Estos sistemas imitan las actividades del ser humano para la solución de
un problema utilizando para ello el conocimiento declarativo (hechos sobre
objetos, situaciones) y el conocimiento de control (información sobre el
seguimiento de una acción) mientras operan y se adaptan a dominios dinámicos e
inciertos que no están completamente especificados. Y es un subconjunto de la
inteligencia artificial (AI).
Conocimiento Declarativo: El
conocimiento se representa como una colección estática de hechos, acompañada
por un conjunto de procedimientos generales para manipularlos. Los esquemas
declarativos destacan el concepto de un enunciado simple que establece un
elemento de verdad. Sus ventajas son:
o
Cada hecho sólo necesita almacenarse una vez
con independencia del número de formas distintas en que puede usarse.
o
Es fácil añadir nuevos hechos al sistema sin
cambiar los conocidos. Esto proporcionará a los sistemas de este tipo más
flexibilidad y economía de recursos y medios, certidumbre en las deducciones y
modificabilidad.
o
Transparencia: El conocimiento representado
se almacena en forma explícita y sin ambigüedades. Es relativamente fácil
revisar los conocimientos debido a su transparencia.
o
Inferencia directa: La naturaleza estática y
directa de la representación posibilita la inferencia explícita y directa, en
forma parecida a la inferencia matemática.
o
Todas estas estructuras comparten la noción
de que entidades complejas pueden ser escritas como una colección de atributos
y sus valores asociados.
Conocimiento procedural: El
conocimiento se representa por procedimientos para el uso del mismo. Entre sus
principales ventajas están:
o
La facilidad de representar el conocimiento
de cómo hacer las cosas.
o
La capacidad de representar el conocimiento
que no se ajusta bien en muchos esquemas declarativos simples, tal como sucede
con el conocimiento incierto o probabilístico.
o
Las técnicas de representación de este tipo
de conocimiento son: scripts, esquemas, programación por eventos.
Los sistemas
basados en conocimiento tienen una gran capacidad de resolución de problemas
más allá de sus posibilidades normales del gerente. Estos sistemas son
referidos a un sistema experto que consta de cuatro componentes que son: interfaz con el usuario, base de
conocimientos, máquina de inferencias y máquina de desarrollo.
Los sistemas
basados en conocimiento se consideran una extensión “un paso tecnológico” de
los sistemas de información cuyos alcances y complejidad son mayores.
Entre sus propósitos se
destacan:
·
Aprender.
·
Evolucionar.
·
Adaptar.
·
Razonar.
·
Tomar decisiones.
·
Contener conocimiento empírico, mundano y del
lenguaje.
·
Analizar problemas.
·
Generar alternativas de solución.
·
Emular al experto humano.
·
Generar conocimiento a partir del que ya se
posee.
La
Inteligencia Artificial (AI) es la actividad de proveer a máquinas como
las computadoras, la capacidad de exhibir conductas que se considerarían
inteligentes si se observaran en seres humanos. Y representa la aplicación más
sofisticada de las computadoras, ya que busca duplicar algunos tipos de
razonamiento humano. La AI está dividida en una serie de áreas de investigación
que se interrelacionan entre sí, cada una con propósitos específicos que
permite contribuir a un propósito de un objetivo general.
El ámbito de aplicación de la inteligencia artificial
incluye áreas como:
·
Sistemas expertos.
·
Redes neuronales.
·
Sistemas perceptivos.
·
Hardware de AI
·
Lenguaje natural.
·
Robótica.
·
Aprendizaje.
Sistemas
expertos:
son programas de computadora que intenta representar los conocimientos de
expertos humanos en forma heurística, es decir un procedimiento de solución que
utiliza estructuras que contienen conocimiento y experiencia de los expertos
humanos, deducción lógica de conclusiones, capacidad de interpretar información
ambigua y manipulación del conocimiento afectados por datos de poca fiabilidad
y evento probabilístico.
Redes
neuronales:
son modelos simplificados del sistema nervioso humano que exhiben diferentes capacidades
que permiten aprender conductas similares a las humanas.
Sistemas
perceptivos:
utilizan imágenes visuales y señales auditivas para dar instrucciones a
computadoras, como robots.
Aprendizaje: abarca todas
las actividades que permiten a una computadora adquirir conocimientos
adicionales a los programados.
Robótica: estudia los
dispositivos controlados por computadoras que imitan las actividades motoras de
los seres humanos.
Hardware
de AI: incluye
todos los dispositivos físicos que resultan útiles en aplicaciones de AI.
Procesamiento
de lenguaje natural: permite a los usuarios comunicarse con la
computadora en diferentes idiomas permitiendo a la computadora revisar
ortografía y gramática.
Entre categorías de la inteligencia artificial Stuart
Russell y Peter Norvig diferencian estos tipos de la inteligencia artificial:
Ø
Sistemas que
piensan como humanos. Estos sistemas tratan de emular el
pensamiento humano; por ejemplo las redes neuronales artificiales. La
automatización de actividades que vinculamos con procesos de pensamiento
humano, actividades como la Toma de decisiones, Resolución de problemas y
aprendizaje.
Ø Sistemas que actúan como humanos. Estos
sistemas tratan de actuar como humanos; es decir, imitan el comportamiento
humano; por ejemplo la robótica. El estudio de cómo lograr que los computadores
realicen tareas que, por el momento, los humanos hacen mejor.
Ø Sistemas que piensan racionalmente. Es decir,
con lógica (idealmente), tratan de imitar o emular el pensamiento lógico
racional del ser humano; por ejemplo los sistemas expertos. El estudio de los
cálculos que hacen posible percibir, razonar y actuar.
Ø
Sistemas que
actúan racionalmente (idealmente). Tratan de emular de forma racional el
comportamiento humano; por ejemplo los agentes inteligentes. Está relacionado
con conductas inteligentes en artefactos.
Generalmente
un Sistema Experto puede comprender:
Ø
Amplio conocimiento específico a partir del
campo de interés.
Ø Aplicación de
técnicas de búsqueda y heurísticas.
Ø Habilidad
para inferir nuevos conocimientos a partir de los actuales y de las
experiencias obtenidas durante su operación.
Ø Procesamiento
simbólico.
Ø Capacidad
para explicar su propio razonamiento.
Ø
Empleo de diversas técnicas de solución de
problemas.
Entre los rasgos o cualidades más relevantes de los
Sistemas Expertos se destacan:
Ø
El proceso de buscar los conocimientos
apropiados y a partir de éstos deducir nuevos conocimientos constituye un
elemento clave del procesamiento de un Sistema Experto.
Ø Capacidad de
representación simbólica del conocimiento y razonamiento.
Ø Referencia a
un dominio de conocimiento técnico y altamente especializado.
Ø Capacidad de
proceder heurísticamente más que algorítmicamente en la búsqueda de soluciones.
Ø Está obligado
a explicar sus propios razonamientos, preguntas y conclusiones.
Ø Alto grado de
efectividad en la resolución de problemas.
Ø Genera
múltiples soluciones por contemplar varias hipótesis.
Ø Puede usar
datos erróneos, reglas inciertas, manejo de incertidumbre.
Ø Emplea
generalmente interfaz de lenguaje natural.
Ø Interacción
con el humano o con el medio que controlan.
Ø Utilizan
sistema de mantenimiento de la verdad para afirmaciones y negaciones
cambiantes.
Ø Son procesos
interactivos.
Ø
Utilizan datos cualitativos más que
cuantitativos.
