EJEMPLOS DE SISTEMAS EXPERTOS

En inteligencia artificial, un sistema experto es un sistema computacional que

emula la capacidad de tomar decisiones de un humano experto.

A continuacin se expondrn ejemplos importantes de sistemas expertos:

DENDRAL

Dendral, Interpreta la estructura molecular, es el nombre de un sistema experto

desarrollado por Edward Feigenbaum y otros programadores en la Universidad de
Stanford, a mediados de la dcada de 1960. Su desarrollo dur diez aos, (1965 a
1975)

Fue el primer sistema experto en ser utilizado para propsitos reales, al margen de
la investigacin computacional, y durante aproximadamente 10 aos, el sistema
tuvo cierto xito entre qumicos y bilogos, ya que facilitaba enormemente la
inferencia de estructuras moleculares, dominio en el que Dendral estaba
especializado.

Inicialmente escrito en Lisp, su filosofa de trabajo se aleja de las estructuras

clsicas de los sistemas expertos ms tpicos (como Mycin o XCon), ya que su
implementacin no separaba de forma explcita el conocimiento del motor de
inferencia. Sin embargo, pronto se convirti en uno de los modelos a seguir por
muchos de los programadores de sistemas expertos de la poca.

XCON

El programa R1, luego llamado XCON, por eXpert CONfigurer, era un sistema de
produccin basado en reglas escrito en OPS5 por John P. McDermott de CMU en
1978 para asistir a los pedidos de los sistemas de computadores VAX de DEC
(Digital Equipment Corporation) seleccionando los componentes del sistema de
acuerdo a los requerimientos del cliente.

XCON se us por primera vez en la planta de DEC en Salem, New Hampshire.

ste tena alrededor de 2500 reglas. Para 1986, haba procesado 80.000 rdenes
y alcanzaba un 95-98% de precisin. Se estimaba que le ahorraba a DEC 25
millones de dlares al ao reduciendo la necesidad de dar a los clientes
componentes gratuitos cuando los tcnicos cometan errores, aumentando la
velocidad del proceso de ensamblaje e incrementando la satisfaccin del cliente.

Antes de XCON, cuando se peda una VAX de DEC, cada cable, conexin y bit del
software tena que pedirse por separado (las computadoras y perifricos no se
vendan completas en cajas como hoy en da). El personal de ventas no siempre
era experto tcnicamente, as que los clientes podan encontrar que tenan
hardware sin los cables correctos, impresoras sin los drivers correctos,
procesadores sin el lenguaje correcto, etc. Esto significaba demoras y provocaba
una gran insatisfaccin en el cliente y poda terminar en una accin legal. XCON
interactu con el personal de Ventas, haciendo preguntas crticas antes de
imprimir una hoja de especificaciones para sistema coherente y efectivo.

DIPMETER ADVISOR

Dipmeter Advisor (Asesor) fue un sistema experto temprano desarrollado en 1980

por Schlumberger Doll Research para auxiliar en el anlisis de los datos
recolectados durante la exploracin petrolera.

El Asesor no era simplemente un motor de inferencias y una base de

conocimientos de 90 reglas, sino que era una estacin de trabajo completa,
corriendo sobre una mquina Dolphin Lisp de Xerox (o, en general, en un
procesador de informacin cientfica de la serie 1100 de Xerox) y escrito en
INTERLISP-D, con una capa de reconocimiento de patrones que era alimentada
por una interfaz grfica de usuario basada en mens. Fue desarrollado por un
grupo de gente, incluyendo a Reid G. Smith, James D. Baker y Robert L. Young.

Era principalmente influyente, no por un gran salto tcnico, sino porque era
bastante exitoso para las divisiones petroleras de Schlumberger y porque fue una
de las pocAS historia exitosas dentro de la burbuja de la Inteligencia Artificial en
recibir amplia publicidad.

Las reglas de Inteligencia Artificial de Dipmeter Advisor eran principalmente

derivadas de AI Gilreath, un ingeniero de interpretacin de Schlumberger que
desarroll el mtodo de los patrones rojo, verde, azul de la interpretacin dipmeter.
Desafortunadamente este mtodo tena aplicaciones limitadas en entornos
geolgicos ms complejos fuera de la costa del Golfo, y el Dipmeter Advisor era
principalmente usado dentro de Schlumberger ms como una herramienta de
visualizacin grfica para asistir en la interpretacin de cientficos geolgicos
entrenados, que como una herramienta de inteligencia artificial para ser usada por
intrpretes novatos. Sin embargo, la herramienta fue un acercamiento pionero a
las estaciones de trabajo con interpretacin grfica de la informacin geolgica.

MYCIN

Mycin es un sistema experto desarrollado a principios de los aos 70 por Edward

Shortliffe, en la Universidad de Stanford. Fue escrito en Lisp, e inicialmente estaba
inspirado en DendraL. Su principal funcin consista en el diagnstico de
enfermedades infecciosas de la sangre; adems, Mycin era capaz de razonar el
proceso seguido para llegar a estos diagnsticos, y de recetar medicaciones
personalizadas a cada paciente (segn su estatura, peso, etc.).

El funcionamiento de Mycin se basaba principalmente en un sencillo motor de

inferencia, que manejaba una base de conocimiento de aproximadamente unas
500 reglas. El programa capturaba las entradas a partir de una serie de preguntas
como por ejemplo, Tiene el paciente molestias en el pecho?, o Ha sido operado
el paciente anteriormente?, que usualmente responda el mdico del paciente.
Tras este proceso, Mycin mostraba la salida por pantalla, que consista en una
serie de posibles enfermedades (ordenadas por su probabilidad asociada), la
explicacin del porqu de cada uno de estos diagnsticos, y una serie de
recomendaciones sobre el tratamiento a seguir por el paciente.

Las investigaciones realizadas por la Stanford Medical School, desvelaron que

Mycin tuvo una tasa de aciertos de aproximadamente el 65%, Los mdicos que
trabajaban exclusivamente en este campo conseguan una tasa del 80%.

Poco a poco Mycin fue cayendo en desuso, debido principalmente a alguna de las
debilidades que el programa presentaba, y tambin, por cuestiones ticas y
legales que surgan al volcar la responsabilidad de la salud de una persona a una
mquina, por ejemplo, si Mycin se equivocaba en algn diagnstico, quin
asuma la culpa, el programador o el mdico?.

CLIPS

CLIPS es una herramienta que provee un entorno de desarrollo para la produccin

y ejecucin de sistemas expertos. Fue creado a partir de 1984, en el Lyndon B.
Johnson Space Center de la NASA.

CLIPS es un acrnimo de C Language Integrated Production System (Sistema de

Produccin Integrado en Lenguaje C). En la actualidad, entre los paradigmas de
programacin que soporta CLIPS se encuentran la Programacin lgica, la
Programacin imperativa y la Programacin Orientada a Objetos.

CLIPS probablemente es el sistema experto ms ampliamente usado debido a que

es rpido, eficiente y gratuito. Aunque ahora es de dominio pblico, an es
actualizado y mantenido por su autor original, Gary Riley.

Inicialmente, con el desarrollo de CLIPS se buscaba tener mayor conocimiento

sobre la construccin de sistemas expertos y sentar las bases de un lenguaje para
reemplazar las herramientas comerciales que estaban siendo usadas. La versin
1.0 de CLIPS demostr que eso era posible.

Otras funcionalidades agregadas transformaron CLIPS; ya no era una herramienta

para entrenamiento sobre construccin de sistemas expertos, sino que ahora
serva tambin para el desarrollo y ejecucin de los mismos. Las versiones CLIPS
(1987) tenan significativas mejoras en cuanto a desempeo, integracin con otros
lenguajes, y capacidad de ejecucin. CLIPS (1988) fue una completa re-escritura
del cdigo fuente con el fin de hacerlo ms modular. Esta versin tambin incluy
un manual detallado de la arquitectura de CLIPS y una aplicacin de ayuda para la
verificacin y validacin de programas basados en reglas.

Actualmente, CLIPS es mantenido fuera de la NASA como software de dominio

pblico.

Como otros lenguajes para sistemas expertos, CLIPS estructura el conocimiento

en hechos y reglas. Los hechos son informacin sobre el entorno que se usa para
razonar. Mientras que las reglas son los elementos que permiten que el sistema
evolucione, normalmente modificando hechos. Esa modificacin puede ser directa
sobre la base de hechos almacenada o como consecuencia de cambios en el
entorno, por ejemplo, si una regla mueve un robot sus sensores proporcionarn
hechos distintos en la siguiente lectura.

BIBLIOGRAFA

https://es.wikipedia.org/wiki/Dendral

https://es.wikipedia.org/wiki/XCon

https://es.wikipedia.org/wiki/Dipmeter_Advisor

https://es.wikipedia.org/wiki/Mycin

https://es.wikipedia.org/wiki/CLIPS