Inteligencia artificial - Sistemas expertos

Los sistemas expertos (ES) son uno de los dominios de investigación más importantes de la IA. Lo introducen 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, al nivel de inteligencia y experiencia humanas extraordinarias.

Características de los sistemas expertos

  • Alto rendimiento
  • Understandable
  • Reliable
  • Muy receptivo

Capacidades de los sistemas expertos

Los sistemas expertos son capaces de:

  • Advising
  • Instruir y ayudar al ser humano en la toma de decisiones.
  • Demonstrating
  • Derivando una solución
  • Diagnosing
  • Explaining
  • Interpretación de entrada
  • Predicción de resultados
  • Justificando la conclusión
  • Sugerir opciones alternativas a un problema

Son incapaces de ...

  • Sustitución de tomadores de decisiones humanos
  • Poseer capacidades humanas
  • Producir resultados precisos para una base de conocimientos inadecuada
  • Refinando su propio conocimiento

Componentes de sistemas expertos

Los componentes de ES incluyen:

  • Base de conocimientos
  • Máquina de inferencia
  • Interfaz de usuario

Veámoslos brevemente uno por uno -

Base de conocimientos

Contiene conocimientos específicos de dominio y de alta calidad.

Se requiere conocimiento para exhibir inteligencia. El éxito de cualquier EE depende principalmente de la recopilación de conocimientos muy 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.Data, information, y past experience combinados se denominan conocimientos.

Componentes de la base de conocimientos

La base de conocimientos de un EE es un almacén de conocimientos tanto fácticos como heurísticos.

  • Factual Knowledge - Es la información ampliamente aceptada por los ingenieros del conocimiento y académicos en el dominio de tareas.

  • Heuristic Knowledge - Se trata de práctica, juicio preciso, capacidad de evaluación y conjetura.

Representación del conocimiento

Es el método utilizado para organizar y formalizar el conocimiento en la base de conocimientos. Tiene la forma de reglas IF-THEN-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 y Knowledge Engineers. El ingeniero del conocimiento es una persona con las cualidades de empatía, aprendizaje rápido y habilidades de análisis de casos.

Adquiere información de un experto en la materia al grabarlo, entrevistarlo y observarlo en el trabajo, etc. Luego categoriza y organiza la información de manera significativa, en forma de reglas SI-ENTONCES-ELSE, para ser utilizadas por la máquina de interferencia. El ingeniero del conocimiento también supervisa el desarrollo del ES.

Máquina de inferencia

El uso de procedimientos y reglas eficientes por parte del motor de inferencia es esencial para obtener una solución correcta e impecable.

En el caso de los ES basados ​​en el conocimiento, el motor de inferencia adquiere y manipula el conocimiento de la base de conocimiento para llegar a una solución particular.

En el caso de ES basado en reglas,

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

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

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

Para recomendar una solución, el motor de inferencia utiliza las siguientes estrategias:

  • Encadenamiento directo
  • Encadenamiento hacia atrás

Encadenamiento directo

Es una estrategia de un sistema experto para responder la pregunta, “What can happen next?”

Aquí, el motor de inferencia sigue la cadena de condiciones y derivaciones y finalmente deduce el resultado. Considera todos los hechos y las 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 cambios en las tasas de interés.

Encadenamiento hacia atrás

Con esta estrategia, un sistema experto encuentra la respuesta a la pregunta, “Why this happened?”

Sobre la base de lo que ya sucedió, el motor de inferencia intenta averiguar qué condiciones podrían haber ocurrido en el pasado para este resultado. Se sigue esta estrategia para averiguar la causa o el motivo. Por ejemplo, diagnóstico de cáncer de sangre en humanos.

Interfaz de usuario

La interfaz de usuario proporciona interacción entre el usuario del ES y el ES mismo. Por lo general, se trata de un procesamiento de lenguaje natural para que lo utilice el usuario que esté bien versado en el dominio de tareas. El usuario del ES no tiene por qué ser necesariamente un experto en Inteligencia Artificial.

Explica cómo el SE ha llegado a una recomendación particular. La explicación puede aparecer en las siguientes formas:

  • Lenguaje natural mostrado en pantalla.
  • Narraciones verbales en lenguaje natural.
  • Listado 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 la interfaz de usuario de ES eficiente

  • Debería ayudar a los usuarios a lograr sus objetivos en la forma más breve posible.

  • Debe estar diseñado para que funcione con las prácticas laborales existentes o deseadas del usuario.

  • Su tecnología debe poder adaptarse a las necesidades del usuario; No al revés.

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

Limitaciones de los 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 ES tienen sus limitaciones que incluyen:

  • Limitaciones de la tecnología
  • Adquisición de conocimientos difíciles
  • Los ES son difíciles de mantener
  • Altos costos de desarrollo

Aplicaciones del sistema experto

La siguiente tabla muestra dónde se puede aplicar ES.

Solicitud Descripción
Dominio de diseño Diseño de lentes de cámara, diseño de automóviles.
Dominio médico Sistemas de diagnóstico para deducir la causa de la enfermedad a partir de los datos observados, realizar operaciones médicas en humanos.
Sistemas de monitoreo Comparar datos de forma continua con el sistema observado o con el comportamiento prescrito, como el control de fugas en una tubería de petróleo larga.
Sistemas de control de procesos Controlar un proceso físico basado en la monitorización.
Dominio del conocimiento Descubrimiento de fallas en vehículos, computadoras.
Finanzas / Comercio Detección de posibles fraudes, transacciones sospechosas, negociación bursátil, programación de aerolíneas, programación de carga.

Tecnología de sistema experto

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

  • Expert System Development Environment- El entorno de desarrollo de ES incluye hardware y herramientas. Ellos son -

    • Estaciones de trabajo, miniordenadores, mainframes.

    • Lenguajes de programación simbólica de alto nivel como LISt Pprogramación (LISP) y PROgramática en LOGique (PROLOG).

    • Grandes bases de datos.

  • Tools - Reducen en gran medida el esfuerzo y el coste que implica el desarrollo de un sistema experto.

    • Potentes editores y herramientas de depuración con múltiples ventanas.

    • Proporcionan prototipos rápidos

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

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

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

    • Vidwan , un shell desarrollado en el Centro Nacional de Tecnología de Software, Mumbai en 1993. Permite la codificación del conocimiento en forma de reglas IF-THEN.

Desarrollo de sistemas expertos: pasos generales

El proceso de desarrollo de SE es iterativo. Los pasos para desarrollar el EE 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.

Diseñar el sistema

  • Identificar la tecnología ES

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

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

Desarrollar el prototipo

De la base de conocimientos: el ingeniero del conocimiento trabaja para:

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

Pruebe y perfeccione el prototipo

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

  • Los usuarios finales prueban los prototipos del ES.

Desarrollar y completar el ES

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

  • Documente bien el proyecto de ES.

  • Entrene al usuario para usar ES.

Mantener el sistema

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

  • Aborde nuevas interfaces con otros sistemas de información a medida que esos sistemas evolucionen.

Beneficios de los sistemas expertos

  • Availability - Están fácilmente disponibles debido a la producción masiva de software.

  • Less Production Cost- El costo de producción es razonable. Esto los hace asequibles.

  • Speed- Ofrecen una gran velocidad. Reducen la cantidad de trabajo que realiza una persona.

  • Less Error Rate - La tasa de error es baja en comparación con los errores humanos.

  • Reducing Risk - Pueden trabajar en un entorno peligroso para los humanos.

  • Steady response - Trabajan de forma constante sin moverse, tensarse o fatigarse.