SISTEMAS BASADOS EN EL CONOCIMIENTO

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.