Qué son los sistemas expertos en inteligencia artificial

Los sistemas expertos se utilizan con frecuencia como alternativa cuando se buscan soluciones a problemas complejos que requieren un tipo concreto de habilidad humana. Un sistema experto de inteligencia artificial (IA) es un sistema para tomar decisiones mediante ordenadores. Su objetivo es resolver problemas complejos. Para ello utiliza el conocimiento, el pensamiento lógico y el cumplimiento de las normas. Es una de las primeras aplicaciones prácticas de la inteligencia artificial.

¿Qué es un Sistema Experto?

Los Sistemas Expertos son herramientas informáticas interactivas y fiables para la toma de decisiones que utilizan datos y heurística para abordar problemas de toma de decisiones difíciles. Se considera que representan la cúspide del conocimiento y la sabiduría humanos. El trabajo de un sistema experto consiste en resolver los problemas más complicados en un campo específico.

Características de un sistema experto

A continuación se enumeran las características de un sistema experto.

• Un experto humano puede cambiar, pero un sistema experto puede durar para siempre.
• Facilita la distribución de la experiencia humana.
• El sistema experto puede incorporar conocimientos de múltiples expertos humanos, lo que aumentaría la eficacia de las respuestas.
• Disminuye el gasto que supone pedir consejo a un especialista en diversos campos, incluido el diagnóstico médico.
• En lugar de utilizar un código de procedimiento estándar, los sistemas expertos pueden tratar cuestiones complejas infiriendo nuevos hechos a partir de hechos de conocimiento conocidos, que suelen representarse como reglas si-entonces.

Componentes del sistema experto

Hay cinco componentes del sistema experto en inteligencia artificial:

• Base de conocimientos: La base de conocimientos contiene hechos y normas en un sistema experto. Incluye normas para la resolución de problemas y la formulación de métodos pertinentes al dominio y conocimientos en disciplinas específicas.
• Motor de inferencia: La tarea fundamental del motor de inferencia es recopilar información pertinente de la base de conocimientos, analizarla e identificar una solución al problema del usuario. Los motores de inferencia también poseen capacidades explicativas y de resolución de problemas.
• Módulo de adquisición y aprendizaje de conocimientos: Con la ayuda de este componente, los sistemas expertos pueden recopilar más información de numerosas fuentes. Después, el conocimiento se almacena en la base de conocimientos.
• Interfaz de usuario: Con este elemento, un usuario no experto puede comunicarse con el sistema experto y desarrollar soluciones.
• Módulo de explicación: Este módulo ofrece al usuario una justificación de la conclusión.

Ejemplos de sistemas expertos

A continuación se presentan algunos ejemplos de sistemas expertos:

• MYCIN: Podía reconocer diferentes bacterias que podrían causar infecciones agudas y se basaba en el encadenamiento hacia atrás. Además, podía sugerir medicamentos en función del peso del paciente. Es uno de los mejores ejemplos de sistema experto.
• DENDRAL: herramienta de predicción de estructuras moleculares para análisis químicos.
• CaDet: Es uno de los mejores ejemplos de sistema experto capaz de detectar el cáncer en sus fases más tempranas.
• PXDES: El tipo y el estadio del cáncer de pulmón se identifican mediante el sistema experto PXDES. Toma una foto de la parte superior del cuerpo, que se asemeja a la sombra, para identificar la enfermedad. Esta sombra determina el tipo y la gravedad.

Ventajas de los sistemas expertos

Utilizar sistemas expertos en lugar de expertos humanos tiene varias ventajas:

• Precisión: Los sistemas expertos son inmunes a la imprecisión emocional o humana. Basan sus decisiones en hechos y reglas.
• Permanencia: Cuando los especialistas humanos abandonan sus puestos, la información técnica podría seguirles. Los sistemas basados en el conocimiento ofrecen una reserva permanente de información y conocimientos.
• Deducción lógica: Los sistemas expertos utilizan una serie de principios, como las reglas «si-entonces», para deducir conclusiones a partir de datos ya conocidos.
• Control de costes: Si se comparan con el coste de contratar especialistas humanos, los sistemas expertos son comparativamente baratos. Pueden ayudar a tomar decisiones de forma más rápida y económica.
• Varios expertos: La base de conocimientos de un sistema experto se amplía con varios expertos. Así se dispone de más información y se evita que un experto influya en el proceso de toma de decisiones.

Utilización de sistemas expertos

• Tiene una amplia gama de aplicaciones en el diseño y la fabricación de objetos tangibles, como el diseño y la producción de automóviles y lentes de cámaras.
• Estos sistemas suelen utilizarse en el ámbito del conocimiento para difundir información pertinente a los usuarios. Los asesores y consejeros fiscales son los dos sistemas expertos estándar utilizados en este ámbito.
• Se utiliza en el sector financiero para identificar posibles fraudes y conductas sospechosas.
• El sistema experto en inteligencia artificial se utiliza en la evaluación y reparación de equipos. El sistema experto se utiliza en el diagnóstico médico y fue la primera aplicación de estos sistemas.

Sistema convencional frente a sistema experto

La diferencia crucial entre los sistemas expertos y el software convencional de resolución de problemas es el método utilizado para codificar la experiencia relacionada con el problema. En las aplicaciones tradicionales, tanto las estructuras de datos como los programas se utilizan para codificar los conocimientos sobre el problema. En el método experto, toda la experiencia relacionada con el problema se representa únicamente en estructuras de datos, no en programas.

Los sistemas convencionales son incapaces de explicar una solución específica a un problema. Estos sistemas pretenden ofrecer soluciones sencillas. Sin embargo, los sistemas expertos pueden justificar por qué se necesita determinada información durante un proceso y cómo se ha conseguido un resultado concreto.

Normalmente, un sistema experto ejecuta su inferencia mediante cálculos simbólicos utilizando los símbolos del conocimiento, como las reglas, diversas formas de redes, marcos, guiones, etc. Sin embargo, estos términos no pueden ser expresados por los sistemas tradicionales. Simplifican demasiado las cuestiones y no pueden articular las preguntas «cómo, por qué».

Experto humano frente a sistema experto

La principal diferencia entre los sistemas expertos de inteligencia artificial y los expertos humanos es que los primeros procesan el conocimiento representado en forma de reglas y utilizan el razonamiento representacional en un ámbito limitado, mientras que los segundos utilizan el conocimiento en forma de heurística o reglas empíricas para resolver problemas en un dominio limitado.

Los sistemas expertos son siempre accesibles, a diferencia de los expertos humanos, que sólo están disponibles durante determinadas horas del día. Los sistemas expertos resuelven cualquier problema en poco tiempo, mientras que los expertos humanos pueden tomarse su tiempo.

En conclusión, los sistemas expertos son interactivos y fiables a la hora de resolver problemas complicados. Se utilizan en programas de recursos humanos, medicina y otros fines. La mejora de la calidad de las decisiones, el ahorro de costes, la coherencia, la rapidez y la fiabilidad son algunas de las principales ventajas de los sistemas expertos en inteligencia artificial.