UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL APORTE INDIVIDUAL TRABAJO COLABORATIVO No. 1 Presentado a: ANGELA MARIA GONZALEZ Tutor Presentado por: Johana Andrea Páez Código: 52211813 CEAD JAG Curso Académico: INTELIGENCIA ARTIFICIAL Aula virtual y Grupo colaborativo: 90169_28 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA- UNAD BOGOTÁ D.C., Marzo 28 de 2014 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL INTRODUCCIÓN La elaboración de este producto tiene la finalidad de estudiar los contenidos temáticos de la Unidad 1 del modulo del curso académico titulado Inteligencia Artificial y comprender los conceptos generales para desarrollar las actividades propuestas en el trabajo colaborativo No. 1 En este sentido, la Unidad 1 nos adentra el conocimiento, desarrollo y profundización e importancia de la Inteligencia Artificial sus objetivos y aplicaciones, así como, su evolución, técnicas y resolución de problemas, criterios de éxito, los agentes inteligentes y los tipos de problema que la Inteligencia Artificial puede resolver. . Página 2 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL OBJETIVOS Identificar los contenidos de la unidad 1 Comprender y profundizar en los conceptos relacionados con la Inteligencia Artificial, sus principios y aplicaciones Conocer enlaces de interés que nos ayudaran junto con el tutor a construir nuestros conocimientos de la asignatura. Identificar las ventajas y desventajas de la Inteligencia Artificial Profundizar en la áreas de investigación de la Inteligencia Artificial Establecer contacto con los participantes del grupo y tutor Página 3 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL SISTEMAS EXPERTOS Un Sistema Experto (SE), es básicamente un programa de computadora basado en conocimientos y raciocinio que lleva a cabo tareas que generalmente sólo realiza un experto humano. Los Sistemas Expertos, rama de la Inteligencia Artificial, son sistemas informáticos que simulan el proceso de aprendizaje, de memorización, de razonamiento, de comunicación y de acción en consecuencia de un experto humano en cualquier rama de la ciencia. Estas características le permiten almacenar datos y conocimiento, sacar conclusiones lógicas, tomar decisiones, aprender de la experiencia y los datos existentes, comunicarse con expertos humanos, explicar el porqué de las decisiones tomadas y realizar acciones como consecuencia de todo lo anterior. Técnicamente un sistema experto, contiene una base de conocimientos que incluye la experiencia acumulada de expertos humanos y un conjunto de reglas para aplicar ésta base de conocimientos en una situación particular que se le indica al programa. Cada vez el sistema se mejora con adiciones a la base de conocimientos o al conjunto de reglas DESARROLLO HISTÓRICO DE LOS SISTEMAS EXPERTOS Los Sistemas Expertos como tales, surgen a mediados de los años sesenta; en esos tiempos, se creía que bastaban unas pocas leyes de razonamiento junto con potentes computadoras para producir resultados brillantes15. Los primeros investigadores que desarrollaron programas basados en leyes de razonamiento fueron Alan Newell y Herbert Simón, quienes desarrollaron el GPS (General Problem Solver). Este sistema era capaz de resolver problemas como el de las torres de Hanoi y otros similares, a través de la criptoaritmética. Sin embargo, este programa no podía resolver problemas más “cotidianos” y reales, como, por ejemplo, dar un diagnóstico médico. Entonces algunos investigadores cambiaron el enfoque del problema: ahora se dedicaban a resolver problemas sobre un área específica intentando simular el razonamiento humano. En vez de dedicarse a computarizar la inteligencia general, se centraron en dominios de conocimiento muy concretos16. De esta manera nacieron los Sistemas Expertos. Página 4 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL El primer SE que se aplicó a problemas más reales fue desarrollado en 1965 con el fin de identificar estructuras químicas: el programa se llamó DENDRAL. Lo que este Sistema Experto hacía, al igual que lo hacían los expertos de entonces, era tomar unas hipótesis relevantes como soluciones posibles, y someterlas a prueba comparándolas con los datos17. El nombre DENDRAL significa árbol en griego. Debido a esto, el programa fue bautizado así porque su principal tarea era buscar en un árbol de posibilidades la estructura del compuesto. El siguiente SE que causó gran impacto fue el Mycin, en 1972, pues su aplicación era detectar trastornos en la sangre y recetar los medicamentos requeridos. Fue tal el éxito de Mycin que incluso se llegó a utilizar en algunos hospitales18. Para 1973, se creó Tieresias, cuya función era la de servir de intérprete o interfaz entre los especialistas que manejaban el Mycin cuando introducían nuevos conocimientos. Tieresias entraba en acción cuando Mycin cometía un error en un diagnóstico, por la falta de información o por alguna falla en el árbol de desarrollo de teorías, corrigiendo la regla que generaba el resultado o bien destruyéndola. Para 1980 se implantó en la Digital Equipment Corporation (DEC) el primer Sistema Experto: el XCON. Para esto se tuvieron que dedicar dos años al desarrollo de este SE. Y valió la pena para la compañía, pues aún cuando en su primer intento al implantarse en 1979 consiguió sólo el 20% del 95% de la resolución de las configuraciones de todas las computadoras que salieron de DEC, volvió al laboratorio de desarrollo otro año más, y a su regreso le resultó en un ahorro de 40 millones de dólares a dicha compañía. Para los años comprendidos entre 1980 y 1985 se crearon diversos sistemas expertos, tales como el DELTA de la General Electric Company, el cual se encargaba de reparar locomotoras diesel y eléctricas, o como “Aldo en Disco”, que reparaba calderas hidrostáticas giratorias usadas para la eliminación de bacterias. En esa misma época surgen empresas dedicadas a desarrollar Sistemas Expertos, las cuales que supusieron en conjunto una inversión total de más de 300 millones de dólares. Los productos más importantes que creaban estas nuevas compañías eran las "máquinas LISP", las cuales consistían en unas computadoras que ejecutaban programas LISP con la misma rapidez que en una computadora central. Desgraciadamente para DEC, el SE que antes fuera un gran ahorro dejó de ser rentable en 1987, debido a que al actualizarlo llegaron a gastar más de dos Página 5 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL millones de dólares al año para darle mantenimiento, por lo que su benefició quedó en duda, y por lo tanto fue descontinuado; algo similar ocurrió con DELTA CARACTERISTICAS DE LOS SISTEMAS EXPERTOS Para que un sistema computacional actúe como un verdadero experto, es deseable que reúna, en lo posible, lo más importante de las características de un experto humano, esto es: Habilidad para adquirir conocimiento. Fiabilidad, para poder confiar en sus resultados o apreciaciones. Solidez en el dominio de su conocimiento. Capacidad para resolver problemas. La característica fundamental de un Sistema Experto es que separa los conocimientos almacenados (Base de conocimiento) del programa que los controla (Motor de inferencia). Los datos propios de un determinado problema se almacenan en una base de datos aparte (Base de hechos). Además cuenta con características adicionales como: Competencia en su campo: Es el significado de experto. Es necesario que pueda resolver problemas con una eficiencia y calidad comparables a las de un experto humano. Dominio reducido: El limitarse a un dominio reducido es un requisito para alcanzar la competencia. Capacidad de explicación: Es aquella capaz de explicar cómo ha resuelto el problema, es decir, qué método ha aplicado y por qué lo ha aplicado. Tratamiento de la incertidumbre: Es una exigencia que se deriva de la complejidad de los problemas que van a aborda los sistemas expertos. Flexibilidad en el diálogo: Es deseable que los sistemas expertos tengan esta capacidad, llegando en la medida de lo posible a comunicarse (entender y expresarse) en lenguaje natural como un experto humano. Representación explícita del conocimiento: Es necesaria para considerar que un sistema está basado en conocimiento. La siguiente tabla muestra algunas diferencias que existen entre los sistemas clásicos y los expertos: Página 6 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL SISTEMA CLASICO SISTEMA EXPERTO No contiene errores Puede contener errores No da explicaciones, los datos solo se El Sistema Experto cuenta con el usan o escriben módulo de explicación Los cambios son tediosos Los cambios en las reglas son fáciles El sistema solo opera completo El sistema puede funcionar con pocas reglas Se ejecuta paso a paso La ejecución usa heurística y lógica Representa y usa datos Representa y usa conocimiento COMPONENTES DE LOS SISTEMAS EXPERTOS ARQUITECTURA DE LOS SISTEMAS EXPERTOS La arquitectura de un sistema experto está basada en una entrada de datos realizada por el usuario a fin de efectuar la oportuna consulta. Las entradas no solamente están compuestas de estas consultas. El aprendizaje del sistema y las condiciones específicas del problema a tratar también han de encontrarse en la entrada Página 7 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL TIPOS DE SISTEMAS EXPERTOS Interpretación: infieren la descripción de situaciones por medio de sensores de datos. Estos S.E. usan datos reales, con errores, con ruidos, incompletos etc. Ejemplos: medición de temperatura, reconocimiento de voz, análisis de señales etc. Predicción: Infieren probables consecuencias de situaciones dadas. Algunas bases usan modelos de simulación para generar situaciones que puedan ocurrir. Ejemplos: predecir daños a cosechas por algún tipo de insecto. Diagnóstico: Infieren las fallas de un sistema en base a los síntomas. Utilizan las características de comportamiento, descripción de situaciones o conocimiento sobre el diseño de un componente para inferir las causas de la falla. Ejemplos: diagnóstico de enfermedades en base a síntomas, encontrar componentes defectuosos o fallas en circuitos. Diseño: Configuración de objetos. Utilizan un conjunto de limitaciones y restricciones para configurar objetos. Utilizan un proceso de análisis para construir un diseño parcial y una simulación para verificar o probar las Página 8 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL ideas. Ejemplos: configuración de equipos de oficina, de equipos de computo. Planeación: Diseñan un curso completo de acción, se descompone la tarea en un subconjunto de tareas. Ejemplo: transferir material de un lugar a otro, comunicaciones, ruteo, planificación financiera. remediar estas fallas y monitorear la ejecución de este. Monitoreo: Comparan observaciones del comportamiento del sistema con el comportamiento standard, se compara lo actual con lo esperado. Ejemplo: asistir a un paciente de cuidados intensivos, tráfico aéreo, uso fraudulento de tarjetas de créditos Depuración:(debugging) sugieren remedios o correcciones de una falla. Ejemplo: sugerir el tipo de mantenimiento a cables dañados, la prescripción médica a un paciente. Instrucción: diagnostican, revisan y reparan el comportamiento de un estudiante. Ejemplo: educar a un estudiante de medicina, usa un modelo del estudiante y planea la corrección de deficiencias. Control: Gobierna el comportamiento del sistema. Requieren interpretar una situación actual, predecir el futuro, diagnosticar las causas de los problemas que se pueden anticipar, formular un plan para remediar estas fallas y monitorear la ejecución de este. VENTAJAS DE LOS SISTEMAS EXPERTOS Los conocimientos de un sistema experto pueden ser copiados y almacenados fácilmente, siendo muy difícil la pérdida de éstos. Otra ventaja de los sistemas expertos sobre los humanos es que el experto computarizado siempre está a pleno rendimiento. Cuando un humano se cansa, la exactitud de sus consejos puede decaer. Sin embargo, el experto computarizado siempre proporcionará las mejores opiniones posibles dentro de las limitaciones de sus conocimientos. Una última ventaja de un sistema experto está en que después de que un experto computarizado exista, usted puede crear un nuevo experto simplemente copiando el programa de una máquina a otra. Un humano Página 9 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL necesita mucho tiempo para convertirse en un especialista en ciertos campos, lo que hace difícil que puedan aparecer nuevos especialistas humanos. DESVENTAJAS DE LOS SISTEMAS EXPERTOS Creatividad: los humanos pueden responder creativamente a situaciones inusuales, los sistemas expertos no pueden. Experiencia Sensorial: los humanos tienen un amplio rango de disponibilidad de experiencia sensorial. Y los sistemas expertos actualmente dependen de una entrada simbólica. Degradación: los sistemas expertos no son bueno para reconocer cuando no existen respuestas o cuando los problemas están fuera de su área. BIBLIOGRAFIA Aspectos Básicos de la Inteligencia Artificial, Jose Mira Mira , Sanz y Torres, 1995 Inteligencia Artificial y Universidad de Cordoba. Sistemas Expertos, Luis Amador Hidalgo, Sistemas Expertos Principios y Programación, Giarratano Joseph, 2005 WEBGRAFIA http://www.informaticaintegral.net/sisexp.html http://www.ecured.cu/index.php/Sistemas_expertos http://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/ monograias/pignani-sistemasexpertos.pdf Página 10 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD CURSO ACADEMICO: INTELIGENCIA ARTIFICIAL http://cibernetica.wordpress.com/2007/03/09/%C2%BFque-es-un-sistemaexperto/ Página 11