Características puntuales de las nuevas tendencias de simulación de sistemas
1. Dominio Reducido: se especializan en un campo limitado,
como puede ser la interpretación de espectrogramas químicos, la prospección
geológica, las enfermedades infecciosas, etc.
2. Colección
integrada de conocimiento: los agentes que constituyen el sistema pueden
representar los juicios de muchos expertos en varias partes del globo. Estas
experiencias son guardadas en un solo lugar por lo que es posible su
utilización luego por expertos o no expertos también. Sin embargo, la real
utilidad de este sistema es que permite un constante intercambio de datos y
juicios de líderes expertos, y esto permite la formación de nuevas reglas e
ideas acerca del tema.
3. Competencia
en su campo: al igual que un experto humano es una perdona que sabe mucho sobre
su especialidad, de modo que puede dar respuestas rápida y fiables, un sistema
experto debe resolver los mismos problemas con una eficiencia comparable a la
de un especialista humano. 
4. Separación
Conocimiento / Inferencia: decir que existe una separación muy clara entre el
conocimiento y el mecanismo de razonamiento, significa que no interviene ningún
conocimiento especializado en la concepción del motor de interferencia y en
todo lo concerniente a la base de conocimiento. Los elementos que la constituyen son independientes los unos de
los otros; el orden en el cual se introducen los elementos en el sistema no
tiene ninguna influencia en los resultados. 
5. Capacidad de inferencia deductiva: esto
significa que los agentes no solo eran capaces de recuperar información
almacenada en la base de datos sino hacer deducciones usando la información
para hacer deducciones que produzcan nuevas informaciones para la base de
datos.
6. Tienen un carácter Declarativo: el programa se
escribe bajo la forma de un conjunto de especificaciones, independientes unas
de otras (elementos de conocimiento), que se ponen en acción dinámicamente por
un procedimiento de resolución que es independiente de la naturaleza del
conocimiento (motor de inferencia).
7. Capacidad de Explicación Relativa a los
Razonamientos que Efectúan hasta llegar a una Conclusión: Al tener representado
explícitamente el conocimiento, el sistema puede “reflexionar” sobre la
información que posee y la forma en que la ha utilizado. Estas explicaciones
deben, no solamente ser expresadas en el lenguaje experto, sino corresponderse,
también, con un comportamiento que le parezca “natural” al experto. Estos dos
puntos son fundamentales, ya que permiten al experto corregir, enriquecer y
validar el sistema.
8. Flexibilidad en el Dialogo: consiste en la
capacidad de generar preguntas de acuerdo con el razonamiento, tal como puede
hacer un experto, a diferencia de los programas irrelevantes. (Las simulaciones
de sistemas destinados a la interpretación de datos constituyen una excepción,
pues en este caso toda la información está disponible desde el primer momento y
no es necesario generar preguntas).
9. Tratamiento de la incertidumbre: Esta
característica es una consecuencia de la complejidad de los problemas que
abordan las simulación de sistemas, pues en el mundo real hay muchas fuentes de
incertidumbre, asociadas a los datos (inexactitudes e imprecisiones), al
dominio en sí (relaciones probabilisticas) o al conocimiento disponible
(información incompleta, causas desconocidas, falta de acuerdo entre los expertos, etc).
Desde que naciera la Inteligencia Artificial como tal ciencia, a principios de los 60, hasta la actualidad, se han
venido realizando numerosos trabajos, para el desarrollo de los diversos campos que componen la
Inteligencia Artificial. De todos esos campos, quizá el que puede tener mayor
número de aplicaciones prácticas sea el de los Sistemas Expertos, siendo dichas aplicaciones
de utilidad en temas tan variados que pueden ir
desde la medicina hasta la enseñanza.
En
palabras de un gran matemático, Blaise Pascal: "Como no se puede ser universal y saber
todo acerca de todo, es mejor saber un poco de cada tema, que saber todo sobre
un solo tema ", así fue como inició la inquietud de los investigadores en
los años 40, con la idea de un sistema general de resolución de problemas (General Problem Solver: GPS), que por medio de una serie de algoritmos basados en análisis, más o menos exhaustivos, fuera capaz de
resolver toda clase de problemas relativos a juegos de estrategias y demostraciones automáticas. La
ambición era grande, así como lo fue la decepción que tuvieron al ver que a
pesar de los progresos teóricos y de algunos programas espectaculares, no obtuvieron los
resultados que se esperaban.
Entonces se da un cambio en la dirección del problema, se enfocarían en un dominio específico, y recurriendo al
conocimiento sobre el tema obtenido de las mismas personas, pretenden simular
el razonamiento de un experto humano ante alguna situación. Así es como surge
una de las ramas de mayor avance dentro de la Inteligencia Artificial, los Sistemas Expertos; con la idea de
automatizar la labor del experto, partiendo en ocasiones de información insuficiente o incompleta.
Un Sistema Experto es una aplicación informática que simula el comportamiento de un experto humano, en el sentido de
que es capaz de decidir cuestiones, aunque sea en un campo restringido.
Para esto, se debe tener en cuenta que la
principal característica del experto humano viene a ser el conocimiento o
habilidades profundas en ese campo concreto, por consiguiente, un Sistema Experto debe
ser capaz de representar ese conocimiento profundo con el objetivo de utilizarlo para resolver problemas,
justificar su comportamiento e incorporar nuevos conocimientos. Se podría
incluir también el hecho de poder comunicarse en lenguaje natural con las personas, aunque esta
capacidad no es tan determinante como las anteriores de lo que se puede definir
como Sistema Experto.
Los sistemas expertos se aplican por norma
general en problemas que implican un procedimiento basado en el conocimiento. O sea, un procedimiento que comprende la
utilización de normas o estructuras que contengan conocimientos y
experiencias de expertos, deducción lógica de conclusiones, capacidad de
interpretar datos ambiguos y la manipulación de conocimientos afectados por
la probabilidad.
El
empleo de los SE para la simulación viene motivado por la principal
característica de los SE, que es su capacidad para la simulación del
razonamiento de un experto humano, que es un proceso complejo.
Cuando
se implementaron los
primeros Sistemas Expertos se pensó que en breve le seguirían
impresionantes avances en inteligencia Artificial. Los japoneses hicieron inversiones
millonarias con escaso éxito en los años setenta.
Actualmente los reconocedores de voz son
capaces de reconocer palabras con algunas limitaciones pero su uso por ejemplo
en sistemas automáticos de atención al cliente son la prueba palmaria del
invento de la estupidez artificial, para desesperación de los
usuarios obligados a usarlos.
Pese
a todo ello, el error más común suele ser el de subestimar lo que
un Sistema Experto puede hacer. La Inteligencia
Artificial tiene un duro trabajo por delante en lo relativo a la
comprensión del lenguaje hablado, y en visión artificial, pero en otras áreas,
puede llegar a superar en habilidad a los expertos humanos.
Comentarios
Publicar un comentario