sistemas expertos

SISTEMAS EXPERTOS: MYCIN
Ainhoa Sesmero Fernández
Sandra Pinero Sánchez
Estudiante Ing. Telecomunicación
Universidad Carlos III de Madrid
Avda. De la Universidad, 30
Estudiante Ing. Telecomunicación
Universidad Carlos III de Madrid
Avda. De la Universidad, 30
28911, Leganés (Madrid-España)
28911, Leganés (Madrid-España)
[email protected]
[email protected]
RESUMEN
En este documento se explica lo que es un sistema
experto, sus principales usos y en concreto hablaremos del sistema
MYCIN. Uno de los primeros sistemas expertos para la detección
y tratamiento de enfermedades de la sangre.
Categorias y Descriptores de Temas
[Inteligencia artificial]: Sistemas expertos (SE) y
aplicaciones en medicina.
Terminos Generales
lo general, los expertos solucionan los problemnas de su
especialización basándose en la experiencia. Muy sucintamente,
esta experiencia consta de conocimientos de hechos y de
soluciones de problemas. Con el desarrollo de los Sistemas
Expertos se pretende estructurar este conocimiento de hechos y
soluciones de problemas de tal forma, que sean almacenados en
un ordenador y procesables por un programa. Por lo tanto, los
Sistemas Expertos son programas para ordenador, en los que se
han reflejado conocimientos humanos. Pero ya que el
conocimiento humano es extremadamente complejo, tenemos que
limitarnos, en estas “imitaciones técnicas” a campos
especializados muy delimitados.1 ”
Se puede dividir los componenetes de un sistema
experto en tres subsistemas direfentes: base de conocimientos,
motor de inferencias e interfase. (ver figura 1)
Algoritmos, medidas, documentación, diseño, factores
humanos y teoría.
Palabras clave
Sistema expertos, MAYCIN, medicina, organismos,
conocimiento.
1. INTRODUCCIÓN
Los sistemas expertos son programas que emulan el
comportamiento de un experto, como su propio nombre indica.
Están desarrollados en un entorno de tal forma que son capaces de
gestionar la propia base de datos de conocimiento, resolver un
problema específico, producir nuevos conocimientos y explicar su
razonamiento.
MYCIN fue el primer sistema experto que llego a
funcionar con la misma calidad que un experto humano. Muchos
de los sistemas posteriores utilizaron MYCIN para comparar lo
que era un sistema experto.
MYCIN era un sistema estrictamente para investigación,
fue desarrollado para ayudar a los médicos en el diagnóstico y
tratamiento de meningitis y enfermedades bacterianas como
explicaremos a lo largo de este documento.
Figura 1
Existen tres tipos de sistemas expertos principalmente.
Están los llamados “basados en reglas”, los “basados en casos” y
los “basados en redes bayesianas”. En el conjunto de sistemas
expertos basados en reglas nos encontramos con MYCIN del que
hablaremos más adelante, pero también nos encontramos con
DENDRAL que fue el primer sistema experto utilizado para
propósitos reales y la inspiración de MYCIN.
2.1 Base del Conocimiento
2. SISTEMAS EXPERTOS
Por tener más definiciones de sistemas expertos, unida a
la anterior podemos decir de forma más rigurosa: “Los Sistemas
Expertos son programas que simulan el comportamiento de los
sistemas expertos humanos a la hora de resolver problemaas. Por
En ella se representan todos los conocimientos acerca
de un dominio concreto. Puesto que el ordenador no posee dichos
1
NEBENDAHL, D.,Sistemas Expertos, Vol. 2, Marcombo. Barna., 1991.
p. 1.
conocimientos es necesario que sean introducidos por un experto
humano en el tema en cuestión.
Ya que como su nombre indica es la base, es necesario
que las reglas establecidas sean lo más clara posibles para evitar
ambigüedad, eficiencia, que se facilite la deducción a la maquina
por inferencia, y fuerza de expresión para definir de forma
adecuada y completa todos los elementos del universo del tema
elegido.
Como vemos por lo descrito anteriormente, es
complicado traducir a un lenguaje todos los conocimientos de un
experto humano de forma que pueda entenderlo y reflexionar
sobre ellos como si del humano mismo se tratara y para el cual
muchos de sus actos son de forma intuitiva.
¿Qué se le pide o que se le podría pedir a un experto
humano?
-
Habilidad para llegar a una solución de la forma
más rápida posible y a poder ser de forma certera.
Para que sea de una forma rápida y certera
obligamos al experto, no solo a que sepa en que
campo se mueve si no, que tenga experiencia en el.
-
Habilidad para explicar a las personas que no
cuentan con ese conocimiento o esa experiencia los
resultados obtenidos.
-
Habilidad de poder reestructurar el conocimiento
para que se adapte a las circunstancias.
-
Habilidad para poder aprender de las experiencias.
Los expertos deben aprender de sus experiencias
propias, pero además también de las de los demás.
Esto implica que un experto debe estar al día en
cuanto a sus conocimientos.
2.1.1 Tipos de Conocimiento
la base del conocimiento y controla de forma estratégica la el
sistema de conocimiento.
Además de utilizar la base del conocimiento el motor de
inferencias también hace de controlador de la consulta del usuario
y decide el orden en el que se hacen las inferencias.
2.3 Interfase
Se encarga de proporcionar el usuario una interfaz lo
mas amigable posible para poder interactuar con el sistema
experto de una forma fácil y sencilla. Recordemos que lo que
hacemos es solucionar problemas como lo solucionaría un
experto, con esto se ayuda a las personas y usuarios del sistema,
no queremos que le sea más difícil y complicada su utilización.
Esta interfase se encargara de gestionar las entradas y
salidas al sistema experto.
2.4 Ventajas y desventajas de los SE
2.4.1 Ventajas de los SE
Los sistemas expertos tienen multitud de ventajas, entre ellas
podemos ver:
-
Un sistema experto puede replicarse tantas veces
queramos. Una vez que un SE ha sido creado podemos
replicarlo y usarlo por donde queramos.
-
Por causa de su replica su coste a largo plazo es bajo.
Aun que inicialmente crearlo puede ser caro, al poder
ser replicado su coste a largo plazo es bajo.
-
Los SE no se ven afectados por la edad, o el entorno
que les rodea como los seres humanos por lo que
también es una ventaja a considerar.
Existen tres tipos de conocimiento para construir un sistema
experto:
•
Reglas
Declaraciones estructuradas en forma de oraciones
condicionales.
•
2.4.2 Limitaciones de los SE
En cuanto a sus limitaciones podemos hablar de:
Estructuras
Contienen jerarquía de componentes y de atributos
objeto que pueden ser asignados heredados de otras
estructuras a través de diversos procedimientos.
-
El lenguaje es algo problemático. Con un humano
podemos conversar y explicarnos mejor, con un SE lo
que hay esta en sus reglas y no podemos usar
explicaciones, aclaraciones, gestos…
-
2.2 Motor de Inferencias
Es difícil que un SE aprenda de sus errores. Para un ser
humano la experiencia, los errores y los aciertos hace
que vaya mejorando, en un SE esto es difícil de
conseguir.
-
El motor de inferencia lo que hace es decidir, interpretar
y aplicar el conocimiento que se ha obtenido de la base del
conocimiento a la base de los hechos para poder así obtener la
solución adecuada, o dicho de otra forma, es el encargado de
hacer uso de los hechos y las reglas que el experto ha integrado en
Perspectiva global. Un experto humano es capaz de
separar los datos realmente relevantes de los
irrelevantes, un SE no. Y a estos podemos añadirle que
no están abiertos a nueva fuente de datos para ver como
se puede resolver un problema ya que sus datos están
programados.
-
Elevado coste y tiempo.
•
Lógica
Son expresiones con predicados, valores y átomos para
evaluar hechos del mundo real.
2.5 Aplicaciones
En el siguiente cuadro podemos observar algunas de las
áreas en las que los sistemas expertos tienen aplicación.
•
Primero es necesario concluir si el paciente tiene una
infección significativa.
•
A continuación hay que establecer al o los posibles
organismos involucrados.
•
Después escoger el conjunto de antibióticos que puedan
ser necesarios.
•
Por último elegir el antibiótico.
Sin embargo dicho proceso no es nada fácil. Esto se
debe a que el cuerpo humano está normalmente poblado por
bacterias. Se toma del paciente las muestras necesarias
realizándole un cultivo. Por lo que el diagnóstico inicial se base
en criterio clínico, fiebre y dolor.
Los resultados de las pruebas pueden tomar de 24 a 48
horas o más. Una vez que el médico dispone de los resultados
debe elegir el tratamiento basándose en:
Veamos algunos ejemplos:
-
En el campo de la medicina tenemos varios como
DENDRAL, MYCIN o PUFF. De entre ellos el más
famoso es MYCIN del que hablaremos en el siguiente
apartado.
-
En el campo de la programación tenemos sistemas como
EURISKO, sistema que es capaz de aprender a medida
que funciona y crear circuitos microelectrónicos
tridimensionales.
-
Sistemas militares tenemos TWIRL, que simula guerras
completas y guía de mejores accionas para realizar en
casi todas las situaciones.
-
En la industria podemos ver RI, Programa utilizado para
el descubrimiento de yacimientos petrolíferos bajo
aguas marinas.
-
En el ámbito económico tenemos el TRADING, una
serie de reglas matemáticas bien estructuradas en las
que se basan las operaciones en bolsa.
-
En la geología encontramos el PROSPECTOR,
utilizado para hallar yacimientos de minerales.
3. MYCIN
Es un sistema experto desarrollado por Edgar ShortLiffe
en la Universidad de Stanford a principios de los años 70. Su
objetivo es el diagnóstico de enfermedades infecciosas de la
sangre. Incluso es capaz de razonar el proceso seguido para llegar
a los diagnósticos y de recetar medicaciones personalizadas a cada
paciente.
3.1 Tratamiento de infecciones sanguíneas
Elegir el tratamiento adecuado para una infección
bacteriana sigue un proceso de cuatro partes:
•
Posibles identidades del organismo.
•
La probabilidad efectiva del agente antimicrobiano
contra este rango de posibilidades.
Una vez que el médico dispone de los resultados del
cultivo debe de decir que tratamiento hay que aplicar al paciente.
Sin embargo, este tratamiento puede tener diferentes síntomas o
efectos en cada paciente con lo que es necesario cambiarle el
tratamiento.
Por otra parte, es evidente que el médico necesite ayuda
con la selección antimicrobiana. Con lo que el problema se
continúa aunque haya habido intentos para educar a los médicos;
pocos parecen ir a través del proceso metódico de decisión. La
sobre-prescripción en EEUU durante los años 70 fue estimado
con un factor de 10 a 20, con lo que el coste anual para pacientes
y hospitales es monumental. Asimismo, la sobre-prescripción
puede resultar en el desarrollo de cepas bacterianas resistentes.
El objetivo de MYCIN es asistir al doctor, el cual no
tiene por qué ser experto en el área de los antibióticos con el
diagnóstico y tratamiento de infecciones sanguíneas.
Este sistema experto consta fundamentalmente de tres
componentes:
1)
Un sistema de consulta entre el programa y el doctor.
Este sistema consiste en realizar una serie de preguntas,
entrega de conclusiones y dar consejos.
2)
Un sistema de explicación por parte del sistema al
doctor en el cual, éste responde a las preguntas del
médico y justifica sus propios consejos.
3)
Un sistema para conseguir las reglas, agregas nuevas
reglas y cambiar las existentes.
si tiene ese paciente algún cultivo pendiente que es nuestro caso.
Entonces MYCIN le dice que necesita conocer la información del
cultivo pendiente. El usuario le responde con una serie de datos y
por último le contesta que no hay ningún organismo. Por lo tanto,
el sistema experto no puede sacar conclusiones y sigue planteando
preguntas.
En cierto momento de la consulta llega a esto:
3.2 Sistema de consulta
Esta primera parte del MYCIN consiste en generar el
conjunto de hipótesis relacionado con el organismo dañoso y de
este modo realizar una serie de recomendaciones de terapias para
estas hipótesis. Recalcar que MYCIN suele describirse
incorrectamente como un programa de diagnóstico médico; en
realidad es un programa para tratamiento de infecciones
sanguíneas.
Para comprender mejor un sistema de consulta a
continuación se muestra un ejemplo:
Primero MYCIN necesita cuatro datos del paciente ya
que son esenciales para cualquier diagnóstico. Una vez que
dispone de ellos realiza una serie de preguntas para conocer la
disponibilidad del cultivo.
1)
Nombre del paciente:
David King
2) Edad:
34
3) Sexo:
Varón
4) Raza
Caucasiana
5) ¿Hay cultivos de David qué puedan estar
relacionados con su enfermedad actual, en los
que hayan llegado a crecer organismos en el
laboratorio de microbiología?
No
6) ¿Hay cultivos pendientes de David?
Sí
7) ¿De qué lugar se tomó la muestra para el
cultivo?
LCR
8) Por favor, escriba la fecha y la hora de la toma
del cultivo de LCR pendiente (m/d/a hora)
Junio/24/84 7:00
9) ¿Se examinó un frotis cuando se obtuvo la
muestra para el cultivo pendiente de LCR?
Sí
10) ¿Se vio organismo en el frotis de la muestra
sometida al cultivo de LCR pendiente?
No
Antes que nada deja que sea el propio médico quién
diga los hechos conocidos. Pero en este ejemplo al paciente no se
le ha realizado ningún cultivo positivo con lo que MYCIN insiste
13) ¿Ha presentado David síntomas de cefalea
persistente un otros síntomas neurológicos
anormales (vértigo, letargo,…)?
Sí
14) ¿Hay en David alguna evidencia objetiva
reciente de signos neurológicos anormales
(rigidez de nuca, coma, convulsiones,…),
documentados por observación o examen
clínico?
Sí.
Hay que destacar que los cultivos LCR (cultivo de
líquido cefalorraquídeo) están asociados con meningitis.
Las dos siguientes preguntas representan un enfoque
más tradicional al diagnóstico por síntomas y tras tener la
contestación de la pregunta 14, MYCIN informa de su primera
conclusión: la infección del LCR es probablemente meningitis.
Después continúa con otra tanda de preguntas para
identificar el organismo concreto causante de la infección
meningítica.
34) ¿La meningitis se ha contraído en el hospital?
No
35) ¿Es la historia clínica de David consistente
con Epiglotis?
No
36) ¿Es la historia clínica de David consistente
con Otitis-media?
No
37) ¿Ha estado alguna vez el paciente en una zona
endémica de coccidiomicosis?
Desconocido
38) ¿Se ha sometido David a esplenotomía?
No
39) ¿Ha sufrido David quemaduras?
Si
He encontrado evidencia (REGLA 507) de
que el tratamiento debe cubrir Diplococcuespneumoniae causante de meningitis.
He encontrado evidencia (REGLA 545) de
que el tratamiento debe cubrir E. coli causante
de meningitis.
He encontrado evidencia (REGLA 545
REGLA 578) de que el tratamiento debe
cubrir Pseudomonas-aeruginas causante de
meningitis.
A partir de este momento ha finalizado la parte
diagnóstica de la consulta. Ahora el programa se encarga de
buscar el conjunto de medicamentos para acabar a los organismos
sin perjudicar al paciente. Con lo que vuelve a realizar otra serie
de preguntas. Aunque hay que destacar que estas preguntas son
diferentes dependiendo de los resultados intermedios.
40) ¿Tiene David signos neurológicos focales?
No
41) ¿Presenta David alguna reacción alérgica
importante
frente
algún
agente
antimicrobiano?
Sí
42) ¿Cuál es el más reciente aclaramiento de
creatinio, en ml/min, que usted considera
representativo de la función renal de David?
77
43) Peso de David en Kg
77
3.2.2 Estructuras de datos
Estructuras de datos estáticas
Se encarga de guardar la información de definición.
Dicha información es mantenida separada del
conocimiento inferencial, en la forma de listas simples
(enumeran todos los organismos y sitios estériles
conocidos por el sistema), tablas de conocimiento
(tienen los registros de ciertos parámetros clínicos y los
valores que toman bajo diversas circunstancias) y un
sistema de clasificación para parámetros clínicos.
Dicho sistema de consulta consiste en una serie de
reglas de producción, un conjunto de estructuras estáticas y
dinámicas, y una estructura de control.
Estructuras de datos dinámicas
Son almacenados en un árbol de contexto, el cual se
utiliza para organizar la información referente a un
paciente en concreto. El consejo estará basado tanto en
los cultivos, organismos, operaciones previas y
tratamientos relacionados con el paciente, como en
características personales del paciente. Con lo que el
árbol ayuda a estructurar el problema clínico y
relacionar un contexto con otro.
3.2.1 Reglas de producción
La gramática que se utiliza para realizar dichas reglas es
representada internamente como código LISP. El cual es un
lenguaje de alto nivel de procesamiento de listas en el cual
MYCIN está implementado. La sintaxis que se maneja es la
siguiente:
<rule>::= <premise> <action>
<premise>::= ($AND <condition> ...
<condition>)
<condition>::= (<predicate> <context>
<parameter> <value>)
| ($OR <condition> ... <condition>)
<action>::= <conclusion> | <instruction>
Un ejemplo de esta estructura es el siguiente:
PREMISE: ($AND (SAME CNTXT GRAM GRAMNEG)
(SAME CNTXT MORPH ROD)
(SAME CNTXT AIR AEROBIC))
ACTION: (CONCLUDE CNTXT CLASS
ENTEROBACTERIACEAE TALLY .8)
Donde gram se refiere a la cepa del organismo, morph a
la morfología del organismo y air a la aerobicidad del organismo.
El símbolo CNTXT es una variable que es instanciada por el
nombre que MYCIN le da al nodo contextual que está
actualmente observando.
El médico, el cual utiliza este sistema experto, no
observa dicho código. Simplemente las reglas son traducidas en el
terminal del siguiente modo:
If 1) the stain of the organism is gramneg,
and
2) the morphology of the organism is rod,
and
3) the aerobicity of the organism is
aerobic
THEN there is strongly suggestive evidence
(.8) that the class of the
organism is enterobacteriaceae.
Donde (0.8) indica el factor de confianza que
posteriormente se explicara.
Figura 2
3.2.3 Estructura de control
Encaminamientos hacia atrás
MYCIN tiene una regla meta de máximo nivel que
define la tarea completa del sistema de consulta:
IF
there
is
an
organism
which
requires therapy, and consideration
has been given to the possibility of
aditional organisms
requiring therapy
THEN compile a list of possible
therapies, and determine the best
therapy in this list.
Para realizar una sesión de consulta es necesario seguir
los siguientes pasos:
•
Crear el contexto del paciente como el nodo
de más alto nivel en el árbol de contexto.
•
Intentar aplicar la regla meta a este contexto
del paciente.
Al aplicar la regla meta es necesario evaluar primero su
premisa, la cual necesita determinar si hay un organismo
que requiera terapia.
Por lo tanto la consulta se realiza mediante una
búsqueda a través de un árbol meta. La meta superior en
la raíz del árbol es la parte de acción de la regla meta.
Las sub-metas futuras hacia abajo en el árbol, las cuales
determinar el organismo involucrado y el ver si es
importante. Puede ocurrir que estas sub-metas tengan a
su vez más sub-metas, como por ejemplo para descubrir
las propiedades de la cepa y morfología del organismo.
Las hojas del árbol son metas fácticas, también
conocidas como hechos, que no pueden ser deducidos
como por ejemplo datos de laboratorio. Como se puede
observar en la figura (ver figura 2).
Se llama estructura de control de encadenamiento hacia
atrás porque el programa razona hacia atrás desde lo que
quiere probar hacia los hechos que necesita para
hacerlo.
Factor de certeza
A cada regla se le asocia un factor de certeza, CF,
comprendido entre [-1, 1]. Este factor indica el grado de
confianza en la conclusión obtenida, dada la evidencia
de las premisas. Si es positivo indica un grado de
confianza, mientras que si es negativo un grado de
desconfianza.
3.3 Sistema de explicación
Este sistema consiste en explicar al doctor todo lo
referente a la consulta. Dicho doctor puede realizar las preguntas
generales o relacionadas con la consulta necesaria al programa no
sólo al final de la consulta sino durante la consulta misma.
Estas preguntas pueden ser del estilo ¿Qué te hace
pensar que el organismo puede ser un Proteus?Ante esta
situación MYCIN escribe las reglas que utilizó, su grado de
certeza en cada decisión y la última pregunta hecha. Todo esto lo
puede hacer porque lleva un registro de las decisiones que se
hace.
La facilidad que tiene MYCIN para responder a dichas
preguntas está basada en sus habilidades para:
•
Desplegar aquellas reglas que se están
utilizando durante la consulta.
•
Almacenar dichas reglas y asociarlas con
eventos.
•
Utilizar el indizado de reglas para recuperar
reglas particulares como respuestas a
peticiones.
3.4 Sistema de adquisición de reglas
En el programa se pueden agregar nuevas reglas de
decisión o cambiar alguna presente. El usuario no las agrega en
LISP sino en formato inglés. Es el propio programa que se
encargar de traducirla.
Sin embargo puede ocurrir que una nueva regla puede
contradecir a otra del sistema o simplemente agregar una regla
presente en el programa. Con lo que Shortliffe discutió planes
para proveer facultades para verificar los efectos que pueden
causar al ingresar una nueva regla en su libro.
Randall Davis desarrollo estos planes ampliamente en
un sistema llamado TEIRESIAS. Este sistema ayuda a un experto
a depurar y llenar el conjunto de reglas de un sistema experto
existente. Además utiliza generalizaciones acerca de la estructura
de reglas existentes.
3.5 Ventajas y Desventajas
A este sistema experto realizaron una serie de
investigaciones para saber su grado de fiabilidad. Los resultados
obtuvieron una tasa de aciertos de aproximadamente el 65%. Con
lo que mejoraba las estadísticas de los doctores no especializados
en el diagnóstico de infecciones bacterianas, que ejercían la
profesión en aquellos años.
Además este sistema experto presenta una
representación sencilla y una facilidad de comunicación con el
sistema.
Sin embargo, a pesar de los resultados favorables
obtenidos, MYCIN fue cayendo en desuso. El motivo es las
debilidades que tenía el programa y por cuestiones legales y éticas
debido a que se dejaba en manos de una máquina la
responsabilidad de la salud de una persona.
3.6 Ejemplo
A continuación mostramos un pequeño ejemplo
realizado en Prolog para simular el comportamiento de un sistema
experto en el ámbito de la medicina.
No es un ejemplo MYCIN porque es el propio sistema
el que realiza las preguntas al usuario y con dichas respuestas
concluye el organismo infeccioso y el posible tratamiento.
En el siguiente código se muestra los síntomas y
posibles tratamientos de enfermedades habituales.
El código de dicho programa es el siguiente:
sintomas_de(dolor_cabeza,gripe).
sintomas_de(escalofrios,gripe).
sintomas_de(tos_seca,gripe).
sintomas_de(fiebre,gripe).
sintomas_de(tos,pulmonia).
sintomas_de(fiebre_alta,pulmonia).
sintomas_de(escalofrios,pulmonia).
sintomas_de(dificultad_respirar,pulmonia).
sintomas_de(dolor_pecho,pulmonia).
sintomas_de(dolor_muscular,pulmonia).
sintomas_de(manchas_cuerpo,varicela).
sintomas_de(dolor_cabeza,varicela).
sintomas_de(fiebre_baja,varicela).
sintomas_de(falta_hambre,varicela).
sintomas_de(cansancio,varicela).
sintomas_de(fiebre_alta,meningitis).
sintomas_de(dolor_cabeza_intenso,meningitis)
.
sintomas_de(nuca_riguida,meningitis).
sintomas_de(vomitos_bruscos,meningitis).
sintomas_de(somnolencia,meningitis).
sintomas_de(perdida_conciencia,meningitis).
En la imagen anterior preguntamos por los síntomas de
la varicela y nos devuelve los cinco síntomas y con el orden
exactamente igual que están en el programa. La última sentencia
es false para indicar que ya no hay más síntomas para esa
enfermedad.
A continuación consultamos el tratamiento que hay que
seguir para pacientes con dicha enfermedad.
tratamiento_de(gripe,reposo).
tratamiento_de(gripe,beber_mucho_liquido).
tratamiento_de(gripe,analgesicos).
tratamiento_de(pulmonia,antibioticos).
tratamiento_de(pulmonia,beber_mucho_liquido)
.
tratamiento_de(pulmonia,reposo).
tratamiento_de(varicela,analgesicos).
tratamiento_de(varicela,crema_calman_picor).
tratamiento_de(meningitis,hospital).
tratamiento_de(meningitis,antibioticos).
También podemos saber con dicho programa la
enfermedad que se corresponde con el síntoma especificado,
como se puede observar en la captura de arriba.
Como se puede observar solamente tratamos cuatro
enfermedades, gripe, pulmonía, varicela y meningitis.
Ejecutamos el programa y obtenemos:
Para el siguiente ejemplo el programa trata de mostrar
las posibles enfermedades que tienen como tratamiento la variable
reposo.
Finalmente, con este último ejemplo buscamos si
tenemos alguna enfermedad que tenga como síntoma de dolor de
garganta. En este caso el programa nos responde con false porque
en nuestro programa no tenemos ninguna enfermedad con dicho
síntoma.
4. CONCLUSIONES
Como podemos ver el uso de los sistemas expertos en la
sociedad tiene numerosas ventajas.
Por un lado como ya se ha dicho en este documento los
sistemas expertos no se cansan, no les afecta el medio están en
continuo funcionamiento y si los programas bien son rápidos y
además eficaces.
Pero entrando en el terreno que nos ocupa, ¿Cómo de
lejos puede llegar un sistema experto en medicina?, ¿los pacientes
se fiarían de una “máquina”, o prefieren el trato personal? Estas
preguntas serian fácilmente contestables viendo la caída de
MYCIN. ¿De quién es la culpa de un mal tratamiento?, ¿Del
médico?, si es del experto, ¿Para qué queremos la máquina?
Desde nuestro punto de vista los sistemas expertos son
un gran avance en la sociedad, parece mentira a lo que llega la
sociedad con el paso del tiempo, es increíble que una máquina
programada pueda diagnosticar, y ayudar a las personas como si
de un experto humano se tratara y sobre todo es increíble que este
programada para aprender. Aun así, después de las ventajas
comentadas a lo largo del documento, e incluso las ventajas que
nosotras en este mismo momento pudiéramos verle todavía desde
nuestro punto de vista hay sistemas expertos, como en medicina
que no consideramos que estén preparados para anular al experto,
sencillamente podrían complementarlo, ayudarlo, o podrían usarse
para otro fin médico.
Muchos expertos podrían pensar que los sistemas
expertos no son tan buenos ya que si empezamos a usar los
sistemas expertos los expertos del mundo se quedarían
inservibles, o peor aún, solo servirían para darle conocimiento a
una máquina.
5. REFERENCES
[1] Inteligencia artificial y derecho By Danièle Bourcier,
Pompeu Casanovas
[2] Fundamentos de inteligencia artificial Escrito por Luis
Álvarez Munárriz
[3] Sistemas Expertos Escrito por David King,Paul Harmon