Para el desarrollo de sistemas basados en el conocimiento se han venido utilizando tanto
lenguajes de programacin especficos de la inteligencia artificial (LISP y PROLOG) como
de propsito general (C, PASCAL, etc.).El lenguaje LISP es uno de los ms utilizados
desde los comienzos de la I.A. Se trata de uno de los lenguajes de alto nivel ms
antiguos. Se cre en 1950 en el MIT por John McCarthy. Es un lenguaje cuya principal
estructura de datos son las listas, aun cuando se han ido incorporando otras estructuras
ms sofisticadas como pueden ser los objetos. Tiene como ventaja el manejo de sus
estructuras a muy alto nivel lo que facilita la implementacin rpida de los modelos y su
facilidad de modificacin. Como desventaja est su relativa lentitud frente a lenguajes de
propsito general como C. La mayora de las primeras herramientas de desarrollo de
sistemas basados en el conocimiento fueron escritas en LISP y, en la actualidad,
conviven con otras que se han desarrollado en C++.El lenguaje PROLOG fue creado por
Alain Colmenauer en la Universidad de Marsella en 1972. Se trata de un lenguaje
declarativo frente a los lenguajes de programacin ms usuales que son procedurales.
Los

lenguajes

declarativos,

diferencia

de

los

procedurales,

no

describen

secuencialmente el algoritmo de resolucin del problema, sino que se limitan a describir

los hechos conocidos y las relaciones existentes entre ellos. Los lenguajes procedurales
estn orientados al "cmo" mientras que los declarativos estn orientados al "qu". Es
el lenguaje declarativo, en el caso que nos ocupa PROLOG, quien a partir de los datos
introducidos deduce nuevos hechos y resuelve el problema automticamente. PROLOG
tiene incluido, por tanto, un motor de inferencia que se encarga de realizar bsquedas en
su base de hechos. Programar con PROLOG, por tanto, consiste en acertar hechos sobre
objetos y preguntar al sistema sobre sus relaciones. Este lenguaje, aun cuando se le
reconocen sus bondades, no ha tenido una gran utilizacin (si se excepta Francia, Gran
Bretaa y Japn con el proyecto de 5 generacin, en el que se adopt como lenguaje de
programacin PROLOG) siendo su principal aplicacin el manejo de bases de datos
relacionales junto con lenguajes de bases de datos de 4 generacin asociados a stas.
En la actualidad, es comn la utilizacin de lenguajes orientados a objeto (tales como C+

+) para el desarrollo de generadores de sistemas expertos y de Los propios sistemas

basados en el conocimiento por su rendimiento, en trminos de tiempo de ejecucin,
superior al de las herramientas generales. La incorporacin de la programacin orientada
a objetos al lenguaje C ha facilitado la labor de modelizacin que requiere todo sistema
basado en el conocimiento y su rapidez de ejecucin as como el hecho de ser uno de los
lenguajes de programacin ms conocidos ha hecho que su uso vaya en aumento. Una
herramienta para la construccin de sistemas basados en el conocimiento no es
slo un lenguaje de programacin de alto nivel orientado al desarrollo de estos sistemas.
Este equipo lgico de desarrollo tiene, entre otras, las siguientes caractersticas o
utilidades:
Posibilidades para el desarrollo de prototipos.
Un motor de inferencia.
Un mtodo o varios para la representacin del conocimiento.
Una o varias tcnicas para el manejo de la incertidumbre.
Un generador de interfaces grficos (no siempre).

Estas herramientas estn muy orientadas hacia el usuario final de la aplicacin y, por lo
tanto, es fundamental elegir la herramienta adecuada al entorno de aplicacin. Son
muchos los factores que influyen a la hora de tomar una decisin. En primer lugar es
necesario conocer el alcance real del proyecto, esto es, si primero va a construirse una
maqueta para estudiar la viabilidad del proyecto, o si por el contrario ya est decidido el
desarrollo del sistema basado en el conocimiento.
X.

INTEGRACIN Y MIGRACIN DE LOS SISTEMAS EXPERTOS

Los sistemas expertos, salvo excepciones, no estn aislados sino que forman parte de
otros sistemas, expertos o convencionales. Existen dos tipos bsicos de arquitectura de
integracin. En la primera, el sistema basado en el conocimiento forma parte de otro
sistema principal. As, si el sistema necesita comunicarse con el sistema basado en el
conocimiento, entablar una comunicacin directamente o a travs de una red.

En la segunda el sistema basado en el conocimiento es el sistema principal y est

conectado a otros sistemas basados en el conocimiento o convencionales, que le ayudan
en su operacin. Como ejemplo estn los subsistemas que realizan complejos clculos
matemticos necesarios durante el proceso de razonamiento.
En ambos casos debe garantizarse una comunicacin fluida de todos los sistemas,
aunque estn funcionando en plataformas diferentes, ya sea directamente o a travs de
una red local. Este aspecto es crtico en sistemas basados en el conocimiento en tiempo
real, los cuales requieren un rpido acceso a la informacin relevante y a las bases de
datos para poder ofrecer una solucin inmediata y satisfactoria.
Por tanto, habr que fijarse en las posibilidades de conexin a las bases de datos ms
conocidas y, en especial, a aqulla que se est utilizando como estndar en la
organizacin as como la posibilidad de llamar a rutinas externas en diferentes lenguajes
y viceversa, o la invocacin del sistema basado en el conocimiento desde otros sistemas.
Un aspecto fundamental a tener en cuenta es la portabilidad de la herramienta
(herramientas multiplataforma). En este aspecto hay que valorar no slo si la herramienta
es susceptible de funcionar en diferentes plataformas sino tambin el coste del cambio de
plataforma. Existen herramientas que permiten pasar de una plataforma a otra sin apenas
esfuerzo, lo que facilitar la comercializacin y el uso de los sistemas que se desarrollen.
XI.

TENDENCIAS FUTURAS DE LOS SISTEMAS EXPERTOS

El mercado de herramientas para el desarrollo de SE est sufriendo una profunda
transformacin debido a una reorganizacin en el mercado informtico y al cambio de
estrategia de las compaas dedicadas al desarrollo de estas herramientas. Son cada vez
ms las compaas que antao se dedicaban exclusivamente a la inteligencia artificial y
que han decidido introducirse en otros mercados ms amplios. Esto ha provocado una
confusin que ir en aumento a medida que las empresas que integraban el grupo del
mercado de la inteligencia artificial pasen a comercializar otro tipo de productos.
El mercado se ha ido reconfigurando aprovechando las experiencias del pasado y el
avance tecnolgico. As se ha pasado de utilizar mquinas especficas (por ejemplo
mquinas LISP) a usar ordenadores comunes (estaciones de trabajo, ordenadores
personales, etc.). Las aplicaciones eran muy especficas y ahora el mbito es mucho ms

amplio. Los sistemas basados en el conocimiento estaban pensados para trabajar de

forma aislada y ahora se conciben integrados con otros sistemas. Y, finalmente, el
nmero de personas formadas en estas tcnicas es mucho mayor que las existentes hace
unos aos.
Las herramientas de desarrollo de sistemas basados en el conocimiento se pueden
clasificar de varias formas.
Segn la plataforma de desarrollo y de operacin que lo estructuran podemos distinguir
cuatro tipos:
Herramientas para PCs y Macintosh: Hasta hace poco, las herramientas que

existan para estos entornos estaban orientadas al desarrollo de sistemas

pequeos y prototipos. Actualmente, y dado el aumento de la potencia de los PCs,
hay herramientas que antes slo funcionaban en estaciones de trabajo y ahora
tienen versiones para PC.
Herramientas para estaciones de trabajo: Aunque el nmero de herramientas

en este sector no ha sufrido grandes variaciones, la aparicin de nuevas

herramientas catalogadas como herramientas orientadas a dominios especficos
podran incluirse en esta categora. Este mercado presenta el mayor volumen de
ventas, y puede ser considerado sin duda, junto con el de los PCs, el que tiene
ms proyeccin de futuro. De hecho, aquellas compaas que no ofrecen una
buena herramienta para estaciones de trabajo estn realizando esfuerzos para
colocar en el mercado un producto capaz de competir en este entorno.
Herramientas para mainframes: El nmero de herramientas en este mercado es

pequeo y se prev que en los prximos aos descienda lenta pero

continuamente hasta desaparecer, ya que las compaas que los comercializan se
estn desplazando hacia las herramientas para estaciones de trabajo y PCs.
Herramientas Lisp: Son ordenadores con arquitecturas especiales para ejecutar

programas Lisp. El inters por herramientas Lisp contina descendiendo as como

el nmero de productos en el mercado. Se prev un descenso continuo en los
prximos aos.

Segn el alcance de la herramienta podemos dividirlas en:

Herramientas de Propsito General. No estn especialmente concebidas para

tratar problemas especficos. Tienen como ventaja su capacidad para ser

empleadas en gran variedad de problemas.
Orientadas a dominios y problemas especficos. Esta ltima categora

representa el mayor grupo de herramientas en el mercado. Se trata de

herramientas que abordan problemas o reas especficos. Ahorran mucho tiempo
de desarrollo en el caso de ser aplicadas en los dominios para los que se
disearon. El nmero permanece estable aunque con perspectivas de crecimiento
en los aos venideros debido al gran inters existente en este tipo de
herramientas.
Por ltimo podemos realizar una ltima divisin atendiendo al lenguaje o tcnica para el
que sirve la herramienta y as podemos distinguir entre:
Herramientas CBR (Case-Based Reasoning): La demanda de herramientas de

este tipo se est consolidando mediante la mejora de la calidad de sus productos

con ms utilidades y nuevos componentes. Son herramientas de razonamiento
basadas en casos, para a partir de ellos inducir las reglas y criterios por similitud.
Herramientas para lenguajes Lisp, Prolog, C++. Son entornos de desarrollo;

proporcionan las utilidades necesarias (editores, compiladores, depuradores) para

poder programar de forma cmoda en estos lenguajes. (Se incluye el C++ porque
cada vez hay ms programas basados en el conocimiento que se desarrollan en
l).
Shells. Son entornos de desarrollos completos y particulares. Contienen un motor

de inferencia y utilizan mtodos propios de representacin del conocimiento que

pueden ser ms o menos parecidos al Lisp o al Prolog. Sirven principalmente para
el desarrollo de prototipos aunque tambin pueden utilizarse como herramientas
finales. Algunos ejemplos son CLIPS, ART, G2.
Algunos de los campos actuales de investigacin y de aplicacin son:

 Aprendizaje: Se pretende que sea el propio ordenador el que adquiera el

conocimiento. Existen muchas tcnicas aplicables o no dependiendo del problema:

aprendizaje inductivo, deductivo, redes neuronales, algoritmos genticos.
Redes Neuronales: Consisten en nodos conectados con otros mediante enlaces,

simulando las conexiones que forman las neuronas en el cerebro. Se investiga su

utilizacin en muchas reas; Visin Artificial, Razonamiento, Aprendizaje,
Comprensin Lenguaje Natural.
Redes Bayesianas: Tcnica para tratar el razonamiento con incertidumbre. Su

base es el teorema de Bayes que es el mtodo matemtico exacto para tratar las
probabilidades. Consiste en una red donde los nodos son hechos ciertos o no y los
enlaces entre los nodos son las probabilidades condicionadas de unos hechos con
respecto a otros. Propagando las probabilidades a travs de la red, se pueden
obtener los resultados ms probables a partir de los hechos que se conocen
(razonamiento). El ejemplo tpico son los sistemas de diagnstico mdico.
Algoritmos genticos: Son mtodos de aprendizaje inspirados en la evolucin

natural, y que utilizan las nociones de individuos, apareamiento, recombinacin de

cromosomas, mutacin gentica, adaptacin y seleccin natural. Son la base de
las investigaciones en Vida Artificial.
Otras tcnicas que se pueden mencionar son la utilizacin de Ontologas para representar
el conocimiento, Data Mining para obtencin de conocimiento en bases de datos y los
Agentes Inteligentes para la recuperacin de informacin en Internet.
XII.

APLICACIONES DE LOS SISTEMAS EXPERTOS.

1. Factores que justifican el desarrollo de un sistema experto:
El coste para formar nuevos expertos es muy alto.
Existe el riesgo de perder los conocimientos y la experiencia en posesin

de los expertos.
Los expertos reconocidos que resuelven ese tipo de problemas son

escasos.

 Es conveniente disponer de expertos sin restricciones de tiempo y lugar.

Los expertos tienen que trabajar en ambientes hostiles.

2. Tipo de problemas que hacen apropiado el desarrollo de un sistema experto.

Las tareas requieren principalmente tratamiento y razonamiento simblico.
Las tareas admiten el uso de mtodos heursticos.
Las tareas no son demasiado fciles.
Las tareas tienen un valor eminentemente prctico.
Las tareas tienen un tamao razonable, esto es, el nmero de conceptos

que deben ser manejados es limitado y no requiere conocimientos de

muchas reas diferentes.

3. Campo de aplicaciones de los SE.

Segn el tipo de problema a resolver, los mbitos de aplicacin en los que ms se han
utilizado los sistemas basados en el conocimiento son los siguientes:

Sistemas de ayuda a la toma de decisiones. Se trata de sistemas que a partir

de una problemtica determinada sugieren la solucin que consideran ms idnea
a partir del conocimiento incluido en el sistema. En la actualidad, en Espaa se
procede al desarrollo del Sistema de Informacin Normativo Aplicado al Control
(SINAC) fruto de la colaboracin entre la Intervencin General de la
Administracin del Estado y la Direccin General de Informtica Presupuestaria.
Su funcin primordial consiste en ayudar en la fiscalizacin y control de la
actividad econmica del Sector Pblico. Otro ejemplo significativo podra ser la
Metodologa de Anlisis y Gestin de Riesgos de los sistemas de Informacin de
las AdminisTraciones pblicas(MAGERIT), elaborada por un equipo interdisciplinar
del Comit Tcnico de Seguridad de los Sistemas de Informacin y Tratamiento
Automatizado de Datos Personales, SSITAD, del Consejo Superior de Informtica

y que consiste en un mtodo formal para investigar los riesgos que soportan los
Sistemas de Informacin, y para recomendar las medidas apropiadas que
deberan adoptarse para controlar estos riesgos; por tanto, permite aportar
racionalidad en el conocimiento del estado de seguridad de los Sistemas de
Informacin y en la introduccin de medidas de seguridad.

Configuracin. Se encargan de la seleccin y planificacin de los componentes

que se necesitan en un proceso determinado. Un caso tpico son los sistemas que
ayudan a configurar los equipos fsicos a partir de los componentes existentes y
de las restricciones establecidas.

Diagnstico. Se trata de sistemas que a partir de unos "sntomas" determinan las

causas que lo producen. Ejemplo de ellos son los sistemas basados en el
conocimiento de diagnstico de enfermedades o de averas.

Interpretacin y Anlisis. Sirven para tratar grandes volmenes de informacin,

interpretarla, dar un informe explicativo y sugerir las acciones a tomar. Ejemplo de
ellos pueden ser los sistemas de evaluacin de resistencia de estructuras frente a
terremotos o sistemas de supervisin de procesos industriales.

Monitorizacin. En algunas situaciones se considera un caso particular de

sistemas de interpretacin y anlisis, pero debido a su frecuente uso se suelen
considerar aparte. Estos sistemas suelen encargarse de monitorizar procesos
suministrando una salida de control como respuesta. Existen muchos ejemplos de
monitorizacin de procesos en factoras, plantas qumicas, centrales nucleares,
etc. Son sistemas que deben funcionar en tiempo real.

Planificacin. Son sistemas que establecen las etapas y recursos necesarios

para alcanzar un determinado objetivo. Ejemplo de ellos podra ser un sistema
basado en el conocimiento de planificacin de trabajos en una factora.

Interfaces inteligentes. Hacen de puente entre las personas y equipos complejos

y de difcil utilizacin. Caso tpico son los interfaces inteligentes de acceso a base
de datos.

 Diseo. Son aqullos que efectan la planificacin o trazado de un objeto o

sistema en base a los requisitos especificados. Suelen ser capaces de dar
diferentes soluciones de forma que el usuario pueda elegir aqulla que le
convenga. Ejemplo de este tipo son los sistemas de ayuda al diseo de puentes,
presas, microcircuitos electrnicos, etc.
A modo de resumen y sin ser exhaustivos, pues el mbito de aplicacin de los sistemas
basados en el conocimiento es muy amplio, el siguiente cuadro indica algunas de las
reas en las que se han aplicado sistemas basados en el conocimiento y el tipo de
problema que abordan:
DOMINIO
mbito Administrativo:
- Reglamentacin.
- Derecho interpretado.
- Procesos.
- Procedimientos.
Gestin:
- Ejecutivos.

PROBLEMAS
-

Gestores.

Planificacin estratgica.

- Direccin.
- Consultores.
Operaciones:
- Operacin de maquinaria.

Controles de calidad.

Controles de inventario.

- Control de maquinaria
Servicios de Apoyo:
- Relaciones Pblicas.

Entrenamiento de personal.

Servicios de proceso de
datos.

Aligerar el tiempo de procedimientos.

Disminucin de costes de tramitacin.
Homogeneidad de las interpretaciones
legales.
Disponibilidad de la informacin.
Manejo de un volumen creciente de
informacin.
Acceso a expertos o consultores para la
resolucin de un problema determinado.
Reduccin
de
la
complejidad
organizativa.

Mejora de la coordinacin de la
organizacin, programacin y gestin
complejas.
Vigilancia de sistemas complejos para
poder tomar decisiones rpidamente.
Previsin de resultados de procesos
complejos y dinmicos.

Comunicacin
de
procedimientos
nuevos y complejos
Examen y explicacin de las decisiones
tomadas.
Control y reduccin de los costes de
desarrollo y mantenimiento de sistemas

Mantenimiento
y
construccin.
- Investigacin y desarrollo.
- Problemas legales.
Finanzas:
- Gestores de cartera.

Contabilidad financiera.

- Gestores financieros.
- Auditora
- Control.
Mercadotecnia:
- Ventas.
-

Publicidad.

informticos.
Entrenamiento de operarios en tareas
complejas

Necesidad de disponer de herramientas

inteligentes para la planificacin.
Vigilancias de sistemas complejos
existentes.

Necesidad de asistencia experta para

examinar cuestiones mercadotcnicas.
Necesidad de programas de servicio de
clientes, asistencia y control.

Investigacin
mercadotcnica.
- Gestin de pedidos.
Automatizacin del Trabajo de Oficina:
- Proceso de textos.
- Necesidad de incremento en el manejo,
comunicacin,
recuperacin
y
distribucin de informacin.
- Gestin de bases de datos.
Servicios Profesionales:
- Consultora de gestin.
- Acceso a la informacin de otros
consultores o expertos.
- Abogaca.
- Realizacin de informes.
- Medicina.
- Modelizacin y simulacin.
- Contabilidad.
- Control de un volumen creciente de
informacin.
-

XIII.

CONCLUSIONES
Actualmente el duro, difcil y cambiante mercado competitivo se vuelve ms complejo por
la gran diversidad de informacin que se ven obligados a almacenar y analizar, razn por
la cual las empresas se ven en la necesidad de recurrir a poderosas y/o robustas
herramientas o sistemas que les sirvan de soporte a la hora de tomar decisiones. De esta
forma estos inteligentes, precisos y eficientes sistemas son adoptados por ms
organizaciones, en las cuales se convierten y/o transforman en una importante estrategia
de negocio.
Por otra parte es importante mencionar que estos seguirn siendo usados en los todos y
cada una de las reas y/o campos donde los expertos humanos sean escasos. Por
consecuencia de lo anterior estos sistemas son utilizados por personas no
especializadas, por lo cual el uso frecuente de los (SE) les produce y/o genera
conocimiento a los usuarios.

XIV.

BIBLIOGRAFA

www.informaticaintegral.net/sisexp.html
www.gestiopolis.com/canales2/gerencia/1/sisexp.htm
www.fortunecity.com/skyscraper/ chaos/279/docs/sistexpertos.htm
http://www.slideshare.net/ruttbar/sistemas-expertos-4637427#btnNext
http://maricelamaldonado.wordpress.com/2011/03/23/arquitectura-de-un-sistema-

experto/
http://html.rincondelvago.com/sistemas-expertos_1.html
http://rigo-fdr.blogspot.com/
http://www.monografias.com/trabajos16/sistemas-expertos/sistemasexpertos.shtml
http://www.angelfire.com/ak6/ilb_ebustosf/6_3.pdf
Samper Mrquez Juan Jos (2004). Introduccin a los sistemas expertos.
Consultado en 06, 03, 2004
o http://www.redcientifica.com/doc/doc199908210001.html.
Criado Briz Jos Mario (2002). Introduccin a los sistemas expertos. Consultado
en 06, 05, 2004 en
o http://ingenieroseninformatica.org/recursos/tutoriales/sist_exp/cap1.php.
Wikipedia (2004). Sistema experto. Consultado en 06, 03, 2004
en http://es.wikipedia.org/wiki/Sistema_experto.
Flix Justo (2004). Aplicaciones, ventajas y limitaciones de los sistemas expertos.
Consultado en 06, 04, 2004 en
o http://efelix.iespana.es/efelix/expertaplicaciones.htm.