1) Base de conocimientos. Es la parte del sistema experto que contiene el conocimiento
sobre el dominio. Hay que obtener el conocimiento del experto y codificarlo en la base de conocimientos. Una forma clsica de representar el conocimiento en un sistema experto son las reglas. Una regla es una estructura condicional que relaciona lgicamente la informacin contenida en la parte del antecedente con otra informacin contenida en la parte del consecuente. 2) Base de hechos (Memoria de trabajo). Contiene los hechos sobre un problema que se han descubierto durante una consulta. Durante una consulta con el sistema experto, el usuario introduce la informacin del problema actual en la base de hechos. El sistema empareja esta informacin con el conocimiento disponible en la base de conocimientos para deducir nuevos hechos. 3) Motor de inferencia. El sistema experto modela el proceso de razonamiento humano con un mdulo conocido como el motor de inferencia. Dicho motor de inferencia trabaja con la informacin contenida en la base de conocimientos y la base de hechos para deducir nuevos hechos. Contrasta los hechos particulares de la base de hechos con el conocimiento contenido en la base de conocimientos para obtener conclusiones acerca del problema. 4) Subsistema de explicacin. Una caracterstica de los sistemas expertos es su habilidad para explicar su razonamiento. Usando el mdulo del subsistema de explicacin, un sistema experto puede proporcionar una explicacin al usuario de por qu est haciendo una pregunta y cmo ha llegado a una conclusin. Este mdulo proporciona beneficios tanto al diseador del sistema como al usuario. El diseador puede usarlo para detectar errores y el usuario se beneficia de la transparencia del sistema. 5) Interfaz de usuario. La interaccin entre un sistema experto y un usuario se realiza en lenguaje natural. Tambin es altamente interactiva y sigue el patrn de la conversacin entre seres humanos. Para conducir este proceso de manera aceptable para el usuario es especialmente importante el diseo del interfaz de usuario. Un requerimiento bsico del interfaz es la habilidad de hacer preguntas. Para obtener informacin fiable del usuario hay que poner especial cuidado en el diseo de las cuestiones. Esto puede requerir disear el interfaz usando mens o grficos. REGLAS MAS COMUNES. Modus Ponens: Regla de inferencia ms comnmente utilizada. Se utiliza para obtener conclusiones simples. Si la premisa de la regla es cierta, la conclusin pasa a formar parte del conocimiento. Supongamos que se tiene la regla: Si A es cierto, entonces B es cierto y que se sabe adems que A es cierto. Entonces, la regla Modus Ponens concluye que B es cierto. Esta regla de inferencia es la base de un gran nmero de sistemas expertos
Modus Tollens: Se utiliza tambin para obtener conclusiones simples. Se examina la conclusin y si es falsa, se concluye que la premisa tambin es falsa. Supongamos que se tiene la regla: Si A es cierto, entonces B es cierto pero se sabe que B es falso. Utilizando Modus Ponens no se puede obtener ninguna conclusin, pero Modus Tollens concluye que A es falso. Muy simple y con muchas aplicaciones tiles, pero menos utilizada que la Modus Ponens.
ALGORITMO. Supongamos que se sabe que los objetos A,B,D,E, F,H e I son ciertos y los restantes objetos son de valor desconocido. La figura distingue entre objetos con valor conocido (los hechos) y objetos con valores desconocidos. El algoritmo de encadenamiento de reglas procede como sigue: 1. La Regla 1 concluye que C = cierto. 2. La Regla 2 concluye que G = cierto. 3. La Regla 3 concluye que J = cierto. 4. La Regla 4 concluye que K = cierto. 5. La Regla 5 concluye que L = cierto. 6. La Regla 6 concluye que M = cierto. Puesto que no pueden obtenerse ms conclusiones, el proceso se detiene. Los nmeros dentro de los nodos indican el orden en el que se concluyen los hechos.
LIMITACIONES. Es evidente que para actualizar se necesita de reprogramacin de estos (tal vez este sea una de sus limitaciones ms acentuadas) otra de sus limitaciones puede ser el elevado costo en dinero y tiempo, adems que estos programas son poco flexibles a cambios y de difcil acceso a informacin no estructurada. Debido a la escasez de expertos humanos en determinadas reas, pueden almacenar su conocimiento para cuando sea necesario poder aplicarlo. As mismo los pueden ser utilizados por personas no especializadas para resolver problemas. Adems si una persona lo utiliza con frecuencia aprender de l. VENTAJAS. Estos programas proporcionan la capacidad de trabajar con grandes cantidades de informacin, que son uno de los grandes problemas que enfrenta el analista humano que puede afectar negativamente a la toma de decisiones pues el analista humano puede depurar datos que no considere relevantes, mientras un SE debido a su gran velocidad de proceso analiza toda la informacin incluyendo las no tiles para de esta manera aportar una decisin ms slida. Ejemplo de un sistema basado en reglas.
REAS DE APLICACIN. Aplican a una gran diversidad de campos y/o reas. A continuacin se listan algunas de las principales: Militar , Informtica , Telecomunicaciones, Qumica ,Derecho ,Aeronutica ,Geologa ,Arqueologa ,Agricultura , Electrnica ,Transporte ,Educacin ,Medicina ,Industria , Finanzas y Gestin HOY. Hoy se habla de sistemas basados en reglas de negocio (BRMS = Business Rules Management System) o de motores de reglas de negocio. En informtica, una regla de negocio es una descripcin muy especfica que permite controlar y/o tomar una decisin en una empresa o una organizacin. As, las reglas describen lo que se debe hacer, desde el punto de vista de un experto en un mbito concreto a) Casi todas las empresas disponen de un ordenador que realiza las funciones bsicas de tratamiento de la informacin: contabilidad general, decisiones financieras, gestin de la tesorera, planificacin, etc. b) Este trabajo implica manejar grandes volmenes de informacin y realizar operaciones numricas para despus tomar decisiones. Esto crea un terreno ideal para la implantacin de los SE. Dendral.- Fue ideado a finales de los aos 1970 para generar una representacin estructural de las molculas orgnicas a partir de los datos de un espectrgrafo de masas. Tal solucin tiene los siguientes pasos: Obtener las limitaciones de los datos. Generar estructuras candidatas. Predecir espectros de masa con los candidatos. Comparar los resultados con los datos. Este sistema ilustra la solucin comn de resolver problemas en Inteligencia Artificial (IA) de generacin y prueba.