INTELIGENCIA ARTIFICIAL

 SISTEMAS EXPERTOS
 LÓGICA DIFUSA

EDGAR PEREZ CARDENAS

LUIS FERNANDO OCHOA CONTRERAS
GUILLERMO DE JESUS FERNANDEZ MACIAS
 LOS SISTEMAS EXPERTOS

son software que emula el comportamiento de un experto

humano en la solución de un problema.
 Los sistemas expertos funcionan de manera que almacenan
conocimientos concretos para un campo determinado y solucionan
los problemas, Con ellos se busca una mejora en calidad y rapidez
de respuestas dando así lugar a una mejora de la productividad del
experto.
 Estructura básica de un SE

Un Sistema Experto está conformado por:

 Especialistas Humanos
Ingenieros en Conocimientos.
Base de conocimientos (BC): Contiene conocimiento modelado extraído
del diálogo con un experto.
Base de hechos (Memoria de trabajo): contiene los hechos sobre un
problema que se ha descubierto durante el análisis.
Motor de inferencia: Modela el proceso de razonamiento humano.
Módulos de justificación: Explica el razonamiento utilizado por el
sistema para llegar a una determinada conclusión.
Interfaz de usuario: es la interacción entre el SE y el usuario, y se realiza
mediante el lenguaje natural.
APLICACIONES DE LOS SISTEMAS EXPERTOS

Las principales aplicaciones de los sistemas expertos son las

relacionadas con el mundo empresarial. Esto se debe a que
resultan muy útiles en funciones como la

 Contabilidad
 Tesorería
 Gestiones internas
 Auditoría.
 Telecomunicaciones
 Medicina
 Militar
 Derecho
 Aeronáutica
 Geología
VENTAJAS
 trabajar con gran cantidad de información
 trabajar a velocidades muy elevadas.

DESVENTAJAS

 En primer lugar el elevado coste

 tiempo que debe gastarse en programarlos.
 para actualizar un sistema experto es necesario reprogramarlo.
 que sean capaces de resolver problemas de manera general.
LOGICA DIFUSA

La lógica difusa (también llamada lógica borrosa) se basa en lo

relativo de lo observado como posición diferencial. Este tipo de
lógica toma dos valores aleatorios.
 El término fuzziness que en español entenderemos como
difusificar, se encuentra en nuestras decisiones, en nuestro
pensamiento, esto es, en la forma de cómo procesamos la
información, pero particularmente en nuestro lenguaje, ya que en
muchas ocasiones no expresamos con claridad lo que queremos
comunicar.
 POR EJEMPLO

una persona que mida dos metros es claramente una persona alta, si
previamente se ha tomado el valor de persona baja y se ha establecido
en un metro. Ambos valores están contextualizados a personas y
referidos a una medida métrica lineal.

La clave de esta adaptación al lenguaje se basa en comprender

los cuantificadores de cualidad para nuestras inferencias (en los
ejemplos de arriba, «mucho», «muy» y «un poco»).
POR EJEMPLO

Frases como: "Nos vemos luego", "un poco más", "no me

siento muy bien“, "luego", "un poco más", "muy bien".

son expresiones difusas, decimos que son difusas porque la

difusificación surge de las diferentes interpretaciones que damos a Por
ejemplo "luego", para el análisis de fenómenos rápidos en ingeniería
puede ser del orden de nanosegundos, pero para paleontólogos del
orden de miles de años. Como se puede observar la magnitud del orden
es relativa, por lo tanto si se emplea una unidad difusa (fuzzy), hay que
tener bien claro el contexto donde se esta utilizando para así encontrar
un punto de referencia y una unidad de medida.
 SON EXPRESIONES DIFUSAS

porque la difusificación surge de las diferentes interpretaciones que

damos a Por ejemplo "luego", para el análisis de fenómenos rápidos en
ingeniería puede ser del orden de nanosegundos, pero para
paleontólogos del orden de miles de años. Como se puede observar la
magnitud del orden es relativa, por lo tanto si se emplea una unidad
difusa (fuzzy), hay que tener bien claro el contexto donde se esta
utilizando para así encontrar un punto de referencia y una unidad de
medida.