Nombre de la

institucin:
Instituto tecnolgico
superior de
Zongolica.

Nombre de la
carrera:
Ingeniera en
sistemas
computacionales.

Nombre de la
asignatura:
Inteligencia Artificial

Nombre del docente:

M. S.C: Ricardo Omar Raigoza Cozar

Nombre del alumno (a):

Isabel Lima Mazahua

Fecha de entrega: 24-10-2015

Introduccin
Los sistemas expertos son programas que reproducen el proceso intelectual de un
experto humano en un campo particular, pudiendo mejorar su productividad,
ahorrar tiempo y dinero, conservar sus valiosos conocimientos y difundirlos ms
fcilmente.
Antes de la aparicin del ordenador, el hombre ya se preguntaba si se le
arrebatara el privilegio de razonar y pensar. En la actualidad existe un campo
dentro de la inteligencia artificial al que se le atribuye esa facultad: el de los
sistemas expertos. Estos sistemas permiten la creacin de mquinas que razonan
como el hombre, restringindose a un espacio de conocimientos limitado. En
teora pueden razonar siguiendo los pasos que seguira un experto humano
(mdico, analista, empresario, etc.) para resolver un problema concreto. Este tipo
de modelos de conocimiento por ordenador ofrece un extenso campo de

posibilidades en resolucin de problemas y en aprendizaje. Su uso se extender

ampliamente en el futuro, debido a su importante impacto sobre los negocios y la
industria.
El objetivo de este curso es ensear de forma prctica el funcionamiento y
construccin de un sistema experto. A lo largo de la serie de artculos se
demostrar que los sistemas expertos son tiles y prcticos, y que, adems, son
realizables. Tambin

se

analizar

la

problemtica

de

la adquisicin

representacin del conocimiento, as como los mtodos para tratar la

incertidumbre.

Sistemas Expertos
Los Sistemas Expertos, rama de la Inteligencia Artificial, son sistemas informticos
que simulan el proceso de aprendizaje, de memorizacin, de razonamiento, de
comunicacin y de accin en consecuencia de un experto humano en cualquier
rama de la ciencia.
Estas caractersticas le permiten almacenar datos y conocimiento, sacar
conclusiones lgicas, tomar decisiones, aprender de la experiencia y los datos
existentes, comunicarse con expertos humanos, explicar el porqu de las
decisiones tomadas y realizar acciones como consecuencia de todo lo anterior.
Tcnicamente un sistema experto, contiene una base de conocimientos que
incluye la experiencia acumulada de expertos humanos y un conjunto de reglas

para aplicar sta base de conocimientos en una situacin 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.

Caractersticas:
Con la ayuda de un Sistema Experto, personas con poca experiencia pueden
resolver problemas que requieren un "conocimiento formal especializado".
Los Sistemas Expertos pueden obtener conclusiones y resolver problemas de
forma ms rpida que los expertos humanos.
Los Sistemas Expertos razonan pero en base a un conocimiento adquirido y no
tienen sitio para la subjetividad.
Se ha comprobado que los Sistemas Expertos tienen al menos, la misma
competencia que un especialista humano.
El uso de Sistemas Expertos es especialmente recomendado en las siguientes
situaciones:

Cuando los expertos humanos en una determinada materia son escasos.

En situaciones complejas, donde la subjetividad humana puede llevar a

conclusiones errneas.

Cuando es muy elevado el volumen de datos que ha de considerarse para

obtener una conclusin.

Aplicaciones:
Medicina, Economa, Psicologa, Finanzas, Derecho y prcticamente todas las
ramas del conocimiento.
Si desea mayor informacin sobre el diseo y la aplicacin en su empresa o
negocio de los Sistemas Expertos, por favor comunquese con nosotros y con
gusto lo atenderemos.

Prximamente tendremos en esta seccin, nuevos documentos educativos y

tutoriales sobre el tema de los sistemas expertos. Si tiene inters en que le
informemos cuando estn disponibles por favor escrbanos.

Lgica Difusa
Un tipo de lgica que reconoce ms que simples valores verdaderos y falsos. Con
lgica difusa, las proposiciones pueden ser representadas con grados de
veracidad o falsedad. Por ejemplo, la sentencia "hoy es un da soleado", puede ser
100% verdad si no hay nubes, 80% verdad si hay pocas nubes, 50% verdad si
existe neblina y 0% si llueve todo el da.
La Lgica Difusa ha sido probada para ser particularmente til en sistemas
expertos y otras aplicaciones de inteligencia artificial. Es tambin utilizada en
algunos correctores de voz para sugerir una lista de probables palabras a
reemplazar en una mal dicha. La Lgica Difusa, que hoy en da se encuentra en
constante evolucin, naci en los aos 60 como la lgica del razonamiento
aproximado, y en ese sentido poda considerarse una extensin de la Lgica
Multivariada. La Lgica Difusa actualmente est relacionada y fundamentada en la
teora de los Conjuntos Difusos. Segn esta teora, el grado de pertenencia de un
elemento a un conjunto va a venir determinado por una funcin de pertenencia,

que puede tomar todos los valores reales comprendidos en el intervalo [0,1]. La
representacin de la funcin de pertenencia de un elemento a un Conjunto Difuso
se representa segn la figura 1.
Ejemplo de una funcin de pertenencia a un Conjunto Difuso.
La Lgica Difusa (llamada tambin Lgica Borrosa por otros autores) o Fuzzy
Logic es bsicamente una lgica con mltiples valores, que permite definir valores
en las reas oscuras entre las evaluaciones convencionales de la lgica precisa:
Si / No, Cierto / Falso, Blanco / Negro, etc. Se considera un sper conjunto de la
Lgica Booleana. Con la Lgica Difusa, las proposiciones pueden ser
representadas con grados de certeza o falsedad. La lgica tradicional de las
computadoras opera con ecuaciones muy precisas y dos respuestas: Si o no, uno
o cero. Ahora, para aplicaciones de computadores muy mal definido o sistemas
vagos se emplea la Lgica Difusa.
Por medio de la Lgica Difusa pueden formularse matemticamente nociones
como un poco calientes o muy fras, para que sean procesadas por computadoras
y cuantificar expresiones humanas vagas, tales como "Muy alto" o "luz brillante".
De esa forma, es un intento de aplicar la forma de pensar humana a la
programacin de los computadores. Permite tambin cuantificar aquellas
descripciones imprecisas que se usan en el lenguaje y las transiciones graduales
en electrodomsticos como ir de agua sucia a agua limpia en una lavadora, lo que
permite ajustar los ciclos de lavado a travs de sensores. La habilidad de la Lgica
Difusa para procesar valores parciales de verdad ha sido de gran ayuda para la
ingeniera. En general, se ha aplicado a:
Sistemas

expertos.

Verificadores de ortografa, los cuales sugieren una lista de palabras probables

para

reemplazar

una

Control de sistemas de trenes subterrneos.

palabra

mal

escrita.

Los operadores lgicos que se utilizarn en Lgica Difusa (AND, OR, etc.) se
definen tambin usando tablas de verdad, pero mediante un "principio de
extensin" por el cual gran parte del aparato matemtico clsico existente puede
ser adaptado a la manipulacin de los Conjuntos Difusos y, por tanto, a la de las
variables lingsticas.
La operacin ms importante para el desarrollo y creacin de Reglas Lgicas es la
implicacin, simbolizada por " " que representa el "Entonces" de las reglas
heursticas: Si (...) Entonces () (...).
As, en la Lgica Difusa hay muchas maneras de definir la implicacin. Se puede
elegir una "funcin (matemtica) de implicacin" distinta en cada caso para
representar a la implicacin.
La ltima caracterstica de los sistemas lgicos es el procedimiento de
razonamiento, que permite inferir resultados lgicos a partir de una serie de
antecedentes. Generalmente, el razonamiento lgico se basa en silogismos, en los
que los antecedentes son por un lado las proposiciones condicionales (nuestras
reglas), y las observaciones presentes por otro (sern las premisas de cada regla).
Los esquemas de razonamiento utilizados son "esquemas de razonamiento
aproximado", que intentan reproducir los esquemas mentales del cerebro humano
en el proceso de razonamiento. Estos esquemas consistirn en una generalizacin
de los esquemas bsicos de inferencia en Lgica Binaria (silogismo clsico).
Tan importante ser la seleccin de un esquema de razonamiento como su
representacin material, ya que el objetivo final es poder desarrollar un
procedimiento analtico concreto para el diseo de controladores difusos y la toma
de decisiones en general. Una vez que dispongamos de representaciones
analticas de cada uno de los elementos lgicos que acabamos de enumerar,
estaremos en disposicin de desarrollar formalmente un controlador "heurstico"
que nos permita inferir el control adecuado de un determinado proceso en funcin

de un conjunto de reglas "lingsticas", definidas de antemano tras la observacin

de la salida y normas de funcionamiento de ste.

Algoritmo gentico

Los Algoritmos Genticos (AGs) son mtodos adaptativos que pueden usarse para
resolver problemas de bsqueda y optimizacin. Estn basados en el proceso
gentico de los organismos vivos. A lo largo de las generaciones, las poblaciones
evolucionan en la naturaleza de acorde con los principios de la seleccin natural y
la supervivencia de los ms fuertes, postulados por Darwin. Por imitacin de este
proceso, los Algoritmos Genticos son capaces de ir creando soluciones para
problemas del mundo real. La evolucin de dichas soluciones hacia valores
ptimos del problema depende en buena medida de una adecuada codificacin de
las mismas.

Un algoritmo gentico consiste en una funcin matemtica o una rutina de

software que toma como entradas a los ejemplares y retorna como salidas cules
de ellos deben generar descendencia para la nueva generacin.
Versiones ms complejas de algoritmos genticos generan un ciclo iterativo que
directamente toma a la especie (el total de los ejemplares) y crea una nueva
generacin que reemplaza a la antigua una cantidad de veces determinada por su
propio diseo. Una de sus caractersticas principales es la de ir perfeccionando su
propia heurstica en el proceso de ejecucin, por lo que no requiere largos
perodos de entrenamiento especializado por parte del ser humano, principal
defecto de otros mtodos para solucionar problemas, como los Sistemas Expertos.

Los principios bsicos de los Algoritmos Genticos fueron establecidos por

Holland, y se encuentran bien descritos en varios textos. Goldberg, Davis,
Michalewicz, Reeves.
En la naturaleza los individuos de una poblacin compiten entre s en la bsqueda
de recursos tales como comida, agua y refugio. Incluso los miembros de una
misma especie compiten a menudo en la bsqueda de un compaero. Aquellos
individuos que tienen ms xito en sobrevivir y en atraer compaeros tienen mayor
probabilidad de generar un gran nmero de descendientes. Por el contrario
individuos poco dotados producirn un menor nmero de descendientes. Esto
significa que los genes de los individuos mejor adaptados se propagarn en
sucesivas generaciones hacia un nmero de individuos creciente. La combinacin
de buenas caractersticas provenientes de diferentes ancestros, puede a veces
producir descendientes "superindividuos", cuya adaptacin es mucho mayor que la
de cualquiera de sus ancestros. De esta manera, las especies evolucionan
logrando
caractersticas cada vez mejor adaptadas al entorno en el que viven.

unas

Los Algoritmos Genticos usan una analoga directa con el comportamiento

natural. Trabajan con una poblacin de individuos, cada uno de los cuales
representa una solucin factible a un problema dado. A cada individuo se le asigna
un valor puntuacin, relacionado con la bondad de dicha solucin. En la
naturaleza esto equivaldra al grado de efectividad de un organismo para competir
por unos determinados recursos. Cuanto mayor sea la adaptacin de un individuo
al problema, mayor ser la probabilidad de que el mismo sea seleccionado para
reproducirse, cruzando su material gentico con otro individuo seleccionado de
igual forma. Este cruce producir nuevos individuos. Descendientes de los
anteriores. Los cuales comparten algunas de las caractersticas de sus padres.
Cuanto menor sea la adaptacin de un individuo, menor ser la probabilidad de
que dicho individuo sea seleccionado para la reproduccin, y por tanto de que su
material gentico se propague en sucesivas generaciones.
De esta manera se produce una nueva poblacin de posibles soluciones, la cual
reemplaza a la anterior y verifica la interesante propiedad de que contiene una
mayor proporcin de buenas caractersticas en comparacin con la poblacin
anterior. As a lo largo de las generaciones las buenas caractersticas se propagan
a travs de la poblacin. Favoreciendo el cruce de los individuos mejor adaptados,
van siendo exploradas las reas ms prometedoras del espacio de bsqueda. Si
el Algoritmo Gentico ha sido bien diseado, la, poblacin converger hacia una
solucin ptima del problema.

Conclusin

Actualmente el duro, difcil y cambiante mercado competitivo se vuelve ms

complejo por la gran diversidad de informacin que se ven obligados a almacenar
y analizar, razn por la cual las empresas se ven en la necesidad de recurrir a
poderosas y/o robustas herramientas o sistemas que les sirvan de soporte a la
hora de tomar decisiones. De esta forma estos inteligentes, precisos y eficientes
sistemas son adoptados por ms organizaciones, en las cuales se convierten y/o
transforman en una importante estrategia de negocio.
Por otra parte es importante mencionar que estos seguirn siendo usados en los
todos y cada una de las reas y/o campos donde los expertos humanos sean
escasos. Por consecuencia de lo anterior estos sistemas son utilizados por

personas no especializadas, por lo cual el uso frecuente de los (SE) les produce
y/o genera conocimiento a los usuarios.

Bibliografa:

http://www.informaticaintegral.net/sisexp.html
http://casanchi.com/casanchi_2001/difusa01.htm
http://eddyalfaro.galeon.com/geneticos.html