-I-

TESIS DOCTORAL

METODOLOGA PARA EL DESARROLLO DE SISTEMAS EXPERTOS

por

Jos Domingo CARRILLO VERDUN

Ingeniero de Montes por la E.T.S. de Ingenieros de Montes de Madrid.

Presentado en la FACULTAD DE INFORMTICA de la UNIVERSIDAD POLITCNICA DE MADRID

para la obtencin del Grado de Doctor en In-forrnt i ca

MADRID, MAYO DE 1987

M0OM3G32 J?,1Z

R3Z,:

-I I-

TESIS DOCTORAL

METODOLOGA PARA EL DESARROLLO DE SISTEMAS EXPERTOS.

por: D. Jos Domingo CARRILLO VERDUN

Director de Tesis: D. Juan PAZOS SIERRA

TRIBUNAL CALIFICADOR

Presidente: D. Antonio INSUA NEGRAO Secretario: D. Rafael GONZALO MOLINA Vocales: D. Manuel DIEZ Y DIEZ DE ULZURRUN D. Luis LAITA D. Sixto ROS INSUA

Madrid, Mayo de 1987.

-I II-

METODOLOGIA PARA EL DESARROLLO DE SISTEMAS EXPERTOS

RESUMEN:

Aunque

las primeras bases de la Inteligencia Artificial -fue-

ron puestas por Alan Turig en 1950, los primeros Sistemas Expertos no empezaron comercialmente a explotarse hasta 1984.

A travs de la literatura consultada sobre dichos Sistemas se han observado distintos enfoques en el desarrollo de los mismos, sin que se hubiera seguido una metodologa especifica.

La Metodologa

(IDEAL) desarrollada en esta tesis intenta una

primera aproximacin a la sistematizacin del desarrollo de Sistemas Expertos, actividades estructurndolo en una serie de fases, etapas y la labor del Ingeniero del

que intentan facilitar

Conocimiento en la construccin del Sistema Experto.

En esta blemas ms

metodologa, se hace especial

referencia a los pro-

importantes que debe resolver el Ingeniero del Cono-

cimiento en cuanto a:

- Seleccin

del dominio de Aplicacin

del Sistema Experto y

del Experto/s en ese dominio.

-IV-

- Su relacin con el Experto/s, y extraccin del Conocimiento del mismo/s, donde tienen especial gicas tales como vistas. importancia tcnicas psicol-

el Anlisis del protocolo o tcnicas de entre-

Adquisicin del Conocimiento por

el Ingeniero y seleccin

de la tcnica de representacin adecuada.

- Seleccin llo.

de la herramienta ms

adecuada para el desarro-

- Construccin de prototipos incremntales.

Se establecen Metodologa

unas pautas para la posible aplicacin de esta Financiero, sealndose las principales

al Sector

posibles reas

de aplicacin, as como la problemtica que para

este sector tienen los Sistemas Expertos.

_v_

METHODOLOGIE FOR EXPERTS SYSTEMS DEVELOPMENT

SUMMARY:

Although

the -First basis o f the Arti-Ficial Intelligence were in 1950, the -first Expert Systems have not

put by Alan Turing

being commercially operated till 1984.

Throughout

the literature we have

cnsul t.ed ways in

about o f these -

Systems, we have observed di-f-ferents

their development,

without having -followed a speci-fic method.

The (IDEAL) approach Systems

Method developped

in this the

thesis,

try

a -first o f Expert and

to the systemat i zat i on o f by structing it in

development phases,

several

periods

activities which intends Engineer

to make easy the work of the Knowledge

in the construction o f the Expert System. -

In

this method,

we make

a special

re-ference

to

the more

important problems that the Knowledge Engineer should resolve in regard to:

- Selection

o f the domain o f -

the

Expert System Application

and o f the Expert/s in that field. -

-VI-

His

relationship

with

the

Expert/s

to

elicite

their

knowledge, where psychologica1

technics have special

importance

as also the Anlisis of the protocol or interview technics.

.- Knowledge

adquisition by the engineer

and

selection

o f the -

adecate representation technique.

- Selection o f the more appropiate tool -for it development. -

- Increasing prototypes construction.

We have application the

stablished

some

guides

in

order

to

possible

o f this Method to possible reas

the Finantial Sector, indicating of application, as also the

principal

problematic that in this sector the Expert Systems may have.

-VII-

INDICE GENERAL

Pag.

CAPITULO I 1.1 1.2

INTRODUCCIN Trascendencia de los Sistemas Expertos .. Aplicacin al Sector Financiero

1 1 6

CAPITULO 11 II. 1 11.2 11.3

ESTADO DE LA TECNOLOGA Resea histrica Arquitectura de los Sistemas Expertos ... Formal izacin y representacin del conocimiento

14 14 22

31 31 32 33 34 34 44 48 49 52

II.3.1 II.3. 1.1 11.3.1.2 11.3.1.3 11.3.1.4 II. 3.2 II. 4 II. 4.1 II. 4.2 II. 4.3

Formalismos del conocimiento Formalismos heursticos Formalismos epistemolgicos Formalismos conceptuales Formalismos computacionales Bases de conocimiento Motor de Inferencia Estrategia de control Modos de razonamiento Ciclo de base de un Sistema de produccin en encadenamiento hacia adelante

56

II. 4.4

Ciclo de base de un Sistema de produccin dirigido por la meta 63

-VIII-

psg.

II. 4.5 II- 4.6

Tcnicas de equiparacin Consideraciones sobre la resolucin de conflictos

66

72

II. 4.7

Criterios que dirigen la seleccin de un motor de inferencia 73 76 76 82 B5 87 88

II. 5 II. 5.1 II. 5.1.1 II. 5.1.2 II. 5.1.3 II. 5.1.4 II. 5.1.5

"Software" y "Hardware" Lenguajes Generalidades sobre LISP Dialectos del LISP Generalidades sobre PROLOG PLANNER y CONNIVER KRL (Knowledge Representation Language)

89

II. 5.2

Entornos de programacin en Inteligencia Artificial 90

II. 5.3

Inventario de material y soporte de la Inteligencia Artificial 94 97 104 . 106

II. 5.3.1 II. 5.4 II. 5.4.1 II. 5.5

Mquinas LISP La Quinta Generacin La Arquitectura de la Quinta Generacin Modelos de mquinas de inferencia par alela . .

111 112

II. 5.6

Mquinas neuromimticas

-IX-

pag.

CAPITULO III PROBLEMTICA ACTUAL EN LA CONSTRUCCIN DE LOS SISTEMAS EXPERTOS III. 1 III- 2 III. 3 General idades Seleccin de la. aplicacin Empleo de nuevas tcnicas no utilizadas por Proceso de Datos, para la resolucin de problemas y representacin del conoc i miento III. 4 Seleccin de "Hardware" y "So-Ftware" a utilizar y evaluacin del mismo III. 5 Problemtica 122 126 117 114 114 114

CAPITULO IV

METODOLOGA PARA LA CONSTRUCCIN DE SISTEMAS EXPERTOS 127 127

IV. 1 IV. 2

Introduccin a la metodologa Fase I: Determinacin de necesidades y valoracin del proyecto

130 130

IV. 2.1 IV. 2.2

Seleccin de la aplicacin Determinacin de necesidades y plan de evaluacin del Sistema Experto

142 142

IV. 2.2.1 IV. 2.2.2

Mental izacin de los usuarios Formacin de los Ingeniero del Conocimiento

144 150

IV. 2.2.3 IV. 2.2.4

Ubicacin

idnea del Sistema Experto ....

Determinacin de recursos humanos y plazos de desarrollo 152

-X-

pag.

Plan de evaluacin Balance econmico del Sistema Experto ... Aceptacin por la Direccin y usuarios del Sistema Experto Aceptacin por parte de los usuarios .... Aceptacin por los responsables Fase II: Diseo de la Ingeniera del Conocimiento y Construccin riel Prototipo Adquisicin del conocimiento Metodologas de adquisicin del conocimiento Tipos de conocimiento Tcnicas psicolgicas utilizadas Metodologas de trabajo del del Conocimiento Representacin del Conocimiento ......... Desarrollo de un prototipo Especificacin de los criterios de rendimiento del prototipo Seleccin de la herramienta para construir el prototipo Desarrollo de la versin inicial del prototipo Verificacin del prototipo con casos de Ingeniero

154 158

161 162 163

164 164

167 169 170

178 182 186

189

190

190

-XI-

pag.

IV. 3.4 IV. 4

Uso y mejora del prototipo Fase III. Construccin de la versin en produccin

192

195

IV. 4.1

Desarrollo del diseo detallado del Sistema Experto -final 195

IV. 4.2

Implantacin del ncleo del Sistema Experto 196 ... 197 198

IV. 4.3 IV. 4.4 IV. 4.5

Expansin de la base de conocimiento

Adecuacin de la inter-fase de usuario ... Monitorizacin de las prestaciones y evaluacin del rendimiento del sistema desarrollado

198 199

IV. 4.6 IV. 5

Mantenimiento de la base de conocimiento. Fase IV: Comprobacin del Sistema e Integracin del mismo en Produccin

200 200

IV. 5.1 IV. 5.1.1

Integracin a la escala -final Organizacin de la transferencia de tecnologa

201

IV. 5.1.2

Establecimiento de inter-fases del Sistema Experto con distintos sistemas "so-ftware" y "hardware" u otros 202 203

IV. 5.2 IV. 5.3

Uso regular y evaluacin del Sistema .... Mantenimiento y mejora del Sistema
t

Experto

203

-XII-

pag.

CAPITULO V

RESULTADOS, CONCLUSIONES Y FUTURAS LINEAS DE INVESTIGACIN 206 206 209 211

V. 1 V. 2 V. 3

Introduccin Conclusiones Futuras lneas de investigacin

CAPITULO VI

REFERENCIAS BIBLIOGRFICAS

214

ANEXOS 1 APLICACIN DE LA METODOLOGA A UN CASO PRACTICO EN EL SECTOR FINANCIERO II BIBLIOGRAFA GENERAL

219

219 276

CAPITULO I. INTRODUCCIN.

I.1. Trascendencia de los Sistemas Expertos.

La Inteligencia Artificial es una de las reas de la Tecnologa de la Informacin que ms expectativas est despertando en

el momento actual, quizs esperando unas realidades a corto plazo que difcilmente podrn verse realizadas, si antes no se consiguen mejores "herramientas", ms adecuados mtodos y se esta-

blecen ms slidos principios tericos que los actuales.

Sin embargo, una de mayor inters en el rea,

las razones de que se haya despertado el es debido a la creacin de los llamapor las aplicaciones prc-

dos Sistemas Expertos, especialmente

ticas que estn producindose en todos los sectores.

Estos

Sistemas cuentan con el

apoyo

del almacenamiento del y que, mediante

conocimiento relativo una serie

a un campo muy

concreto

de inferencias, producen la

respuesta que un experto

en la materia dara.

Esta tecnologa ha demostrado sus posibilidades en reas como el diagnstico mdicos a elegir diagnstico y tratamiento de infecciones la terapia adecuada para ayudar a los

(MYCIN), o que combinan el (HELP), o la explora-

y facturacin para hospitales

" ?

cin

de minerales

(PROSPECTOR),

el

diseo

de ordenadores

(XCOIM), o el

diagnstico de -fallos de

maquinaria, etc. En cam-

bio, no han visto

su extensin en el grado que sera previsible

a las reas econmicas, con lo cual se conseguira una mayor generalizacin de los mismos.

Una de las razones importantes es que, detrs de todo Sistema Experto hay un experto de carne y hueso. Los llamados Ingenieros

del Conocimiento que crean estos Sistemas, deben trabajar en estrecho contacto con dichos expertos para -formular las reglas que componen los programas del Sistema Experto. Pero, lo cierto y

verdad es que pocos

expertos se sienten atrados por la idea de

dedicarse a hacer ms inteligente a una mquina. Adems escasean los ingenieros especializados en estas cuestiones. Si a esta necesidad se nejen los une la di-ficultad de encontrar programadores que malenguajes necesarios, as como la necesidad de un

"hardware" especializado, se comprender la lentitud de este desarrollo.

Sin embargo,

esta situacin

est cambiando

rpidamente. La con conoci-

tendencia existente de crear

sistemas sofisticados

miento muy amplio y grandes ambiciones ha dejado paso a otra que es la de utilizar los desarrollos y tecnologa existentes en

aplicaciones

ms sencillas en aquellos puntos donde sera nece-

sario utilizar un experto, pero en los que el costo del mismo, o su inexistencia, o el presencia -fsica. riesgo de su uso, hacen muy difcil su

3 En esta linea, se han multiplicado el nmero de empresas que

se dedican a este sector, existiendo en EE.UU. ms de 200 empresas especializadas piezan a proli-ferar en la creacin de dichos sistemas, as, em-

en el mercado programas que reciben el nom-

bre de expertos, an cuando muchos no merezcan tal denominacin. El verdadero experto, puede Sistema Experto,se apoya en el conocimiento de un

modificar el programa en -funcin de la experien-

cia y dar al usuario razones de las respuestas que proporciona.

Mientras que el desarrollo se ha centrado en aplicaciones muy concretas, en las que los propios expertos han sido parte inte-

resada en el desarrollo del Sistema, la colaboracin ha sido e s pontnea y sin reservas.

En el momento

en que estos desarrollos se han generalizado y

su aplicacin empieza a ser en diversos campos de la Empresa, ya esta colaboracin puede no ser tan espontnea y clara. De ah la necesidad de dotar pues, a los responsables de estos desarrollos de unas metodologas, que les permitan convencer, dialogar y extraer el conocimiento de estos expertos, penetrando en su psicologa y, detectando los puntos clave de su conocimiento y sus

reglas particulares de deduccin.

Por otro ga

lado, la tendencia emergente de aplicar la tecnoloaplicaciones sencillas donde ventajosamente

existente en

sustituyen a

las tcnicas de Proceso

de Datos, hacen necesario

establecer unos cimiento a reas

criterios que ayuden a estos Expertos del ConoEmpresa, cules seran las

determinar dentro de la

de mayor ap1icabi1idad de

estos

Sistemas, y desarrollar

una planificacin

de desarrollo de los

mismos que les permitan

justificar econmicamente las inversiones en "hardware" y "software" necesarios.

Una vez determinada la aplicacin a desarrollar y obtenido el conocimiento de tacin del los expertos, surge el problema de la represen-

mismo en la base de conocimientos. Existen distintos del tipo de conocimiento

mtodos de representacin, dependiendo

y de los procesos de decisin a realizar sobre dicha base.

La

sistematizacin de criterios que

ayuden al Ingeniero del idnea del mismo es

Conocimiento a seleccionar

la representacin

otro de los objetivos que se plantea esta metodologa.

Las tcnicas de construccin de prototipos son de gran utilidad en la construccin de Sistemas Expertos. A diferencia de los Sistemas de Procesos de Datos, un prototipo puede ser utilizado sin que est terminado el Sistema. Mediante un

en produccin,

proceso continuo de refino de este prototipo se llegar a la solucin deseada.

La la

seleccin del "software", y "hardware" apropiado, as como

comprobacin del funcionamiento del Sistema y su integracin

en produccin completan una serie de actividades que hemos agrupado en este trabajo en cuatro fases que configuran el manual de procedimientos o mtodos para la construccin de un Sistema Ex-

perto, y sus correspondiente etapas de desarrollo, a saber:

FASE I. Determinacin de necesidades, valoracin del proyecto y capacidades a obtener.

- Seleccin de la aplicacin, en particular la primera - Determinacin de necesidades y valoracin de las mismas. - Aceptacin por la Direccin.

FASE II. Diseo de la Ingeniera del Conocimiento y construccin Prototipo.

- Adquisicin del conocimiento. - Representacin del conocimiento. - Desarrollo de un prototipo. - Uso y mejora del prototipo.

FASE III. Construccin de la versin en Produccin.

- Desarrollo del diseo detallado final. - Implantacin del ncleo del Sistema. - Expansin de la base de conocimiento. - Adecuacin de la inter-fase del usuario. - Monitorizacion de las prestaciones y evaluacin del Sistema. - Mantenimiento de la Base del Conocimiento.

6 FASE IV. Comprobacin del Sistema e integracin del mismo en

Produccin:

- Integracin a mayor escala. - Uso regular y evaluacin del Sistema Experto - Mantenimiento y mejora del mismo.

En la

bibliografa consultada no consta

que

este tema haya

sido tratado de mas de

una manera sistemtica. Cuando se habla de -for-

construir Sistemas Expertos, stas se encuentran muy li-

gadas a aplicaciones especficas y hay que deducir los pasos seguidos a travs del desarrollo que se expone del Sistema Experno existe una metodologa de diseo de los

to. Es por ello, que

Sistemas Expertos, por lo que esta tesis propone una Metodologa para su desarrollo y aplicacin en la construccin de un Sistema Experto.

I. 2. Aplicacin al Sector Financiero.

Se ha seleccionado una aplicacin de esta Metodologa al Sector Financiero por encontrarse esta tecnologa en -fase de introduccin en el mismo.

Este sector, intensivo en la utilizacin del recurso Informacin y, por consiguiente, uno de los motores de los desarrollos

de las Tecnologas de la Informacin, est iniciando el desarrollo de los primeros Sistemas Expertos.

Estos desarrollos tienen una

caracterstica especial con re-

lacin a los tratgico que un tema

tradicionales informticos, y ste es el valor espuede poseer el conocimiento o la experiencia en

dado. Esto hace que

determinadas aplicaciones sean hoy

mantenidas en secreto y no se posea informacin sobre ellas.

De una

manera general, se puede

sealar

la importancia que

estos Sistemas

Basados en el Conocimiento pueden tener para las

sucursales bancarias, independientemente de las aplicaciones especficas que puedan desarrollarse.

En estas sucursales, que estn en contacto livalencia, y

en las que el

personal

es escaso, los

con los clientes deben tener una gran pode crdito, inversiones u

atender, operaciones

operaciones administrativas de lo ms diverso.

Estos generalistas pueden sentir en muchos casos la necesidad de tener cerca un especialista, que se encuentra normalmente en

los Departamentos Centrales. El objetivo que cubrirn los Sistemas {Expertos, ser el poner a disposicin de esas sucursales

alejadas, el conocimiento mienta informtica.

de un Experto a

travs de una herra-

Tanto

las operaciones de concesin

de prstamos y crditos,

como las propuestas de inversin, son operaciones que se resuelven aplicando reglas conceptuales micos. ms que tratamientos algort-

El Sistema Experto es

una herramienta perfectamente adaptada

para tratar este aplicacin

tipo de problemas que

se

caracterizan por la y formalizados en una

de unos conceptos, expresados

representacin del conocimiento por un experto, que pretende estar en permanente evolucin y que son fcilmente actual izables.

Un Experto Financiero

es aquel que reflexiona y aplica a sus

conocimientos una lgica de razonamiento, a fin de establecer su diagnstico, pero le informa, calcula es tambin quien conoce a su cliente, quien

y es capaz de desarrollar una propuesta fi-

nal. La herramienta informtica debe, pues, reproducir estas diferentes facetas del especialista para ser eficaz.

Las

posibilidades de aplicaciones que se presentan bajo esta

ptica son enormes. Entre las que cabe sealar las siguientes:

a)

Anlisis de Inversiones en distintos aspectos, desde pro-

porcionar informacin a los clientes sobre las distintas posibilidades que se le presentan, hasta la gestin propia de la Tesorera de la Entidad Financiera, tanto en cuanto a sus propias

inversiones, como a los requerimientos de fondos.

b) El C o n t r o 1

d e ...Res g o es otra p o s i b l e rea de u t i l i z a c i n ,

en las que el

Sistema Experto ayuda a analizar el riesgo, tanto jurdicas, permitiendo un tratamiento

de personas fsicas, como

ms uniforme, as como reducir el nivel de riesgo asumido por la Entidad Financiera.

La aplicacin de Sistemas Expertos a este contexto puede ver-

9 se como un problema de clasificacin de clientes en diversas categoras, de acuerdo uno de estos. Como de evaluacin de en con el tipo de riesgo que representa cada

indica Juan Icasa (ICA86) ya sea el problema solicitudes de crdito o de medicin de riesgo

carteras existentes, el concepto de clasificacin en catego-

ras de acuerdo con el riesgo es vlido.

El desarrollo

de un Sistema Experto

en

este

rsa requiere

tanto la experiencia de dsticos.

personal cual ificado,como mtodos esta-

El personal cualificado puede, desde opinar acerca de

las caractersticas que pueden ser importantes para el problema, hasta indicar cuales son las reglas de decisin. A su ves, mtodos estadsticos pueden usarse desde como apoyo para evaluar el

Sistema Experto, hasta para formular las reglas de decisin.

La informacin perto se cas de

que se utiliza para

construir el Sistema Ex-

compone tanto de informacin interna, como son polticrdito; externa como informacin econmica, tipo de ine informacin inherente al crdito como es esde pago,

dustria, etc.,

tructura, propsito, variables etc.

financieras, capacidad

A efectos comercial

de medicin del riesgo

podemos dividir la cartera en tres grandes grupos:

de una institucin bancaria

los crditos que han sido recientemente otorgados, prstamos que aparentemente tienen mucho riesgo y fundamentalmente todos los

dems crditos de la cartera comercial.

Si el

proceso de evaluacin de

solicitudes

es correcto, el

10

riesgo incurrido por nuevos nos conocido.

crditos debe ser menor y ms o me-

Similarmente los crditos con conocidos y estn controlados.

alto riesgo,

generalmente son

El tercer grupo de crditos, aquellos que no son considerados muy arriesgados o que han sido otorgados muy recientemente, y son los que se

que normalmente forman el evalan con menos cuidado.

grueso de la carterai

El

tiempo que se requerir

para evaluar cuidadosamente este

tercer grupo, puede ser el que mida los nuevos frutos. Es probable que la mayora de esos crditos sean al menos marginalmente forma que el costo incurrido al examinarlos deta-

rentables de

lladamente puede ser muy alto.

Es aqui donde un Sistema Experto puede ser de gran ayuda para evaluar riesgos y alertar sobre determinados prstamos que puea deteriorarse. Este tipo de Sistemas puede evaluar costo un grupo grande de crditos de la

dan empezar

rpidamente y a bajo

cartera de la Entidad Financiera.

El mtodo

de desarrollo utilizado consiste

en

hacer que un

conjunto de expertos evale una muestra y los clasifique en base a distintas variables, tales como estructura del crdito, cali-

dad del cliente, tipo de industria, anlisis financiero e informacin adicional. Con esta evaluacin, se clasifican los crdi-

11 tos en diversos grupos con riesgo bajo, medio, alto o similares. El paso -final es traducir el ordenamiento de la muestra y las

variables que los expertos indicaron como importantes en un conjunto de reglas que imiten el razonamiento de los expertos.

Para

ello se utiliza la

tcnica

estadstica no paramtrica Mediante esta tcnica se

llamada particin recursiva (FRYDB5). encuentra la

relacin entre las variables

que los expertos de-

clararon como indicadores, de riesgo y los distintos grupos.

El resultado del

anlisis es una serie

de reglas que pueden

representarse mediante un rbol de decisin.

Para encontrar

el modelo ptimo del problema se utiliza slo

una parte de la muestra para elaborar el conjunto de reglas. Las observaciones restantes se utilizan taje para estructurar el porcen-

de crditos que el Sistema Experto clasifica "correctamen-

te" de acuerdo con el criterio re los expertos consultados.

Las ventajas principales de un modelo de este tipo son, entre otras:

- Las variables que estn mal relacionadas con el riesgo son identificadas, permitiendo fijar la atencin en carteras con un nmero importante de crditos con esas carcter sticas.

- La cartera puede segmentarse de acuerdo con el riesgo, permitiendo centrar la atencin en crditos que lo re-

12

quieran.

- El Sistema Experto puede utilizarse como un Sistema de alarma sobre posibles crditos.

- Varias carteras pueden ser comparadas de acuerdo con el r iesgo.

- Los crditos pueden clasificarse de acuerdo al riesgo por personas con poco experiencia en dicha tarea.

c) En el campo

del Atesoramiento ya sea en los aspectos fis-

cal como financiero, pueden tener una amplia utilizacin. El establecimiento de un diagnstico sobre el balance de una empresa

o sugerir acciones a la misma para mejorar su situacin, son algunas de sus posibles aplicaciones.

d)

En el rea de

l^omerc: ioI.Q.tj?rn_cC'nal ,

(REID86) tambin

aparecen posibilidades de aplicacin y, de hecho en la City londinense, se han iniciado los primeros proyectos utilizando los

Sistemas Expertos como

soporte de los "dealers" en las salas de

cambio. Un problema clave es la gran cantidad de informacin que stos reciben y la Sistema Experto dificultad de poder hacer uso de ella. El

la analiza y determina cual debe ser proporcio-

nada con mayor prioridad al "dealer".

Asimismo, tanto el asesoramiento en la previsin de los movimientos del mercado, como el rea de arbitraje son campos donde

.3 1 estn empezando a utilizarse estos Sistemas.

En operaciones tas de

ms sencillas, como son la aceptacin de car-

crdito, conversin de tele:-: o conciliacin de transac-

ciones han demostrado ya su eficacia.

En fin, podran enumerarse infinidad de reas susceptibles de utilizar esta tecnologa y no solamente en produccin, sino lo

que tambin es muy importante, en formacin del personal que los uti1 izar.

14 CAPITULO II. ESTADO DE LA TECNOLOGA

II. 1. Pesen a J L s t rj_ca. t^j

Aunque la idea de construir una mquina pensante o por lo menos un autmata que incorporara capacidades por lo comn asociadas al ser humano, ha existido desde desde la antigedad, las

investigaciones para dotar a

los ordenadores de caractersticas

semejantes a las que presenta la inteligencia humana, se han desarrollado en los ltimos 30 aos.

Como

hitos ms importantes en

este

periodo podemos sealar

(BAR82), los siguientes!

1950: - Alan Turing present un estudio sobre la Inteligencia Artifi-

cial, "Computing Machinery and Intel 1igence". En este documento, propuso su test (Turing test) para determinar cuando una mquina posee inteligencia haba artificial. En un primer documento, Turing

sugerido la posibilidad de

simular el comportamiento del

cerebro humano.

1955; - IPL-II (Information Processing de Language II), primer lenguaje por Alien Newell, J.C. en proceso de

Inteligencia Artificial. Fue creado IPL es un lenguaje

Shaw y Herbert Simn.

basado

listas y puede considerarse como un antecesor del LISP, lenguaje

15

ms usado actualmente en Inteligencia Artifial.

1956: - La Conferencia de Darmouth sobre Inteligencia Artifici al,organizada por John McCarthy, Marvin Minsky, Mathaniel Rochester y

Claude Shannon

con fondos de la Fundacin Rockefeller, reuni a habian trabajado en el campo de la Inteligenadems de los cuatro

profesionales que cia

Artificial. Entre los participantes,

organizadores estaban Arthur Samuel, Trenchard llore, Oliver Selfridge, Alien Newell, Ray Solomonoff y Herbert Simn.

- Logic Theorist discutido

(LT), desarrollado por Newell, Shaw y Simn fue considerado como el primer

en esta conferencia. LT,

programa que utiliz tcnicas de Inteligencia Artificial, emplea la bsqueda heurstica para resolver en el libro "Principia alguno de los problemas de Whitehead y

contenidos Russel1.

Mathematica"

- John McCarthy entonces en el MIT, disea el lenguaje LISP.

1957; - Newell, Shaw y Simn comienzan el desarrollo del GPS (General

Problem Solver). Con este sistema que puede ser considerado como el arquetipo del "paradigma del poder" se pretendi, como su

nombre indica, construir un sistema de propsito general que resolviera cualquier tipo de problema.

16 1959; - Arthur Samuel disea un programa para jugar a las damas, capaz de ganar a los mejores jugadores del momento. Su documento fue

publicado por IBM Journal and Development.

Frank Rosenblatt describi su mquina, Perception, para recoen "Proceedings of a Despus Symposium on the Mede un perodo de hoy con las

nocimiento de formas chanization abandono de

of Thought Processes".

las ideas propugnadas por

Rosenblatt,

aparicin de las mquinas

conexion istas, Boltzmann y neuromim-

ticas, dichas ideas vuelven a tener vigencia.

1960: - Inicio de las investigaciones en el MIT, del proyecto de Inteligencia Artificial Minsky. bajo la direccin de John McCarthy y Marvin

1965; - Se publica "Computer and Thought" editado por Edward A. Fei-

genbaum. Este libro,

es una recopilacin de trabajos de los ms

significados representantes del rea.

1964; - Daniel G. Bobrow public su tesis doctoral, basada en su Sis-

tema STUDENT. STUDENT es un programa que utiliza el lenguaje natural y puede comprender y resolver problemas de lgebra.

1965: Comienzan las investigaciones en el Stanford University Heu-

17

ristic Programming Project

(HPP), dentro del Stan-ford's Computer

Science Department, sobre Sistemas Expertos.

- Se inicia el desarrollo del primer Sistema Experto DENDRAL, en Stanford University Edward A. por un grupo que inclua a Joshua Ledeberg, Dennis Smith y Cari

Feigenbaum, Bruce G. Buchanan, analiza la

Djerassi. DENDRAL

in-formacin acerca

de compuestos

qumicos para determinar sus estructuras.

1966: - Joseph Weizenbaum crea ELIZA para ilustrar que las tcnicas de lenguaje gente. natural pueden hacer que un ordenador parezca inteli-

- Se

inicia el desarrollo del

robot

mvil, SHAKEY, construido

por SRI International, cuyo modelo decisional para plan i f icac i n de tareas, utilizar tcnicas de Inteligencia Artificial.

1970: - Patrick H. Winston publica su tesis doctoral Esta tesis "Learning Strucdescribe ARCHES,

tural Descriptions from Examples".

un programa que aprenda a partir de ejemplos.

- El proyecto de Inteligencia Artificial del MIT se convierte en el Laboratorio de Inteligencia Artificial, bajo la direccin de Seymour Papert, incluyendo hoy en da las reas Expertos, tcnicas de razonamiento y

Marvin Minsky y de robtica,

Sistemas

aprendizaje, lenguaje natural y arquitectura de ordenadores.

18

Jack D. Myers y

Harry E. Popel inician

en la Universidad de

Pittsburg el Sistema INTERIMIST, ahora llamado CADUCEUS, utilizado para ayudar a los mdicos en el diagnstico de en-fermedades.

- Alain Colmerauer guaje PROLOG.

y su equipo comienza

el desarrollo del len-

1971: - Se utiliza rrollado por operaciones por primera vez el Sistema Experto MACSYMA, desaMoses. Este Sistema realiza integral y simpli-fica ex-

William Martin y Joel de clculo di-ferencial e

presiones simblicas.

- La

Agencia de Investigacin de Proyectos Avanzados del MinisDe-fensa de los Estados Unidos patrocina la investiga(Speech Understan-

terio de

cin sobre comprensin del ding Research Program).

lenguaje hablado

- Algunos de los programas que se han desarrollado bajo esta investigacin son: SPEECHIS, HWIM, HEARSAY-I, HEARSAY-II, DRAGN Y HARPY, estos cuatro ltimos University. desarrollados en la Carnegie-MelIon

1972: - William Woods, de Bolt Beranek y Newman desarrollaron LUNAR;

que fue utilizado

por gelogos en la evaluacin de los materia-

les obtenidos en la luna por el Apolo-II.

19

1973: - Cognitive Psychology publica "Dependencia conceptual: Una teora para Schank. la comprensin del lenguaje natural", de Roger C.

- Roger C. Schank, desarrolla ms tarde-en el laboratorio de Inteligencia Artificial de la Universidad de Stanford el programa

MARGIE, que poda hacer inferencias y generar frases.

1975: - Edward Sistema H. Shortliffe desarrolla la versin inicial de MYCIN,

Experto que hace recomendaciones para el tratamiento de

la meningitis y otras infecciones bacterianas de la sangre.

- Marvin insky publica su documento "Un marco para la representacin del conocimiento", los cin en el que se discute la utilidad de

marcos (frames) como estructuras tiles para la representadel conocimiento en diversos tipos de Sistemas incluyendo

lenguaje natural y Sistemas de visin.

- Roger C. Schank

y Robert Abelson, en

la Universidad de Yale,

publicaron un documento describiendo n i s m ) , un

SAN (Script Applier Mecha-

programa para la comprensin del lenguaje natural que de guiones (scripts) en la representacin de de-

inclua el uso

pendencias conceptuales.

- Daniel G. Bobrow incluyendo

publica "Representation sobre la

and Understanding", representacin del

importantes documentos

20 conoc imiento.

1976; - Douglas B. Lenat escribi el Sistema Experto "AM" , un programa que define y juntos. evala conceptos matemticos en la teora de con-

- Randall Davis TEIREISIAS,

en la Universidad de

Stanford publica su tesis

un Sistema que utiliza metareglas para introducir y utilizadas en Sistemas Exper-

actualizar bases de conocimiento tos.

1977: - Programadores tema Experto PROLOG. del SZKI de Budapest, terminaron el primer Sisaplicaciones prcticas, escrito en

utilizado en

1978: - R.O. Duda y otros, del Research Institue Internacional, public un documento to que ayuda (DUD78) comentando PROSPECTOR, un Sistema Experinformacin relativa a prospec-

en el anlisis de

ciones geolgicas.

1980: - Entra en produccin XCON, el primer Sistema Experto utilizado con gran xito en entornos comerciales, en DIGITAL

diariamente

EOUIPMENT CORPORATION. El prototipo de XCON fue desarrollado bajo la direccin si ty. de John McDermott en la Carnegie Mellon Univer-

21

1981: - Japn anuncia su proyecto de Quinta Generacin de Ordenadores.

1982: - Inicia en Tokio sus actividades el ICOT (Instituto para la

Nueva Generacin de Ordenadores).

- Como

respuesta al programa de

la Quinta Generacin

japonesa,

EE.UU. crea MCC (Microelectronics and Computer Technology Corporation), y el strategic Computer Project.

- Inglaterra inicia el programa Alvey de tecnologa avanzada para investigar sobre la Quinta Generacin.

1983: - La Comunidad la carrera Europea crea el proyecto ESPRIT para competir en

por el ordenador de la Quinta Generacin.

- El Instituto burgo (Escocia),

Turing en la Universidad de Strathclyde en Edimo-frece -formacin en temas relativos a la Inte-

ligencia Artiiicial .

1984: - A partir del ao 1984 comienza la explotacin comercial de los desarrollos Arti-ficial. tecnolgicos alcanzados dentro de la Inteligencia

II. 2. Arquitectura de los Sistemas Expertos.

Un Sistema blemas

Experto aplica las tcnicas de resolucin de proInteligencia Artificial al conociespecfico, en orden a

y razonamiento de la

miento codi-ficado simular

acerca de un problema

la aplicacin de la

experiencia humana. La efectividad

del Sistema Experto depender, en gran medida, de la cantidad de conocimiento que se le proporcione. Sin la existencia de una base suficiente de conocimiento, aunque existan mtodos de razonamiento muy potentes, es imposible crear un comportamiento inteembargo, con mtodos de inferencia muy simples se se aplican a una

ligente. Sin

pueden conseguir

resultados muy buenos cuando

base adecuada de conocimientos.

Naturalmente

que una base de

conocimientos muy completa sin

un adecuado motor de inferencia, servira de muy poco, pues quedara reducida a algo esttico sin posibilidad ni capacidad de

"deduccin" ni generacin de nuevo conocimiento.

Los

Sistemas Basados en el

Conocimiento

significan el paso

del paradigma del muy

poder, es decir, de la utilizacin de cmputo conocimiento, o sea,empleo del

potentes, al paradigma del

mximo posible de conocimiento.

Los Sistemas Expertos podemos

clasificarlos en

tres grandes

categoras en cuanto a sus funciones: ayudantes, colegas y maes-

23

tros.

Los primeros son Experto

los que tienen como

objetivo

el ayudar al

humano en la toma

de decisiones, pudiendo clasificarse

dentro de esta fecha. Las pertos

categora la mayora de los construidos hasta la

otras dos categoras corresponden a los Sistemas Excompetir con las de

cuyas soluciones propuestas pueden

los Expertos, o cuando las decisiones son asumidas de una manera absoluta.

Los tores

Sistemas Expertos son utilizados como asesores o consulde usuarios humanos. Pueden ser utilizados para resolver

problemas rutinarios, liberando a los Expertos de esas poco gratificantes tareas de modo que pueden utilizar su conocimiento en otros asuntos ms complejos y novedosos. Los Sistemas Expertos

pueden llevar la experiencia a lugares donde no existen expertos humanos, o donde los servicios de ese experto seran muy costousar. En ciertas corporaciones se ve a los

sos o peligrosos de Sistemas

Expertos como una posibilidad ante los problemas que como distribuidores

de preservar la memoria presentar un experto cognoscitivo

corporativa humano, y

puede

de ese

patrimonio

dentro de la entidad.

Entre los

logros conseguidos hasta la -fecha por los Sistemas

Expertos podemos distinguir, entre otros:

- Asesoramiento en la deteccin de problemas en equipos de perforacin para bsqueda de petrleo.

24 - Asesoramiento a mdicos en el tratamiento de meningitis. - Localizacin de depsitos de molibdeno. - Con-f igurac iones complejas de ordenadores. - Aplicaciones diversas, como ayuda a la toma de decisiones en el entorno financiero.

A diferencia Expertos

de los

programas convencionales,

los Sistemas

pueden tratar problemas que requieren toma de decisio-

nes que gente experta realiza cada da. \ El desarrollo de los primeros Sistemas Expertos llev muchos

hombres/ao para conseguir resultados aceptables.

Estos plazos de desarrollo se han acortado sensiblemente. Hoy se ha ganado experiencia en las tcnicas para la construccin de los Sistemas Expertos y el "software" y "hardware" que facilitan su desarrollo se ha perfeccionado enormemente. Esto hace posible que hoy sean abordables aplicaciones comerciales que hasta pocos aos eran imposibles, dados los costos de dichos desarrollos.

Hoy es posible

que con una inversin aceptable y unos costos

de mantenimiento bajos, comparados con los de contratar o formar expertos, se puedan conseguir las empresas. resultados muy interesantes para

La

revolucin aportada por los Sistemas Expertos consiste en

considerar tanto las informaciones imperativas de la Informtica tradicional como las declarativas no expresables por los lenguajes usuales de aquella y el conocimiento de la naturaleza ms

25

diversa y no homognea, como datos.

Estos conocimientos son proporcionados

por sus usuarios

(ar-

quitectos, ingenieros, mdicos, -financieros,

etc.) en su propio

lenguaje, sin ninguna limitacin, y con un -formulismo muy prximo a su lenguaje natural.

Estos utilizadores, conoc imiento

estos expertos los

construyen sus

bases de

con la ayuda de

Ingenieros del Conocimiento.

Esto se realiza

en un lenguaje descriptivo, que tiene muy pocas tradicionales de programacin. Los como elementos modulares, indepen-

relaciones con los lenguajes conocimientos se introducen dientes y como

pequeas molculas de saber, muy libres las unas

de las otras y -fcilmente mod i f icab les. -

Estos conjuntos de conocimientos son analizados por lo que se ha dado en llamar motor de in-ferenc i as, "software" cuya programacin utiliza, una gama en parte mtodos .clsicos, tiene pero nico para toda

de aplicaciones y que

como objetivo relacionar

"las molculas de conocimiento"

que son encadenadas lgicamente

para deducir todas las informaciones posibles.

La descripcin de un sistema, es justamente aquello que ve el usuario. Sin embargo, del Conocimiento Sistema Experto: esto no es bice para que los Ingenieros de descripcin de un

hablen de tres niveles

1. Su arquitectura

que es una descripcin

-funcional de cmo la

26 mquina aparees ante el programador; por ejemplo, bases de he-

chos o memoria de trabajo, motor de inferencia, etc.

2. Bu implantacin, que quitectura.

es el diseo lgico que soporta esa ar-

As, el diseo lgico puede incluir las instruccio-

nes LISP en que se traduce el motor de inferencias, etc.

3. Su realizacin, que cir,

es el diseo fsico

del sistema, es de-

los componentes particulares obtenidos para disear y usar

el sistema tal como mquinas LISP, etc.

De este modo, una arquitectura puede ser soportada por un nmero indeterminado de implantaciones distintas, cada una de las

cuales puede, a su vez, tener numerosas realizaciones. De hecho, es muy frecuente el caso de que la misma arquitectura se realiza con nuevas tecnologas, cuando stas son utilizables.

La arquitectura tructurar,

de un Sistema Experto

complejo se puede e s 2.1. de la si-

tal y como se (RAULB4)

muestra en la figura

guiente manera:

1. Bases de conocimiento. Que incluye los conocimientos a ser proporcionados al motor puede ser extrado de de un experto. Otros

de inferencia. bases de

El conocimiento de hechos

datos convencionales o proceder

conocimientos pueden ser obtenidos de modelos de simulacin, as como de otros Sistemas Expertos.

2. Motor de inferencias.

27

Controla y

ejecuta los razonamientos con

el objetivo de al-

canzar los fines perseguidos. Las inferencias son realizadas por el Sistema de deduccin y/o simulacin bajo la gua de un Sistema de control.

El motor de inferencias dividir el conjunto de tareas a realizar en subtareas dado. que se desarrollarn bajo un plan de trabajo

3. Memoria de trabajo. Donde se mantienen resultados sern utilizados en pasos intermedios y deducciones que como informacin

subsiguientes, as

que se utilizar para:

- Actualizar la base de conocimientos. - Proporcionar al Sistema de Interpretacin de lo que est ocurriendo. - Ser empaquetada y preparada para ser utilizada por el Sistema de adquisicin del conocimiento. - Ser enviada a la interfase de salida. informacin

4. Sistema de Gestin de la Base de Conocimientos. Gestiona nentes de la el flujo de informacin memoria de trabajo y entre los distintos compolas bases de conocimiento.

Puede ser a su vez un Sistema Experto.

5. Sistema de Interpretacin. Mantiene informados a los usuarios del Sistema acerca, de lo

28 que est ocurriendo. Requerir distintos niveles de detalle o

abstraccin dependiendo del usuario. Utiliza tecnologas de lenguaje natural y permite si. . .? gr-ficos, as como un lenguaje de consultas que tipo: cmo?, qu ocurre

responder a cuestiones del

6. Sistema de adquisicin del conocimiento. Se utiliza conoc imiento. para aadir informacin adicional en las bases de

Hay tres modos de adquirir nuevos conocimientos:

- Transferencia interactiva de experiencia. El Sistema de interpretacin es utilizado para presentar las posibilidades actuales de las -fuentes de conocimiento para que los Expertos, asistidos por los Ingenieros del Conocimiento puedan identificar lagunas y deficiencias.

El Sistema de adquisicin del conocimiento ayuda a aadir informacin, incorporando nuevos conocimientos o corrigiendo el ya contenido en las bases de conocimiento.

- Transformacin del conocimiento. Puede realizarse de dos formas distintas:

Transformacin horizontal del conocimiento: Consiste en transformar la representacin existente en otra, sin

cambiar su contenido.

29

Transformacin vertical del conocimiento: Consiste en in-ferir un conocimiento superficial a partir de uno ms pro-fundo. Es una de las actuales tendencias en la investigacin de los Sistemas expertos.

- Enseanza: Utilizacin de tcnicas que permiten la -formacin de los usuarios a partir de casos y ejemplos contenidos en las bases.

7. Sistema de gestin del Sistema Experto. Tiene como -funcin servir como consola para la operacin y

supervisin de todos los subsistemas.

8. nter-fase. Proporciona capacidad de comunicacin con dispositivos "ad hoc", para su utilizacin por el usuario -final.

En un

Sistema Experto hay, pues, y su modo de

una separacin total entre El experto puede

los datos actuales

utilizacin.

seguir en todo momento el desarrollo de su razonamiento.

Podramos, pues,

concluir que un Sistema

Experto es un pro-

grama especializado en un dominio particular y que, en ese dominio, su rendimiento es comparable al de los propios expertos pero, sobre todo, permite en todo momento:

- Explicar su comportamiento a un experto.

30 Recibir del experto nuevos conocimientos sin necesidad de incorporar nueva programacin.

MOTOR DE INFERENCIAS

MEMORIA DE TRABAJO

BASES DE CONOCIMIENTO

-SISTEMA DE CONTROL

-REAS TRABAJO

-BASES DE CONOCIMIENTO

-SISTEMA DEDUCTIVO -SISTEMA SIMULACIN

-AGENDA

-BASES DE DATOS -MODELOS DE SIMULACIN

T
SISTEMA DE GESTIN DE BASES DEL CONOCIMIENTO

SISTEMAS DE INTERPRETACIN -LENGUAJE NATURAL -GRFICOS

SISTEMAS DE ADQUISICIN DEL CONOCIMIENTO -TRANSFORMACIN DEL CONOCIMIENTO - ENSEANZA

SISTEMA DE GESTIN DEL S. E.

INTERFASES

Figura 2.1. ARQUITECTURA DE UN SISTEMA EXPERTO.

31

II. 3. Formal izacin y representacin del conocimiento.

II. 3.1. Formalismos del conocimiento.

La Inteligencia Arti-ficial se centra en aplicaciones donde el conocimiento es un elemento clave. Los formalismos para repre-

sentar el conocimiento adquieren, pues, una gran importancia.

Un -formalismo presarse el

consta de estructuras en de

las cuales puede exinferencias capaz de

conocimiento y un sistema

usarlo para resolver tareas especficas.

Para entender la naturaleza de estos formalismos es necesario primero estudiar los problemas que se plantean para representar

el conocimiento.

La Inteligencia Artificial del

intenta descubrir las propiedades en sistemas fsicos que

conocimiento natural e implantarlo

actan en el mundo real.

Los miento,

problemas de la representacin y utilizacin del conocise derivan precisamente de las limitaciones que impone

este mundo real.

La representacin del conocimiento formas que permitan:

exige que

se desarrollen

32

- Expresar el conocimiento heurstico utilizado en la bsqueda en un espacio -finito y en un tiempo limitado. - Desarrollar estructuras y teoras de inferencia que resuelvan los problemas derivados de la incertidumbre, imprecisin e inconsistencia del mundo real. - Desarrollar sistemas conceptuales que modelen adecuadamente el mundo tsico donde tienen lugar los hechos estudiados.

Los formalismos desarrollados

en la Inteligencia Artificial,

caen en alguna de las clases sealadas: formalismos heursticos, -formalismos epistemolgicos y formalismos conceptuales.

Dado que este computacional,

conocimiento va a ser ser necesario los

utilizado los

en

un medio

desarrollar

formalismos que

permitan representar

anteriores en el mismo, lo cual da lu-

gar a un cuarto tipo de formalismo: el computacional.

II. 3. 1. 1. Formalismos heursticos.

Son de dos tipos:

- Reglas heursticas: Cierto tipo de heursticas pueden expresarse en forma de resimplificar la bsqueda a partir de la expe-

glas, que permiten

riencia adquirida en solucin de problemas.

33

- Memoria basada en el conocimiento: El problema de gestionar la interaccin entre grupos de objetos en un entorno dinmico o reconocer objetos similares, pueden ser formalizados mediante marcos o redes semnticas.

II. 3. 1. 2. Formalismos epistemolgicos.

Los formalismos desarrollados van en la lnea de resolver problemas de:

los

- Incertidumbre. Se han desarrollado varias tcnicas para utilizarlas ante los casos de incertidumbre, y que forman un componente estndar de una tcnica es asociar

los Sistemas

Expertos, as por ejemplo,

factores de certeza

con hechos y reglas, y propagar la incerti-

dumbre junto con la inferencia.

- Incompleto. El hecho de que recursos no todas las cosas pueden observarse, no hay

suficientes para efectuar todas las deducciones o por-

que las teoras del mundo slo son aproximaciones, hacen necesario desarrollar suposic iones. formalismos que puedan operar sobre la base de

Una

tcnica consiste en

asociar

respuestas

por

omisin a

cuestiones

y asumirlas a menos

que exista evidencia suficiente

que indique lo contrario.

34

- Inconsistencia. Aparece en parte en parte a dictorias. debida a lo inacabado de la informacin, y

que la informacin puede proceder de fuentes contra-

Entre los

formalismos desarrollados,

se pueden

sealar

el

mantenimiento de

una red de dependencias entre hechos que luego la consistencia, o introducir para permitir razonar

pueda utilizarse para restablecer particiones en la base de

conocimiento

desde distintos puntos de vista.

II. 3. 1. 3. Formalismos conceptuales:

No basta que los formalismos sean computacional y heursticamente adecuados y que manejen la inconsistencia, incertidumbre e incompletitud, sino que deben tener tambin una conceptual iza-

cin correcta acerca de los dominios sobre los que hay que razonar.

II. 3. 1. 4. Formalismos computaconales:

Los formalismos computacionales desarrollados hasta la fecha, caen en una de las siguientes clases:

- Lenguajes y Sistemas.

35 - Herramientas.

a) Lenguajes y Sistemas:

En cuanto a los lenguajes empleados en el desarrollo de los Sistemas Expertos, se deben considerar:

- Lenguajes -funcionales.

El LISP es

el mximo exponente. Se basan en clculos funcioel caso del LISP el 1ambda-calculus. Los pro-

nales, siendo en gramas se

definen como composiciones de funciones y ejecutar un

programa significa la aplicacin de esas funciones siguiendo las reglas correspondientes.

Me Carthy describe las ideas clave en que se apoya el LISP de la siguiente manera:

- Realiza los cmputos con expresiones simblicas mejor que con nmeros.

- Procesa listas, representando los datos en la mquina como listas encadenadas y como listas multinivel el papel. sobre

- Utiliza estructuras de control basadas en la combinacin de funciones para formar otras ms complejas.

- Utiliza la recursividad como una forma de describir

36

procesos y problemas.

- La representacin

interna de los programas LISP se

realiza como los datos, es decir mediante listas.

- La -funcin EVAL del LISP sirve como un intrprete del mismo y como una definicin -formal del lenguaje.

No

hay pues diferencias esenciales

en

la representacin de

datos y programas, de ah que los programas LISP puedan utilizar otros programas y los LISP como datos. El LISP es altamente recursivo representados mediante listas. Las

datos y programas son

listas pueden estas anidadas, es decir,unas contenidas dentro de otras.

No posee una

sintaxis que permita una

-fcil

lectura de los

programas, pero -facilita soluciones muy elegantes para problemas complejos que son de dificil solucin con los lenguajes conven-

cionales de programacin.

- Lenguajes de Predicados. El clculo de predicados consiste en la utilizacin de la lgica para establecer proposiciones acerca del mundo. Una propo-

sicin es una sentencia que puede ser verdadera o -falsa.

Se pueden construir sentencias acsrca

de las relaciones entre

objetos utilizando predicados. Los predicados operan sobre objetos y, a diferencia de las funciones (que simplemente devuelven

37 un objeto cuando evaluado como son invocadas), el valor de un predicado es

verdadero o -Falso. Una

serie de predicados puede lgicos para -Formar propo-

ser interrelac ionados por conectores siciones ms complejas.

Las proposiciones pueden "AND, OR, NOT" dualizados

conectarse mediante conectores tipo

y la frase "IF..., THEN...". Los objetos indiviuso de constantes, varia-

son re-feridos mediante el

bles o -funciones.

Mediante reglas de inferencia se pueden deducir nuevas proposiciones a partir de otras ya existentes.

Cuando los predicados son utilizados como sentencias, se asume que se a-firma una verdad. Be pueden hacer afirmaciones combinando constantes o variables con predicados. Cuando se construye una sentencia con la lgica que utiliza una todos variable, se dice que

proposicin es verdad para

los objetos representados

por esa variable. no, se est

Cuando se formula una pregunta en este entor-

preguntando acerca de la existencia de un individuo

o grupo de individuos que verifican la sentencia.

Para

resolver un problema con proposiciones lgicas, se unen dominio problema a los nombres de las funciones, utilizados en la

elementos del nombres

de predicados y smbolos

constantes

proposic i n.

El clculo de predicados puede ser utilizado de distintas maneras en la resolucin de problemas de la Inteligencia Artifi-

38

c ial.

La primera de

ellas es la prueba

de teoremas. Para utilizar

este mtodo, se describe el dominio y luego se razona acerca del mismo. Despus de escribir una serie de proposiciones acerca del dominio, se resultado ciones. necesita mostrar qu -frmulas hay que describan el

o qu consultas pueden derivarse de aquellas proposi-

El mejor mtodo lucin. Esta el resultado

automtico de prueba hoy todava es la reso-

tcnica es una prueba por contradiccin. Asume que es -falso y demuestra que encierra una contradicde que solamente hay

cin. Esta tcnica es

buena en el sentido

una regla de inferencia.

Sin embargo es lenta y las pruebas son

tediosas para la persona que las realiza.

Estas tcnicas

estn an dentro del rea de investigacin de

la Inteligencia Artificial. An hoy, no comprendemos las propiedades que dor. permiten el tratamiento de la lgica mediante ordenasistema de representacin debe

Muchos creen que cualquier

tener su base cmo controlar

en la lgica, sin embargo,persiste el problema de las deducciones.

El PRDLOS es el clculo de

representante de este grupo.

Se

basa en el

predicados de primer orden. Los programas se definen

en trminos de definiciones de relaciones.

Ejecutar un programa significa demostrar que una relacin e s -

39 pec-fica se cumple siguiendo las reglas de deduccin lgica. Incorporan el no-determinismo en el nivel de ejecucin.

- Sistemas basados en reglas. Las reglas de produccin son del tipo "IF ..., THEN ...", y

se basan en condiciones y acciones.

La descripcin de una situacin dada o contexto de un problema, se equiparan, en encadenamiento hacia adelante, con un con-

junto de condiciones hasta encontrar una regla que se verifica y se ejecuta la condicin contenida en la misma, dando lugar a una nueva descripcin que da lugar a una nueva accin, as hasta que se alcanza una solucin o el sistema se detiene.

Un sistema cin, se llama cin son los

constituido por un conjunto Sistema Basado en Reglas.

de reglas de producLas reglas de produc-

operadores del sistema, que utiliza el mismo, para

manipular la base de hechos.

El mximo exponente es el 0PS5, que consta de una base de hechos y un conjunto de reglas, habiendo sido muy utilizados en la construccin de Sistemas Expertos.

- Sistemas de paso de mensajes y dedicados a objetos. Adems de estructurarse los programas con -funciones o predidesde el punto de vista de los obcomo ejemplo el SMALL-

cados, puede tambin hacerse jetos implicados TALK.

en ellos. As tenemos

40

b) Formas de representacin del conocimiento.

Entre las distintas formas que se emplean en la representacin del conocimiento, se pueden sealar las si guientes.(SCDW85)

- Representacin por espacio de estados. Un estado es un conjunto de condiciones o valores que describen un Sistema en un punto determinado, durante el proceso.

El espacio de estados que el

estados es el conjunto

de

todos los posibles el proceso de solu-

sistema puede tomar durante

cin del problema.

Para resolver

un problema

utilizando una

representacin de

espacio de estados, nos movemos desde un estado inicial a otro y eventualmente, a un estado -final, por medio de operadores, generalmente reglas o procedimientos. El proceso de solucin del

problema es un proceso de localizar una secuencia de operadores, representando un camino desde el estado inicial al estado -final.

Una representacin cual

de espacio de estados,

es

aquella en la

los operadores siempre producen

solamente un nuevo estado

en la base de datos cada vez que son utilizados.

Esta

representacin ha sido utilizada en sistemas para jugar

al ajedrez, sistemas para bsqueda de posibles caminos y problemas en los que intervienen muchos operadores con muchos estados

41 posibles del sistema.

- Redes semnticas: Las redes semnticas pueden ser ilustradas mediante diagramas consistentes acciones o en nodos y arcos. Los nodos representan objetos,

hechos; los arcos o enlaces representan las relacio-

nes entre nodos. Un enlace podra significar que el objeto de un extremo es un atributo plica a otro, o del objeto del otro extremo, que uno imse haya dado a

cualquier otro signi-ficado que

ese arco o unin. Puede aplicarse una representacin. Las diferentes perspectivas desde

mas de una red a un objeto en redes muestran las distintas descrito un objeto. Asi,

las que puede ser

podra sealarse, tal y los prstamos carios que son

como se muestra en

la -figura 2.2. , que

al constructor son una clase de prstamos hipoteproductos de activo, por lo cual podra inferir es un producto de

el sistema que un

prstamo a un constructor

activo. Los enlaces significaran "son un".

Prstamos al constructor

Prstamos son un hipotecar ios son un

Productos activo

Figura 2.2. EJEMPLO DE RED SEMNTICA

Se utilizan

cuando el sistema de

cmputo

debe propagar una

actividad a travs semnticas.

de un grafo. Tales grafos se denominan redes

- Esquemas o marcos. Los marcos, junto con una forma asociada de representacin

42

del conocimiento llamada guin to, de tal manera que hacen

(script) organizan el conocimien-fcil comprender qu in-ferencias

pueden ser hechas.

Los objetos

marcos son conjuntos de conocimiento asociados acBrca y hechos. Ayudan al sistema a interpretar proporcionan

de

significados de los

de acuerdo con

el contexto y le

detalles

cuales puede deducir elementos que faltan. Un marco tpico puede ser la descripcin de una bicicleta o un deporte.

Los marcos contienen campos (slots) que se rellenan con valores, procedimientos o apuntadores a otros marcos. Un conjunto de condiciones pueden llevar un valor de relleno y/o un valor por

defecto, cuando no es conocido ninguno.

Se

pueden asociar procedimientos a

un

campo'en particular.

As, por ejemplo, es

til a menudo decir al sistema que ejecute

alguna accin cuando un campo tiene informacin, o cmo calcular un determinado valor cuando sea requerido.

Un marco, o un

campo dentro del marco, a su vez, a

puede apuntar a otro

marco o campo y, stos

otros, y asi sucesivamente, dominios de aplicacin ms

permitiendo transferir inferencias a extensos.

En

orden a resolver un

problema utilizando esta representacomo datos. El Sistema

cin, el

programa utilizar los marcos

Experto puede entonces realizar deducciones a travs de la suce-

43 sin de relaciones consta entre marcos y campos. nichos con Cada marco o unidad

de varios campos o

distintas in-formac iones

asociadas a cada guajes

uno de ellos. Las

operaciones bsicas en leninstancias de marcos, marcos basados en des-

basados en marcos, son

construir

acceder a partes

de marcos o recuperar

cripciones parciales.

- Guiones

(Bcript).

Son estructuras similares a los marcos que utilizan situaciones estereotipadas para representar el conocimiento en un cony a la secuencia

texto particular.

Estn orientados al tiempo

causa-e-f ecto, dentro de un entorno de dinamicidad.

La estructura de

un guin consiste en

un conjunto de campos

(slots), que corresponden que podran ocurrir

a un conjunto de aspectos de un hecho

en una situacin de-finida. Si no existe in-

formacin en un determinado campo, el sistema tomar por defecto el valor proporcionado previamente por el programa para esas

ocasiones.

Cuando unos

hechos determinados

concurren en

la

situacin

analizada de acuerdo con un estereotipo de-finido en un guin, el sistema puede entonces predecir por analoga, qu otros hechos

ocurrirn. Sin embargo, si un hecho inesperado ocurre, el sistema reconoce que el pred ice iones. guin no puede aplicarse y no realiza ms

As, por ejemplo, pleaos

un guin que reflejase

una -fiesta de cum-

podra incluir la presentacin

de un pastel, canciones

44

de -felicitacin, apagado tuase con

de velas y regalos. Un sistema que acdeducciones acerca de situa-

este guin podra hacer

ciones, interpretando dicho guin.

La tendencia integracin de

actual en los -formalismos de computacin, es la todos ellos, eliminando, los inconvenientes que

presentan y aprovechando las to. As el KEE, LOOPS o

-facilidades sinrgicas del conjun-

ART, son ejemplos de esta labor de snherramientas para de construir nuevos y el

tesis, que adems contienen formalismos

y re-finar las estructuras

representacin

comportamiento de inferencia de los ya existentes.

II. 3. 2. Bases de Conocimiento.

Antes de hablar de los mtodos utilizados para la representacin del conocimiento, es conveniente comentar qu tipos de co-

nocimiento puede contener una Base de Conocimiento.

El conocimiento

se almacena en una

Base de Conocimiento, de

acuerdo con alguna de las siguientes -formas:

a) Definiciones descriptivas de ficamente en el compondr en:

los trminos utilizados espec-

dominio, as, dada una situacin tpica se des-

- Descripcin del comportamiento. - De-finicin de vocabulario.

45 - Procesos. - Hechos inciertos. - Hechos disyuntivos.

b) Descripcin

de objetos individuales del

dominio y sus rela-

ciones con otros objetos.

c) Criterios para tomar decisiones. As, tendremos: - Reglas de decisin. - Restricciones. - Heursticas. - Hiptesis. - Suposiciones.

Los mtodos de representacin ciones de

del conocimiento

son comb ina-

estructuras de datos que almacenan informacin y proque permiten realizar inferencias

cedimientos de interpretacin sobre los datos almacenados.

Las investigaciones de la

Inteligencia Arti-ficial han creado

una variedad de -formas para representar distintos tipos de conocimiento, sin que se haya llegado a un modelo de representacin

nico y de-finitivo. El objetivo es elegir un tipo de representacin del conocimiento que -facilite el trabajo sobre un problema

en particular.

Pueden

combinarse di-ferentes

representaciones dentro

de un

Sistema, desarrollar nuevas

representaciones o

realizar varia-

ciones de algunas de las existentes.

46

Los Sistemas de Inteligencia

Artificial pueden requerir contipos de conocimiento, co-

venciones para representar distintos nocimientos de hechos en

objetos, de relaciones, de cmo se han producido ciertas acciones, as como

el tiempo, cmo realizar

metaconocimientos o metarreglas miento) .

(conocimiento acerca del conoci-

Las metarreglas pueden proporcionar dos maneras distintas: o valores por

informacin al sistema de de-fecto o procedimientos

que el sistema puede utilizar para elaborar las respuestas.

Una correcta

representacin del

conocimiento es

vital para

realizar -fciles y eficientes deducciones, suprimir detalles innecesarios, de-finir modelos generales y -facilitar la adquisicin de nuevo conocimiento o modificacin del existente.

Ya

se han comentado con

anterioridad

los distintos formatos

de representacin del conocimiento.

Otras

tcnicas que pueden ser

aplicadas

en

estos sistemas

pueden ser:

- Abstraccin. Los mtodos de abstraccin son utilizados para extraer con-

clusiones importantes a partir de gran nmero de detalles. Estos mtodos son especialmente tiles en los tratamientos de lenguaje natural y visin. La resolucin de una visin simplificada de un

47 problema, frecuentemente proporciona luz sobre cmo podran re-

solverse problemas anlogos pero ms complejos.

- Sucesiones. Sucesin es la capacidad que permite a un Sistema pasar valores a travs de relaciones o campos (slots). Puede proporcionar

campos con valores por defecto e incrementar la eficiencia en la programacin. Simplifica la programacin porque algunas relaciones pueden ser expresadas implcitamente en lugar de tener que

escribir las reglas correspondientes.

El paso de valores por sucesin aade eficacia a la representacin, porque no es necesario repetir y explicar todos los as-

pectos relevantes de cada objeto descrito.

48 II. 4. Motor de Inferencias.

Algunos sistemas, y en particular los Sistemas Expertos, contienen un conocimiento acerca de la -forma de tratar el conoci-

miento denominado "metaconocimiento"; de que dispone

es decir, el conocimiento un proceso de razona-

un sistema para gestionar

miento. En los programas descrito por los sistemas sea, reglas cin. En

convencionales, este conocimiento est

la estructura del propio programa, mientras que en de produccin toma la que actan sobre las -forma reglas de "metarreg 1 as" , o

gobernando su activala estrategia de se-

suma, "las metarreglas" expresan

leccin de reglas.

Los mecanismos de razonamiento utilizados por las reglas, son los tan conocidos de la lgica -formal siguientes:

a) "Modus Ponens" que permite derivar a partir de la regla:

SI A ENTONCES B

De la proposicin A, la proposicin B.

b) "Modus Tollens", al contrario del anterior, este mecanismo permite deducir a partir de la regla anterior, es decir:

SI A ENTONCES B

y del conocimiento de que la proposicin B es -falsa, que la proposicin A, tambin es -falsa.

49

Las

reglas pueden representarse usando cual permite utilizar un

el

-formalismo de la

lgica, lo

motor de inferencias gene-

ral, el de los demostradores de teoremas.

II. 4. 1. Estrategia de control.

Es un mecanismo que determinar que

sirve para examinar la

Base

de Datos y

reglas disparar, es decir, se encarga de activar y encadenarlas en el curso de unos ciclos

las reglas adecuadas de -funcionamiento o "ciclo de

cmputo, cada uno de los cuales se denomina

resolucin". Como todos los intrpretes en los sisteun programa cuyo trabajo es decidir que es

mas in-formticos, es

lo que hay que hacer a continuacin.

En el caso gia de

concreto de un sistema de produccin, la estrate-

control, dadas las limitaciones de secuenci alidad de los actuales, tienen la tarea especial de decidir que

computadores

regla va a "disparar" a continuacin.

El esquema general de -funcionamiento de la estrategia de control para sistemas de produccin, (NIL80) viene dado por el si-

guiente procedimiento:

50 Procedimiento "CONTROL"

1."DATOS" - Base de datos inicial. 2. Hasta que "DATOS" satis-faga la condicin de terminacin, hacer: 3. Comenzar el proceso. 4. Seleccionar alguna regla, "R", del conjunto de reglas, que pueda aplicarse a "DATOS". 5. "DATOS" - Resultado de aplicar 6. Fin. "R" a "DATOS".

En resumen, el intrprete activar

de reglas es un

programa que va a

las reglas relativas al

problema planteado, en funcin propios. Las -formas de

de criterios de

activacin que le son

aplicacin de las reglas, se corresponden a modos de razonamiento, o paradigmas o modelos,que el creador del intrprete ha elegido. Este intrprete pueda debe ser lo ms general posible para que del conocimiento, y tan

aplicarse a distintos dominios

e-ficiente como se pueda.

La bsqueda

de esta e-ficiencia conduce,

sin embargo, a res-

tringir lo que se denomina "espacio de bsqueda", usando heursticas. Estas van a evitar explorar todas las alternativas en cada punto de eleccin o van a elegir la mejor. Las heursticas

que controlan el proceso de razonamiento, son con -frecuencia implcitas, o sea, estn codi-ficadas en el propio intrprete, pero a veces son explcitas y programables, entonces se habla de "metaconocimiento". Las heursticas, tanto explcitas como implcitas no son siempre sintcticas, puesto que tambin pueden ser

51

semnticas.

La estrategia

de control,

para considerarla

adecuada, debe

cumplir tres requisitos bsicos:

- Causar movimiento. Las estrategias de control que no causan movimiento, nunca conducen a una solucin.

- Ser sistemtica. Una estrategia de control no debe aplicarse aleatoriamente, sino sistemticamente de modo que, por una

parte, no se genere una y otra vez la misma base de datos y que, por otra, no se pierda la oportunidad de generar la base de da-

tos deseada. El primero es un requerimiento de eficiencia, mientras que el segundo lo es de utilidad.

Ser eficiente. Con frecuencia es necesario comprometer

los

requerimiento

de movilidad y sistematicidad y construir una es-

tructura de control que no garantiza encontrar la mejor respuesta, pero casi siempre encontrar una buena respuesta. De esta

manera se introduce la idea de una heurstica.

En resumen, se puede

decir que el motor de inferencias es la

parte "motriz" de una base de conocimientos formalizados. Es decir, es el elemento de "software" que hace que todo suceda como

si el motor de inferencias pudiera utilizar todo ese conocimiento directamente y reordenar todas las informaciones colocadas en la base de conocimientos. En un sistema basado en reglas, el intrprete de reglas, es el ncleo del sistema de produccin, de

52 modo que alimentado por una base de datos, contruyen dinmica-

mente una solucin, diciendo qu reglas disparar y en que orden. Para ello, utiliza su van memoria de trabajo, en la cual se conser-

las in-formaciones describiendo la situacin inicial, es deproblema planteado, y las situaciones deducidas en el

cir, el

curso del razonamiento.

Una las acerca

caracterstica importante de

del clculo informacin,

para seleccionar o "conocimiento",

reglas, es la cantidad del problema en

curso que usa ese clculo. En el extremo

con menor informacin, la seleccin se hace de un modo totalmente arbitrario, problema que se sin tener en cuenta ninguna informacin sobre el est resolviendo. En el otro extremo, la estragua por el conocimiento que se tiene del

tegia de control se problema que idnea.

es suficiente para seleccionar

cada vez una regla

II. 4. 2. Modos de razonamiento:

El motor

de inferencias cumplimenta pues la tarea de controde las reglas de inferencia o deduccin. En

lar la actividad consecuencia,

expresa un cierto modo de razonamiento; es decir,

un paradigma que en el plano operativo puede caracterizarse sintcticamente por los calificativos miento hacia atrs". adelante" y de "deductivo" o o "encadenahacia

"regreso" tienen una

"encadenamiento

Estos paradigmas

correspondencia semntica

pues el primero se le asocia el significado de "dirigido por los datos", es decir, va a ser el conocimiento de ciertos datos lo

53

que provoque la activacin gundo se le asocia

de una regla de inferencia; y al sepor la meta", o por lo que se

el significado de "dirigido para establecer esta meta

sea, que es justamente activa una regla.

El

tipo de razonamiento a

utilizar,

deductivo o regresivo,

depende del dominio tratado.

La mezcla de los dos tipos de razonamiento, hacia atrs y hacia adelante, permiten acumular las ventajas recprocas de cada

uno de el los.

Una solucin

juiciosa es la que

emplea EMYCIN que clasifica

las reglas en tres dispararse:

clases distintas, de acuerdo con la forma de

a) Reglas

consecuentes: Es

el principio

del encadenamiento

hacia atrs quien gua la ejecucin de estas reglas.

b) Reglas antecedentes: Estas se disparan en el encadenamiento hacia adelante. La parte izquierda de las reglas de este tipo se evalan cuando es se dispara. posible, y entonces, si la regla es vlida

c) Reglas autorreferenci ales: Estas reglas slo se disparan a la salida del encadenamiento hacia atrs. Permiten en general

reforzar la

posibilidad de una conclusin ya vlida, puesto que en su parte derecha y su parte iz-

contienen el mismo evento

54 quierda.

Los encadenamientos modos

hacia atrs y hacia adelante son los dos

de control principales, que muchos sistemas utilizan concondicin de haber probado la integridad de tal

juntamente, a

estrategia. Hay que sealar el hecho de que un modo de encadenamiento en particular no de-fine completamente el control.

Para un modo de encadenamiento dado, por ejemplo el encadenamiento hacia atrs puro, el que se como sucede en el PROLOG, el orden en

consideran las reglas puede tener una gran in-fluencia de ejecucin. Por esto se habla de heurstiencadenamiento. En conclusin, la la manera en que

sobre la velocidad cas que

conducen el modo de

estructura de control,

cuyo papel es de-finir

van a utilizarse las reglas; es decir, el orden en que van a interpretarse, comporta miento, dos niveles; uno es el modo de encadena-

el otro, son las

heursticas utilizadas para disminuir

los tiempos de clculo.

En suma,

cualquiera que sea el

tipo de razonamiento emplea-

d o r a construccin de un intrprete comporta dos etapas particularmente delicadas: La de-finicin de los mtodos de equiparacin o seleccin de las reglas candidatas vlidas y la eleccin de la regla a disparar. La calidad de estos dos elementos a-fecta de

modo determinante la eficacia del motor de inferencias.

La

seleccin de las reglas candidatas necesita la confrontacon el conjunto de hechos de la base

cin de cada una de ellas

de hechos. Esta operacin puede llegar a ser muy costosa rpida-

55

mente, puesto que se repite en cada ciclo. Es relativamente sencilla cuando el lenguaje de la base de conocimientos se parece a la lgica proposicional se ms compleja cuando puesto que en este de (sistema sin variables), y puede volverse trata de un lenguaje de primer orden,

caso se permite la utilizacin de las reglas Esta operacin de bsqueda "cotejo" (Pattern

variables y de cuantificadores. se denomina

por compracin matching).

"equiparacin" o en el

Una regla es candidata

encadenamiento hacia

adelante si existe en validando el conjunto

la base de hechos un conjunto de tcnicas de sus trminos de la parte izquierda o

condiciones, por equiparacin.

Esta operacin caracteriza tambin cuyo modo de resolucin es guiado por denominan

al motor

de inferencias,

los datos. Muchas veces, in-ference

los Sistemas Expertos, se

"pattern directed

systems", es decir, sistemas de inferencia dirigidos por equiparacin de patrones.

De la buena eleccin de la regla a disparar depende la bondad de las prestaciones del sistema. Un humano tiene numerosos conocimientos, pero tambin sabe cual es el que debe utilizar en una situacin dada.

Todava este problema est con -frecuencia mal resuelto en los Sistemas Expertos. La solucin adoptada es habitualmente la de

una estrategia esttica: tomar la regla ms precisa o bien tomar la regla que se ha convertido en la ms recientemente aplicable

o, simplemente, tomar la primera encontrada.

56

Una va

ms interesante es el

uso

de "metaconocimientos" o

"metarreglas" , que tambin cin que

se dan en -forma de reglas de produc-

expresan las estrategias de eleccin entre las reglas.

Este problema de la eleccin de la regla, es evidentemente menos esencial cuando la solucin del problema necesita una explora-

cin de todos los caminos posibles conduciendo a la meta.

II. 4. 3. Ciclo de Base de un Sistema de produccin en encadenamiento hacia adelante.

La

estrategia de control contiene el conocimiento de control que un "modelo general de resolucin de pro-

y no es otra cosa

blemas". Esta estrategia, de acuerdo con distintas consideraciones, con -frecuencia independientes del dominio de aplicacin,

encadena los

ciclos de trabajo comportando cada ciclo de trabageneral, dos -fases: la de Decisin o selec-

jo, en su caso ms

cin de reglas y la de

Accin o de activacin o deduccin, o de

ejecucin de las reglas elegidas. Cuando esta estrategia se pone en marcha, la base de datos, tambin llamada base de conocimientos declarativos o asercionales, y la base de reglas, conocida

asimismo por base de conocimientos operativos o procedimentales, contienen las informaciones representativas del enunciado del

problema a tratar;

es decir, la expresin de los hechos compro-

bados o a probar y los conocimientos operativos sobre el dominio en cuestin. La detencin del intrprete puede hacerse en cual-

quiera de las dos -fases.

57

1. Fase de decisin guientes etapas:

o seleccin de reglas, consta de las si-

a) Restriccin: Consiste en explotar, cuando ello es posible, los conocimientos generales sobre la forma de particionar, en

distintas familias, los hechos y las reglas. La restriccin, determina a que subconjuntos "Rl" la base de de la base de reglas y "BD1" de

hechos merecen ser comparados en el instante actual. sobre las reglas se efecta con el fin

La etapa de restriccin

de que la etapa de equiparacin sea lo ms rpida posible.

Esta restriccin La las

a veces es esttica y efectuada "a priori". permite a veces organizar

propia estructura del "software"

reglas segn "espacios de conocimientos" que contienen conde reglas especializadas en un dominio. Otros sistemas

juntos

permiten definir

de manera dinmica este espacio de trabajo con

ayuda de "metarreg1 as" que tratan sobre las propias reglas y determinan su ejecucin.

b) Equiparacin o cotejo. Una vez finalizada la etapa de restriccin, la estrategia el fin de rarse; es de control examina la base de datos con

seleccionar el conjunto de reglas condidatas a dispadecir, aquellas cuya expresin es compatible con la

base de datos, por intermedio de mecanismos de equiparacin.

Se dice que una

expresin e se equipara

frente

otra e',

cuando B_ es una instancia les el filtrado ha

de e. Todas las reglas para las cuaque son "vlidas". De

tenido xito se dice

58 este modo, una regla es "vlida" si la memoria de trabajo con-

tiene una instancia de su lado izquierdo.

Puede que haya varias instancias de la parte izquierda de las reglas en la memoria de trabajo, en cuyo caso, hay que consideque instancian correctamente la

rar las distintas sustituciones parte izquierda de una regla.

En esta etapa el motor de inferencias examina cada una de las reglas de "Rl", respecto al conjunto de la "BD1" de hechos.

Entonces, que se juzgan

un subconjunto "R2" del

"Rl"

contiene las reglas

compatibles con la "BD1".

"R2" se denomina "con-

junto con-flicto".

Esta etapa es la que consume ms recursos de computacin.

A medida que

los sistemas de produccin

se

hacen mayores y

ms complejos, cuestiones de eficiencia obligan a construir tanto para la base de Reglas, como para la base de datos o contex-

to, estructuras de informacin ms complejas.

c) Resolucin de conflictos: Aqu se determinan el subconjunto de reglas "R3" dentro de "R2" que debe dispararse.

En la prctica es

frecuente que en la

operacin

de un gran

sistema de produccin, en cada ciclo, no pueda dispararse ms de una regla. Entonces es necesario decidir entre ellas para elegir una de ese conjunto que cumple la parte de condicin, denominado

59

"conjunto conflicto", ciclo,

para que se dispare.

Este

paso, en cada

denominado "resolucin del conflicto", es donde se efec-

ta la secuenciacin de las acciones, el enfoque de la atencin, las interrupciones en donde y el control de la inestabilidad; es decir,

se observan los rasgos cognitivos bsicos. Existen d i que se han probado adecuados para efectuar la

versos enfoques resolucin del

conflicto, entre los ms empleados estn los si-

guientes que respectivamente seleccionan:

a) La "primera" regla que equipara el contexto. Esta "primera" se define en trminos de algn orden lineal explcito de la base de reglas, lo cual no es siempre deseable.

b) La regla de ms alta "prioridad". Aqu, "prioridad" viene definida por el programador de acuerdo con las exigencias y caractersticas de la tarea, como sucede en el DENDRAL. Es decir, se consideran algunos aspectos de la situacin total como ms importantes, crendose producciones de alta prioridad que son privilegiadas.

c) La regla ms especfica. Es decir, aquella que tiene la parte de condicin actual, o unos requerimientos ms fuertes, en el sentido de que se tiene una lista larga de premisas o elementos de situacin restrictivos.

d) La regla que concierne al elemento aadido ms

60 recientemente al contexto.

e) Una nueva regla, o sea una regla que no ha sido accedida previamente o, al contrario, siempre que se pueda, aquellas que se han equiparado ms recientemente.

f) Arbitrariamente una regla. Aunque este enfoque parece que contradice la segunda caracterstica que debe tener una buena estrategia de control no es as, puesto que en este caso se refiere a reglas que tengan igual posibilidad de ser efectivas.

g) Finalmente, y al contrario de lo que sucede en los casos anteriores, en ste no se efecta ninguna eleccin, antes bien se exploran exhaustivamente

todas las reglas aplicables sin hacer distinciones, en un pseudoparalelismo que se har paralelismo real con la>llegada de los computadores de la llamada "Quinta Generacin".

Hay sistemas sofisticados,

que usan

distintas combinaciones

de estos enfoques sencillos de resolucin de conflictos, algunas de las cuales llegan a ser bastante complicadas, como es el caso de los algoritmos de catalogacin utilizados por los Sistemas

Expertos AM ticas

y HEARSAY. Estos enfoques afectan a dos caracters-

importantes de los sistemas de produccin: "la sensibililo ms rpidamente po-

dad", es decir, la capacidad de responder sible a los cambios del entorno, y la

"estabilidad", o sea, la

61

-facultad de ejecutar secuencias gas.

de acciones

relativamente lar-

Generalmente, para descomponer

se dota al sistema

de un mecanismo particular

las reglas candidatas. Como acaba de verse, sun orden sobre la parte de accin de

te puede hacer intervenir las reglas, o bien

una prioridad sobre el hecho juzgado ms imo bien, a partir de un criterio geltima regla utilizada, orden a

portante o el ms reciente, neral como: eleccin de la

"priori" sobre el conjunto de reglas en el conjunto, etc.

Tambin es

posible decidir la regla

candidata

partir de

"metarreglas" que definen dinmicamente las prioridades sobre el conjunto de reglas. Este se tipo de seleccin es, sin duda, el que permite indicar explcitamente el

muestra ms adecuado pues

control de las reglas.

En otros trminos, el mecanismo de inferencia est, el mismo, descrito por reglas. Adems, al ser las "metarreg1 as", ellas

mismas, reglas, pueden ser manipuladas directamente por el motor de inferencias sin necesidad de usar un mecanismo anejo.

2. Fase de accin, activacin o deduccin:

En esta -fase, el motor de inferencias controla, si "R3" no es vacio, la ejecucin de cada una de las reglas. Esta fase consiste en aplicar efectivamente la regla elegida sobre la base de

62 datos; es decir, activar la parte accin de todas las regias retenidas.

Generalmente,

esta parte se limita a introducir nuevos datos

en la base y a supervisar o modificar otros. Los Sistemas Expertos, que son algo ms que simples sistemas de produccin, permiten, sobre la veces, parte "accin" y ms raramente, aunque tambin a el empleo de procedimientos

sobre la parte "condicin",

llamados de manera clsica. Si bien estos procedimientos perturban el modelo terico de los sistemas de produccin, permiten

realizar rpidamente tareas anejas como: entradas-salida, clculo matemtico, etc.

Lo ms habitual

es aadir los trminos

de la parte "conclu-

sin" de la regla seleccionada a la base de hechos y se sealiza dicha regla. Este ciclo se fijado como meta, se aade a repite hasta que el hecho que se ha

la base de hechos, o cesa de efec-

tuarse cuando ya no puede aplicarse ninguna regla.

El

riesgo de este paradigma

de

razonamiento hacia adelante La etapa 3 de

estriba en una prdida de

enfoque hacia la meta.

resolucin del conflicto es, pues, particularmente crtica. Adems, comporta los dos inconvenientes siguientes:

a) Se disparan cucin, incluso si

todas las reglas que son susceptibles de ejelas condiciones a las cuales llegan no ofre-

cen ningn inters. Esto .favorece una explosin combinatoria que redunda en una alta ineficacia.

63

b) Previamente, es necesario cargar la memoria de trabajo con todas las in-formac iones tos que se introducen c iones. que se poseen, sin saber si los elemensern tiles o no, ni si -faltan in-forma-

II. 4. 4. Ciclo de base de un Sistema de Produccin por la meta.

dirigido

En

los sistemas dirigido por el consecuente, la equiparacin los consecuentes de las reglas. Un sistema dirigido

se basa en por

el consecuente tiene habitualmente que "probar" una premisa

mediante inferencia deductiva. Los consecuentes de las reglas se examinan para encontrar aquellos que podran confirmar la premisa dada.

A partir de este conjunto de reglas, se elige una y se examina para ver si todas las premisas en su antecedente son verdaderas con relacin a la base de datos. Si lo son, se dispara la

regla y se demuestra recursivamente en un

la premisa dada; si no el proceso contina intento de deducir la validez de cada pre-

misa en el antecedente de la regla.

Este proceso de

trabajo hacia atrs, a

travs de las reglas

desde los consecuentes a los antecedentes en bsqueda de una cadena causal miento que probar la premisa dada, se denomina "encadena-

hacia atrs" o "razonamiento consecuente" o dirigido por decir, los sistemas basados en reglas trabajan por

la meta. Es

64 la aplicacin de reglas, indicando el resultado y aplicando nuevas reglas que se basan en la situacin modificada.

Tambin pueden trabajar por comenzando con cia una luciones

in-ferencia lgica

directa, bien

la incidencia inicial de una situacin yendo ha-

solucin, o comenzando con hiptesis sobre posibles soy trabajando hacia atrs para encontrar la evidencia

existente, o una . deduccin de la misma que soporta la hiptesis particular. Es lo que se denomina respectivamente estrategia dirigida por los datos o encadenamiento hacia adelante y dirigido

por la meta o encadenamiento hacia atrs.

En el encadenamiento ciclo que se vierte en:

hacia atrs, o dirigido por la meta, el

dio para el encadenamiento hacia adelante, se con-

Fase 1: Decisin.

a) Restriccin. Igual que en el encadenamiento hacia adelante. b) Equiparacin. Bsqueda de las reglas cuya conclusin se corresponde con la submeta actual II. c) Resolucin del conflicto. Eleccin de una regla entre estas.

Fase 2: Accin.

Reemplazamiento de la

meta M por la conjuncin de los trmi-

nos condiciones de R como submetas equivalente.

65

El ciclo se detiene cuando la meta inicial ha podido reducirse a submetas cuando no puede foque estriba elementales verificadas en la base de hechos, o

dispararse ninguna regla. El riesgo de este enen caer en crculos viciosos en el razonamiento;

es decir, en situaciones tales que para demostrar A se demuestra B y para demostrar B se demuestre A.

Siendo

definido un parmetro "meta", el procedimiento de en-

cadenamiento hacia atrs intenta la equiparacin de la parte izquierda de todas las la memoria de trabajo. reglas que concluyen en esa meta frente a

Para celebrar esta equiparacin,

crea "submetas"

que pueden

resolverse bien aplicando recursivamente el procedimiento de encadenamiento hacia usuario. atrs, bien, en caso de fracaso, llamando al encadenamiento, debe modificarse el ser capaz de de-

En este tipo de

procedimiento de cir, cuando

equiparacin; pues ste debe

examina una regla, cuales son las informaciones que

faltan en la base de conocimientos, para validar o invalidar definitivamente esta regla. Adems, este procedimiento requiere la gestin de una pila inicializada con la "meta"; mientras que la aplica el ciclo de base sobre todas las

pila no est vacia, se

reglas que acaban en la cumbre de la pila.

Si

el procedimiento de equiparacin

indica que faltan infor-

maciones, se

apilan las "metas" que deben proporcionarlas y re-

cursivamente, se aplica el mismo procedimiento.

66

Este encadenamiento comporta otro. En cuestiones despus por si primer lugar, permite

numerosas ventajas tener un sistema

respecto al que plantee

nicamente cuando tiene necesidad de ello; es decir,

de haber explorado todas las posibilidades de responder mismo. Adems, limita el nmero de equiparaciones de del rbol de bs-

miembros izquierdos queda.

y disminuye la dimensin

En lo que

respecta al riesgo antes citado de crculos vicioen el caso de que una meta sea a su vez una

sos, que aparecen

submeta de su propio "rbol" de bsqueda, hay procedimiento para detectar niendo la dichos celos y eliminar sus e-fectos nefastos manteque contiene dentro del

potencia de las inferencias

sistema de reglas de produccin.

II. 4. 5. Tcnicas de equiparacin.

Una

bsqueda inteligente implica elegir

de

entre todas las

reglas que pueden aplicarse en un punto particular, aquellas que ms verosmilmente conducen extraen de un can en un punto a una solucin. La -forma en que se

conjunto completo de reglas aquellas que se aplidado, necesita algn tipo de equiparacin o code la base de datos y las condicioesto puede ser crtico

tejo entre el estado actual nes de las reglas. para el xito

El modo de realizar

de un Sistema Basado en Reglas. Existen distintos

mtodos para hacer esto:

67

1. Indexac ion.

Una

-forma de seleccionar

las

reglas

aplicables es haciendo

una simple bsqueda a travs de todas ellas, comparando cada una de las condiciones con el estado actual de la base de datos, extrayendo todas las que se equiparan. Esta sencilla solucin

plantea los problemas siguientes:

a) La solucin de problemas, que requieren el uso de gran nmero de reglas, obligara a examinar cuidadosamente todas ellas

en cada paso de la bsqueda, lo cual sera muy poco eficiente.

b) No siempre es obvio de inmediato el saber si las condiciones de una regla se satisfacen por un estado particular.

El primer

problema, a veces se

puede

tratar -fcilmente. En

lugar de buscar a travs como un

de las reglas, se usa el estado actual inmediata-

ndice dentro de las reglas para seleccionar

mente la equiparada.

Existe

generalmente un compromiso entre la -facilidad de esse incrementa por el uso de descripciones de de equiparacin, que de-

cribir reglas, que alto nivel y

la sencillez del proceso

crece con tales descripciones.

Todo esto no incluso

significa que la indexacin las

no

pueda ser til estn descritas

cuando las condiciones de

reglas

68 justamente como predicados de alto nivel. Por ejemplo, en muchos sistemas de demostracin de teoremas, las reglas estn por los predicados indexadas las reglas particular, indicadas

que contienen, de modo que todas ellas estn de ello que todas

por dichos predicados, resultando que podran ser aplicables para

demostrar un hecho A pesar de las

pueden ser accesibles rpidamente.

limitaciones que puedan existir, indexar de alguna -forma, es muy importante para una operacin e-ficiente.

2. Equiparacin de variables.

veces, la dificultad de

seleccionar

reglas aplicables es

peor que el sencillo problema de encontrar una manera de ignorar el volumen de ser reglas e ir inmediatemente trivial y a aquellas que pueden examinar una regla si las

apropiadas. Puede resultar no

particular y un

estado del problema dado

determinar

condiciones de la regla se satis-facen.

Aqu surgen problemas, al igual que con la indexacin, cuando las condiciones no estn establecidas como descripciones exactas de situaciones particulares, sino que de complejidad variable que ms bien, describen prola situacin debe tener.

piedades

Con -frecuencia resulta que descubrir si hay una equiparacin entre una situacin da, llega da. particular y las condiciones de una regla da-

a convertirse en un problema significativo de bsque-

Un tipo una

sencillo de equiparacin que

puede a veces requerir

ampla bsqueda, surge cuando las condiciones contienen va-

69

r iables.

Cuando se efectan equiparaciones

no literales, pueden obte-

nerse dos tipos de resultados que conviene analizar. El primero, es que habitualmente contr es importante registrar no slo que se eny una descripcin de

una equiparacin entre condiciones

estado, sino tambin, qu ligaduras -fueron efectuadas durante el proceso de equiparacin de modo que esas mismas ligaduras puedan usarse en la parte de accin de la regla.

El segundo resultado que debe considerarse en equiparacin no literal, es que una regla nica puede equiparar que el estado del

problema actual en ms

de una manera, lo

conduce a varios

lados derechos de acciones alternativas. De este modo, es importante tener presente que el nmero de estados que pueden gene-

rarse como sucesores de un estado dado, no viene dado exactamente por el nmero de reglas que pueden aplicarse, sino ms bien

por el nmero de -formas en que pueden aplicarse las reglas.

3. Equiparacin compleja y aproximada.

Cuando las condiciones de una regla especfica necesitan propiedades que no estn establecidas explcitamente en la descripcin del estado actual, entonces es preciso un proceso de equiEn este caso, debe usarse un conjunto de cmo algunas propiedades pueden

paracin ms complejo. reglas

a parte para describir

inferirse de otras.

70 Incluso si deben se necesita un proceso de equiparacin ms complejo, aplicarse reglas, tales que sus condiciones se equipa-

ren aproximadamente a la situacin actual. Esto ocurre en situaciones que implican descripciones -Fsicas del mundo. Es particularmente difcil tratar con equiparacin aproximada porque, a

medida que se incrementa la tolerancia permitida en la equiparacin, tambin se incrementa el nmero de reglas que se equipararn, y de sta -forma se incrementa el tamao del proceso de bsqueda principal. Sin embargo, la equiparacin aproximada es su-

perior a la exacta en situaciones tales como entendimiento de la palabra hablada, donde no se llega nunca a una equiparacin

exacta y el proceso de bsqueda no tiene -fin.

Para algunos problemas,

casi toda la accin est en la equi-

paracin de las reglas al estado del problema. Una vez hecho esto, se aplican tan pocas trivial. La mayor virtud en que puede actuar yor de-fecto es reglas que el resto del equiparamiento de la bsqueda es aproximado estriba

razonablemente casi todo el tiempo y su maque puede conducir lle-

la superficialidad a la

vando a comportamientos totalmente errneos.

Por si

no fuera bastante complicado

el proceso de equipara-

cin, an est el problema del "marco". Una forma de tratar este problema, no es almacenando en cada nodo descripciones de estado completas, sino ms bien almacenando slo los cambios producidos desde el nodo previo. cin tendr que hacia atrs necesarios. Si se hace sto, el proceso de equiparapartir de un nodo

modificarse para examinar a

a travs de sus

predecesores, buscando los objetos

71

4. Ordenacin y jerarquizacin.

Otra manera mediante la cual el proceso de equiparacin puede descargar al mecanismo de bsqueda, es ordenar la equiparacin

encontrada de acuerdo estn equiparando. racin

con la importancia de

los objetos que se

Hay varias maneras de hacer sto. La equipaimportante si slo se

con prioridad es particularmente

ensaya una de las elecciones.

Otra

-forma de equiparacin con la posicin de los

prioridad puede ocurrir cmo objetos equiparables en la

una -funcin de

descripcin del estado actual.

La forma exacta de cmo el equiparador ceso de bsqueda depende de la estructura

interactua con el prode ambos. Pero con

-frecuencia es cierto, que sico, el

en el proceso de hacer su trabajo ba la informacin que

equiparador tambin tiene acceso

puede ser muy til al proceso de bsqueda. Generalmente es til para l, comunicar esa informacin. Cuando en un sistama basado en reglas no es

el proceso de equiparacin

directo, puede necesitar demasiada bsqueda. Los mismos procedimientos de bsqueda que se usan en el nivel ms alto de solucin de problemas, son utilizables para emplearlos en el proceso de

equiparacin. Por supuesto, que, sivo de la directa.

eventualmente, este uso recur-

bsqueda debe terminar en un proceso de equiparacin

72

II. 4. 6. Consideraciones sobre la resolucin del conflicto.

El resultado del glas cuyas

proceso de equiparacin es una lista de reequiparado con la descrip-

partes izquierdas se han

cin del estado actual. Junto con cualquier variable, se generaron ligaduras por el proceso de equiparacin. Este es el trabajo del mtodo de bsqueda para decidir en qu situacin se aplicaa veces es til el incorporar alguna de

rn las reglas. Pero

esas decisiones hacindolo dentro del proceso de equiparacin. Por ejemplo, supngase que alguna de las reglas de un sistema trata con situaciones que son casos especiales de las situaciopor otras reglas. A las reglas especiales debera ms prioridad que a otras reglas ms genetales reglas especiales, es

nes cubiertas

casi siempre drsele rales

aplicables. El propsito de

permitir el

tipo de conocimiento que el experto solucionador de problemas directamente, sin bs-

problemas usa cuando resuelve

queda. Si se consideran todas las reglas que se equiparan entonces el aadir tales reglas de propsito especial incrementar el tamao de la bsqueda antes de disminuirlo. Con el -fin de prevenir sto, se construye el equiparador de modo que rechace las

reglas que son ms generales que otras reglas, que tambin equiparan.

Hay una -forma -fcil de poder decidir que una regla es ms general que otra, aplicando los heursticas siguientes:

a) SI el conjunto de condiciones de una regla contiene todas las condiciones de otra y alguna ms,

73

ENTONCES la primera regla es ms general que la segunda.

b) SI las condiciones de una regla son las mismas que las de otra, excepto que en el primer caso estn especificadas con variables mientras que en el segundo son constantes, ENTONCES la primera regla es ms general que la segunda.

La -forma exacta de estos criterios, naturalmente, debe depender de la manera en la cual se escriben las condiciones, pero

generalmente se utilizan reglas como las anteriores.

II. 4. 7. Criterios que dirigen la seleccin de un motor de inferencias:

Uno

de los principales aspectos Expertos desarrolla,

que la investigacin actual est relacionada con los

sobre Sistemas

elementos esenciales que un buen motor de inferencia debe tener.

Deberan estar basados en unos eficientes pero simples principios y, bles?. por otro lado, deberan ser flexibles y transporta-

Deberan iavorecer conocimiento, en

las formas actuales de representacin del evolucionar a estructuras complejas

lugar de

como los de lenguajes orientados a objetos?.

74 Las soluciones propuestas hoy en da, tendran un gran impacto en los desarrollos industriales de los Sistemas Expertos, por ejemplo en programas de investigacin como los de la Quinta Ge-

neracin de Ordenadores o Esprit, los cuales muestran el inters que ciertos paises re". e industrias tienen en este tipo de "softwa-

Los criterios

esenciales que

deberan dirigir

la seleccin

podran ser los siguientes:

a)

Modularidad del conocimiento. As,

los datos podran ser

introducidos sin un orden previo.

b) Un

sistema eficiente que permita

seguir varias lneas de

razonamiento.

c) Portabilidad misma

de las aplicaciones, de

tal

manera

que

la

base de conocimientos pueda

ser utilizada por diferentes incrementado

tipos de aplicaciones o el dominio objeto pueda ser sin necesidad de ningn tipo de reprogramacin.

d) Convencionalidad

de la

interfase hombre/mquina

lo cual

significa que cualquiera puede utilizarlo sin dificultad.

e)

Posibilidad de evaluar fcilmente que tiempo

un Sistema Experto, es su desarrollo

decir, determinar

llevara realmente

dentro de un cierto dominio.

Si bien

es cierto que no

existen soluciones milagrosas, los

75

-Fabricantes de motores de inferencia hacen n-Fasis en tal o cual criterio, pero deberan intentar llegar a un compromiso acepta-

ble entre todos ellos.

Hay que sealar que los motores de in-ferencia e inter-Fases de usuarios, constituyen lo perto. que se llama el ncleo del Sistema Exuna base de conoci-

Estos sistemas solamente necesitan

miento para constituir

un Sistema Experto en el rea de conoci-

miento de la base aadida.

Pero esto se ha demostrado mera base de

que es una utopa, ya que la pri-

conocimiento para la cual el motor -fue construida, l, que cuando se cambia la base de

tiene tal in-fluencia sobre

conocimiento, ste no -Funciona correctamente.

Hasta

ahora, este problema de "impregnacin" limita el prin-

cipio bsico sobre el que se apoyan todos los Sistemas Expertos: la separacin entre la rencias. Este es uno base de conocimiento y el motor de infede los campos de investigacin actual y es

de prever que esta limitacin desaparecer en los prximos aos.

76

II. 5. "Software" y "Hardware".

Los tiles

para el desarrollo de Sistemas Expertos se pueden

clasificar en dos grandes grupos:

- Lenguajes de programacin. - Entornos de programacin.

II. 5. 1. Lenguajes.

La diferencia principal entre los lenguajes de programacin y los lenguajes naturales, radica en que los de programacin estn estrictamente definidos, mientras que los lenguajes naturales

admiten diversos texto un

significados para la misma "frase": es el con-

elemento de gran importancia para determinar el signi-

ficado correcto.

Los

lenguajes apropiados para el desarrollo de la Inteligenson aquellos que permiten, al tiempo, una fcil

cia Artificial

modificacin de los programas, y la instrumentacin de funciones potentes, que descarguen a los programadores de tener que pensar cmo solucionar problemas de bajo nivel, permitindoles as centrarse y dedicarse alto nivel. a un trabajo creativo sobre los problemas de

Los programas y

sistemas desarrollados en el campo de la In-

teligencia Artificial suelen ser complejos y voluminosos. De e s te hecho, pueden deducirse algunas de las capacidades que deben

77

presentar dichos lenguajes, a saber:

a) Manejo de una gran variedad de tipos de datos.

b) Posibilidad de desarrollo modular.

c) Posibilidad de instrumentar estructuras recursivas y de descomposicin paralela de programas y sistemas.

d) Posibilidad de desarrollo y comunicacin entre la persona y el sistema.

interactiva

e) Posibilidad de producir un cdigo eficiente, para que las prestaciones del sistema sean razonables.

Las capacidades a ) , b) y c) son clsicas en lenguajes "tradicionales" de programacin por lo que no se insiste en ellos;

respecto a las siguientes, tal vez interese hacer algunas precisiones.

Recursividad: Las primeras dad en un lenguaje,

instrumentaciones de esta capaci-

aparece con LISP. En pocas palabras, la re-

cursividad consiste en la invocacin de un mdulo o la totalidad del programa, desde s mismos.

Descomposicin paralela: Se estn cuales cutarse

creando lenguajes

con los

se pueden designar explcitamente qu tareas pueden ejeen paralelo. E j . : DCAM. Otro enfoque, proporcionado por

78 COMPEL, deja al compilador den ejecutarse en paralelo. la tarea de averiguar qu partes pue-

nteractividad! La relacin o interfaz sistema-usuario ha cobrado ltimamente parte importante quier sistema. la importancia que merece, llegando a ser una de las especificaciones funcionales de cual-

La programacin visual, con sus mecanismos: ventanas, iconos, grficos, etc., agiliza la percepcin y comprensin de las ideas y datos por los usuarios.

Otro de introducido

los enfoques', el de los denominados AGENTES, trmino por Me. Carthy, y creado por Selfridge, corresponde

al de un elemento activo, capaz de hallar las operaciones precisas para lograr una meta que trase ante se le propone, y que, si se enconpudiera
mayudar

alguna situacin no resoluble,

a la

persona. Bajando de nivel en la definicin de capacidades exigibles en tar : los lenguajes de Inteligencia Artificial, se pueden ci-

a) Fcil manejo de listas.

b) Posibilidad de manejar series de tamao desconocido a pr ior i.

c) Facilidad de equiparacin de patrones, para identificar datos o determinar el control.

d) Facilidad de deduccin automtica y almacenamiento en bases de conocimiento.

e) Facilidad de construccin de estructuras complejas de conoc imiento.

-f) Mecanismos con los cuales el programador debe centrarse la atencin del sistema.

indica donde

g) Estructuras de control que permiten el comportamiento dirigido por metas, adems del dirigido por datos.

h) Capacidad de mezclar estructuras y procedimientos en forma ptima para una tarea dada.

La tabla 2.1. muestra una lista de las capacidades citadas los lenguajes en los que se hallan presentes. En tanto que

fiqura 2.3. muestra las relaciones existentes entre ellos.

LISP

NTER LISP X

PLANNER

KRL

PROLOG

Listas Descomposic ion modul a.r Estructuras -flexibles de control Interacti vas E f ic ienc ia Equiparacin de -formas para datos y control Deduccin automtica Estructuracin del conoc imiento Centrar atencin Comportamiento dirigido por metas Capacidad de mezclar procedimientos y datos

X X X

X X X

X X

X X

X X

X X

X
X

Tabla 2.1. CARACTERSTICAS DE ALGUNOS LENGUAJES DE I.A.

81

LISP + Mecanismos de construccin de alto nivel

+ Mecanismos de deducci n automtica

PROLOG

+ Mecanismos de deduce i n automtica

PLANNER + Mecanismo; para estructurar el conoc imiento

t INTERLISP + Mecanismos para estructurar el conocimiento. KRL

Figura 2.3. RELACIONES EXISTENTES ENTRE LENGUAJES DE I.A.

82

II. 5. 1. 1. Generalidades sobre LISP

Instrumentado inicialmente de 1958 a 1960 por Me. Carthy, basndose en la lgica matemtica, sus caractersticas y capacidades le han permitido permanecer prcticamente sin cambios.

Al

ser un lenguaje instrumental,

la

evolucin

para aadir

nuevas -funciones como primitivas y -Facilitar el trabajo de desarrollo es simple; alto nivel en por ello, de ser considerado con lenguaje de

sus primeros aos, ha ido incrementando su potena estar clasificado como de ultra alto nivel,

cia hasta llegar en los ltimos.

Lisp

permite usar ventajas y

capacidades de distintos tipos

de programacin:

APLICATIVA: Permite el uso de datos expresados en -forma declarativa y facilita el manejo de objetos. Algunas de las caractersticas de los tipos de lenguaje que aportan programacin aplicativa son: - Facilidad de lectura y comprensin. - Ausencia de instrucciones de asignacin. - Ausencia de efectos secundarios. - Facilidad de demostracin de teoremas.

ORIENTADA A OBJETOS: En este tipo de programacin, se considera que un programa es un ejecutor

83

actuando sobre objetos diversos. En el lenguaje orientado a objetos, es posible dividir conceptualmente el ordenador en ordenadores ms pequeos, llamados objetos, cada uno de los cuales tiene un papel concreto, y que pueden gestionarse por separado y comunicarse entre s.

Cada objeto consta de estructuras de datos y algoritmos: sabe que hacer con sus datos, y para el resto del programa es una caja negra.

Una idea interesante es la programacin hereditaria: en ella se de-finen las caractersticas diferenci ales respecto a algn objeto ya de-f in ido.

BASADA EN REBLAS: Empleado en los sistemas de produccin.

RECURSIVIDAD.

Lenguaje: Lisp se basa en los postulados siguientes:

1 - Identidad

de programas y datos:

un programa est repre-

sentado por una lista, denominada "-forma".

2 - Uso de los valores lgicos VERDAD(T) y FALSO(NIL)

64 3 - Uso de la puede ser: - Un sistema cualquiera - La lista vaca. - El valor "FALSO" lista vaca: ( ) . Por razones histricas, NIL

4 - Identificacin direccionadores: (A B O

de listas: Una lista es un subconjunto de se representan por

NIL

Los tipos de datos que trata son: TOMOS y LISTAS.

El postulado importante por

1 citado, que identi-fica

programas y datos, es

la gran -flexibilidad y potencia que ello permite

en la construccin de entornos de programacin.

Resumiendo las caractersticas expuestas, con las palabras de su creador, LISP:

- Trabaja ms con expresiones simblos que con nmeros. - Representa las expresiones smbolos con listas. - Usa un nico tipo de smbolos - expresiones para todos los datos y los programas. - Se basa en un constructor: COS y dos selectores CAR y CDR, que se expresan como -funciones. - Posibilidad de lograr -funciones complejas por composicin de -funciones ms simples. - Usa expresiones condicionales recursivas.

85 - Usa expresiones lambda para dar nombre a funciones. - Almacena informacin en la lista de tomos. - Representa los programas como datos. - Uso del garbage col lector para borrar elementos no utilizables. - Usa sentencias LISP como lenguaje de control en entornos interactivos.

Entre los inconvenientes del LISP, aparece clara la profusin de parntesis, los problemas de prueba y verificacin de programas, al poder usarse los mismos como datos y la existencia de

una variedad de dialectos que dificultan la transportabi 1idad.

Por

ltimo, los sistemas desarrollados

en LISP y ejecutados

en mquinas

o entornos de uso general, son ineficientes: exigen

equipos espec i f icos. -

II. 5. 1. 2. Dialectos del LISP.

Se est a la espera de un estndar, barajndose como cadidato el "COMMONLISP". Mientras tanto, das por hay varias versiones, manteni-

constructores ms o menos importantes. Entre ellos, meINTERLISP-D y Z-LISP, siendo este ltimo un de

recen destacar

los ms potentes.

Otros lenguajes prximos a LISP, son:

SCHEME, T, NIL, POPLOS, LISLOG y PSL.

86

Las dos -familias principales son INTERLISP y MACLISP.

MACLISP presta gran atencin a la mejora de e-ficiencia, mientras que INTERLISP se centra ms en la relacin con el usuario,

presentando posibilidades adicionales.

- Variedad de tipos de datos. - Pila de tipo rbol. - Herramientas para -facilitar la programacin Mean). - Editor dirigido por la sintaxis. - Ayudas para deteccin y correccin de errores. - Sistema de extensin sintctica. - Sistema de asistencia al programador. - Sistema de ayuda a la gestin de entrada/salida que permite al usuario organizar el conjunto de funciones de su programa. (Do Ulhat I

Ambos, MACLISP e INTERLISP tienen

- Ventanas - Sabores (tipos abstractos de datos) - Cierres lexicales, que son un so-fisticado concepto de estructuras de control y alcance. - Paquetes de ayuda para construir grandes sistemas. - Posibilidad de crear procesos paralelos.

87

II. 5. 1. 3. Generalidades sobre PROLOG:

Es un lenguaje descriptivo: se indica qu resultado se intenta lograr, no cmo el llegar al resultado; es decir, no se muestra caracterstica de es importante porque proceso paralelo. Esta

-flujo de control. Esta

permite basado en

su implantacin en sistemas la programacin lgica de

Kowalski y desarrollado en

la Universidad de Marsella.

Maneja relaciones, no -funciones.

Las sentencias son declara-

ciones -formales sobre hechos y relaciones entre objetos.

Dos de

las caractersticas ms importantes de patrones y sus

de PROLOG son su bases de datos in-

capacidad de equiparacin ternas y relacinales.

Al compararlo con el

LISP es di-ficil de-finir cual de los dos

lenguajes es ms apropiado para estos entornos: LISP es muy -flexible, mientras PROLOG es muy estricto.

Como guientes:

principales ventajas de PROLOG

pueden

citarse los si-

- Instrumentacin en el propio lenguaje de un mecanismo de bsqueda con retroceso por las reglas. - No presupone que se ejecute en una mquina secuencial. - Sintaxis y semntica muy simples.

88

Como

inconvenciente principal, est la ineficacia de las es-

trategias de bsqueda, que pueden llevarle a enormes consumos de mquina para responder a consultas triviales.

II- 5. 1. 4. PLANNER y CONNIVER:

PLANNER

-fue desarrollado por Hewitt,

en

el MIT, construido

sobre MACLISP, para servir de soporte para razonamiento en solucin de problemas. Consta de dos tipos de sentencias:

Aserciones, que establecen hechos conocidos. Ej.: (PARTE BRAZO PERSONA)

Teoremas, que de-Finen como in-Ferir nuevos hechos, desde otros conocidos. Hay tres tipos de teoremas:

CONSECUENTES: Describen razonamientos dirigidos por metas.

ANTECEDENTES: Describen razonamientos dirigidos por los datos.

DE BORRADO: Eliminan aserciones de la base de datos.

PLANNER usa un mecanismo llamado "invocacin dirigida por patrones" de -Forma que el proceso de bsqueda est orientado a sa-

89 tisfacer una meta: una -funcin determina una meta, para cuya obtencin el propio sistema decide qu -funciones debe aplicar.

PLANNER completo no ha sido instrumentado, pero s un subconjunto llamado MICROPLANNER.

Una que la

de las principales dificultades

que

impone PLANNER, es

estructura de control de tipo "retroceso" es automtico, al no poder el programador controlarle, puede oca-

por lo que,

sionar problemas de ineficacia.

Para

evitar ese problema, Sussrnan y Me Dermott desarrollaron

CONNIVER, lenguaje en el que ese control manual es posible.

II. 5. 1. 5. KRL: Knowledge Representation Language.

Construido conocimiento en

sobre INTERLISP,

facilita la

representacin del

estructuras de marcos. Su diseo, hecho por Bo-

brow, se basa en una serie de suposiciones.

- El conocimiento debera organizarse sobre entidades conceptuales, con descripciones y procedimientos asociados.Es decir,

la definicin de entidades conteniendo informacin declarativa y procedimental. El conocimiento procedimental se controla mediante una "ayuda" que puede ser programada por el usuario.

La llamada a

procedimientos depende de los hechos en que es-

tn implicadas las entidades.

90

Una descripcin debe ser capaz de representar

conocimiento

parcial sobre una entidad y acomodar descriptores mltiples, que permitan de-finir la entidad desde varios puntos de vista.

- Un mtodo dad.

de descripcin es la

comparacin con otra enti-

- El

razonamiento est dominado por

un

proceso de reconoci-

miento en el que se comparan nuevos objetos con prototipos existentes.

c ias.

Se usa in-formacin contextual

para controlar

las inferen-

- Se pueden enlazar descripciones.

- Debe existir un conjunto -flexible de herramientas.

Cada entidad se

representa en KRL como una UNIDAD, que pueda

representar un concepto abstracto o un elemento especfico de su concepto.

II. 5. 2. Entornos de programacin en Inteligencia Artificial

Un

entorno de programacin es facilitar: el

un

conjunto de herramientas, construccin, edicin,

encaminadas a

diseo, la

91

verificacin, exhibicin que una buen

depuracin,

a-fine,

ensamblaje,

actualizacin,

o muestra, y mantenimiento

de programacin; de modo

entorno de programacin hace -fcil tanto el traba-

jo, como mejorar el ya hecho.

En el caso ms general debe disponer de:

sar de

Especificacin del problema, que permite al usuario expre-forma no ambigua las caractersticas del problema que

trata de resolver, para lo cual necesita un "Lenguaje de Especificacin "

- Verificacin y control de la especificacin: Probar la consistencia, integridad, desarrollar prototipos y comprobar el

comportamiento de la especificacin.

- Construccin

del programa: Ayuda en diseo del algoritmo y

su compatibilidad con la especificacin pudiendo existir bibliotecas de mdulos comunes.

Verificacin del programa: Ayuda a la verificacin funcio-

nal y generadores de casos de prueba.

- Deteccin de errores res de grupos de dad de mdulos.

de ejecucin: Trazadores, constructo-

datos de control y evaluadores de la compleji-

- Mantenimiento de programas: ras:

Correccin, evolucin de

y mejo-

control de versiones, integracin

mdulos, control de

92

coherencia, etc.

Edicin y documentacin: Editores

dirigidos por la sinta-

xis, editores grficos y generadores de documentacin.

- Gestin y direccin de proyectos.

Como se fin

ve, todas estas clases

de

herramientas tienen como

la asistencia al programador para obtener programas fiables

y eficaces.

Cualquier programa de Inteligencia pectos importantes:

Artificial tiene

dos as-

- Marco de representacin del conocimiento. - Mtodos de inferencia y solucin de problemas.

La bsqueda

heurstica, basada en un entendimiento de la esdel problema, forma el ncleo de los pro-

tructura del dominio

gramas de Inteligencia Artificial.

Las herramientas tradicionales son truccin de

inadecuadas para la cons-

los sistemas de Inteligencia Artificial, por lo que

se ha desarrollado entornos especficos, basados en LISP.

Estos entornos

contienen ayudas a la

equiparacin, a la re-

presentacin de conocimientos, a bsqueda e inferencias, etc.

93 La programacin experimental exploratoria, con la que se van

concretando las especificaciones de un sistema, es muy til para los casos en que:

- El sistema es

muy complejo para tratar de escribir una es-

pecificacin completa.

- Las necesidades a cubrir se conocen vagamente o cambian p idamente.

ra-

- No hay un acervo de tcnicas establecidas para sistemas del tipo deseado, lo que, en el

instrumentar

caso de Inteligencia

Arti-ficial ha obligado a desarrollar tcnicas como:

- Examen dinmico preferentemente. - Programacin orientada a objetos. - Gestin dinmica de memoria. - Fabricacin rpida de prototipos. - Programacin de programas. interactiva, incluyendo analizadores

Una evolucin de los entornos la constituyen las herramientas comerciales para la Ingeniera del Conocimiento cuyos exponentes ms conocidos y ampliamente usados son: ART, KNOWLEDGE CRAFT,

KEE y LOOPS (CAR86) que por razones obvias de espacio no se consideran ni ahora ni aqu.

94

II. 5. 3. Inventario de "hardware" y soporte de la Inteligencia Artificial.

El

presentar de -forma extensa

todo el "hardware" existente,

hoy y en un -futuro prximo, para Inteligencia Arti-ficial rebasara las disponibilidades de espacio y tiempo que aqu se tiene,

y que se presentan en la figura 2.4. Sin embargo, se van a estudiar, por las implicaciones que presentan en las etapas de eleccin de la herramienta en la segunda fase de la metodologa propuesta, las mquinas LISP existentes actualmente, las PROLOG que estn a punto de comercializarse y, por ser la lnea de investigacin ms prometedora y espectacular, las mquinas neuromimticas. Sin embargo, este mismo ao 1987 se ha puesto en el mercado la "Connection Machine" que es realmente la primera mquina ma-

sivamente paralela.

95
ARQUITECTURAS DE COMPUTADORAS PARA INTELIGENCIA ARTIFICIAL.

MAQUINAS BASADAS EN LENGUAJES

i
MAQU I NAS LISP MAQUINA PROLOG MAQUINAS DE PROGRAMACIN FUNCIONAL REDLFLOW ALICE C-LISP MACHINE ZAPP FFP DFM

A,

SPUR SYMBOLICS LAMBDA ALPHA XEROX 1100 EXPLORER TI TEKTRONIK 4400

PIM PIE PLM(AQUARIUS) TAMURA MACHINE

MAQUINAS DE I.A. BASADAS EN EL CONOCIMIENTO

I
REDES SEMNTICAS NETL CONNECTION MACHINE THISTLE SNAP 1 MAQUINAS INTERFASES INTELIGENTES PARA SISTEMAS ORIENTADOS A LA I.A. BASADAS EN REGLAS DADO BASADAS EN OBJETOS SOAR APX432 DRAGN FAIM-1 AI-32
*

REDES NEURALES BDLTZMANN CIRCUITOS NEURALES MAQUINAS NEUROMIMETICAS

i

PSM
NOW-VON

JCII RECONOCIMIENTO DEL HABLA

JCII RECONOCIMIENTO DE FORMAS PROCESO DE IMGENES CYTOCOMPUTER PIPE PYRAMIDE TOSPICS PUMPS ZMOB

VISION COMPUTACIONAL

HARPY HEARSAY-II DIALOG SYSTEMS 1800 NEC DP-100 IBM NATURALTASK

WARF BUTTERFLY VICOM-VME

Figura 2.4. TAXONOMA DE MAQUINAS DE INTELIGENCIA ARTIFICIAL

96 Proceden de muchos entornos: del clculo cientfico, como los VAX o el DEC-20, de tir de la B010. la Ofimtica como los sistemas XEROX a par-

La explotacin

de una base de

conocimiento supone un escaso

uso de UCP, y un uso intensivo de la base en s.

La necesidad obliga a SYMBOLICS

de gestionar

la memoria

en

tiempos muy cortos como la

arquitecturas y

optimizaciones especficas,

3600 y la LMI-LAI1BDA,

principalmente dedicados a los

tratamientos simblicos.

Adems de una gestin portante la ayuda a rrollo de porte

potente y e-ficaz de la memoria, es im-

la programacin, lo que ha llevado al desapor maquinaria y so-

estaciones de trabajo, -formadas

lgico adecuado, que instrumenten ayudas como las citadas

en puntos anteriores.

La especificidad de las mquinas y del soporte lgico aadido hacen que estas estaciones tengan un coste elevado, aunque la

tendencia de

disminucin del mismo, tan importante en la infor-

mtica tradicional, tambin se hace sentir.

La Inteligencia Artificial

encuentra muchas

limitaciones en

las mquinas con estructura de von Newmann. Precisan gran cantidad de memoria virtual y la capacidad de tratar informacin simblica.

La idea de unas mquinas especficas en la Inteligencia Arti-

97

ficial ha llevado a dos enfoques distintos.

Mquinas LISP: Instrumentan procesamiento los intrpretes

directamente las

operaciones de

de listas y gestin de memoria proporcionadas por de LISP. Emplean pantallas de muy alta resolu-

cin, con capacidad de ventanas dinmicas.

Mquinas Paralelas: Permiten agilizar los procesos de bsqueda compleja, a travs procesos. de un alto grado de paralelismo en los

II. 5. 3. 1. Mquinas LISP.

Proceden a implantar como

-funciones -fsicas o microprogradas

algunas de las -facilidadas soportadas por el lenguaje como:

- Manipulacin de datos con descripcin de tipo - Recursividad. - Gestin de datos simblicos: celdas y objetivos. - Gestin de proceso paralelo: mu ti proceso. - Algoritmos especficos. - Interactividad visual. - Programacin dirigida por los datos.

En el por una

plano material, la implantacin gestin de direcciones de

del

LISP, se traduce

objetos muy sofisticada. Una

mquina que

no ofrezca esa facilidad, har que las prestaciones

98 del LIBP sean deficientes. Esta consideracin, para muchos esencial, llev a de-finir las mquinas de tratamiento simblico como aquellas que no manipulan valores, sino direcciones.

La idea de una mquina especialmente construida para ejecutar mejor el LISP naci en el MIT, en donde un proyecto dirigido por Greenblatt concluy cableando un compilador de LISP. Los programas objeto obtenidos con la ayuda de ste, se ejecutaban a con-

tinuacin sobre un DEC PDP-10.

Del compilador cableado

a la mquina LISP, y 1980 tambin en

no haba ms que el MIT bajo la

un paso que se dio entre 1975 direccin

de Minsky. Este proyecto -finaliz con la construccin

del prototipo CADR.

En 1979, el grupo costar

del MIT estimaba que su mquina LISP poda comercial. Por esas -fechas LISP Machine, Inc , -fundado

B0.000 dlares en produccin grupos separados del MIT:

otros dos

por Greenblatt y Simbolics, INC, presidida por No-fskel y la casa XER0X-E0S, quinas. crearon y empezaron a comercializar sus propias m-

a) LISP Machine, Inc, ubicada en Culver City so en el mercado la mquina llamada LAMBDA

(Cal i f orn i a) puun precio de

con

aproximadamente 55.000 dlares.

El sistema LAMBDA consta de tres microprocesadores d i - erentes: f

99

1. El procesador LISP, con palabra de 32 bits y un espacio de direccionamiento virtual de 24 bits operando con un ciclo de 20 mHz.

Hay ms de 200 -funciones microcodificadas.

2. Un segundo procesador opcional basado en el microprocesador MC68000, destinado a los que quieran realizar con esta mquina trabajos tradicionales. Bu entorno de "softaware" es el Unix de Berkeley; actualmente soporta EMACS, C, PASCAL, FORTRAN 77.

3. Un tercer procesador, basado en el microprocesador 8088. Denominado unidad de diagnstico, no slo p r o porciona acceso a todos los componentes del sistema sino que los con-figura dinmicamente.

b)

SYMBOLICS, Inc. Esta

empresa

ubicada

en

Cambridge Ma,

o-frece el 3600, a un precio de 78.000 dlares para la configuracin bsica.

Este sistema incluye un procesador

microprocesador MC6B00O,

usado como

"-front-end" y una unidad opcional, de alta velocidad,

aritmtica y lgica de coma -flotante.

La primera mquina SYMBOLICS, la LM2, estaba construida sobre una CPU de 32 bits, con un espacio de direccionamiento virtual

de 24 bits. Ambas mquinas soportan el Z-LISP.

100

El mdulo 3600, emplea una arquitectura de 36 bits, y utiliza un espacio virtual de direcciones de 28 bits.

c)

XER0X-E0S. Situada

en Pasadena

(California),

introduce

tres nuevas mquinas, la de bajo coste, modelo 1108, llamado "Dandelion", el procesador de informacin cientfica de alta

prestacin 1132 conocido de nombre "Dolphine". oscila entre los del 1132.

como "Dorado" y la de rango medio 1100 de los tres sistemas a los 179.000 dlares y los modelos

El rango de precios

30.000 dlares del 1108

Los tres modelos incluyen

INTERLISP-D

mayores pueden tambin incluir el SMALLTALK-80.

El espacio de madamente 2 bits.

direcciones virtuales de la 1108 es de aproxila 1100 es 22 bits y de la 1132 24

millones, de

d) Texas Instrument, desarroll rrollada en colaboracin una mquina LAMBDA rece como LAMBDA-E.

su mquina "Explorer", desahecho se trata de

tcnica con LMI. De

simplificada, que en el catlogo de LMI apa-

Las caractersticas ms importantes son:

1. Procesador LISP de 32 bits microprogramado; con 16k por 56 bits de memoria de control actual izab1e. Tiene un ciclo de microinstruccin de 142 nanosegundos, equivalente a 7 MHz de reloj. Su espacio de memoria virtual es de 12B Megabytes.

101

2. Un Nu-Bus avanzado de 32 bits, con una arquitectura de procesador independiente, con soporte de procesador

mltiple y un V a t i o " de transferencia de 37,5 megabytes por segundo.

3. Una memoria principal de 2 megabytes ampliable a 16 megabytes, con un tiempo de acceso menor de 300 nanosegundos y una memoria auxiliar formada por un disco Winchester de 112 a 140 megabytes de capacidad, con 30 milisengudos de tiempo medio de acceso y 5 megabytes por segundo de "ratio" de transferencia.

e) La Compagnie

General de Electrique y CNET en Francia, de-

sarrollaron en Toulouse la mquina MAIA.

Se caracteriza el "Hardware" por los siguientes elementos:

1. Unidad de clculo simblico, que extrae previamente las instrucciones. Se basa en palabras de 40 bits y est realizada con tecnologa ITL e IliOX.

2. La memoria principal que maneja palabras de 40 bits. Un descriptor de 8 bits y 32 bits de valor o direccin. Teniendo de 1 a 4 megapalabras en tecnologa de 256 K.

3. El procesador de memoria virtual maneja un disco de

102 alta velocidad.

4. La pantalla grfica esta orientada al bit.

5. El "bus" estndar VME de 16 bits permite conexiones de muchos dispositivos peri-fricos

Como "software" bsico tendra el C0MM0N-LISP estndar.

i>

La primera mquina

LIBP -fabricada en el

Japn ha sido la

mquina ALPHA, desarrollada por FUJITSU. Esta mquina es un prototipo de ral . procesador LISP para un computador de propsito gene-

Tambin en Japn, el

laboratorio electrotcnico del gobierno

japons (ETL) ha terminado la -fabricacin de una mquina LISP de aproximadamente la misma velocidad que la SYMBOLICS 3600. Utiliza el procesador PULCE -fabricado por Toshiba en 1978. Este es el primer paso para el desarrollo de una mquina LISP dirigida por

datos, denominada EM-3 para 0-fmtica, procesamiento de lenguaje natural, Sistemas Basados en el Conocimiento y otras aplicacio-

nes interactivas.

El trabajo actual est programado hacia un simulador re" de procesador paralelo usando ocho procesadores

"hardwanicos

68000. En su -forma -final, este sistema tendr de 80 a 100 procesadores de muy alta escala de integracin de un tipo desconocido que el ETL espera disear. El principal de esta mquina, ser probablemente un lenguaje de programacin lenguaje como LISP con

103

caractersticas de

PROLOG tales

como invocacin

de

patrones,

"vuelta atrs" y equiparacin de patrones.

Otro

grupo japons encabezado por Yasushi Hibrino del Nippon

Telegraph and Telephone est construyendo una mquina LI9P, como parte del proyecto NUE. pero ahora Se inici en 1981 como un proyecto LISP un proyecto "mu ti lenguaje", en

se ha convertido en

el que se desarrollan

lenguajes proced imentales, -funciones -fun-

cionales lgicas y dedicadas a objetos, con la sintaxis del LISP y la semntica del SMALLTALK. El nombre propio LISP y otros de la mquina NUE lenguajes como PROLOG y ser ELIS. Su velocidad

en modo interpretacin ser similar a la mquina ALPHA. Tiene un bus de 32 bits. Podr direccionar en total 128 megabytes, ya que cada direccin accede a una celda de memoria de 8 bits, con lo

que el espacio de direcciones es equivalente a 27 bits de direcc iones.

g) El

Imperial College de Londres est desarrollando un com-

putador para un lenguaje aplicativo idealizado. Ser una mquina de procesamiento paralelo diseado para PROLOG, con una versin LISP y el lenguaje de Quinta Generacin declarativo

paralela de

propio del College, HOPE.

El prototipo ALICE tendr 16 procesadores y 16 mdulos de memoria y un conmutador para concectar cualquier procesador con

cualquier memoria.

e) En EE.UU. se investigan arquitecturas avanzadas paraleleas

104 . de altas prestaciones, as se puede destacar el mutiprocesador

experimental CDNCERT, construido en el MIT por el grupo dirigido por Halstead, que combinar 32 procesadores 68000. Como uno de

sus lenguajes tendr un MULTI-LISP, que es una versin multiprocesador del LISP que est siendo desarrollada como una parte del proyecto.

Otro proyecto

que se desarrolla en

el MIT, planea construir

una mquina usando 64 procesadores SYMBOLICS 3600.

II. 5. 4. La Quinta Generacin.

Los promotores de

la idea de la mquina de Quinta Generacin Moto Oka, de la Universidad de Tokyo y Electrnico, plausible que convencieron al construir una mqui(FEI83).

fueron el profesor Thoro el

Dr. Fuchi del Laboratorio idea, de que Gra

MITI sobre su

na, lo cual lleg a ser un proyecto gubernamental.

Tras trabajos

de investigacin

y planificacin,

surgi

la

idea clave: un computador con capacidad de proceso paralelo, con lenguaje de mquina basado en clusulas de Horn de lgica de

predicados, e interfaz con una base de datos.

Serian mquinas de inferencia, capaces de razonar a travs de grandes cantidades de datos y conocimiento.

105

El proyecto de desarrollo se compone de tres -fases:

- Establecimiento de las tecnologas -fsicas y de soporte 1g ico. - Produccin de subsistemas de inferencia y la base de conocimiento. - Integracin de subsistemas para producir un prototipo.

La -fase primera, dicada al desarrollo una base de

de duracin estimada en tres aos, est dede un puesto de trabajo para PROLOG, con

conocimiento comparable a la de los actuales Sistecapacidad de proceso de un milln de infe-

mas Expertos, y una

rencias lgicas por segundo.

La -fase segunda,

de cuatro aos, estara dedicada a la expecreando prototipos, continuando los

rimentacin de ingeniera,

experimentos sobre aplicaciones integracin de sistemas.

relevantes e inicindolos sobre

La ltima, de otros tres aos, con -fecha estimada de terminacin para principios de los 90, tiene como meta llegar a un computador con una potencia de inferencia de 1 a 1.000 millones de (LIPS) y una base de conocimienreglas y centenares de

inferencias lgicas por segundo to capaz de manejar millones de objetos.

decenas de miles de

El proyecto sorcio

de Quinta Generacin est y dos

realizado por un conlaboratorios estatales,

de ocho firmas privadas

106 contando con la ayuda econmica decidida del [ilTI, cuyo montante se calcula en unos 200 millones de dlares (ICOT) y agrupados en el

nuevo Instituto de la Tecnologa

Las rea

de trabajo de-finidas- son:

- Mecanismo de proceso paralelo. - Lenguaje de ncleo e inferencias de ms alto nivel. - Proceso de lenguajes naturales. - Sistemas de consulta. - Teora Bsica.

Este del mundo

proyecto ha llamado la

atencin

de los investigadores

entero, levantando, sobre todo en USA, algunas critiviabilidad del mismo, al mismo tiempo que apoyos

cas sobre la dec id idos.

II. 5. 4. 1. La Arquitectura de la Quinta Generacin.

El ncleo

del proyecto de Quinta Generacin ser el desarro-

llo del solucionador de problemas y de la mquina de inferencia. Para ello se elegi PROLOG porque se pensaba que era. el que o-freca posibilidades de proceso en paralelo lenguaje

y el diseo y era

-fabricacin de una mquina de inferencia totalmente paralela

la meta ltima de la investigacin sobre mquinas de inferencia.

Con el fin de

alcanzar esta metas, se defini un programa de

investigacin con los dos objetivos siguientes:

107

1. Uno a corto plazo, que consiste 'en el desarrollo de la denominada mquina de inferencia personal (PSI) capaz

de ejecutar de 20 a 30 KLIPS (inferencias lgicas por segundo), para posteriormente llegar a manejar de 100 KLIPS a 1 MLIPS.

2. A largo plazo, dirigido al desarrollo de una mquina de inferencia completamente paralela, cuya capacidad mxima deber ser del orden de 100 MLIPS a 1 GLIPS, donde 1 LIPS equivale aproximadamente a 10 - 10 instrucciones por segundo de un computador tradicional.

Estos computadores nivel, siendo

futuros debern

soportar lgica

de alto

adems amistosas y familiares a sus usuarios. Es"KIPS" (Knowledge Information Proces-

tos sistemas denominados sing

Systems), tendrn bases de

conocimiento y resolvern pro-

blemas de una manera similar a como lo hacen los humanos.

Para ello, los computadores

actuales, diseados para cmputo para convertirse en mquinas

numrico, tendrn que evolucionar que puedan

acceder al significado de

la informacin y entender

los problemas que tengan que resolver.

La nueva ras y como de

generacin de computadores se basar en nuevas teo-

tecnologas, y ser capaz de proporcionar funciones tales dilogo inteligente y mecanismos de inferencia para bases

conocimiento. Estas funciones pueden dividirse en tres cate-

IOS gorias:

1- Funciones de inferencia y solucin de problemas. 2. Funciones de gestin basadas en el conocimiento. 3. Funciones de nter-faz inteligente.

Las primeras se corresponden a las cuatro operaciones aritmticas bsicas, tanto como a las funciones de control necesarias El sistema que realizar

para efectuar operaciones aritmticas. estas

-funciones estar provisto del mecanismo "hardware" de inmecanismo de control, el procesamiento paralelo, estas mquinas y el

ferencia, el los

programas lgicos desarrollados sobre

sistema de La interfaz

"software" para clculo de predicados de alto orden. entre "software" y "hardware" ser un lenguaje que

incluir PROLOG.

La mquina de inferencia que procese los lenguajes de programacin lgica estar equipada con mecanismos de alto poder de

inferencia construidos dentro del bin usar proceso

"hardware". Esta mquina tam-

tcnicas "hardware" orientadas a flujo de da^tos para deber soportar mecanismos para

en paralelo, as mismo

tipos de datos abstractos.

Las funciones de gestin de la base de conocimiento sern incrementadas en funciones para procesar datos semnticos. Se utilizar como modelo bsico relacional. La mquina base como una combinacin y una de datos el modelo del conocimiento de base de datos

estar organizada

de una mquina de base de datos relacional

mquina de procesamiento en paralelo para operaciones al-

109

gebricas

relacinales. Esta mquina se integrar en el -futuro, mquina de in-ferencia. Ambas mquinas usan un len-

dentro de la guaje

de programacin -funcional como lenguaje ncleo comn, que

es a su vez el lenguaje comn del sistema global de Quinta Generacin.

El "software"

se escribir en este

lenguaje

ncleo, que es

directamente ejecutado por el "hardware".

La

-funcin de nter-fase inteligente de entrada/salida de los

que puede comparase con computadores actuales,

las -funciones

constar de una coleccin de sistemas que procesen, reconozcan y sinteticen muchos tipos distintos de informacin de entrada/sa-

lida, tal como, caracteres, voces, -figuras e imgenes.

La

figura 2.5. esquematiza el

concepto

de sistema "hardwa-

re-software" de la Quinta Generacin.

110

PERSONAS

i
INTERFAZ INTELIGENTE

i
SISTEMA EN SOPORTE LGICO SISTEMA DE GESTIN DE LA BASE DE CONOCIMIENTO

i
SISTEMA DE PROGRAMACIN

4
LENGUAJE DE PROGRAMACIN LGICA LENGUAJE DE REPRESENTACIN DEL CONOCIMIENTO SISTEMAS EN SOPORTE FSICO MAQUINA DE BASE DE DATOS MAQUINA DE MANIPULACIN DE SMBOLOS
I . i ' , . i . , .,. MI

i
MAQUINA DE BASE DEL CONOCIMIENTO MAQUINA DE INFERENCIA Y SOLUCIONADOR DE PROBLEMAS

MAQUINA CALCULO NUMRICO

Figura 2.5. ESQUEMA DE MAQUINA DE QUINTA GENERACIN

111 II. 5. 5. Modelos de mquinas de inferencia paralela.

Los ms conocidos son:

a) Mutiproceso, que usa estructuras convencionales para instrumentar el clsicas de proceso de mutiproceso. inferencias, implantable Los procesos de en mquinas pueden

inferencia

crearse y destruirse dinmicamente, algoritmo de pase de mensajes.

comunicndose a

travs del

b) Flujo de datos. En este modelo, los programas lgicos tienen que trasladarse a grafos de flujo de datos, ejecutables en

una mquina especfica.

Se prevn

dos lneas de investigacin. La primera, para mosde las arquitecturas de flujo de datos con

trar la posibilidad un alto

grado de paralelismo. La

segunda, para encontrar algo-

ritmos que permitan aplicaciones eficientes de programas lgicos en grafos de flujos de datos.

c) Funcional. En este modelo, los programas lgicos se trasladarn en una forma intermedia que puede ejecutarse mediante algn lenguaje de programacin funcional. El modelo se encontrar en las relaciones de "entrada/salida" de cada operacin. determinada por la entrada, tiene efectos laterales. El la evaluacin paralela de

La salida de

una funcin slo est que la funcin no este modelo viene de

lo que significa paralelismo de las expresiones.

112

d)

Lgico. Este modelo ofrecer lgica.

la posibilidad de ejecucin

directa de programacin

II. 5. 6. Mquinas Neurommticas.

En diciembre

de 1983 se reunieron bilogos e informticos en

Francia para explorar las perspectivas que abren los esquemas de organizacin del sistema nervioso de arquitecturas de computadoras. central para la investigacin

En esa

reunin, Vidal del Instituto de investigacin del cede la Universidad de lo que convino en California llamar en los Angeles

rebro, "BRI",

(UCLA) describi

"Computadores de la estado embriona-

estructura neuromimtica", que slo rio. Tales un

existe en

mquinas, se presentarn en forma de red comportando

gran nmero de procesadores elementales segn una topografa

regular y densa. Caractersticas de estas mquinas son una cierta capacidad de auto organizacin, entendindose por tal el proceso de conexin entre procesadores elementales cuales o clulas que se realiza el

definen los

objetos virtuales sobre los

tratamiento, y aprendizaje.

En

esta misma lnea, la

Comunidad Econmica Europea, reuni

en una comisin de espertos en Fsica, Qumica, Biologa, Neurologa, etc. para estudiar la posibilidad de construir.un compuEsto dio origen al proyecto BRAIN que ya

tador "neuromimtico".

se ha iniciado y en el cual participa la Facultad de Informtica

113

de la U.P.M.

La arquitectura fsica de estas mquinas de estructura neuromimtica se basa en elementos lgicos, localmente programables y reconfigurables, denominados UCLM, tion Lgic Modules". siglas de "Universal Connec-

La funcin de lo tanto, hace dizaje al nivel

transferencia de las UCLM

es ajustable y, por

posible la introduccin de una funcin de aprendel material. La UCLM estn formadas por un

cierto nmero de circuitos organizados componen las

elementales "idnticos" arborescentes. Las

a "clulas" "clulas" que

como estructuras

UCLM son generadoras de funciones con dos entradas

lgicamente completas.

114

CAPITULO III. PROBLEMTICA ACTUAL EN LA CONSTRUCCIN DE LOS SISTEMAS EXPERTOS.

III. 1. General i dades.

Tres son los aspectos bsicos

a tener en cuenta a la hora de

plantearse el desarrollo de un Sistema Experto.

- Seleccin de la Sistema Experto.

aplicacin en la que

va

utilizarse el

Utilizacin de nuevas tcnicas, para la resolucin de

no utilizadas por Proceso

de Datos,

problemas y representacin del

conoc imiento.

- Seleccin de "hardware" y "software" a utilizar.

III. 2. Seleccin de la aplicacin.

Para determinar la efectividad de la tecnologa de los Sistemas Expertos, es nesario identificar previamente las reas de

aplicacin

y en ellas aquellas operaciones especficas que cum-

plen las condiciones de necesidad y oportunidad para ser resueltas con tecnologas de Inteligencia Artificial.

115

Una aplicacin no es candidata a ser resuelta con esta tecnologa por el ser mero hecho de ser difcil. Muchos problemas pueden tecnologa existente y con

mejor resueltos utilizando la

tcnicas tradicionales a un menor costo de desarrollo, implantacin y mantenimiento.

En orden dades

a identificar las oportunidades dentro de las EntiSistemas Expertos, las si-

Financieras para utilizar los

guientes consideraciones podran (CHAP86)

ser utilizadas como criterios:

a) - Apiicabi1idad. El rea un Experto derado. de aplicacin debe requerir realmente la presencia de con conocimiento e intuicin dentro del campo consi-

b) - Viabilidad. El conocimiento y experiencia requeridos deben poder ser re-

presentados con,un nmero finito de reglas.

c) - Costo. Verificar cual es la solucin en la que la relacin costo/beneficio es ms efectiva, tanto a corto como a largo plazo.

d) - Beneficios indirectos. El uso de esta tecnologa servir como introduccin de la

misma, dando

lugar a nuevos productos o servicios financieros o

116 mejorando los existentes, proporcionando una ventaja competitiva a la Entidad Financiera, as como imagen.

e) - Control. El uso del Sistema Experto proporcionar una oportunidad ni-

ca para incrementar el nivel de control sobre un proceso y, consecuentemente, evitar prdidas a la Entidad Financiera o inte-

rrupcin en el servicio a sus clientes.

Junto a estos criterios cuantitativos, existen otros cualitativos, tales como:

i)

Solucin de un problema

que

excede

las posibilidades

tcnicas de Proceso de Datos.

g) - Preservar experiencia profesional. Puede tener importancia como poltica social de la empresa en caso de jubilacin de

personal experto como motivacin del mismo, y prolongacin de su

carrera

profesional.

h) puntos

Distribuir

la experiencia de

unos manera

pocos, llevndola a los problemas de

alejados, cubriendo de alguna

formacin masiva del personal.

i) dad.

Fusionar -fuentes de conocimiento

dispersa por la Enti-

j) - Convertir el conocimiento existente sobre un rea determinada en un producto estratgico.

117

III. 3. Empleo de nuevas tcnicas no utilizadas por Proceso de Datos, para la resolucin de problemas y representacin del conocimiento.

Las de

tcnicas de razonamiento de la Inteligencia Artificial y al Sistema Experto obtener

resolucin de problemas permiten

conclusiones que no -fueron

explcitamente programadas dentro de

l. Esto contrasta con Proceso de Datos tradicional, que solicita datos ciertos, utiliza mtodos de clculo numrico algortmicos perfectamente definidos y, que cuando se utilizan correcta-

mente, producen respuestas correctas y determinadas.

Los

Sistemas Expertos utilizan informacin

que puede no ser

enteramente mtodos de

consistente o completa. La manipulacin a travs de razonamiento simblico, respuestas sin utilizar ningn modulo

numrico, producen tiles. Conforme

satisfactorias

y aproximaciones

ms completo y correcto es el conocimiento al-

macenado, mejores sern las salidas proporcionadas por el Sistema.

Evidentemente, todo

sto determina un ciclo

de

vida

de un

Sistema Experto que difiere sensiblemente del que corresponde al desarrollo de un Sistema Informtico tradicional.

Por otro

lado, las tcnicas y

elementos utilizados son dis-

tintos de los de programacin tradicional, aunque tambin pueden ser aplicados estos ltimos.

1 IB

Algunas de

las tcnicas que hacen posible las inferencias de

un Sistema Experto son las de adquisicin del conocimiento, heursticas y mtodos de representacin del conocimiento.

a)

Se entiende por adquisicin

del conocimiento, el proceso un experto para ser de conocimiento son

de extraer y utilizado

formalizar el conocimiento de Ejemplos

en el Sistema Experto.

las descripciones de objetos, identificacin de relaciones y explicacin de procedimientos. Los llamados Ingenieros del Conocimiento son expertos a cidir cual los especializados en estas tcnicas. Ayudan a los

articular su experiencia y reglas prcticas para dees la mejor estructura para que estos conocimientos

puedan ser utilizados por el Sistema.

Hasta el

momento, no existe ningn

mtodo automtico de ha-

cerlo, a excepcin de algunas ayudas para construir Sistemas Expertos muy sencillos que son capaces de extraer reglas a partir

de ejemplos. Sin embargo, pasar mucho tiempo antes de que estos mtodos automticos puedan llegar a reemplazar a los Ingenieros

del Conocimiento, y stos tendrn que adquirir el conocimiento a partir de los expertos.

Aunque

el conocimiento puede proceder

de

muchas y variadas

fuentes, la dominante para construir los Sistemas Expertos es el experto en el dominio. El Ingeniero del Conocimiento obtiene este conocimiento a travs de una serie prolongada e intensa de

entrevistas sistemticas que pueden durar muchos meses.

1 19

El Ingeniero del Conocimiento debe trabajar con el experto en el contexto e-fectivo de la solucin de problemas particulares. Es poco

preguntar al experto directamente acerca de que reglas

o mtodos usa para resolver un tipo de problema particular en el domin io.

Waterman

(HAY83) resume

estas circunstancias

sealando que

los expertos establecen sus muy

conclusiones, razonando en trminos

generales, difcilmente utilizables por una mquina. El ex-

perto raramente razona a niveles bsicos; hace juicios complejos sin seguir paso a paso un razonamiento.

Es

posible incluso que desconozca los pasos individuales que

hay que seguir para alcanzar la solucin.

En posteriores explicaciones de sus conclusiones, slo explicara los pasos principales, dejando de lado los que a l le parecen obvios, pero nar . sin los cuales, el Sistema no podra funcio-

Este

aspecto se ha denominado

"paradoja de la experiencia",

que puede enunciarse como sigue:

"Los

expertos ms competentes son que usan en resolver

incapaces de describir el

conocimiento pues

los problemas. Incluso peor, que cuando los expertos con -frecuencia

estudios recientes han demostrado

intentan explicar como alcanzar

una conclusin,

construyen lneas de razonamiento que se parecen poco a su acti-

120 vidad real para solucionar sus problemas".

En

efecto, tiene dos implicaciones importantes para la cons-

truccin de Sistemas Expertos: la primera sugiere que los expertos necesitan ayuda externa para clasificar y explicar su pensamiento y dar solucin a los problemas. Esto puede traducirse en i No sea Vd. su propio experto!.

una primera heurstica:

Los dos

roles de Ingeniero del ya que

Conocimiento

y Experto, son ser asumidos

pues imprescindibles,

difcilmente pueden

ambos papeles por la misma persona.

La paradoja de la experiencia sugiere una segunda heurstica, dirigida al Ingeniero dicen los expertos!. del Conocimiento: i No crea todo lo que le

Los Ingenieros del Conocimiento debern desarrollar de trabajo basadas en

hiptesis

lo que dicen los expertos y verificar su expertos que resuelvan nuevos

consistencia, proponindole a los

problemas que necesiten el conocimiento sintetizado.

El

conocimiento del experto se encuentra concentrado y reduy eficiente, que lo hace ms difcil de

cido a una forma mnima

extractar. Cuando los expertos resuelven problemas en su rea de experiencia, reconocen nuevas situaciones como instancias de cosas los con las cuales ya estn fami1 iarizados.Sin embargo, cuando situaciones nuevas, se comportan a aplicar principios genera-

expertos se enfrentan con

como novatos inteligentes. Tienden les y pasos deductivos que

proporcionan enlaces causales entre

121

varias etapas comportamiento

de una secuencia de soluciones de problemas. Este sugiere un mtodo de contraste de soluciones a

problemas, mediante la propuesta de situaciones nuevas al experto, tal vez sugeridas por otro experto y anotar el proceso que

sigue el experto para resolver el problema. Es lo que se denomina el mtodo del protocolo. Una alternativa consiste en presen-

tar a un novato inteligente, un problema estndar para ganar experiencia en la actividad real de la solucin del problema.

b) Heur stica: dido

Son reglas prcticas que un experto ha aprenun rea aquellas particular. Cuando reglas ayudan a

o descubierto, concernientes a en un Sistema Experto,

se incluyen

guiar el proceso a

travs de masas de datos. Estas reglas hacen

la bsqueda de soluciones, ms eficiente.

c) Una representacin del conocimiento es una estructura -formalizada y un conjunto de operaciones que comprenden cin, que se relaciones y procedimientos utilizados incorporan al Sistema Experto. por la descripun experto y

Este conocimiento se re-

presenta en lo que se llama base de conocimientos.

Cada tipo de

conocimiento y usos de los mismos aceptan mejor

unas u otras -Formas de representacin.

122 III. 4. Seleccin de "Hardware" y "Software" a utilizar y evaluacin del mismo.

La seleccin se

de la herramienta adecuada es difcil porque no caractersticas necesarias para clases

sabe cuales son las

especficas de problemas.

Durante aos las herramientas

utilizadas se

haban obtenido

de Sistemas Expertos ya construidos a los que se les habra despojado del conocimiento, que contenan. A estos sistemas vaciase les denomin, como ya se ha citado,

dos de su conocimiento "conchas".

Hoy, incorporan nuevas formas el conocimiento,

y posibilidades de representar

lo que las hace ms adecuadas para representar

distintos tipos de problemas.

Hay seis puntos bsicos que deben tenerse en cuenta a la hora de seleccionar una herramienta, a saber:

- Poder de desarrollo. El desarrollo de un Sistema Experto requiere tiempo, dinero,

personal' "hardware" y "software" adecuados.

La eleccin de un lenguaje de programacin tipo LISP o PROLOG o un lenguaje de Ingeniera del Conocimiento tipo KEE, LOOPS,

ART o KNOWLEDGE CRAFT depender de las necesidades del problema. El primer tipo de eleccin tema Experto que nos llevar a la creacin de un Sisla solucin buscada, aunque

se ajustar ms a

123

los costes sern ms truir su base

altos dado que el tcnico tendr que cons-

de conocimientos e implantar un motor de inferen-

cia. Con los del segundo tipo de lenguajes, el desarrollo es ms fcil pero es posible que el Sistema obtenido no sea tan efi-

ciente como el anterior.

- Soporte de -facilidades de programacin. Si el tiempo existencia es un -factor importante en el a desarrollo, la la depuracin,

de -facilidades tales como

ayudas

editores de bases de conocimiento, -facilidades de Entrada/Salida y mecanismos de explicacin de razonamiento, sern decisivas a

la hora de seleccionar dicha herramienta.

- Fiabi1idad. Evidentemente, si la herramienta podr utilizarse en produccin. no es -fiable, difcilmente

Una herramienta

de este tipo en

una investigacin o experi-

mento, puede causar problemas sin que esto tenga ms trascendencia. En cambio debe estar totalmente probada a la hora de abor-

dar un desarrollo, por lo que debern verificarse cuantos Sistemas Expertos se han construido con ella y conocer la opinin de

los usuarios de ella y sus paquetes de utilidad.

- Mantenimiento. Deben ser analizadas tanto para el mantenimiento de las facilidades que proporcionan desarrollados con

Sistemas Expertos

ella, como los

de la propia herramienta

y su evolucin futura.

124 Si el mantenimiento de la herramienta no est garantizado ni utilizacin de

claro en sus procedimientos, no es aconsejable la la misma.

- Caractersticas de la tarea a desarrollar. En el caso raleza del rramienta a de la construccin de Sistemas Expertos, la natupuede condicionar la he-

problema, de alguna manera elegir. Podra decirse como

sugerencia que hay que

seleccionar una herramienta que tenga las caractersticas determinadas por el problema y su aplicacin.

La bibl iogra-f a trata exhaustivamente reas a herramientas, teniendo en cuenta:

la equiparacin de ta-

Caractersticas del problema, en

cuanto

a datos, conoci-

mientos usados, espacio de bsqueda y estructura del problema.

- Caractersticas

de la aplicacin, entre

las

que cabe in-

cluir la solucin al problema, entrenamiento y modelizacin predictiva, interaccin esperado. con los usuarios y tipo de usuario -final

- Caractersticas de la solucin, entre las que se encuentran las tcnicas de organizacin, representacin del conocimiento y

bsquedas usadas para resolver el problema.

- Caractersticas del sistema,

que incluyen inter-fases espe-

ciales con los usuarios y manejo del sistema por parte de stos, as como -formas para aadir nuevos datos y conocimientos.

125

- Caractersticas de la herramienta, que incluyen cosas tales como: manejo de reglas, mod i - icac i nes f de las mismas, herencia

va marcos, redes semnticas,

mecanismos de explicacin, arqui-

tectura de pizarra y combinaciones de certidumbres.

Una indicacin de que herramienta

se ha hecho una

buena eleccin de una

para una aplicacin, es que los problemas se

su degradacin gradual. Es hacen ms di-fciles, las

decir, a medida

prestaciones de la herramienta se degradan lentamente. El criterio de degradacin de las prestaciones, proporcionan una medida

de la adecuacin de la herramienta, pero slo despus de que sta ha sido ampliamente usada en el dominio del problema.

Es importante sealar que es posible que la mejor para desarrollar un producir la Sistema Experto puede no El

herramienta

ser la mejor para

versin -final del mismo.

entorno de desarrollo

debera tener una abundante panoplia de herramientas de soporte, que deben proporcionar suficiente potencia computacional para

sostener el es-fuerzo de desarrollo a largo plazo, y deben ser lo bastante -flexibles como para permitir la experimentacin con

distintas tcnicas de representacin

del conocimiento. Por otra

parte deben proporcionar unas buenas inter-fases de usuario y ser rpidas y eficientes.

126 III. 5. Problemtica.

Teniendo en cuenta los aspectos bsicos en la construccin de un Sistema Experto, cada Ingeniero del Conocimiento usaba su

propio procedimiento de diseo y construccin de Sistema Experto que, aunque, contemplaban esos tres aspectos bsicos, eran absolutamente "ad hoc". El decir que, en esta tecnologa, "cada

maestrillo tiene su librillo" no es ms que dar testimonio de un hecho.

Esta carencia de mtodo, ms an, pues ni siquiera exista un verdadero "manual rrollo y de de procedimiento" haca que la labor de desa-fuera ms una labor ingeniera,

construccin de Sistemas Expertos

artesana individual que un trabajo de verdadera

tal y como pretende denominarse esta tecnologa de la ingeniera del conocimiento.

Por esta razn, quiere usar mientos, (HAY83),

esta Tesis presenta una metodologa, o si se un manual de procediintentos anteriores

un nombre menos pretencioso teniendo en cuenta los

que,

(HAR84),

(CAR86), etc., llenen esa laguna de modo que, Sistemas Expertos sea cada vez una labor de

la construccin de ingenier a.

127

CAPITULO IV. METODOLOGA PARA LA CONSTRUCCIN DE SISTEMAS EXPERTOS.

IV.1. Introduccin a la Metodologa.

Deca Nietzsche

que "la riqueza ms

preciosa

son los mto-

dos". En este sentido, tecnologa

y para paliar una carencia notoria en la Conocimiento, se presenta una

de la Ingeniera del

metodologa para construir Sistemas Expertos.

Entendemos todo, es

por Metodologa la aplicacin coherente de un m-

decir, conjunto de operaciones ordenadas con objeto de As pues, con la metodologa que aqu se

alcanzar un resultado.

presenta, se pretende de-finir, de una manera ordenada, las -fases y etapas que debe cubrir un Ingeniero del Conocimiento, con el

objeto de construir un Sistema Experto.

Lo

primero que contempla esta metodologa es considerar como y a modo de "metametodologa" los cuatro prin(DES77) siguientes:

principio bsico

cipios o reglas cartesianas

13 "Regla de la Evidencia". No aceptar nunca como verdadero lo que con toda evidencia (en el sentido galileano

del trmino, es decir, aquello que se puede combatir y nunca refutar), no se reconociese como tal. En este sentido, se evitar cuidadosamente la precipitacin y los prejuicios, no dando cabida en los juicios sino a

128

aquellos que se presenten al espritu en forma tan clara y distinta que no sea admisible la ms mnima duda". Nosotros lo denominamos estudio crtico de la ex istenc ia.

"Regla del Anlisis. Dividir cada una de las dificultades que se hallasen en el camino en tantas partes como sea posible y requiera su ms fcil solucin". Esta es la plasmacin del principio cesariano, tan usado en Inteligencia Artificial, del "divide y vencers".

"Regla de la Sntesis. Ordenar los conocimientos, empezando por los ms sencillos y fciles, para elevarse, poco a poco y como por grados, hasta los ms complejos estableciendo tambin cierto orden en los que naturalmente no lo tienen". Esta regla no expresa ni ms ni menos que el principio de incrementabi 1idad en el diseo y construccin de los Sistemas Expertos.

"Regla de la Prueba. Hacer siempre enumeraciones tan complejas y revistas tan generales que se pueda tener la seguridad de no haber omitido nada". La enumeracin verifica el anlisis, la revisin la sntesis. Este criterio de sistematicidad evita el dejar fuera cosas relevantes y el incorporar cosas no pertinentes o indeseables, con lo que, en el primer caso, se mejora la eficiencia y, en el segundo, no se pier'de la eficacia.

129 Adems con la primera regla se ha intentado, y a nuestro pa-

recer, conseguido evitar la hetereogeneidad de lo que procedente de otros autores se incorpora a la metodologa. De este modo, y

aunque la metodologa est construida a partir de las aportaciones de diversos autores, estn tan integradas en nuestra propia en conjunto parece como si todo estuviera hecho

aportacin que

por una sola persona.

Se

distinguirn en el desarrollo

de esta Metodologa cuatro

grandes -fases, que se articularn

a su vez en una serie de eta-

pas y pasos que se irn describiendo a continuacin.

Sin embargo,

hay que sealar, que esta metodologa es -flexi-

ble de modo que siempre que el problema sea adecuado y est perfectamente documentado, es posible saltar algn paso o etapa e

incluso, aunque muy excepcionalmente, alguna -fase. Es decir, esta metodologa se que como una presenta ms como una -facultad que se admite, En otros trminos, hay

condicin que se imponga.

que verla ms como gua que como "cors".

Las cuatro

-fases que se considerarn para la construccin de

un Sistema Experto, son las siguientes:

Fase 1 - Determinacin de necesidades, valoracin del Proyecto y capacidades a obtener.

Fase 2 - Diseo de la Ingeniera del Conocimiento y construccin del Prototipo.

130

Fase 3 Experto.

Construccin de la versin

en

Produccin del Sistema

Fase 4 -

Comprobacin de las Capacidades

del Sistema Experto e

integracin del mismo con los Sistemas existentes en Produccin.

IV. 2. Fase I; Determinacin de necesidades y valoracin del proyecto.

En esta -fase hay que dar respuesta a tres condiciones bsicas para el desarrollo posterior del Sistema Experto:

IV. 2. 1. Seleccin de la

aplicacin sobre la que se va a desa-

rrollar el Sistema Experto dentro de un dominio dado.

IV. 2. 2.

Determinacin de las necesidades que deben ser satis-

fechas con dicho sistema y evaluacin de los recursos necesarios para su desarrollo.

IV. 2. 3. Aceptacin del proyecto.

por la Direccin de

la Empresa y usuarios

IV. 2. 1. Seleccin de la aplicacin:

Es muy

difcil descubrir de una

manera general las caractede un Sistema Experto

rsticas que de-finen

el que la creacin

131 sea lo ms adecuado para la resolucin de un problema dado. Sin

embargo, este es el primer problema que se plantea una organizacin a la hora de iniciar el desarrollo de un Sistema Experto.

Aunque es

di-fcil dar una respuesta general a este problema,

es posible dar unas pautas, deducidas de la experiencia alcanzada en los desarrollos de distintos Sistemas Expertos por diver(HAYB3).

sos autores. (DAV82)

En este

sentido, slo debe considerarse la tecnologa de los

Sistemas Expertos si el desarrollo del mismo es posible, se justifica y es apropiado.

a) Que sea posible en cuanto a los expertos: El primer rea, requisito es que existan verdaderos expertos en el

del problema a resolver. Si no existe una fuente de conoci-

miento y experiencia, el desarrollo -fracasar.

Sin embargo, no

es -fcil encontrar un

buen experto que est

dispuesto a colaborar

en la construcin y desarrollo de un Sis-

tema Experto. El miedo a contar sus conocimientos y experiencias adquirida y jo, perder su "indispensabilidad" y su puesto de traba-

irn -frenando su voluntaria aportacin. Es indispensable la de la que depende el experto y el al experto y conseguir

colaboracin de la Direccian conocimiento de

este hecho para motivar

su total colaboracin.

El conocimiento del experto, por otro lado, es caro. Generalmente el experto idneo es aquel que ms necesita la organiza-

132

cin. La que un

asignacin de las personas adecuadas durante el tiempo el Sistema Experto representa

sea necesario para construir

costo tangible y considerable; sin embargo, es prerrequisito

indispensable para el xito. No es suficiente, sin embargo, disponer de los expertos adecuados,si stos no son capaces de articular y explicar mas. Poco caso. los mtodos que usan para resolver los probledel Conocimiento en este

podrn hacer los Ingenieros

Adems los

expertos deben

coincidir generalmente

acerca

de

las soluciones en el

dominio del problema. En otro caso, la vadel Sistema Experto desarrollado,

lidacin de las prestaciones sera una misin imposible.

An existe un aspecto de las relaciones miento .

importante a tener en el

cuenta, y es el

entre el Experto y

Ingeniero del Conoci(WAL75) sobre los

Los estudios del -fisilogo

Walter

ritmos alfa de las

personas y la agrupacin

de sta en clases,

nos proporcionarn informacin sobre la tipologa al respecto:

"M"

lo componen personas cuyos procesos de pensamiento discupor completo en trminos de imaginacin visual. Las

rren casi

personas de este tipo actan de forma rpida y precisa cuando la solucin est a su alcance a travs a un problema de de la imaginacin visual, naturaleza abstracta o a

pero si se enfrentan

una imagen demasiado complicada, se atascan o confunden.

"P"

propensos a la imaginacin auditiva, cinestsica o tctil

ms que visual, que piensan en trminos abstractos o bien en sonidos y movimientos, pueden llegar a intuir el camino para salir de un laberinto imaginario.

"R" son aquellas

personas que en su pensar cotidiano, no utisin embargo, pueden evocar,cuando Es el

lizan regularmente imgenes, sea necesario, construcciones

visuales satisfactorias.

grupo ms verstil y abundante y sus caractersticas se enmarcan entre los "P" y los "M".

De lo anterior se puede deducir que una combinacin de experto "M" e ingeniero del conocimiento "P" o viceversa, dificilmente podrn perto. entenderse y hacer explcito el conocimiento del ex-

Esta

teora, an no suficientemente

contrastada

a pesar de

los aos que lleva "priori", que deben

planteada y aunque sea

difcil de aplicar a

s debe hacer meditar

respecto a las caractersticas y analizar sus relaciones que no pierdan el

tener experto e ingeniero

desde los primeros

contactos, con objeto de

tiempo en situaciones dificilmente resolubles.

b) Que sea posible en cuanto al problema: En primer lugar, la tarea debe requerir conocimiento y expe-

riencia. Si esta experiencia solamente puede adquirirse a travs de la prctica, el Sistema Experto no funcionar, lo cual no

quiere decir que no pueda existir una mezcla de ambas, habilidades fsicas y cognoscitivas, en que la primera se trate a travs de tcnicas ms convencionales y la segunda mediante la Ingenie-

134

ra del Conocimiento.

La tarea

no debe ser extremadamente difcil, de aqui deduci-

mos que el experto no puede ensearla ya que la experiencia slo puede alcanzarse a travs de la prctica, el proceso puede ser

demasiado difcil para ser desarrollado en un Sistema Experto.

Asimismo, si el problema, sin

experto tarda das o

semanas en resolver el

que ste pueda ser

descompuesto en subtareas ms tampoco sera

pequeas, cortas o un problema to.

relativamente independientes,

candidato a ser resuelto mediante un Sistema Exper-

La tarea debe pertenecer miento existente turado.

a un dominio en

el cual el conoci-

para resolverla es preciso y est bien estruc-

Si la tarea su-ficiente adecuada

-fuese tan novedosa o

no

existe el conocimiento

del dominio para resolver el problema, tampoco sera la utilizacin de la Ingeniera del Conocimiento como

herramienta para resolverlo. La necesidad de utilizar el "sentido comn" en su resolucin, tambin constituye un obstculo di-

fcil de superar por el Sistema Experto.

La figura 4.1., puede presentarse, como resumen de las caractersticas que ble un debe tener el dominio para considerar como posid-pl Sistema Experto, se puede sealar:

desarrollo

(CARB6).

Existen verdaderos expertos

Los expertos coinciden en las soluc iones

Los expertos pueden explicar stas mtodos

La tarea requiere habilidad cognoscitiva

DESARROLLO POSIBLE DEL S.E.

La tarea no es demasiado difcil

La tarea est b ien es tructurada y se en tiende b ien

La tarea no requiere sentido comn Figura 4.1. POSIBILIDAD DE CONSTRUCCIN DE UN SISTEMA EXPERTO

136

El hecho para una su

de que sea posible

desarrollar

un Sistema Experto justificado

tarea en particular, no signi-fica que est que

desarrollo. Entre los criterios

pueden utilizarse para

justificar su desarrollo se pueden sealar los siguientes:

- El Experto debe tomar sus decisiones en un entorno peligroso u hostil, tal como plantas nucleares, estaciones espaciales, sera demasiado arriesgado mantener

etc. En estas condiciones,

un experto humano en dichos ambientes.

- Los alta y su

Expertos escasean y, por

consiguiente,

su demanda es

coste muy elevado. Este punto es especialmente impor-

tante en el caso de las instituciones financieras, que requieren de asesores en distintas reas en las sucursales. En este con-

texto, el Sistema

Experto puede ser una forma efectiva y barata

de tratar el problema. En muchos casos puede ser la nica alternativa, teniendo en cuenta consideraciones de eficiencia y ren-

tabilidad. Bajo este prisma pueden ser considerados los Sistemas Expertos como distribuidores del conocimiento y la experiencia.

- Prdida del presa

conocimiento y experiencia en reas de una emdel personal; por ejemplo,

como consecuencia de cambios

las jubilaciones pueden

provocar transtornos importantes debido

a la experiencia que el personal experto se lleva consigo cuando esos cambios se producen. El desarrollo de Sistemas Expertos en

esas reas puede constribuir a preservar el conocimiento y experiencia institucional.

137

- La inversin en el desarrollo de un Sistema Experto tambin puede estar justi-ficada cuando se espera una alta tasa de retorno de la inversin realizada en dicho desarrollo.

Como resumen de chos puntos. (CAR86)

todo lo anterior, la

-figura 4.2. recoge di-

138

Necesi dad de ex perienca en en tornos hostles.

Escasez de experiencia humana.

Necesi dad de exp er ienc ia en diversos lugares.

DESARROLLO JUSTIFICADO DEL S. EXPERTO.

Prdida de experiencia humana.

Alta tasa de recuperacin de la inversin.

Figura 4.2. JUSTIFICACIN DE LA CONSTRUCCIN DE UN SISTEMA EXPERTO.

139

No bastan las condiciones que el Sistema

anteriores para

desarrollarlo, ya

Experto debe ser adecuado

para resolver el pro-

blema que se plantea.

En este punto, los -factores claves a con-

siderar son los siguientes:

a) Relativos a la naturaleza del problema. Para que el Sistema Experto sea adecuado, el problema debe

tener ciertas cualidades intrnsecas.

Solamente si la producti-

vidad de un trabajo depende de un conocimiento que es subjetivo, cambiante, simblico, dependiente de los juicios particulares de distintas personas o bien heurstico, entonces ser apropiado

desarrollar un Sistema Experto. Mientras que el conocimiento necesario para desarrollar la tarea sea estable, numrico y de -fcil agregacin, los procedimientos manera de resolver el problema. algortmicos sern la mejor

b) Relativos a la complejidad de la tarea a tratar. El problema a tratar debe ser importante en el dominio, de

tal manera que para alcanzar prcticas.

su solucin se requiere un experto que para aos de estudio o

tal conceptuacin haya necesitado

c) Relativos al alcance del problema. En este sentido, el problema debera ser lo su-f ic ientemente lo bastante amplio como conceptos de del problema

acotado como para

que sea manejable y

para que tenga inters manejabilidad y

prctico. Lamentablemente, del dominio

practicidad dependen

140 particular.

Sin embargo,

elegir el alcance idneo

es

esencial

para el

xito del Sistema Experto. ligrosos en el

Sin duda, uno de los errores ms peExperto es elegir un

desarrollo de un Sistema

problema que sea demasiado pueda manejar adecuadamente.

amplio o general, de

modo que no se

Como resumen de lo anterior, la -figura 4.3. recoge los -factores que permiten valorar la adecuacin del Sistema Experto,

(CARB6)

141

La tarea req uiere

el tratamien to de s mbolos Naturaleza La tarea requiere so luciones heur sticas.

Complej idad

La tarea no es demasiado -fcil

DESARROLLO ADECUADO

La tarea tiene valor prctico.

Alcance La tarea es de tamao manejable.

Figura 4.3. ADECUACIN DEL DESARROLLO DE UN SISTEMA EXPERTO.

142 IV. 2. 2. Determinacin de necesidades y plan de evolucin del Sistema Experto.

Una vez lle algunos determinados

seleccionada la aplicacin hay que analizar en detaaspectos tanto organizativos como funcionales, de

recursos humanos a utilizar

y plazos estimados de

entrada en produccin del Sistema Experto, as como costos y beneficios esperados.

As mismo Experto,

debe definirse un plan

de

evaluacin del Sistema

definiendo en que momento papel esencial en el

debe realizarse. La evaluadesarrollo y aceptacin de

cin juega un

todo Sistema Experto.

IV. 2. 2. 1. Mentalizacion de los usuarios.

La introduccin de la tecnologa en cualquier organizacin es un proceso lento, laborioso y lleno de incomprensin.

Para que una

tecnologa tenga xito slo

se necesita que se

cumplan los tres requisitos siguientes:

a) Que cubran una necesidad sentida. En estos puesto de de momentos en que la informtica tradicional ya ha

manifiesto sus limitaciones en cuanto a ciertos tipos

problemas, es urgente la utilizacin de herramientas capaces naturaleza no deteminstica,no suscep-

de resolver problemas de

tibles de un tratamiento convencional. Es este sentido, los Sis-

143

temas Expertos pueden ser la herramienta necesaria.

b) Que exista un conjunto de personas que conozcan o sean capaces de asimilar la tecnologa. Este es uno de construccin de los problemas mayores con Sistemas Expertos. y en todas partes que se enfrenta la del Conoci-

Los Ingenieros se

miento no abundan,

estn tomando medidas

para superar esta situacin.

c) Que se destinen recursos econmicos suficientes para desarrollar la. La importancia de esta tecnologa estriba en que lo que se

trata con ella es el conocimiento.

El Dr. Bell en dustriales", afirma el conocimiento

su libro "El marco

de las sociedades postin-

que el recurso estratgico de las mismas es

y su principio axial, la codificacin del cononica manera hoy conocida de llevar a cabo

cimiento terico. La

dicha codificacin es a travs de los Sistemas Expertos.

Si a esto le unimos

el papel cada vez ms importante del co-

nocimiento en la evolucin y desarrollo de las Empresas, no debe ser difcil concienciar a los responsables de que deben asimilar y extraer frutos de esta tecnologa.

144 IV. 2. 2. 2. Formacin de los Ingenieros del Conocimiento.

La formacin de problemas ms graves esta tecnologa.

los tcnicos del conocimiento con los que se

es uno de los

encuentra el desarrollo de

El camino seguido hasta la -fecha ha sido la formacin de tcnicos informticos, en algunas tcnicas de la Inteligencia Artificial, as como en lenguajes de programacin y entornos de trabajo.

El problema ha sido relegado a un segundo trmino y resuelto, bien a travs del propio experto, que se convierte en un Inge-

niero del Conocimiento, implantando su propio conocimiento sobre un computador o asistiendo al usuario principalmente a travs de mens o utilizando cimiento a un tcnico informtico con un somero cono-

de las nuevas tcnicas de programacin, pero ignorando caso la complejidad de la adquisicin del conoci-

en cualquier

miento. Preguntas tales como: Por donde empezar?, que informacin debera obtenerse primero?, que tcnicas de entrevistas y deberan utilizarse en cada caso?, permanecen la ma-

Psicologa

yor parte de las veces sin respuesta.

Generalmente

se argumenta que este

tipo

de conocimiento se

adquiere con la experiencia o bien ya lo poseen dichos tcnicos. Sin embargo, los problemas reales de la construccin de Sistemas Expertos son los que se derivan de la adquisicin y representa-

cin del conocimiento. El problema real parece estar en el pobre conocimiento que se tiene acerca de dichos procesos. El nfasis

145

en la construccin se ha puesto siempre en los aspectos tcnicos y en cmo representar el conocimiento una vez que ya se ha obtenido.

Cmo desarrollar en los Ingeniero del Conocimiento el conocimiento sobre las relaciones interpersonales y los mecanismos que rigen la toma de decisiones y el conocimiento es uno de los as-

pectos cruciales de esta -formacin.

La funcin bsica un experto de tal y costos derivados Conocimiento.

es la tarea de

extraer el conocimiento de

manera, que se reduzcan al mximo los riesgos de la construccin del Sistema Basado en el ser pues completo, ac-

El conocimiento tiene que

tualizado y contener la esencia de la experiencia. Todo ello requiere que el Ingeniero del Conocimiento conozca tcnicas de resolucin de problemas, teoria sobre modelos de razonamiento, inconsistencias verbales en la expresin del conocimiento as como imprecisiones de la memoria. Tambin requiere tener desarrollada la capacidad de observacin y determinar si el experto realmente trabaja mientras est siendo observado.

Uno de los

ms importantes -factores para es su dominio de

el xito del Inge-

niero del Conocimiento

las tcnicas de entre-

vistas y relaciones interpersonales.

Asimismo

ayudar al Ingeniero, su conocimiento acerca de los

aspectos sociales de la interaccin entre el Ingeniero del Conocimiento, su ayudante, el experto y todos aquellos que partici-

146 pan en el proyecto, en lo que se ha llamado "comunidad para la

adquisicin del conocimiento".

La que con

-formacin, pues, de un

Ingeniero

del Conocimiento tiene

estructurarse en dos tipos de disciplinas: Las relacionadas la Psicologa y Ciencias Sociales y las relativas a las

Ciencias de la Computacin.

Estos planes de -formacin debern pues contemplar:

- Psicologa del propio Ingeniero. - El Experto y su psicologa. - Su In-formac i n . - El conocimiento. - Los datos.
La El El -formacin "Hardware" "So-ftware" y la representacin del conocimiento.

Todo ello requiere estar preparado en las siguientes reas:

- Conocimientos interpersonales. El las Ingeniero del Conocimiento debe comprender el proceso de las relaciones entre

entrevistas para controlar y modificar

el experto y el Ingeniero.

- La entrevista y sus tcnicas. Una entrevista es comunicacin entre el la -forma habitual de iniciar el proceso de Experto y el Ingeniero. La tarea de ex-

147

traer

el conocimiento es comunicar real que aparezca en

informacin,

as que cual-

quier barrera

la entrevista puede reducir

el valor de la informacin conseguida.

Existen

distintas tcnicas que se han desarrollado para per-

mitir una ms eficiente y rica adquisicin del conocimiento. Estas tcnicas manera que se utilizan para estructurar las preguntas, de tal la informacin especifica se obtenga sin ningn tipo

de tensiones y deberan usarse en distintas fases de la adquisicin del conocimiento.

As, tcnicas como anlisis de protocolos, escalados multidimensionales o clasificacin de conceptos deben ser conocidas y

dominadas por estos tcnicos.

Es esencial conocer habilidad para ella,

la dinmica de la entrevista, y tener la

analizar los procesos que tienen lugar dentro de ellos. Solamente conociendo la

mientras se participa en

dinmica de la entrevista, el tcnico podr comprender los lmites entre los que se tiene que mover, as como lo que se quiere

decir, ms que lo qu se dice.

- Aspectos psicolgicos relacionados con el proceso de adquisicin del conocimiento tales como:

1. Memoria: La informacin almacenada en la memoria tiene una organizacin, la cual es nica para la experiencia personal de cada individuo. Las sutilidades de esta or-

14B

ganizacin afectarn a la comunicacin entre experto e ingeniero. Los procesos que subyacen en la memoria, los recuerdos, el reconocimiento y el aprendizaje son distintos. El conocimiento acerca de los procesos normales

de pensamiento y la susceptibilidad de la memoria para recordar u olvidar deben ser conocidos por el Ingeniero

del Conocimiento.

2. Organizacin del conocimiento: Las personas tienden a agrupar su conocimiento en unidades organizadas (CHUNKS), cada una de las cuales est relacionada e interactiva sobre las dems. Es a menudo difcil para el experto dividir estas unidades en otras ms pequeas y explcitas y explicar cada parte y sus funciones al Ingen iero.

Los expertos tienen distintas maneras de organizar su conocimiento; algunos pueden preferir una imagen basada en la organizacin. El Ingeniero debera ser flexible y buscar la tcnica apropiada para resolver esta dificultad.

- Proceso de la Informacin. En una la situacin dada, la informacin recibida del medio es forma en que la

misma para un observador

que para otro. La

informacin es do. Esto

procesada es lo que determina el mensaje recibiindividual que depende de

es esencialmente un proceso

la personalidad del ingeniero en cuestin. La percepcin del ingeniero evaluar la informacin recibida de una nica manera.

149

Podra ser rechazada si est en oposicin a la idea aceptada por si ingeniero, o podra seleccionar in-formacin a la que es -Fcil otras o probar es-

acceder, aceptar ciertas opiniones y rechazar ta in-formacin en reas inaprop iadas.

- Resolucin de problemas. Es esencial que el ingeniero tenga toda la in-formacin requerida en orden a convertirla en conocimiento. Esto es aplicable a saber como te, sin porque ha rando?. el experto toma sus decisiones. Las toma rpidamen-

tener todos ios elementos necesarios? Puede hacer sto interiorizado alguna informacin o bien la est ignoEstas y otras consideraciones similares tienen que ser

hechas por el Ingeniero, nicas de resolucin de

por lo qu el conocimiento de las tcproblemas le dar luz acerca de las es-

trategias utilizadas por el experto.

- Dinmica de grupos. La llamada comunidad para la adquisicin del conocimiento,

est unida por un inters comn y una tarea que es como en cualquier comunidad, controlada por ciertas consideraciones acerca

de la consecucin del objetivo. Ya que el proceso de adquisicin de in-formacin del experto en un proyecto largo, podra durar

aos, es esencial que mantenga a travs

el inters del experto y su motivacin se

de aquel perodo. Un experto que encuentre el

proceso total cansado y desagradable mostrar su estado de nimo - travs de 3 sus respuestas. Ello requiere que el Ingeniero del a utilizar

Conocimiento planifique por adelantado

las tcnicas

de tal manera que el conjunto resulte aceptable por el experto.

150

En cuanto a

las materias tcnicas que deberan ser objeto de

Formacin, hay que sealar:

- Programacin

lgica y programacin heurstica.

- Lenguajes de base como LISP y PROLOG. - "Hardware" a utilizar en el desarrollo y en la explotacin del Sistema Experto. - Entornos de programacin como KEE, LOOPS, KNOWLEDGE CRAFT o ART.

Todo ello

configura unas necesidades en los planes de Forma-

cin de los Ingenieros del Conocimiento que deben ser investigados y mente, configurados en unos Planes de Estudio adecuados urgente-

IV. 2. 2. 3. Ubicacin idnea del Sistema Experto.

No existe

la -frmula mgica que

permita determinar el lugar

idneo dentro de la Organizacin para ubicar el Sistema Experto.

Como

criterios para determinar la ubicacin ms adecuada po-

demos sealar:

- Existencias de unos pocos profesionales claves, cuya misin es asesorar al resto de la Organizacin. La distribucin del conocimiento, colocando los Sistemas donde es Expertos en aquellos lugares una posicin clara de

necesario el asesoramiento es

151

ub icae i n.

- Cuando la realizacin de una tarea requiere un equipo grande de personas porque ninguna posee el conocimiento completo como para resolverla. El Sistema Experto puede actuar como coordinador e integrador de todos esos conocimientos.

- Cuando la productividad se encuentra muy degradada debido a que una tarea demanda un anlisis completo de un conjunto com-

plejo de condiciones y el especialista encargado de dicho anlisis requiere con -frecuencia re-frescar sus conocimientos. En este caso, el Sistema Experto debe servir como memoria auxiliar del

Experto. Como una consecuencia de este punto se puede sealar el papel de los Sistemas Expertos como memoria institucional de una organ i zac i n.

- En

aquellas tareas donde exista un gran discrepancia entre Aqu normalmente la existencia de un Sistema Ex-

especialistas.

perto, obliga a soluciones intermedias.

- Cuando

los objetivos de la organizacin se encuentran com-

prometidos debido a la escasez de recursos humanos o bien cuando la competencia ha obtenido ventajas debido a que determinadas manera mejor o ms

tareas estratgicas, consi stente.

son realizadas de una

Ser tambin recomendable su utilizacin all donde exista calidad que requiera una gran variedad de conoci-

un trabajo de

152 miento que excede cualquier exigencia razonable de entrenamiento y -formacin permanente de las personas, o cuando exige demasiada gente experta existente o de nueva contratacin.

- Cuando existe zacin

una incapacidad real por parte de la organi-

para aplicar efectivamente el conocimiento que existe en las personas ms cualificadas, se dedican a resol-

ella, ya que

ver problemas bsicos.

IV. 2 . 2 . 4. Determinacin de recursos humanos y plazos de desarrollo.

En el

momento actual es difcil evaluar los recursos necesa-

rios para el desarrollo de un Sistema Experto, debido a falta de experiencia en el uso de la tecnologa.

De los

proyectos realizados hasta la

fecha se puede sealar

que el desarrollo

de estos Sistemas no es intensivo en recursos profesionales cualificados en equi-

humanos, pero han requerido pos de proyectos reducidos.

Como datos orientativos al respecto, se puede sealar:

Proyectos de dificultad moderada: - Equipo de proyecto: 2- 4- personas. - Duracin: 8 meses - 1 ao. - Recursos consumidos: 1 , 5 - 4 aos/hombre.

153

Proyectos di-fciles: - Equipo de proyecto: 3 - 5 - Duracin: 1- 3 aos. - Recursos consumidos: 3 - 1 5 aos/hombre. personas.

Proyectos de gran complejidad: - Equipo de proyecto: 4 - 6 - Duracin: 3 - 5 aos. personas.

- Recursos consumidos: 12 - 30 aos/hombre.

Los per-fles y tipo puede ser:

dedicacin de tcnicos a

un proyecto de este

_ Ingeniero de Conocimiento Snior - 257. de dedicacin. Su -funcin principal es la supervisin y asesor amiento al Ingeniero del Conocimiento jnior en cuanto a la determinacin de del dominio, as como en cuanto a la

la complejidad y amplitud

-forma de representacin ms adecuada del conocimiento en un problema y validacin del Sistema Experto construido. Disear la integracin en el en-

Arquitectura del Sistema

con vistas a su

torno operativo de la Organizacin.

- Ingeniero del Conocimiento Jnior - 1007. de dedicacin. Su misin es la extraccin del conocimiento del experto as

como la de-finicin y construccin de las bases del conocimiento. Realizar el cuaderno de pruebas del Sistema con el Experto y

verificar su correcta realizacin.

154 - Programador de Inteligencia Artificial - 1007. ded icac ion. Desarrollar la programacin del prototipo necesaria para la construccin

as como las pruebas, integracin en otros siste-

mas y documentacin del mismo.

- Experto en el dominio - 757. dedicacin. En realidad es el autntico protagonista del desarrollo. Participar desde su concepcin hasta la validacin de las pruebas

del Sistema Experto.

IV. 2. 2. 5. Plan de evaluacin:

(HAY83)

Las tcnicas actuales de evaluacin de estos Sistemas son escasas y primitivas. Ciertamente muchos criterios como la exactitud, e-ficiencia o facilidad de uso, utilizados para evaluar

otros Sistemas tambin son aplicables a los Sistemas Expertos.

Pero los Sistemas Expertos son los nicos que contienen experiencia humana y, por consiguiente, deben ser evaluados con re-

lacin- al desempeo de la -funcin por el Experto.

En este

contexto, no est siempre

claro cuando una solucin lo que dara un

correcta para un

Sistema Experto coincide con

Experto humano o bien representa la solucin ideal. Nadie conoce cmo evaluar la experiencia humana adecuadamente, as que menos

an cmo evaluar un Sistema Experto que intenta reproducir aquella experiencia.

155

En este entorno pues, el proceso de evaluacin es ms un arte que una ciencia, pero es absolutamente necesario realizarlo, y

slo pueden darse algunas recomendaciones al respecto.

- El diseo del Sistema debe contemplar el plan de evaluacin del mismo.

Es absolutamente necesario que el diseo de la evaluacin del objetivo a cumplir el Sistema, no por el sistema se realice antes de construir las evaluaciones ayudan a

despus. El diseo de

recapacitar sobre los -fines especficos del Sistema y sobre cmo medir los objetivos que deben ser alcanzados por el Sistema Ex-

perto para determinar cuando estos -fines han sido alcanzados.

Es muy importante para los Ingenieros del Conocimiento, tener muy claro la naturaleza de los motivos para construir un Sistema Experto. Los objetivos -finales a conseguir por el Sistema, deberan ir acompaados de una definicin explcita de cmo se medir el xito del programa y cmo se evaluarn los posibles fa-

llos. Los puntos de evaluacin, deben realizarse durante distintos momentos del desarrollo e implantacin del Sistema Experto y estar contenidos dentro del plan general. Deberan ser formuladisea el Sistema y se deben ir ex-

dos en el momento en que se

tendiendo de una manera informal desde los primeros momentos del desarrollo hasta una formalizacin total durante las pruebas del Si stems.

156 - Involucrar a los potenciales usuarios en el diseo del Sistema. '

La cuestin clave es se utilizar el Sistema?. Esta pregunta no debera durante cada ser olvidada hasta la evaluacin -final, y hacerse -fase del desarrollo. El Sistema Experto tiene que

prestar un servicio

del cual existe una necesidad real. No ser

su-ficiente producir buenas respuestas; el Sistema debe ser til.

Para crear un

Sistema que sea aceptado por los usuarios, los

Ingenieros del Conocimiento deben -familiarizarse con las necesidades de diarios, y los usuarios as como con la terminologa, trabajos Para poner un Sistema

preocupaciones de los mismos.

con xito en produccin, debe encajar perfectamente en las necesidades y hbitos de los usuarios. La nueva herramienta debe imponer pocos nuevos requerimientos y demandar poca -formacin en

uso e interpretacin.

- Ser precavidos en la interpretacin de los resultados de la evaluac i n.

Los

procedimientos de evaluacin a menudo -fallan al intentar amplitud y pro-fundidad del Sistema Experto. Es -fcil

captar la criticar

a los Sistemas porque de-fraudan las expectativas depootro lado, se puede caer en el extremo

sitadas en ellos. Por

opuesto, es decir, generalizar sin -fundamento. Muchas dificultades se pueden evitar mediante la puntual izacin de los mtodos

de evaluacin.

157

La siguiente lista puede ayudar a los diseadores a construir un plan y no dejar mingn punto sin atar.

1. Especificar a quien va dirigida la evaluacin.

Este punto influye grandemente en el diseo de la evaluacin. Claramente, las evaluaciones in-formales pueden ser suficiente para los diseadores y expertos colaboradores, pero no son suficientes para los -financieros o directivos.

2. De-finir con precisin lo que se quiere evaluar.

Aislar aquellos aspectos del Sistema que estn siendo verificados. Es la calidad de la toma de decisiones y asesoramiento, la exactitud de los mecanismos de razonamiento, la calidad del dilogo hombre-mquina, la eficacia del Sistema, la relacin costo/beneficio o cualquier otro punto?.

3. Seleccionar un estndar apropiado con el cual comparar el rendimiento del Sistema Experto.

4. Definir estndares realistas de rendimiento; puede ser poco realista, por ejemplo, esperar mejores rendimientos de un Sistema Experto que los que d un experto humano.

158

5. Especificar quien evaluar los resultados. Podran ser expertos humanos o usuarios -finales, podran ser individuos o grupos de individuos evaluando por consenso.

6. Eliminar potenciales predisposiciones, por ejemplo, evitar presentar los resultados en -forma de listados de ordenador, que puedan ser juzgados negativamente por alguien no predispuesto a utilizar la tecnologa.

7. Especificar claramente las pruebas a ser realizadas, preseleccionadas en orden a su dificultad.

Por muchas razones

se ha dedicado mucho ms esfuerzo a cons-

truir Sistemas Expertos que a medir sus rendimientos. Sin embargo, este es un aspecto vital para el xito del Sistema Experto.

IV. 2. 2. 6. Balance econmico del Sistema Experto.

Este apartado

debe incluir los costos y los beneficios espe-

rados del Sistema Experto.

Distinguiremos tres aspectos:

a) Inversiones: Cualquier

nuevo Sistema

constituye generaljustificar

mente una inversin, en el que los utilizadores deben su coste.

159

Las inversiones necesarias para desarrollar un Sistema Experto las podemos clasificar dentro de los siguientes conceptos:

"Hardware": Mquinas para desarrollo y mquinas para ejecucin, miniordenadores, etc,

"Software": Herramientas para construccin del Sistema Experto.

Personal: - Ingenieros del Conocimiento, programadores y dedicacin del Experto o Expertos. - Formacin de los utilizadores del Sistema y personal de desarrollo. - Otros gastos. - Gastos posibles de comunicaciones etc. ) - Seguridad: lneas suplementarias, material de respaldo, etc. (lneas, conxiones,

b) Gastos de Funcionamiento.

Costo para los utilizadores: - Gastos de personal teniendo en cuenta las mod i - icac iones f posibles aportadas al Sistema. - Gastos diversos (muebles, seguros, etc.)

160 Costos informticos: Se evaluarn los gastos de explotacin, mantenimiento y equipamiento.

No omitir: - Costos unidos al -funcionamiento en paralelo si el Sistema Experto sustituye a algn sistema tradicional o mquinas. - Costos ligados a la seguridad dimientos degradados). (salvaguardias, proce-

c) Economas esperadas:

Hay que estimar los ahorros esperados como consecuencia de la implantacin del Sistema Experto.

- Ahorros sobre los costos de -funcionamiento, administrativos e in-formticos. - Disminucin de los gastos de personal. - Economas resultantes de la explotacin del Sistema Experto.

Con

estas cifras se efectuar

un balance proyectado durante

el periodo de desarrollo ms la duracin de la implantacin del Sistema Experto.

Adems, a la hora de analizar este balance, deber tenerse en cuenta los siguientes puntos:

161

La introduccin de cualquier

nueva

tecnologa incurre en

unos gastos superiores de di-fusin de la misma, si se quiere que la misma se expanda por la Organizacin.

- En el caso

de los Sistemas Expertos al analizar los costos

de -funcionamiento, hay que tener en cuenta los e-fectos de un mal -funcionamiento de los mismos.

Los Sistemas Expertos ayudan a la toma de decisiones. Una mala decisin puede tener unos e-fectos catastrficos para la Emla necesidad de un pede estos proyectos con

presa. De ah la riodo de pruebas

necesidad de considerar exhaustivo y el inicio

Sistemas Expertos ayudantes presa.

y en puntos no crticos para la Em-

- Al analizar los beneficios obtenidos hay que considerar que muchos de ellos son intangibles y otros inspirados como conse-

cuencia de la utilizacin contramos ante

intensiva del conocimiento. No nos en-

una tecnologa que tenga como objetivo la reduc-

cin de costos administrativos, sino que trata de hacer ms productiva las tareas del personal ms experto de la Organizacin.

IV. 2. 3. Aceptacin por la Direccin y usuarios del Sistema Experto.

El requisito -final aceptacin del plan

para dar por terminada

esta

-fase

es la

del proyecto por los responsables de la Em-

162 presa, y no basta con que lo aprueben los directivos, sino que

son los usuarios quienes deben propiciar aquella aceptacin.

IV. 2. 3. 1. Aceptacin por parte de los usuarios.

La

resistencia de los potenciales usuarios -finales a emplear

Sistemas Expertos parece basarse en las siguientes consideraciones:

- Los la

profesionales y los mandos

intermedios creen que, con

incorporacin de los Sistemas Expertos, sus conocimientos ya necesarios y, por consiguiente, sus empleos estn en

no sern peligro.

- Otros usuarios potenciales piensan que la parte interesante de las tareas Expertos, que realizan le sern encomendadas a los Sistemas parte menos gratificante e

dejndoles para ellos la

intrascendente.

- Finalmente, estn aquellos que ni valoran ni estiman lo que hacen, encontrando que, con el uso de los Sistemas Expertos, se

pondr en evidencia lo trivial de su trabajo y, por lo tanto, la organizacin se dar cuenta de lo supr-fluos que son.

La seleccin adecuada de reas y situaciones donde introducir un Sistema Experto, ayuda a reducir,y/o, eliminar la reluctancia en admitir los Sistemas Expertos por los expertos y usuarios -finales. En este sentido, ya se han comentado los posibles lugares

163

para su ubicacin.

IV. 2. 3. 2. Aceptacin por los responsables.

Hay que que las vamente

demostrar la posibilidad del

sistema propuesto y de

ideas que contiene trabajan. Esta aceptacin es relati-fcil cuando los responsables ya tienen otros Sistemas

Expertos trabajando bien en su organizacin, pero es ciertamente difcil cuando se trata de la primera aplicacin. En este caso, la aceptacin de los responsables,

es conveniente para conseguir

el seguir las tres reglas heursticas siguientes:

1. Seleccionar algo sencillo y bien entendido, pero no trivial y que sea lo bastante significativo como para que el Sistema Experto tenga un valor evidente. Con seguridad, el sistema se har ms complejo de lo que se haba creido inicialmente.

2. Elegir algo que los usuarios finales no vean como una amenaza.

3. Usar un enfoque evolutivo. Como primer Sistema Experto se debe construir un sistema ayudante; es decir, uno que ayude al usuario en los aspectos ms rutinarios de las decisiones. Para, a continuacin, construir un sistema tipo colega y, finalmente, enfrentarse a la construccin de un verdadero experto.

164 IV. 3 . Fase II. Diseo de la Ingeniera del Conocimiento y Construccin del Prototipo.

Distinguiremos en esta -fase, cuatro etapas de desarrollo.

IV. 3.1. - Adquisicin del conocimiento por el Ingeniero del Conoc imiento.

IV. 3.2. - Representacin del Conocimiento.

IV. 3.3. - Desarrollo de un prototipo.

IV. 3.4. - Uso y mejora del prototipo.

Estas cuatro etapas no el tiempo, en

estn diferenciadas

perfectamente en

sino que se producen interaccionando unas con otras, efectos metodolgicos, se indican

un proceso incremental. A

las mltiples actividades que se producen durante esta fase, sin que ello presuponga una secuenci alidad en las mismas.

IV. 3. 1. - Adquisicin del conocimiento por el Ingeniero del Conoc imiento.

A menudo se seala cin

que el cuello de la

botella de la construc-

de Sistemas Expertos es

adquisicin del conocimiento, que obtenerlo de un

especialmente

cuando este conocimiento hay

165

experto humano.

Las tcnicas actuales de

obtencin del conocimiento difieren

sensiblemente de la mera entrevista con el experto, as como del intento de codificar la informacin obtenida en reglas empricas

con un formato preestablecido.

Normalmente las

definiciones en

la utilizacin

de tcnicas

inadecuadas se ponen de manifiesto en la fase de refino del prototipo, en la que se compara su comportamiento con el del experto humano cias que se trabajando sobre el mismo problema, y las discrepan-

producen obligan a modificaciones y adiciones a las la que da lugar a quejas acerca de

reglas. Esta ltima etapa es la lentitud de la cultad del

captura del conocimiento as como de la difisu conocimiento en la

experto humano para expresar (Me DERB2).

forma requerida

Las limitaciones de las

tcnicas actualmente

utilizadas son

debidas bsicamente a dos factores.

En primer

lugar, la experiencia en un dominio dado comprende

conocimientos de varias clases, el cual no puede ser representado totalmente en forma de reglas empricas.

En

segundo lugar, no todas

aquellas

clases de conocimiento

pueden ser les.

extraidas del experto en base a entrevistas informa-

166 Existe una distintos serie de tcnicas que permiten la obtencin de

tipos de conocimiento, el problema consiste en deter-

minar que tcnica es la apropiada para cada uno de ellos.

Esto no signi-fica para determinar

que sea necesario un estudio a gran escala

las tcnicas apropiadas para obtener el conoci-

miento, o utilizarlas todas para probar sus fortalezas o debilidades. La mejor manera de enfocar el problema es reconocer desde el comienzo que, aun en un dominio simple de experiencia, el conocimiento del experto es de distintas clases. Estas diferentes diferentes tcnicas para ex-

clases de conocimiento requerirn

traerlo lo ms eficientemente posible.

El problema pues

se transforma de buscar la mejor tcnica, a

utilizar un conjunto de tcnicas y determinar cual es la mejor a emplear con cada tipo de conocimiento.

El cacin de

proceso de adquisicin del conocimiento requiere la aplide unas metodologas que utilizando tcnicas del dominio

la Psicologa, permitan extraer el conocimiento del experto, su experiencia en el dominio concerniente al Sistema

as como

Experto a construir.

Tres pues son los puntos que tienen que ser considerados a la hora de iniciar esta actividad.

- Metodologas de adquisicin del conocimiento. - Tipos de conocimiento. - Tcnicas psicolgicas utilizables.

167

IV. 3. 1. 1. Metodologas de adquisicin del conocimiento.

Podemos distinguir dos grandes I I

grupos: mtodos

intuitivos y

mtodos de observacin o experimentales.

Los mtodos intuitivos con-fian en la introspeccin del experto acerca del guiente manera. dominio. Estos mtodos pueden resumirse de la si-

"En algn caso, el Ingeniero del Conocimiento, estudia la literatura existente para sobre el tema e interacta con los expertos mtodos de solucin de

-familiarizarse con sus principales

problemas, llegando a convertirse

en un seudo-experto. Actuando

de esta manera, el investigador desarrolla una representacin de la experiencia que luego es verificada -frente a la opinin de

otros expertos y, eventualmente, incorporada en un programa".

Un

segundo mtodo intuitivo de catalogacin sucede cuando un

autntico experto acta como un constructor de teorias acerca de su propio comportamiento. trospeccin, cimiento Aqu el individuo, a travs de la in-

intenta identi-ficar las bases para su propio conoincorporarlas directamente en un

y habilidad y luego

sistema in-formatico.

Los

mtodos de observacin o experimentales estn basados en resuelve el experto los problemas reales, no in-

observar cmo

168 ter-firiendo en la actividad diera influenciar blema. del mismo, de tal manera que se pupara resolver el pro-

el en-foque del experto

Estos mtodos pueden resumirse as: "La utilizacin pensamiento en de un en-foque comn en usar protocolos de

voz alta para probar

los mecanismos de solucin

de problemas usados por los expertos.

Tales protocolos pueden proporcionar la organizacin de nocimiento real

la informacin acerca de

la base del conocimiento del experto, el coestructuras de control em-

que contiene y las

pleadas para aplicar selectivamente ese conocimiento.

Los mtodos de de re-fino en

observacin son a veces seguidos por una -fase hacen comentarios sobre los su comporta-

la cual los expertos

modelos preliminares desarrollados miento" .

para describir

Ambas metodologas tiene distintos tipos de problemas, de los que debe ser consciente el Ingeniero del Conocimiento.

En los peccin, das en

mtodos intuitivos, al utilizar el experto la introstiene dificultades en exponer las tcnicas reales usa-

resolver los problemas. El conocimiento puede estar bien sin embargo, las lneas de razonamiento pueden no

recogido y,

reflejar verdaderamente su comportamiento.

En el

mtodo experimental, el problema

surge de las enormes

169

lagunas que miento del puede

pueden aparecer

al aplicar

el

experto ms conocidel Conocimiento huecos, incluso

realmente expresado.

El Ingeniero rellenar esos

tener gran dificultad en

aunque entreviste al nado con

experto despus de que la sesin ha termiya restringida. Si se o despus de la

una transcripcin del protocolo

obliga al experto a sesin

ser ms explcito, durante el

de resolucin del problema,

experto puede construir

lneas posibles

de razonamiento que pueden no reflejar las tc-

nicas reales empleadas en la solucin de problemas.

El Ingeniero del Conocimiento

utilizar ambos enfoques meto-

dolgicos, apoyndose en las tcnicas de Psicologa que se vern a continuacin, todo ello en base al tipo de conocimiento utilizado por el experto.

IV. 3. 1. 2. Tipos de conocimiento.

La clasificacin

del conocimiento en base a un principio ge-

neral es una difcil y ambiciosa tarea que han eludido los filsofos durante miles gido dado, de aos. Sin embargo en un dominio restrinintentar la identificacin de las siguientes

no es muy complicado

unas categoras amplias. As podramos distinguir clases:

a) - Conocimiento de conceptos y relaciones. En un esquema similar a un glosario, se describiran las

principales entidades y sus relaciones en ese dominio.

170

b) Conocimiento de procedimientos rutinarios: Corresponden a tcnicas estandard y procedimientos de traba-

jo. Algunos de estos conocimientos podran no estar en manuales, sino constituir una parte importante del conocimiento del experto.

c) - Hechos y heursticas: Correspondera a hechos en particular, as como reglas prc-

ticas utilizadas en la realizacin de tareas.

d) - Conocimiento c 1 asi-f icator io: Mediante el cual se hace una distincin muy -fina entre dis-

tintos conceptos similares.

Estas categoras segn indican no son la nica

Wielinga y

Breuker

(WIEL84),

manera de clasi-Ficar el

conocimiento ni la me-

jor, pero esto no es substancial. El aspecto importante es reconocer la existencia de distintos tipos de conocimiento que re-

quieren distintas tcnicas de extraccin del mismo del experto.

IV. 3. 1. 3. Tcnicas psicolgicas utilizadas.

Las principales tcnicas a aplicar son las siguientes:

- Entrevistas. - Anlisis de protocolo.

171

- Escala mutidimensional.

- Clasificacin de conceptos.

Vamos a ver brevemente cada una de ellas:

a) Entrevistas: La entrevista es el ms familiar mtodo de adquisicin del

conocimiento. De una manera muy simple rpidamente se genera una gran cantidad de conocimiento sobre la terminologa y los prin-

cipales componentes del dominio. Esto juega un importante papel en los primeros estudios del

proceso de adquisicin del conocimiento en orden a conseguir algunos conceptos bsicos y establecer una informacin como marco

para lo que vendr posteriormente. Las entevistas pueden estructurarse en varios grados sencillas es pedir y de distintas maneras. Una de las ms

al experto que prepare una exposicin de una

hora de duracin acerca de los principales temas e ideas concernientes al dominio. Posteriormente una entrevista sistemtica

puede proporcionar yor profundidad.

informacin sobre aspectos relevantes con ma-

Entre citar las

las tcnicas a utilizar listas generalizadas

en estas entrevistas, podemos (DBB53), incidentes crticos (BAH82).

(FLA55) o procedimientos para memorias autobiogrficas

Las

entrevistas tienen

serias limitaciones.

Estas aparecen

cuando son utilizadas para el refino de las versiones prelimina-

172 res del Sistema Experto, en un intento de extraer la experiencia esencial que diferencia rendimiento inferior. al experto humano de un programa con un

Un aspecto de reglas,un Esto no

de este problema es intentar representar en forma conocimiento que no es tratable con esas tcnicas.

es un mero problema de representacin del conocimiento,

sino que tiene implicaciones en la adquisicin del mismo.

Aunque el experto posee claramente el conocimiento, este puede no ser directamente comunicable en una entrevista y debe ser

inferido utilizando otras tcnicas.

b) Anlisis de protocolo. Esta tcnica dirigida directamente a producir modelos de sistemas para la Simn solucin de problemas fue descrita por Newell y (ERI84).

(NEW72) y, ms recientemente, por Ericson y Simn

En

el mtodo clsico, el comportamiento del experto mientras resolucin del problema, es grabado y este protopara finalmente convertirlo en

trabaja en la colo

es transcrito y analizado,

un conjunto de reglas de produccin que transforman un estado en el siguiente. Este mtodo ha sido utilizado por el sector industrial por Baimbridge adquisicin del (BAI79), y como parte de una metodologa de (BREU83). Su mrito est en que va

conocimiento

ms all de lo que un experto puede explcitamente contar en una situacin acerca del de solucin de un problema para permitir inferencias

conocimiento que est utilizando,

pero que no puede

ser verbal izado conscientemente.

173

Reconstruyendo la solucin, utilizando produccin delado.

sistemas de reglas de

inferidas, el conocimiento del experto puede ser moinfor-

Este mtodo es particularmente til para extraer procedimientos que el experto

macin sobre

utiliza en la solu-

cin de problemas, pero que no puede explicar.

Intimamente

relacionado con el anlisis de protocolo est el cual se aplica antes que el anlisis de

anlisis de tareas, el protocolo.

En esta tcnica se determinar previamente las limi-

taciones impuestas por la naturaleza de la tarea.

Cuando al resolver un problema de logstica se analiza un tema, el protocolo sugiere que la determinacin de los pasos se-

guidos se alcanzaron por la solucin. Sin problema tena estaba de hecho soluc i n.

azar y solamente por suerte se lleg a tareas y mostr que el que el tema

embargo, un anlisis de

una -fuerte estructura subyacente respaldado por esta propiedad

para llegar a la

Habiendo identificado las limitaciones

impuestas a la tarea,

su comportamiento puede ser mucho ms predecible.

Una variante del mtodo

clsico, no involucrando

inferencias

reconstructivas, ha sido utilizado con xito por liyers, Fox, Pegram y Greaves. (MYEB3). Su mtodo consiste en tomar transcrip-

ciones de protocolo grabadas en un magnetfono y poner al descubierto mediante un editor de textos lo ms destacable de su con-

174 tenido. reglas. Este contenido es codificado directamente en -forma de

Este mtodo consume menos tiempo y produce rendimientos un prototipo inicial, y puede ser utilizado en

aceptables para

lugar de las entrevistas o como complemento de las mismas.

Los protocolos pueden

ser utilizados concurrentemente, tanto

en experimentacin como en tareas del mundo real. Estos protocolos pueden proporcionar heursticas tiles o hechos mediante los cuales el Ingeniero del Conocimiento puede utilizar como conocimiento o indirectamente como directamente

meta-conocimiento. Las informacin

puntual izaciones de los expertos pueden proporcionar que puede hacer mucho ms -fcil las subsiguientes nes y pueden proporcionar datos clave

interpretacio-

sobre el pensamiento del

experto que podran no haber emergido durante las entrevistas.

c) Escalado mutidimensional. Unas ciertas tcnicas de utilizadas escalado mutidimensiona1 han sido

en Psicologa para mostrar como un conjunto particuestructurados. Dichas tcnicas identifi-

lar de conceptos estn

can similitudes entre objetos y los agrupa conceptualmente.

As los mtodos "Construccin

desarrollados a partir de (KEL55), (FRAN77),

la

teora

de la parecen

Personal"

(SHAWB1)

apropiadas cuando se trata de adquirir el conocimiento de un experto, y existen un cierto nmero de conceptos fcilmente por intrinsicamente principiantes y

relacionados, no identificables

para los cuales, la experiencia consiste en estar capacitado para distinguirlos.

175

Es

posible que no exista

un

vocabulario especializado para

describir

tan sutiles distinciones y relaciones. En tales casos ms tiles que el mtodo de la entre-

estos mtodos pueden ser vista.

El espacio

mtodo produce un conjunto que contiene los objetos

de del

dimensiones de-finiendo el dominio. La agrupacin la estructura

(clustering) de aquellas

dimensiones proporciona

que diferencia aquellos objetos del dominio, de otros.

Este mtodo ha en la mial, rencias

sido utilizado en el tipos

campo de la Estadstica de distribuciones (binoal experto las dife-

subrea de los distintos

Poisson, normal, e t c . ) , preguntando

entre quince de tales distribuciones. El mtodo produce distinciones que podan esperarse y que se encuen-

primero las

tran en un libro de texto.

Sin embargo, se obtienen criterios ms subjetivos, basados en la experiencia, comn". tales corno "til en modelos de test estadstico

Un anlisis jerrquico del agrupamiento aplicado a los datos, produce -familias conocidas que se producan en de distribuciones. Las discrepancias

algunos casos reflejaban el hecho de que el

experto a pesar de todo era capaz de distinguir una distribucin de otra.

176 d) Clasificacin de conceptos: Aparte del conocimiento detallado que los expertos poseen sobre reas especializadas, igualmente tienen un conocimiento global estructurado acerca del dominio. Esta meta-conocimiento ser

muy ltil cuando hay que organizar una gran cantidad de informacin .

Un conocido clasificacin de para

paradigma de la Psicologa cognitiva dice que la conceptos (CHI81) es una tcnica de gran ayuda

conseguir el conocimiento de la organizacin. Una sencilla tcnica es obtener un conjunto de conceptos que

versin de esta

cubran ampliamente el dominio.

Pueden ser obtenidos El paso siguiente es

a partir de un simple glosario o texto.

transferir cada concepto a una ficha y pe-

dir al experto que clasifique las fichas en una serie de grupos, describiendo que tiene cada grupo en comn. Los grupos pueden

entonces ser comparados para formar una jerarqua.

El mtodo es aplicable cuando hay un gran nmero de conceptos a lo largo del dominio, que requieren una estructuracin para

hacerlos manejables.

La tabla 4.1. distintos su captura.

nos puede proporcionar una

gua acerca de los

tipos de conocimiento y

las tcnicas aplicables para

177

Tipo de conocimiento

Tcnica posible a uti1 i zar Lectura o estudio de documentos. Tcnicas de escalado multivariante.

Conceptos y relaciones

Procedimientos de rutina.

Anlisis de protocolo Anlisis de tareas

Hechos y heursticas

Protocolos incidentales. Entrevistas estructuradas. Tcnicas de prueba de memoria.

Conocimiento clasif icator io.

Cl asi-f icac i n de temas. Escalado mutidimensional.

Tabla 4.1. RELACIN ENTRE TIPOS DE CONOCIMIENTO Y TCNICAS APLICABLES.

178

IV. 3. 1. 4. Metodologas de trabajo del Ingeniero del Conoc imiento.

Adems de las tcnicas ya mencionadas, el Ingeniero del Conocimiento utilizar distintas estrategias, cambiando de tcnicas

durante la entrevista. Los mtodos de trabajo ms utilizados son los siguientes:

- Observacin al lado del experto. El Ingeniero del Conocimiento casos reales sobre su trabajo. de observa al experto resolviendo Esta observacin le proporciona y el tipo de

una visin acerca -facilidad de

la complejidad del problema

inter-fase necesaria para que el experto utilice el Esta tcnica es til en los primeros contactos

producto -final. con el experto.

- Diseccin del problema: El Ingeniero del Conocimiento escoge un conjunto de problemas representativos e informalmente los discute con el experto. El

objetivo es determinar nocimiento hiptesis

de que manera el experto organiza el corepresenta los conceptos e y los datos inconsistentes,

acerca de cada problema, y maneja el conocimiento

exactos o imprecisos relativos al problema.

Cuestiones tales como:

Di-fiere el problema de ios tpicos del dominio? Qu tipo de datos necesita el problema?

179 Qu tipos de soluciones son adecuadas para el problema? Puede el problema reducirse a subproblemas no interactivos? Qu clases de conocimientos se necesitan para solucionar el problema? Cul es la explicacin o just i - icac i n a una solucin del f problema?

Durante esta trminos, niero del

discusin, el

experto puede

introducir nuevos

conceptos y relaciones. Cuando Conocimiento le pregunta al

esto sucede, el Ingeque de-fina esas

Experto

nuevas construcciones tos y

y las relaciones con el cuerpo de concep-

relaciones existentes. Esto puede requerir el rede-finir o conceptos existentes en la base de conocimiento en

combinar los desarrollo.

- Descripcin del problema: En este caso, el Ingeniero del Conocimiento le pide al Experto que describa un problema tpico para cada categora importante de respuestas que pueden surgir. Esto ayuda al Ingeniero del prototipo para cada categora

Conocimiento a de-finir problemas de respuestas.

Este

ejercicio puede sugerir nuevas ideas para organizar jeSistema Experto. Este en-foque

rrquicamente el conocimiento del

es til en problemas de diagnstico mdico, mecnico y otros varios.

- Anlisis del problema:

181 miento". Este documento debe subrayar los diferentes estadios en el diseo,las dependiencias entre estadios y una detallada trade los distintos elementos de conocimiento; es decir: etc. Este documento debe

duccin

reglas, procedimientos, restricciones, jugar un que

papel crucial para de-finir y verificar el conocimiento

eventualmente se incorpore al sistema, su circulacin entre

los expertos permite evitar omisiones y corregir errores. A continuacin, el o los Ingeniero(s) del Conocimiento pueden usar

experimentalmente este documento

para resolver nuevos problemas

de diseo, siguindolo estrictamente. Esto, adems, puede ayudar a hacer explcito algn conocimiento aplicado implcitamente por los experto.

En esta -fase, l o los Ingeniero(s) del Conocimiento y el experto deciden qu conceptos, relaciones y mecanismos de control los problemas a resolver en el do-

son necesarios para describir

minio. Tambin se examinan, subtareas, estrategias y restricciones relacionadas este perodo, con la actividad de solucin del problema. En "granularidad". Esto

habitualmente se

trata la

signi-fica justamente bera

considerar el nivel de detalle con que deo los Ingeniero(s) del de detalle ms abs-

representarse el conocimiento. El

Conocimiento

normalmente elegirn el nivel

tracto o de "gran grueso", que an proporcione la discriminacin adecuada entre conceptos clave.

En este punto es adecuado un consejo y es que los constructores deben evitar intentar producir un anlisis completo del problema antes de comenzar la implantacin del programa. De la primera implantacin, se aprenden muchas cosas que "darn -forma" y

180

En este enfoque, el Ingeniero del Conocimiento le pide al Experto que resuelva una serie de problemas, probando el razonaresuelven los mismos. Mien-

miento del experto

a medida que se

tras el experto los resuelve, el Ingeniero del Conocimiento proporciona to. informacin adicional o datos requeridos por el experproblemas reales, describiendo el

El experto debe resolver

proceso de solucin en voz alta y dando tantos pasos intermedios como sea posible. El Ingeniero determinar del Conocimiento cuestiona cada que existe detrs de

paso para

la razn fundamental tener en

ellos, incluyendo hiptesis a gias que se estn

consideracin, estratelas hiptesis y metas que

usando para generar

guan la seleccin de la estrategia.

El

Ingeniero del Conocimiento puede

ordenar

una

prueba en

profundidad

del razonamiento del experto, partiendo de una conviendo cmo el experto lleg a dicha con-

clusin particular y clusin.

Una vez nas puede

que el Ingeniero del Conocimiento ha formulado algurelativas a problemas particulares, como sea posible una solucin en el

reglas especializadas

revisarlas para hacerlas tan

generales

sin destruir su

capacidad de contribucin a

contexto de otros problemas. Para este proceso puede ser necesaria la asistencia del Experto.

Las sesiones iniciales para conducen a la

la adquisicin de

del conocimiento diseo del conoci-

creacin de un "documento

182

dirigirn el proceso de conceptual izacin.

IV. 3. 2. Representacin del Conocimiento.

Esta etapa, implica el expresar los conceptos clave y las relaciones en una manera -formal, hab i tual mente dentro del marco

sugerido por De este tener

un lenguaje de construccin de un Sistema Experto. Ingeniero(s) del Conocimiento deberan

modo, l o los

algunas ideas acerca de

las herramientas apropiadas para el perodo de normaliza-

la solucin

del problema al comenzar

cin. Por ejemplo, si foque basado

el problema parece que conducir a un enlos Ingeniero(s) del Conocimiento

en reglas, l o

deben seleccionar y expresar

un sistema tipo DPS5 o ROSIE como herramienta

el conocimiento en -forma de reglas "SI-ENTONCES". Si enfoque basado en marcos, l o los Inge-

parece ms adecuado un niero(s)

del Conocimiento deben seleccionar un sistema tipo KEE el experto para expresar el conocimiento en el

y trabajar con dominio como

una gran red. Si, finalmente, el problema presumi-

blemente llevar a un enfoque de objetos y, o, mixto como combinacin de objetos, reglas y marcos, el LDOPS, por su potencial y flexibilidad, parece el ms adecuado.

En esta fase, es hechos reales quienes

necesario ser muy objetivos dicten la herramienta a

y que sean los elegir y no las

preferencias o ideas preconcebidas de cada Ingeniero del Conocimiento. Durante esta fase, l o los Ingeniero(s) del Conocimiento "vuelcan" el conocimiento formalizado en un programa de com-

183 putador que trabaja. Construir un programa requiere:

- Contenido, que procede del dominio del conocimiento que se hizo explcito durante la f ormal i zac i n , es decir, las estructuras de datos, las reglas de inferencia y las estrategias de control necesarias para resolver problemas.

- Forma, que est condicionada y se especifica mediante la herramienta elegida para desarrollar el sistema.

- Integracin, que implica combinar y reorganizar distinto elementos de conocimiento para eliminar equiparaciones

globales equivocadas, entre estructuras de datos y reglas o estructuras de control.

La

implantacin debera proceder rpidamente dado que una de para implantar el prototipo inicial es verificar la las decisiones de diseo hechas durante las prique existe una alta

las razones

efectividad de meras fases

del desarrollo. Esto significa

probabilidad de

que el cdigo inicial ser revisado o desechado

durante el desarrollo.

En esta

etapa de implantacin, se

efecta

el desarrollo de es uno de los

las interfases con

el usuario. Este desarrollo y que consumen ms particular, poder

trabajos ms importantes rrollo de

tiempo en el desacuando se quiere

un Sistema Experto, en se equipare y, a

que esa interfase

ser, mejore aquellas

con las que estn acostumbrados a tratar los usuarios.

184

En un Sistema Experto podra esperarse que la mayora del espacio de memoria mientos o bien al estuviera dedicado bien a la base de conoci-

motor de in-ferencia. Sin embargo, y por poner

un ejemplo, tal como muestra la tabla 4.2., en el Sistema Experto Dipmeter Advisor, para de in-ferencias y la base prospecciones petrol f eras, el motor

de conocimiento ocupan conjuntamente,

slo el 307. de capacidad de la memoria, en tanto que la inter-fase de usuario necesita del 427. de la misma. Esto muestra la ima las que se ha dedicado mucho es-

portancia de las inter-fases, fuerzo de desarrollo.

PARTE DEL SISTEMA EXPERTO

7. DE MEMORIA OCUPADA

Motor de In-ferencias Base de Conocimientos nter-fase de Usuario Deteccin de Caractersticas Entorno de soporte

8 22 42 13 15

Tabla 4.2. PORCENTAJES DE OCUPACIN DE MEMORIA EN EL DIPMETER ADVISOR.

185

ENTRADAS DIRECTIVOS -Identificacin de problemas a resolver -Aprobacin del proyecto EXPERTOS -Descripcin de tareas -Explicacin del razonamiento -Identificacin de ejecuciones con xito -Respuestas y solucin USUARIOS -Hechos y relaciones (conoc idos(as) -Consejos

i
Plantea problemas y cuestiones

INGENIERO DEL CONOCIMIENTO Co noce las ventajas e inconven i entes de las herr amientas. Ap rend = sob re la tarea de d irecti vos, ex pert D S y usuar ios.

-i
SALIDAS -Selecc in de un buen domin i o y tarea. -Anal iza necesid ades de represen tac i n y estra tegias d e con trol, rec las del pulgar, heur st icas y reglas de 1 domin io. -Constru ye los d i st in tos proto ti pos. -Desarro 1 la el sistema complet o. -Lo inte gra y lo mant iene.

Figura 4.4. RELACIONES Y ACTIVIDADES DEL INGENIERO DEL CONOCIMIENTO.

186

IV. 3. 3. Desarrollo de un prototipo.

En

trminos de so-f ist icac i n y utilidad, los Sistemas Expermuy similar a cmo lo hacen las herralos mismos. Es decir, pasa de ser un propsito especial, lento, insuficien-

tos evolucionan de -forma mientas de construccin de sistema experimental, de te, no comprobado

ni verificado, a ser un sistema de investigaser lento y poco e-ficiente, ya es de

cin que, aunque pueda an

propsito ms general, est verificado, para -finalmente alcanzar el grado de sistema comercial, "pulido", de propsito general, clasificacin un poco en lo que ms amplia

rpido y

e-ficiente. Sin embargo, esta

concierne a los

Sistemas Expertos se hace

aunque se mantenga la misma filosofa. En este sentido, los Sistemas Expertos mostracin al evolucionan desde el estado de sistema comercial, pasando de prototipo de depor los estados de

prototipo de investigacin en el campo de que se trate y de produccin.

En la construccin

de los Sistemas Expertos,

no se ponen de

manifiesto muchos problemas hasta que se ha producido la implantacin real, cia de lo que va construccin del prototipo, ya que, a diferensucede en los proyectos clsicos, no se conocen

las especificaciones exactas de lo que puede hacerse y como realizarlo. La construccin del prototipo, permite aclarar estas

cuestiones en un proceso incremental.

El Ingeniero debera trabajar en el ncleo del problema usando uno o varios ejemplos tpicos como objetivo de su trabajo,as

187

como experimentar de

con las inter-fases de prototipos,

usuario. De los ciclos deberan salir ideas

creacin de los distintos

tiles en lo que concierne a paquetes, herramientas e inter-fases para la realizacin del sistema definitivo.

- Prototipo de demostracin. La mayora queo tipo de de los Sistemas Expertos, comienzan siendo un pe-

programa de.demostracin de su viabilidad, llamado protodemostracin, que maneja una parte del problema que se usa con

eventualmente

tendr que resolver. Este

prototipo

frecuencia de dos maneras: en primer lugar, para convencer a las potenciales -fuentes de -financiacin de que la tecnologa de Sistema Experto puede efectivamente ser aplicada al problema en acerca

cuestin; y, en segundo trmino, para verificar las ideas de la

definicin del problema, alcance y representacin para el Un prototipo tpico de demostracin puede contener de

dominio.

50 a 100 reglas, actuando adecuadamente sobre uno o dos casos de prueba y que para su desarrollo exige slo de unos meses.

- Prototipo de investigacin. Muchos Sistemas Expertos, evolucionan hasta alcanzar el estado de ser un tamao prototipo de investigacin, que es un programa de

medio capaz de exhibir

prestaciones aceptables sobre un

nmero amplio de casos prueba. Estos sistemas tienden a ser -frgiles; es decir, pueden -fracasar estrepitosamente cuando se les que caen cerca de los lmites de separacin

plantean problemas

de los problemas que a "priori", pueden manejar. Adems, y debido a que carecen de la verificacin su-ficiente, tambin pueden

188 -Fracasar en algunos de los problemas que caen dentro de su campo de accin. Un prototipo de investigacin tpico basado en reglas puede contener 200 reglas o ms, ejecutar bien un gran nmero de casos prueba y su desarrollo puede exigir de uno a dos aos.

- Prototipo de campo. Algunos Sistemas Expertos, alcanzan este estadio. Estos sis-

temas, son de tamao medio-largo que han sido revisados mediante verificacin en la solucin de problemas reales entre la comunidad de usuarios. Son moderadamente -fiables, dotados de presentan buenas y dan

prestaciones, estn cuenta de

inter-fases "amistosas"

las necesidades de los usuarios -Finales. Un prototipo basado en reglas, puede contener unas 500 re-

de campo tpico,

glas, trabaja muy bien sobre muchos casos prueba y su desarrollo puede necesitar de 2 a 3 aos.

- Prototipo de produccin. Pocos Sistemas Expertos han alcanzado este estadio. Estos

sistemas son grandes programas que han sido exhaustivamente probados en el campo y que verosimilmente han sido reimplantados en un lenguaje con el -fin ms e-ficiente y transportable que el de desarrollo, de incrementar su velocidad y reducir los requeri-

mientos de memoria principal. Un prototipo de produccin, basado en reglas, puede contener ms de 500 reglas, proporciona una toma de decisin exacta, rpida y e-ficiente y su desarrollo puede

exigir entre 3 y 5 aos.

- Sistemas comerciales. Hasta el presente, slo contados Sistemas Expertos, han al-

1B9

canzado una base

este estadio, son prototipos de produccin usados sobre comercial regular; uno de los ejemplos mejor conocidos reglas, alcanza conclusiones correctas

XCON, contiene unas 3DDD

entre el 9D y el 95 por cien de las veces y necesit ms de seis aos para su desarrollo.

El dades:

desarrollo de un prototipo incluye las siguientes activi-

IV. 3. 3. 1. Especificacin de los criterios de rendimiento del prototipo.

En el proceso de determinar exactamente lo que el experto hace, el Ingeniero del Conocimiento comenzar por definir los criterios de evaluacin por lo cuales el prototipo ser juzgado y

que debern ser especificados en trminos inequvocos. Quizs se puede esperar que el prototipo alcance los mismos resultados que el experto alcanz en los las casos de prueba, o bien que llegue a

mismas conclusiones que otros expertos alcanzaron sobre ca-

sos generales. En cualquier caso los criterios deben ser especificados de tal manera, que la prueba permita conocer al Ingeniero que ha terminado su trabajo. Al mismo tiempo, formulando unos criterios especficos, el Ingeniero atencin en del Conocimiento en fijar su

las condiciones iniciales y

el resultado final

que el Sistema deber proporcionar.

170

IV. 3. 3. 2. Seleccin de la herramienta para construir el prototipo.

Tan pronto como el Ingeniero del Conocimiento haya comprendido la estructura del conocimiento utilizada por el experto y las estrategias de inferencias cual es empleadas para munipularlo, decidir construir el prototipo. Tal

la mejor herramienta para

vez el resultado ms importante de la construccin del prototipo es el verificar la adecuacin de la herramienta elegida.

Para

elegir una tecnologa concreta de implantacin del protener en cuenta la existencia de sistemas esque-

totipo hay que letos

o esenciales, llamados "shell". Adems hay que considerar

otros -factores tales como entornos de programacin y la disponibilidad de ayuda de consulta sobre las distintas herramientas.

Cuando se usa un entorno de programacin comercialmente disponible, es aconsejable in-formarse acerca de que tipo de Sistemas

Expertos se han construido con esas herramientas, niveles de soporte disponibles para construir el primer sistema y el grado de satis-faccin de los truidos. usuarios con ellas y con los sistemas cons-

IV. 3. 3. 3. Desarrollo de la versin inicial del prototipo.

Despus de elegir la herramienta, el Ingeniero comienza a desarrollar una versin del prototipo del Sistema Experto, tan

pronto cmo el primer caso sometido a estudio est razonablemente bien comprendido. Los casos subsiguientes son verificados por

191

el Ingeniero y el experto observando el mecanismo de razonamiento del Sistema se y discutiendo porqu las reglas no trabajan como

esperaba. Consecuentemente, la base de conocimiento es revilas ideas que se tienen acsrca del mismo, Ingeniero

sada de acuerdo con heursticas

y estrategias de inferencias. A menudo el

seleccionar una herramienta adecuada y el prototipo sin embargo, no Experto,

para resolver el problema a un nivel general,

ser satis-Factor i o al menos

se llegar a la configuracin -final del Sistema que la herramienta, la de inferencia

sino simplemente se establece conocimiento y

representacin del

la estrategia

son adecuadas para esa tarea.

IV. 3. 3. 4. Verificacin del prototipo con casos de estudio.

Una vez

que el Ingeniero del

Conocimiento

ha construido el

prototipo, l y

el experto trabajarn con una serie de

juntos para ver cmo -funcasos de estudio. Estas Ingeniero

ciona dicho prototipo pruebas tienen

dos objetivos. Permiten por un lado al los -formalismos

del Conocimiento determinar si representar

utilizados para

el conocimiento del experto

son adecuados para las

tareas representadas en los distinto casos. Tambin permitir el experto ver se le ha cmo un Sistema Experto utiliza la informacin que

proporcionado. Tomando parte en las pruebas del Siste-

ma, el experto se sentir ms comprometido con el proceso de adquisicin del conocimiento. Esta actividad es particularmente

crtica, a causa de

que en la siguiente

fase del desarrollo el

experto deber interactuar con el Sistema para verificar su rendimiento.

192

IV. 3. 4. Uso y mejora del prototipo.

El

experto, espec i f icamente, evala el del Conocimiento a la

prototipo y ayuda al

Ingeniero

eventual aunque probable revi-

sin. Tan pronto como el prototipo ejecute algunos ejemplos, debera verificarse sobre muchos problemas para evaluar sus presy utilidad. Esta evaluacin puede poner al descubierto con el esquema de representacin, tales como: olvido

taciones problemas

de conceptos y relaciones, conocimiento representado en el nivel errneo de detalle o mecanismo de control inmanejables. Tales

problemas pueden -forzar a los constructores a "reciclar" el sistema a travs de las distintas -fases de desarrollo, re-formulando los conceptos, re-finando las reglas de inferencia y revisando el -flujo de control.

Evaluar las prestaciones del sistema prototipo significa preguntar cosas tales como:

- El sistema generalmente toma decisiones que los expertos estn de acuerdo en que son adecuadas? - Las reglas de inferencia son correctas, consistentes y completas? - Permite la estrategia de control considerar al sistema los elementos en el orden natural que prefieren los expertos?

Por otra parte, las preguntas que el sistema plantea al usua-

193

rio de una

-forma "estpida" o no

natural

reducen la con-fianza

del usuario en el sistema. En consecuencia.

- Las explicaciones del sistema deben ser adecuadas para describir cmo y porqu se han alcanzado las conclusiones. - Los problemas de prueba deben cubrir el dominio manejando casos arquetpicos, probando las limitaciones de los casos difciles esperados.

Al evaluar cuestiones tes:

la utilidad del

sistema,

surge

un

conjunto de

di-ferentes, entre las que cabe destacar, las siguien-

- Ayuda la solucin del problema al usuario de una manera sign i f icati va? - Las conclusiones del sistema estn adecuadamente organizadas, ordenadas y presentadas al nivel de detalle correcto? - Es el sistema lo suficientemente rpido como para satis-facer al usuario? - Es la inter-fase lo suficientemente amistosa?

El Sistema Experto debe re-finarse y verificarse en un entorno de laboratorio antes de que pueda "liberarse" para su comproba-

cin en el campo. Sin embargo, cuando es verificado por la comunidad de usuarios, sobre problemas reales, surgirn nuevas comque llevarn algn tiempo corregir. Los usuarios en

plicaciones

174 el campo exigen algo que sea rpido, -fiable, fcil de usar y entender y que sus fallos sean recuperables. De este modo, los

Sistemas Expertos necesitan una amplia verificacin de campo antes de que estn listos para un uso comercial.

La figura 4.5. y las

(CHAV83), presenta de forma resumida esta fase

relaciones interactivas entre las etapas que componen di-

cha fase de construccin del prototipo.

Carcter ic i n de los Requeaspectos rimiento. importantes del 1> problema IDENTIFICACIN

T
Conceptos necesarios para producir una soluc i n Conceptos.
9

Representacin formal del conocimiento.

Estructura
p,

CONCEPTUAL IZACIN

FORMAL IZACIN

f
Re glas que
en globarn el conoc imien to IMPLEMENTACION Reg1 as
{>

Validac i n de las reglas

VERIFICACIN

Figura 4.5. ETAPAS PARA LA CONSTRUCCIN DE UN PROTOTIPO

195 IV. 4. Fase III. Construccin de la versin en produccin.

Comprende las siguientes etapas:

IV. 4. 1.- Desarrollo del diseo detallado para el Sistema Experto inal.

IV. 4. 2.- Implantacin del ncleo del Sistema Experto.

IV. 4. 3.- Expansin de la base de conocimientos.

IV. 4. 4.- Adecuacin de la inter-fase de usuario.

IV. 4. 5.- Monitorizacin de las prestaciones y evaluacin del rendimiento del sistema desarrollado.

IV. 4. 6.- Mantenimiento de la base de conocimiento.

IV. 4. 1. Desarrollo del diseo detallado para el Sistema Experto -final.

Cuando el prototipo experto

est -funcionando

satisfactoriamente, el

y el Ingeniero del

Conocimiento estarn en disposicin desarrollo del Sistema a

de de-finir que gran escala.

ser necesario para el

Si la

eleccin original de objetos

y atributos hubiera sido

196

errnea deber ser modificada.

Se reglas

pueden realizar estimaciones acerca necesarias para crear el Sistema

del

nmero total de

Experto completo. Los

criterios

de rendimiento pueden ser establecidos con mayor pre-

cisin. Toda esta informacin junto con un plan detallado y presupuestos deben incluirse en el documento de diseo que guiar

el desarrollo del Sistema completo.

En

esta fase las tcnicas

de

ingeniera

del conocimiento, misma.

pueden ser de gran ayuda para una mejor realizacin de la

IV. 4. 2. Implantacin del ncleo del Sistema Experto.

Una vez que todo el mundo se encuentra satisfecho del funcionamiento de la ltima versin del prototipo, al realizar las tareas encomendadas de acuerdo posicin de con lo deseado, ya se est en dis-

ampliar el prototipo hasta conseguir un Sistema Ex-

perto completo o el sistema en fase de produccin. De poco tiempo a esta parte, se mejor "olvidarse" est en condiciones de afirmar que es mucho del prototipo. Esto es as porque ya existen

herramientas de Ingeniera del Conocimiento que soportan y facilitan la realizacin rpida del prototipo a un bajo coste de esfuerzo y consumo de tiempo. Por otra parte, es frecuente que

junto a la creacin lieve la necesidad

de los distintos prototipos se ponga de rede replantearse el diseo bsico de la base

de conocimiento y, a veces, de todo el desarrollo.

197

Con esto

no quiere decirse que necesariamente haya que abanlo que se indica es que es bastenga que modificarse, la relaciones que se encuen-

donar un prototipo determinado, tante probable lista exacta tran incluidos que reajustar

que de alguna manera, de objetos, atributos y

en el sistema. Tambin puede ser necesario tener las relaciones jerrquicas. Asimismo, puede tener

que modificarse la y las

manera exacta en que se maneja la inferencia dando cuenta los constructores

heursticas, segn se van

de cmo representar de una forma mejor tanto el conocimiento del experto como las estrategias de resolucin del problema.

Finalmente, y aunque el

prototipo tenga xito, eventualmente representaciones iniciales de las la etapa de cons-

necesitan ser modificadas las reglas y los hechos que

se han realizado en

truccin del prototipo.

IV. 4. 3. Expansin de la base de conocimientos.

Tal vez sea este el trabajo principal que hay que realizar en la construccin de un sistema completo. Para ampliar la base de

conocimientos hay que aadirle un gran nmero de casos heursticos que generalmente suelen incrementar la profundidad del sisnmero de reglas y tiles de los casos

tema, puesto que modos de tratar y

le proporcionarn un mayor manejar los aspectos ms

particulares. Al mismo tiempo, el equipo de desarrollo puede decidir incrementar la profundidad del sistema mediante la incor-

poracin de nuevas reglas que manejan subproblemas adicionales u

198

otros aspectos no pertos.

contemplados antes de los trabajos de los ex-

IV. 4. 4. Adecuacin de la inter-fase de usuario.

Una vez que llega a establecerse la estructura bsica del Sistema Experto, el Ingeniero del Conocimiento debe adecuar la internase desarrollada durante la creacin del prototipo a las caractersticas especificas del usuario final. Mediante esta inter-fase es como realmente el Sistema Experto va a enviar informacin

al usuario y, eventualmente, recabar

informacin de ste. En es-

te sentido, debe aplicarse una atencin considerable a la introduccin de frases y explicaciones que puedan hacer mucho ms fcil al usuario el seguir la lgica del Sistema Experto, y, al

mismo tiempo, el sistema debe hacer que le resulte fcil y natural al usuario el preguntar y obtener cualquier detalle que de-

see del sistema. Como ya se ha dicho, el uso de representaciones grficas es de que permitan gran ayuda y utilidad, del mismo modo, pantallas al usuario seguir el proceso de razonamiento del

sistema, pueden resultar claves para el xito del mismo.

IV. 4. 5. ( I n i tor i zac i n de las prestaciones y evaluacin "o del rendimiento del sistema desarrollado.

La

interfase debe permitir al experto introducir diferentes calos razonamientos del sistema y recorrBr paso

sos para verificar

199 a paso un caso determinado, investigando porque se disparan

ciertas reglas o no, identificando aquellos puntos en los que se necesitan conocimientos conclusiones adecuadas. especficos adicionales para alcanzar

A estas alturas

del proceso de desarrollo

la mayora de los

expertos han aprendido ya introduccin de

lo suficiente en lo que respecta a la

reglas como para insertar ellos mismos las nueDe este modo, da comienzo el traspaso del

vas que se produzcan.

control del sistema, del Ingeniero del Conocimiento a los expertos, para que stos se encarguen de pulir, elaborar y ultimar el mantenimiento del sistema sin necesidad del soporte de aquel.

Cuando los constructores del chos del

sistema se

encuentran satisfeser comprobado y

funcionamiento del mismo, ste

debe

sometido a pruebas para verificar que cumple todos y cada uno de los criterios de rendimiento y prestaciones acordados en la etapa de creacin del prototipo. Este es el momento para que otras

personas, expertos o no prueben el sistema y le presenten nuevos casos, vean su forma de actuar y hagan crticas al mismo.

IV. 4. 6. Mantenimiento de la base de conocimiento.

Despus de que

el sistema completo ha

pasado todos los con-

troles, debe establecerse un plan para un proyecto de "software" ms amplio. Este plan debe proporcionar medios para verificar,

desarrollar, transferir y mantener la base de conocimiento. Debe instrumentarse un proceso de organizacin que permita optimizar

200

las inter-fases

de usuario y extender

la

base

de conocimiento

cuando se encuentren problemas.

IV. 5. Fase IV. Comprobacin del Sistema e integracin del

mismo en Produccin.

Sealaremos las etapas siguientes.

IV. 5. 1. - Integracin a la escala -final. IV. 5. 2. - Uso regular y evaluacin del Sistema Experto.

IV. 5. 3. - Mantenimiento y mejora del Sistema.

IV. 5. 1. Integracin a la escala -final.

No basta correctamente

con construir un buen

Sistema Experto que -funcione

de -forma aislada, dado que una organizacin, como

cualquier sistema, tiene que contemplarse y tratarse como un todo. En consecuencia, es necesario integrar el Sistema Experto en el entorno de trabajo en el que continuar operando. Mediante la integracin, el no se trata de efectuar cambios si gn i - i cativos en f

Sistema Experto, sino de incluir aquellos procedimientos que

sean necesarios para hacer que el Sistema Experto -funcione coordinadamente con los sistemas existentes, expertos o convenciona-

201 les, dentro integracin, el mismo, de una organizacin. Si, como consecuencia de esta

se viera que son necesarios cambios importantes en limitarse a volver de

entonces uno simplemente debe

nuevo, raramente a la Fase decir, en la

I, y habitualmente a

la Fase II. Es

etapa de integracin hay que implantar los enlaces Sistema Experto y el entorno en que opeesta etapa pueden in-

de desarrollo entre el ra. Entre las

actividades a realizar en

cluirse las siguientes:

IV. 5. 1. 1. Organizacin de la transferencia de tecnologa.

Cuando el

Sistema Experto se encuentre listo para su -funcio-

namiento integrado, el Ingeniero del Conocimiento debe asegurarse de que tanto los sistemas que vayan den cin expertos como los usuarios y el personal de a utilizar y mantener el sistema, lo entien-

realmente. Una vez e-fectuada esta transferencia de informay saber hacer tecnolgico, el Ingeniero del Conocimiento en manos de sus

puede abandonar el usuar ios.

proyecto dejando el Sistema

Obviamente, cada entorno organizativo plantear una problematica diferente sonal de la para las personas encargadas de preparar el per-

organizacin para que acepten y utilicen un Sistema

Experto. La experiencia habida hasta la fecha parece indicar que los expertos se encuentran dispuestos vez que se convencen a aceptar rpidamente el

Sistema, una

de que puede proporcionarles a los no ex-

consejos realmente pertos para

tiles. Sin embargo, convencer

que acepten el sistema conlleva todos los problemas

202

y retos asociados con la introduccin de cualquier nuevo sistema tecnolgico dentro del entorno de una organizacin. Alcanzar el depende del cuidado con que se realice la

xito en este punto

planificacin de esta tarea, las cantidades y amplitud de la comunicacin entre las diferentes partes de la organizacin, las afectadas para

adecuadas oportunidades concedidas a dialogar y llegar a tcnico una vez fin, todo la FASE I.

las partes

acuerdos sobre el cambio y sobre el soporte

que el sistema est instalado y funcionando. En cuestiones indirectas tratadas en

lo sealado en las

IV. 5. 1. 2. Establecimiento de interfases del Sistema Experto con distintos sistemas "software" y "hardware" u otros.

Es este otro

de los objetivos a

cumplimentar en la integrainformacin de

cin. Un Sistema Experto puede necesitar adquirir instrumentos de cesitar acceder gir datos

medida u otros sistemas "hardware", o puede nea sistemas de bases de datos o an, pueden exipersonas. En consecuencia, es

e informaciones de las

necesario construir

los elementos que permitan estas transferen-

cias de informacin. Tambin pueden incluirse como objetivos los de perfeccionamiento de factores dependientes del tiempo dentro

del sistema, para conseguir que funcione de una forma ms rpida y eficiente, "hardware", si o que se mejoren las caractersticas fsicas del funcionar en ambientes de

el sistema tiene que

proceso no generalizados.

203

Muy relacionado con la integracin est la "trasportabi 1idad" del cdigo generado cdigo de produccin. en el desarrollo del Sistema Experto, a un

IV. 5. 2. Uso regular y evaluacin del Sistema Experto.

Una vez integrado el Sistema Experto dentro de un sistema ms amplio, hay que intentar mejorar sin duda se vern las prestaciones del sistema por la introduccin

global, que del

perturbadas

Sistema Experto. Cuestiones tales como tiempos de respuesta transacc ional son aqu pertinentes de tal modo que

y -facilidad

mientras no se les de una respuesta adecuada no es posible decir que el Sistema est en produccin.

Dentro de

este apartado, tambin hay

que considerar el per-

feccionamiento de las interfases para -facilitar el -funcionamiento y el manejo del sistema global por los usuarios -finales.

IV. 5. 3. Mantenimiento y mejora del Sistema Experto.

Supone por una del mismo, y,

parte -formar el personal

que va a encargarse

por otra, - 1 ex ib i 1 i zar el Sistema para su adaptaf

cin a entornos dinmicos.

Cuando se traduce

un sistema a otro lenguaje distinto del de velocidad y transpor tab i 1 idad, se

desarrollo, para -facilitar su

sacrifica la -flexibilidad del Sistema. Esto puede resultar acep-

204

table si el Sistema ha capturado todo el conocimiento dentro del dominio de trabajo, y si el conocimiento no se va a modi-ficar en un -futuro inmediato. Si, por el contrario, se ha diseado un

Sistema Experto precisamente porque se est modificando el dominio de trabajo, se querr mantener el Sistema en su entorno de

desarrollo que proporciona una actividad de mantenimiento continua. Adems, y, en es muy probable que el Sistema Experto evolucione

consecuencia, ser necesario mejorarlo y adaptarlo a esta

evoluc i n.

Toda la 4.6.

metodologa aparece de -forma

resumida

en la -figura

205 Tareas y problemas

Tcnicas y mtodos de la I,A. IDENTIFICACIN DE LA APLICACIN Y CONCEPCIN DE LA SOLUCIN.

Desconoc i miento

1
Esceptc i smo DESARROLLO DEL PROTOTIPO DE DEMOSTRACIN Carencia de herramientas y espec i al i stas I

Herramientas de ingeniera del conoc imi ento

1
EJECUCIN DE LA CONSTRUCCIN DEL SISTEMA COMPLETO
M

Especificaciones _ J Fondos 1

Inercia de las estructuras organizativas I

ACTUACIN PARA ALCANZAR LA INTEGRACIN DEL NUEVO SISTEMA

<*

Hardware y Software adecuados 1 Formacin para lograr una buena trans-f erenc i a de tecnologa.

Inercia cultural
->

LOGROS DE TRANSFORMACIN ALCANZADOS EN LA ASIMILACIN Y USO DE LA NUEVA TECNOLOGA

Figura 4.6. METODOLOGA PARA EL DISERO Y CONSTRUCCIN DE SISTEMAS EXPERTOS.

206 CAPITULO V. RESULTADOS, CONCLUSIONES Y FUTURAS LINEAS DE INVESTIGACIN.

V. 1. Introduce i n.

An cuando un plazo de

ao y medio es escaso tiempo para es-

tablecer unos resultados concluyentes sobre la utilizacin de la metodologa propuesta, si se pueden dar algunos que, aunque provisionales, no por ello son menos relevantes y significativos.

En primer lugar, indicar que el uso de esta metodologa, puso al descubierto el e-fecto QWERTY existente en la tecnologa de la Ingeniera del Conocimiento. La primera hilera de las teclas alfabticas de las mquinas de escribir dice QWERTY. Esta disposicin slo tiene justificacin histrica: fue introducida en respuesta al problema era minimizar de que las teclas solan atascarse. La idea separando las teclas que Sin embargo,

el problema de colisin frecuencia en

aparecan con cundo

secuencia inmediata.

aos despus la tecnologa elimin este problema, QWERTY prueba palpable de la tendencia a que el tecnologa o metodologa se

subsisti. Esto es una primer

producto utilizable de una

afianza, en detrimento de opciones ms avanzadas.

Una punto

vez identificado este efecto,

pudo

superarse

hasta el

de que siguiendo estrictamente el criterio establecido en seleccin de la representacin, contra lo que ve-

la Fase II de

na siendo habitual, no se propone como representacin del conocimiento las reglas, sino los marcos, dejando las reglas para

207

representar el metaconocimiento, heursticas y control.

A continuacin', suficientemente

hay que resaltar que

esta metodologa es lo a dominios tan vade perso-

general como para aplicarse

riados como: -finanzas, seguros, nal, de-fensa, usndose.

educacin, seleccin

industria, etc., en donde

est en estos momentos

Pero al tiempo, es lo su-f i c ientemente especfica como de esos dominios, pueda usarse con xito acepser, por ejemplo, dentro

para que, dentro table en

labores concretas como puede

de las -finanzas, tanto a la concesin de crditos, como a ayudar al pequeo inversionista, o a gestin de cartera, etc. Es decir, que es lo suficientemente robusta como aplicarse con xito a

distintos dominios, y lo suficientemente flexibles para que, sin excesivos cambios, sin tambin puede en cada tarea concreta sea ms no no slo eficaz, exigente a que

bastante eficiente. La prueba

ser sometida cualquier metodologa

consiste tanto en

ver lo bien que se ajustan sus caractersticas a las necesidades previstas, sino en qu medida funciona cuando se quiere hacer

algo para lo que no estaba previsto.

Tambin es significativo miento de

el hecho de que se mejore el seguiIngeniero del Conocimiento "s-

los proyectos por el

nior". En un perodo del uso de la tecnologa como el actual, en donde la carencia de es notoria, incrementar rable valor. Ingenieros del Conocimiento experimentados pas, cualquier esfuerzo en

sobre todo en nuestro

las "prestaciones" de los existentes es de consideEn efecto, como se muestra en el apartado

IV.2.2.4., la dedicacin de

un Ingenierio

del Conocimiento"se-

208 nior" a un proyecto es de aproximadamente un Ingeniero del al 257., por lo que

tericamente al menos, cada mentado para

Conocimiento experitiempo. Pero claro,

podra llevar cuatro proyectos

estos ingenieros sera imposible realizar su tarea adecua-

damente, si cada proyecto emplease un mtodo distinto, con di-ferentes -fases, etapas, criterios, etc. Sin embargo, usando la metodologa slo como un "manual de procedimientos" documentado,

le permitir, con poco es-fuerzo, ponerse al tanto en cada momento de la situacin de cada proyecto. Y si bien es cierto que ese ponerse al tanto requiere tiempo y, por lo tanto, llevar cuatro no es posible, si, pueden por los datos que

proyectos simultneamente se tiene

hasta el momento, se

gestionar tres proyectos

distintos al tiempo y tidades.

seis de la misma tarea para distintas en-

Asimismo, el uso de la metodologa puso en evidencia la necesidad de usar sistemas muy similar ncleo, para el desarrollo de la misma o

tarea, por distintas instituciones. Al revs de los que, como su nombre indica resultaron ser au-

sistemas "concha"

tnticos esqueletos externos que a modo de coraza impedan cualquier versatibi1idad, al usar un ncleo (MAT86) que contenga lo

que es comn a una clase de tareas y permita que cada tarea concreta pueda ajustarlo a sus particulares necesidades se est pasando de una labor "ad hoc" y artesanal, a otra de ingeniera

que es justamente de lo que esta tecnologa.

se trata de conseguir con el uso de

Finalmente, cabe resaltar, tal y como se muestra en el anexo, la comprobacin de la total transportabi 1idad que exige el uso

209

de la metodologa. En e-fecto, es casi un axioma aceptado por toda la comunidad mienta sobre de la Ingeniera del Conocimiento que la herraun Sistema Experto, general-

la que se desarrolla

mente una mquina LISP con una herramienta de Ingeniera del Conocimiento (ART, K E E ) , no debe ser la misma, por razones econ-

micas y tcnicas, mente BOL,

que la que lo soporte en produccin, generalun lenguaje convencional el aplicar (CO-

un computador personal con PASCAL, FORTRAN). En

consecuencia,

el punto

IV.5.2., es -fundamental. Pues bien, al hacer explcito el mtodo tanto el problema lidad ahorra a de la integracin como el de la muchos transportabi -

los usuarios del mismo

problemas, en el

momento de-finitivo de la implantacin del Sistema Experto.

V. 2. Conclusiones.

La primera conclusin que todologa

se puede extraer del uso de la meDescartes (DES77), el mtodo

es que, par a-fraseando a

es necesario para la investigacin y desarrollo e-ficiente de los Sistemas Expertos. Pero siempre que ste se tome como una regla

heurstica creativa, -flexible y adaptable y que incluso en algn caso pudiera no ser el idneo. constante evolucin, verdad De cara a un mundo -flexible y en donde lo nico de

y a veces revolucin,

permanente es el cambio, principalmente producido por el cualquier actitud rgida incluso en los (KAU67)

progreso tecnolgico,

principios est -fuera de lugar. La afirmacin de Detoew-f es reveladora al respecto: "Una sociedad no

marcha de acuerdo

con reglas establecidas rgidamente de una vez para siempre; an-

210 tes al contrario, es una creacin incesante. Si el mundo marcha

mal, es que Dios, despus que lo hubiera creado y -fijado sus leyes, ha creido que podra descansar".

En un mundo

en que la revisin

sistemtica

de todo conocique una vez ms

miento es un proceso

tan continuo y acelerado

hace cierta la afirmacin de Napolen de que "nada hay definitivo, sobre todo cualquier otra despus de la victoria", pretender que esta o

metodologa sea la definitiva

es, adems de una

ucrona, una estupidez. Sin embargo, el hecho de haber rellenado una laguna, en el tiempo y el espacio, su mayor gloria y en la construccin de

sistemas expertos es lo

el de volverse obsoleta

antes posible, porque surgieron

otras metodologas ms per-

fectas y avanzadas, a poder ser incorporando la presente, su honrosa servidumbre.

La segunda conclusin que

se puede obtener a la vista de los

resultados es que el uso de la metodologa mejora las prestaciones, tanto en el diseo y desarrollo como en la ejecucin de los Sistemas Expertos. y que, adems, su uso permite aumentar los

conocimientos que se tienen sobre la misma de modo que su empleo habitual provoca su perfeccionamiento te, el empleo de la continuado. Por otra par-

metodologa incrementa las potencialidades

de los Ingenieros del Conocimiento, al trabajar stos homogneamente, de modo que adems de facilitarle el conseguir notorios

xitos, les impide cometer crasos y, a veces, irreparables errores.

Por

ltimo, dada la robustez

demostrada por la metodologa,

211

sta puede

usarse para construir cualquier

tipo de Sistema Ex-

perto. Da igual que

sea grande o pequeo, aplicado a un dominio exactamente

o a otro totalmente distinto, sin tener que realizar todas las etapas de viarse, aunque eso la misma, puesto que algn

paso puede ob-

s, es necesario sealar

en el "cuaderno de

bitcora" el motivo por el

que se soslay. Todo ello en aras de

una mayor -flexibilidad y e-ficiencia.

V. 3. Futuras lneas de investigacin.

En primer lugar, nea

y quizs la ms importante y -fructfera lautomatizacin de la metodologa,

de investigacin, sea la

usando algoritmos en las etapas deterministas, modelos y simulacin en las que prima la componente probabi 1stica y Sistemas

Expertos en las que, por sus caractersticas, tal y como muestra la propia metodologa, lo requieran.

De hecho, tificial de la

por ejemplo, en el Laboratorio de Inteligencia ArFacultad de Informtica de la U.P.P1., se est

llevando a cabo

una Tesis Doctoral para automatizar

la parte de

seleccin de las herramientas.

Otra lnea de investigacin res interfases tre sistemas

interesante es el conseguir mejo-

tanto entre hombre y Sistemas Expertos, como enconvencionales, tales como base de datos, y Siste-

mas Expertos y entre los propios Sistemas Expertos entre s. Sobre todo en este ltimo caso el conseguir Sistemas Expertos coo-

212 perativos, sera de integracin. En este gran utilidad para obviar el problema de la sentido, se va a inscribir un convenio de

cooperacin entre el Laboratorio J.R.C.

de Inteligencia Artificial del

("Joint Research Center") el ms importante centro de inComunidades Europeas y el de la Facultad de

vestigacin de las

Informtica de la U.P.M.

Para terminar,

otra linea

muy interesante

de investigacin

sera el ver la posibilidad de aplicar esta metodologa a la Ingeniera del "Software". Como es sabido la Ingeniera del "Software" usa un procedimiento de desarrollo de sus sistemas, denovida que se descompone en los pasos siguientes:

minado ciclo de Anlisis de

requerimientos, especificaciones, diseo, implantay depuracin, operacin y mantenimiento, y

cin, verificacin que es

completamente distinto del de

la Ingeniera del Conoci-

miento. Sin embargo, los tres primeros pasos por su estructura y definicin parecen ser susceptibles de ser sustituido por los de la tecnologa de Ingeniera del Conocimiento.

Por

otra parte, ltimamente en

la Ingeniera del "Software"

se est usando e imponiendo la tcnica de construccin de prototipos parece lgico que lo que es vlido para la construccin pueda aplicarse,

del prototipo en Ingeniera

del Conocimiento,

sin excesivos cambios, en la Ingeniera del "Software". En ltima instancia, analgicamente usarlos en sta. si esto no fuese los posible, si podran utilizarse aqullas para

conocimientos

obtenidos en

Pero esto es el futuro y sealar un camino no es transitarlo.

213

As que

pongamos manos

a la obra y

hagamos

camino

al andar.

Cualquier otra

actitud sera predecir el

-futuro y, como a-firma

Friedler, "es muy difcil vaticinar, sobre todo el -futuro".

214

CAPITULO VI. REFERENCIAS BIBLIOGRFICAS

(BAH82) BAHRICK, H.P. y KARIS,D.

(1982).

"Long-Term

Ecological Memory". Handbook o f Research Methods in Human Memory and Cognition. Academic Press.

(BAI79) BAINBRIDGE, L.

(1979). "Verbal reports as evidence o f -

the process operator's konowledge". International Journal o f Man-Machine Studies, 11. -

(BAR82) BARR, AVRON y FEIGENBAUM, E. "The HandbooK Artificial

oi

Intel 1igence". VOL I, 1981, VOL II y VOL

III, 1982. Heuris Tech Press.

(BREU83) BREUKER, J.A. y WIELINGA, B.J.

(1983).

"Analysis Technique -for Knowledge Based Systems". ESPRIT PROJECT 12,memorndum n.10 y 13. Universidad de Amsterdam.

(CAR86) CARRILLO, J. y PAZOS, J.

(1986).

"Una Propuesta

Metodolgica para la Ingeniera del Conocimiento". In-forme interno del laboratorio de I.A. de la Facultad de In-formtica de la U.P.M.

(CHAPB6) CHAPUSDT,P., SILKES, H., VAN REESEMA, S.

(1986).

"Intelligence Ar ti - ic iel le: Fiction ou Realit?. Insig f Formation Institut de Formation Interbancaire. 15me

journe de Banques.Par is.

(CHIB1) CHI,M.T.H., FELTOVICH, P.J. y GLASSER, R.

(1981).

"Categor ization and representation o f physics problems by experts and novices.". Cognitive Science, 5.

(DAV82) DAVIS,R. y LENAT,

D.B.(1982)."Knowledge-Based

Sistems in Arti-ficial Intelligence". Mac Graw-Hill.

(DES77) DESCARTES, R.

(1977). "Discurso del Mtodo y otros

Escritos" Porra, S.A. Mxico.

(DUD78) DUDA, R.D., HART, P.E., BARRETT, P., BASCHNIG, J., LIGE, K., REBDH, R. y SLDCUM, 3. (197B). System

"Development o f the Prospector Consultation -

-for Mineral Exp lorat ion" . SRI International, Menlo Park. Arti-ficial Intelligence Center.

(ERIB4) ERICSSON,K.A. y SIMN,H.A.

(1984).

"Protocol

Analysis: Verbal Report as Data". Brad-ford Books. MIT Press.

(EISE77) EISENBEIS,R.

(1977).

"Pitfalls in the Application

Discriminant Analysis in Business,Finances and Economics". The Journal o F Finance. -

216

(FEIB3) FEIGENBAUM, E. y rcCORDUCK, P.

(1983). "La Quinta

Generacin". Edi. Planeta. Barcelona.

(FLA55) FLANAGAN,J.C.(1955). "The Critical Technique". Psychological Bulletin,51.

Incident

(FRAN77) FRANSELLA, F. y BANNISTER, D.

(1977). "A manual -for

repertory grid". Academic Press. Londres.

(FRYD85) FRYDMAN,H., ALTI1AN,E. y KA0.(1985).

"Introducing

Recursive Partitioning -for Financial Cl asi-f ication. The Case o f Financial Distress". The Journal o f Finances. -

(HAR84) HARMDN, P. y KING, D. "Expert Systems: Artificial Intelligence in Bussines" (1985) John E4Uliley and Sons.

(HAY83) HAYES-ROTH,F., WATERMAN,D. y LENAT,D.

(1983).

"Building Expert Systems". Addison Wesley Publishing Company.

(ICA86) ICAZA, J.

(1986) "Aplicacin de Sistemas Expertos

a la Banca". Banca Espaola nrn. 19.

(KEL55) KELLY, G. A. (1955). "The Psychology of Personal Constructs". Norton: New York.

(MCDER82) McDERMOTT, J.

(1982). "Rl: A rule-based

configurer

o f Computer Systems", Artificial -

Intelligence Magazine.19.

217

(MAT86) MATE, L., MONTES, J. y PAZOS, L. (1986). "A Nucleous -for Desing and Construction the Financial Expert Systems" Leesburg Va.

(MYE83) MYERS,C.D., FOX,J. PEGRAM,S.M. y GRAVES,M.F.

(19S3).

"Knowledge acquisition -for Expert Systems: Experience using Emycin -for Leukemia Diagnosis". Proceeding o f the Third BCS Con-ference on Expert Systems". Cambridge.

(NEW72) NEWELL, A. y SIMN, H.A. Solving " Prentice Hall.

(1972). "Human Problem

(ILBO) NILSSON, N. (1980) "Principies o f Artificial Intel 1igence". Tioga. S. Francisco.

(0SB53) OSBORN, A.F. New York.

(1953).

"Applied

Imagination". Scribner.

(PAZ86) PAZOS SIERRA, 3.

(1986). "Inteligencia Artificial:

Programacin Heurstica". Editorial Paraninfo. Madrid.

(RAUL84) RAULEFS,P.

(1984).

"Artificial

Intel 1igence. Toward

Practical Application Knowledge Proccessing Expert Systems". Thomas Bernold y Gunter Albers. Holanda.

(REID86) REID,Ian.

(1986). "Artificial

Intel 1igence in the

M a r k e f . T h e Banker. Junio.

(SC0W85) SCOWN, Susan.

(1985).

"The Artificial

Intelligence

Experence: An introduction." Digital Equipement Corporation. Maynard. Massachusets.

(BHAUIB1) SHAW, M.L.G.

(1981). "Recent Advances in Personal

Construct Technology". Academic Press. New York.

(WAL75) WALTER, G.

(1975).

"El cerebro viviente". Fondo

Cultura Econmica. Mxico 1975.

(WIEL84) WIELINGA,B.J. y BREUKER, J.A.

(1984).

" Interpretation o f verbal data -for Knowledge Adquisicin". ECAI-84. Advances in Artificial Intelligence. Elsevier. T. D'shea.

219 ANEXOS

I - APLICACIN DE LA METODOLOGA A UN CASD PRACTICO EN EL SECTOR FINACIERO:

En este documento se especificarn guirse para el

los pasos que deberan se-

desarrollo de un Sistema Experto, de acuerdo con

la Metodologa expuesta en esta tesis.

El dominio

de aplicacin ser uno del sector Financiero, se-

gn se ha indicado a lo largo del estudio, siendo el objetivo de este trabajo, la estructuracin de las actividades a desarrollar para conseguir dicho Sistema Experto, no el desarrollo del Sis-

tema Experto en s.

Antecedentes:

Hay en la nazcan,

actualidad muy pocos Sistemas Expertos, que se coFinanciero, estando la mayora

trabajando en el sector

en -fase de experimentacin.

Los beneficios potenciales que

un Sistema Experto financiero

puede proporcionar son los siguientes:

- Cuando el las reglas

Sistema acta sobre una base de datos existente, aplicadas para identificar potenciales

pueden ser

amenazas que pueden derivarse de los clientes deudores actuales.

220

- Una combinacin de expertos humanos con un buen Sistema Experto puede conducir a un mejor proceso de toma de decisiones.

- Un

buen sistema puede ayudar a reducir procesos burocrtibanco e incrementar el control de gestin sobre

cos dentro del la Organizacin.

- El uso

conjunto de heursticas y anlisis de crditos pue-

den conseguir mejores resultados que los segundos solos.

- El

tiempo gastado por los expertos en problemas terminales

puede ser reducido. Ya hemos visto que los expertos son escasos.

- El servicio a los clientes puede ser mejorado reduciendo el ciclo de demanda/respuesta, de-finiendo sin de prstamos de solic i tadas. los criterios de conce-

acuerdo a los riesgos, no a las cantidades

An las

crticas ms severas a

esta tecnologa, admiten que ms prometedoras para la A causa de la

la comunidad -financiera aplicacin comercial

es una de las

de los Sistemas Expertos.

gran cantidad de dinero manejado en este entorno y sus negocios, una mejora, aunque sea reducida, en los procesos de decisin

puede tener un efecto muy positivo sobre estos sistemas.

Las actividades que puede desarrollar un experto generalmente se clasifican en las siguientes clases:

221

- Interpretacin. - Diagnstico. - Supervisin. - Prediccin. - Plani ficac ion. - Diseo. - Procedimientos. - Selecc i n. - Toma de Decisiones.

Las

caractersticas deseables de los

problemas para ser re-

sueltos por Sistemas Expertos, segn se vio, son:

- reas

concretas de especi al izacin sin

que se utilice una

gran cantidad de sentido comn en ellos.

- Tareas que no sean experto humano.

ni muy -fciles ni muy difciles para el

- Tareas que pueden ser definidas claramente.

El conocimiento bsico est

disponible en algn documento

escr i to.

Las reas de aplicacin

exigen una actualizacin continua

de las reglas lgicas.

- Los sistemas pueden ser desarrollados modulrmente.

222

- La solucin exige una bsqueda en espacios grandes y/o complejos.

- Necesidad minio.

de conocimiento amplio y especfico sobre el do-

- Utilizacin nes.

de la heurstica para

la bsqueda de solucio-

- El usuario to.

podr mantener y mejorar la base de conocimien-

- Hay

una clara incentivacin para

el usuario para utilizar

el sistema.

- Es posible un compromiso con los expertos para su uso y mejora.

En cuanto a la clasificacin de los Sistemas Expertos por sus aplicaciones en guiente: el sector Financiero vamos a utilizar la si-

- Opacos o consultores.

Los primeros correctos pero

son aquellos

Sistemas que mtodos

son matemticamente utilizados por los

que no reflejan los

expertos en ese momento.

223

Los

segundos representan con precisin y explican el razona-

miento de los expertos.

- Utilizacin de encadenamiento hacia adelante o hacia atrs.

Los procesos desarrollados por los expertos financieros, utilizan una combinacin de ambos.

Normalmente

el experto unicia el proceso de razonamiento hade una situacin dada, con la cual trata

cia adelante a partir

de identificarse hasta que ha determinado un conjunto de parmetros que permitan la inicia proceso aquellos si tuac ion. evaluacin del problema y a partir de ah para ver cual de de la

de encadenamiento hacia atrs

parmetros satisfacen mejor sus criterios acsrca

Un tercer tipo es aquel rectamente a la

en el que el

Sistema se orienta dio bien lo intenta

consecucin de un objetivo,

via una serie de subobjetivos que llevan a la solucin final.

Por

ltimo habra que considerar cuando la solucin se consiSistema Experto pero o bien stos utilizan sisestando integrados dentro de

gue mediante un temas

auxiliares tradicionales,

Sistemas ms amplios.

Todo ello nos Expertos

lleva a un modelo de clasificacin de Sistemas basndose en los anterioes

para el Sector Financiero,

criterios que es el siguiente:

224

T i p o de Si s tema E x p e r t o Interpretacin Plan i - i cae i n f Selecc i n Toma de d e c i -

Carctersticas de los p r o b l e m a s

Cl asi -ficacin del S i s t e m a

MARKETING

Muy apropiados para los Sistemas Expertos.

siones

Cnsultores Encadenamiento hacia adelante Via sub-objeti vos Sistemas puros Opacos y cnsul tores Encadenamiento hacia atrs Directos Mi xtos. Cnsultores Encadenamiento hacia atrs. Va sub-objetivos. Sistemas mi xtos. Cnsultores Hacia adelante y atrs Via sub-objetivo5. Sistemas puros. Cnsultores Encadenamiento hacia adelante Directo Sistema mixto

Diseo de Productos

Plan i f icac i n Diseo Selecc i n Toma de decisiones

Menos apropiado para Si stemas Expertos

Asesoramiento y Venta de Productos y Servicio

Predice i n Plan i - icac i n f Selecc i n Toma de decisiones

Apropiados para Sistemas Expertos.

Finanzas

Interpretacin Plan i iicac i n Proced i mi entos Selecc i n Toma de decisiones Interpretacin Proced i mi entos Selecc i n Toma de decisiones

Muy apropiados para Sistemas Expertos

Riesgos

Muy apropiados para Sistemas Expertos.

Teniendo en cuenta aplicacin de

todo lo anterior vamos

proceder

a la

la Metodologa para la construccin de un Sistema

225

Fase I! Determinacin de necesidades, valoracin del Proyecto y capacidades a obtener:

Etapa 1.: Seleccin de la aplicacin sobre la que se va a desarrollar el Sistema Experto dentro de un dominio dado.

Ya se coment que el

dominio va a ser el Sector Financiero y

dentro de las distintas reas que se han sealado con anterioridad, se va a centrar el problema en el rea de Riesgos.

El rea de Riesgos las Instituciones

es por su naturaleza,

un rea vital para los depsitos

Financieras. La

colocacin de

que han recibido tanto del sector privado como del sector pblico, requieren unos mecanismos para su concesin, criterios que

los rigen, seguimiento de la cartera de prstamos a corto y largo plazo, as como mejorar los criterios de concesin y reduc-

cin del riesgo a travs del historial de prstamos vencidos.

No todos rsticas ni requiere

los prstamos y crditos tienen las mismas caractevan destinados a los mismos consumidores, lo cual

desarrollos en los Sistemas Expertos distintos y aten-

diendo a variables y reglas muy distintas.

A grandes rasgos, podemos clasificar en los siguientes grupos:

los prstamos y crditos

- Financiacin -familiar: Son aquellos que se dedican a la -financiacin de bienes de

226

consumo o

gastos de carcter

-familiar

o profesional , dentro de en -funcin de las

unos lmites y

condiciones que pueden variar

condiciones del mercado.

Aqu se

pueden incluir las concesiones de tarjetas de crdi-

to, as como los prstamos al consumo en el comercio.

Se caracterizan por lo que lumen total de

por sus pequeas cuantas

su gran nmero

su concesin y seguimiento resultan costosos. El vosin embargo es importante en cuanta. Los criterios

concesin son dependientes de la -finalidad y caractersticas

del peticionario.

- Financiacin de vivienda: Tienen por objetivo -facilitar la adquisicin de vivienda tanto a travs de que la compra directa o como financiando al promotor

las construye el cual posteriormente subroga dicho prstamo

al comprador.

Estos

prstamos se conceden bajo la garanta hipotecaria del por lo cual son prstamos con una garanta

inmueble adquirido, de cobro

bastante elevada, -fijndose los criterios para la con-

cesin bsicamente atendiendo al valor de la finca, situacin de ingresos y endeudamiento del comprador.

Aunque estos prstamos son numerosos en cuanta y volumen, su riesgo es reducido y muy controlado, por lo que no constituye un conjunto sobre el cual los Sistemas Expertos aportan un valor

227 substancial en cuanto a su concesin, s en cambio podran ser

interesantes en cuanto a asesorar al cliente respecto a las concesiones y preparar planes "ad hoc" segn sus posibilidades.

~ Financiacin

Empresas;

Distinguiremos dos segmentos a los que ir destinada esta financiacin: La gran empresa y la pequea y mediana empresa.

El primero

de ellos corresponde a

prstamos

crditos en

cuanta unitaria elevada y pocos en nmero. Generalmente su control no es difcil y seguir a travs muy controlado la evolucin de estas empresas es -fcil de cuentas, estando su riesgo caso los Sistemas Expertos

de gestores de esas y aportando en este

una ayuda reducida, y en todo caso su tratamiento estara englobado en el segmento siguiente con algunas modificaciones y no este grupo de clien-

justificara su desarrollo exclusivamente tes.

La pequea y mediana empresa en cambio presenta unas caractersticas muy distintas, haciendo que la valoracin del riesgo en las mismas requiera un proceso de anlisis complejo, quizs el

ms dificultoso

de los que afronta el departamento de inversio-

nes de las instituciones financieras.

Es

ms complicado que

valorar

personas,

que

resultan muy (ingresos y

iguales entre

s y con pocos

conceptos

econmicos

patrimonio) ralativamente fciles de establecer.

Tambin son

ms difciles de valorar

que las grandes ernpre-

228

sas, pues disponen de peores datos contables y resultan ms desconocidas para los analistas.

Este proceso de valoracin tales:

considera como aspectos -fundamen-

- La "calidad"

de la empresa, establecida

en

-funcin de su

equipo directivo, productos, clientes, proveedores, etc.

- Los estados financieros, analizados en s mismo y en comparacin con el sector.

- Evolucin de

la vinculacin del cliente con el banco, como

indicador adicional del riesgo que representa.

pel,

Dtros factores como garanta,

patrimonio, calidad del pa-

capacidad de amortizacin, etc., habituales en las valora-

ciones bancarias del riesgo.

Todo ello resulta en un

proceso algo largo y que no es fcil

de llevar con rigor cuando el nmero de solicitudes de financiacin a tramitar es elevado y/o se pretende que decida un nmero

grande de personas, generalmente los jefes de oficina.

Por otra

'parte, se requiere efectuar numricas que alargan el

clculos

de

ratios y

comparaciones

proceso, son fuentes de

errores y dificultan aun ms la valoracin.

229 - Financiacin de Comercio Exterior: Este tipo de operaciones conlleva unas caractersticas por su naturaleza muy distintas a las analizadas, incorporndose -factores de valoracin de la situacin de los distintos pases destino de las exportaciones, la situacin del suministrador, las

normas

aplicables a cada pas,

las restricciones impuestas por

el Ministerio de

Economa y Banco de Espaa, todo ello sometido

a cambios muy -frecuentes en su normativa.

Hoy

normalmente el tratamiento de

este

tipo de operaciones

est centralizado y

encomendado a un grupo de expertos, pero es

una de las reas que mayor evolucin va a su-frir en los prximos aos, y que se necesaria convertir en uno de los ms importantes, siendo operativa tambin en un grado

la descentralizacin de dicha existente, por lo que

muy superior al

se convierte en

una aplicacin importante para los Sistemas Expertos.

Todo lo anterior nos bsicas de los Sistemas

permite identificar cuatro aplicaciones Expertos en el rea de Control de Ries-

gos, y con caractersticas muy distintas.

- Sistema

Experto para la concesin de prstamos para -finan-

ciacin -familiar.

- Sistema Experto

para la concesin de prstamos para la -fi-

nanciacin de empresas.

- Sistema

Experto para asesoramiento a

clientes en cuanto a

la -financiacin de viviendas.

230

- Sistema

Experto para la concesin de prstamos para opera-

ciones de Comercio Exterior.

Esta primera

aproximacin se refiere a los mecanismos de vapara la concesin de los prstamos. Sin em-

loracin del riesgo

bargo las condiciones tanto generales como particulares bajo las que ser concedieron los prstamos, no son constantes, sino que

pueden estar sometidas a variaciones.

El seguimiento tes

hoy de estas operaciones cuando son de impor-

medianos o pequeos, son prcticamente imposibles de realiespecialmente importante en el caso de la Pe-

zar, y pueden ser

quea y Mediana Empresa.

La

evaluacin peridica de la

cartera de Prstamos mediante han ido produciendo en o de la em-

la valoracin de

las variaciones que se

las condiciones iniciales

de concesin del titular

presa o del sector al que sta pertenece, pueden ayudar a evitar situaciones imprevistas.

Todo

lo anterior, con-figura un

quinto

Sistema

Experto que

permitir la evaluacin de la cartera en cuanto al riesgo, activando los indicadores nismos del de alerta que pongan en marcha los meca-

comerciales y jurdicos que

permitan reducir el impacto

posible impagado o anticiparse a esta situacin, asesorando

a la Empresa para evitar esta circunstancia.

231 Por ltimo es necesario mantener actualizada la base de conocimiento del sistema, introduciendo cambio en las reglas que rigen el sistema en -funcin de nuevos parmetros, informaciones o que se producen permanentemente, para lo

nueva reglamentacin cual se puede ayudase

disear un Sistema Experto las

de nivel superior que informaciones y

a la interpretacin de

distintas

permitiese

la actualizacin dinmica de los Sistemas Expertos o

"operativos", lo cual nos llevara a establecer un sexto Sistema Experto para la interpretacin y evaluacin de hechos econmicos tanto a partir de informacin histrica de los prstamos y cra partir de la informacin que se genera

ditos concedidos como da a da.

El problema

de seleccin del primer

Sistema Experto a desa-

rrollar se tratar estudio, es

de acuerdo con los criterios expuestos en el

decir que sea posible, justificado y apropiado para

el problema a resolver.

Atendiendo a problema

la existencia de expertos,

es

evidente que el a los temas

ms frecuentemente resuelto con

relacin

expuestos, es el

de la concesin de prstamos para la financia-

cin familiar. La existencia de expertos pues, en este rea est garantizada, siendo evidentemente decreciente pertos disponibles en el nmero de ex-

una entidad financiera en cada uno de los

siguientes tipos de Sistemas Expertos esbozados.

En cuanto a las soluciones aportadas por los expertos, el volumen las han de operaciones tratadas, as ido configurando con una como la normativa existente cierta homogeneidad, que va

232

disminuyendo del primer tipo de Sistema especificado al ltimo.

Los

mtodos utilizados normalmente estn basados en la valo-

racin por puntos de las distintas variables, por lo cual existe una documentacin escrita al respecto. Estos mtodos sin embargo simplifican enormente posibles la problemtica y no tienen en cuenta las

relaciones entre las variables utilizadas y no permite

seguir el razonamiento seguido en la concesin del prstamo.

Por consiguiente estaramos ante un caso en el cual el Sistema Experto -final diferir de los procedimientos actuales, ya que stos se habrn enriquecido con heursticas y mtodos de Inveslas decisiones que se toman.

tigacin Operativa que mejoraran

Anlogamente los mtodos estn ms formalizados para los problemas del primer tipo, y menos para los del ltimo tipo.

Evidentemente las siendo muy superior

tareas

requieren

habilidad cognoscitiva, el Sistema Experto que

la necesaria para

gestiona y controla el entorno, que para los restantes.

La tarea no es muy difcil para el caso de los Sistema Expertos para la concesin de prstamos con finalidad familiar, in-

crementndose en cambio en los otros casos.

Todas las tareas a las que se aplicara estos posibles Sistemas Expertos estn estructurados bles en especial y son perfectamente comprensi-

las relativas a las concesiones de prstamos.

233

En general, ninguna de ellas requiere ms "sentido comn" del necesario para realizar tareas administrari vas.

De todo

lo anterior podemos deducir que los sistemas sugeride desarrollar, en especial el relativo a la

dos son posibles

concesin de prstamos con -finalidad -familiar.

El desarrollo est justi-ficado en cada caso por distintas razones, as para la concesin de prstamos con -finalidad -familiar su just i f icac i n procede de la reduccin de costos en su conce-

sin en cuanto a la eliminacin de procesos administrativos, as como por la reduccin del riesgo contrado al poder controlar y

aplicar criterios ms uniformes en la concesin.

En los casos de

concesin de prstamos para las PYME su jusla escasez mayor de expertos humanos y la

tificacin procede de

necesidad de llevar la experiencia a distintos lugares. Lo mismo puede sealarse en los otros casos, pero con distintos matices.

El desarrollo

es adecuado para resolver

los problemas que se

plantean, ya que por su naturaleza, existen unas soluciones heursticas que no se aplican de una manera uniforme, al mismo

tiempo que los objetos que se manejan, son simblicos, refirindose bles. a calidades ms que a valores cuantitativamente expresa-

En cuanto a

la complejidad de las

tareas resueltas ya hemos

visto que tienen una complejidad relativa en el primer caso, in-

234

crementndose en los restantes.

Las tareas sealadas gn

son de tamao manejable sin que en nindemasiado amplios o generales,

caso se presenten problemas

estando el alcance de las mismas per-f ectamente de-finido.

Todas las consideraciones anteriores como posible, justi-f icado y adecuado el

nos llevan a considerar desarrollo de los dis-

tintos Sistemas esbozados, sin embargo para un primer desarrollo sera ms prstamos aconsejable iniciar el relativo a la concesin de

con -finalidad -familiar al estar mejor de-finido, exisms amplia de experiencia y ser de desarrollo

tiendo una base ms sencillo, al mplia.

mismo tiempo que existir una base de usuarios

A partir de ahora, la Metodologa, se aplicar a este caso en particular.

Etapa 2: Determinacin de necesidades y plan de evolucin del Sistema Experto:

Las actividades a desarrollar en esta etapa comprenden:

Mental izacin de los usuarios:

Lo

cual podra realizarse

inicialmente a jan los

travs de reuniones con expertos, donde se recoderivados de los procedimientos

principales problemas

actuales, y

se les explique cmo

estas nuevas tecnologas, con

su cooperacin pueden mejorar su trabajo.

235

Evidentemente ser ms -fcil la mental izacin a travs de e s ta aplicacin, donde calidad de su trabajo. van a obtener una mejora importante en la

- Formacin de los Ingenieros del Conocimiento: Es uno de los problemas importantes con llo del proyecto. los que se va a encontrar el desarro-

En este nanciero,

caso particular la formacin relativa al entorno -fial ser una operativa generalmente conocida, no ofrece

grandes dificultades para que el Ingeniero del Conocimiento pueda dialogar con los expertos.

Las tcnicas psicolgicas para la extraccin del conocimiento no plantean grandes dificultades. Una buena parte de la informa-

cin, puede estar escrita, y a travs de tcnicas de entrevistas convencionales, podra irse mentario sobre el proyecto. adquiriendo el conocimiento comple-

En cuanto a tcnicas estadsticas y de Investigacin Operativa a utilizar el Ingeniero del Conocimiento, debera estar familiarizado con tcnicas no paramtricas de las llamadas de particin recursiva para clasificar variables as como el manejo de

rboles de decisin.

Posiblemente la formacin en sentacin del

las nuevas

tecnologas: Repreentornos de

conocimiento, utilizacin

de nuevos

programacin, utilizacin de "hardware"

especfico, etc. le po-

236

dr ocupar una cin.

parte importante del tiempo dedicado a su -forma-

Sin embargo con-forme vaya los problemas

incrementndose la

complejidad de

a resolver se ir

invirtiendo las necesidades de

-formacin, teniendo especial cas que

relevancia las tcnicas psicolgi-

permitan la extraccin del conocimiento de los expertos

y su consistencia.

- Ubicacin del Sistema Experto: En este caso el Sistema sera de uso general, por lo que se

encontrara ubicado en todas las o-ficinas, estando a la disposicin del personal responsable de riesgos en cada una de ellas. la inter-faz

Posiblemente en etapas posteriores de usuario adecuada, podra ser

y desarrollando utilizado

directamente por el

propio peticionario del prstamo.

- Determinacin de recursos humanos y plazos de desarrollo. Dadas las caractersticas ya analizadas del proyecto a desa-

rrollar, el Sistema lo podemos clasificar como de di-ficultad moderada.

Por consiguiente, ser:

el nmero de personas

a participar en l,

1 Experto 1 Ingeniero de Conocimiento

237 1 Programador o Ingeniero jnior

La duracin

para llegar a disponer

del prototipo de produc-

cin podr ser de 8 meses, d icac iones: Experto

lo cual supondra en base a unas de-

757. de su tiempo 757. de su tiempo 1007. de su tiempo el

6 meses 6 meses 8 meses

Ingeniero del Conocimiento Programador o Ing. jnior En total

el desarrollo para alcanzar

prototipo de campo

requerir 20 meses/hombre, lgicamente del equipo.

sin incluir la -formacin

- Plan de evaluacin:

Como ya se

coment, es uno de

los aspectos fundamentales en

la definicin de dicho plan.

Esta evaluacin -funcin de Riesgos

debera ir dirigida a los responsables de la de la entidad -financiera, que son los que

tendrn que decidir si

el nivel de riesgo alcanzado con la uti-

lizacin del prototipo es suficiente para su uso generalizado.

Los niveles de riesgo aceptables deben ser especificados claramente y en ese momento, ningn caso sern superiores debiendo quedar a los existentes en el estndar,

claramente definido

que debe ser realista.

El Ingeniero del Conocimiento debe definir el tipo de pruebas que se realizarn para evaluar el sistema, siendo responsabili-

dad del experto la seleccin

de los mismos en

base a los ca

contemplados en el desarrollo del sistema.

- Balance econmico del Sistema Experto:

Distinguiremos dos aspectos del presupuesto:

a)

Desarrollo del proyecto hasta

alcanzar

el

prototipo

produce i n. b) Integracin del prototipo de produccin en el entorno

produccin, necesario en cada caso.

a) 1* Fase. Las inversiones en: - "Hardware" Mquina para desarrollo del Sistema Experto (2-3 estaciones) 5.D00.D00,- pts.

- "So-ftware" Entorno de programacin para desarrollo del sistema tipo KEE, ART , 7.DDO.000,- pts.

Personal

Costos de las personas

involucradas

en el desarrollo, teniendo en cuenta su per-fil, podramos establecer

239 5.000.000 ao/hombre. Como la duracin estimada es de 20 meses/hombre, el costo resultante es de 8.750.000,- pts.

Si consideramos que el "hardware" y "software" adquiridos deben utilizarse para desarrollar posteriormente otros Sistemas

Expertos y que

los plazos medios de amortizacin de dicho mate-

rial, se pueden establecer en 40 meses, se aplicara a este proyecto un coste de 1/5 del total en cuanto a "hardware" y "soft-

ware", lo cual sera 4.200.000,- ptas.

Es decir el costo

por este concepto ms los gastos de perso-

nal seran 15 mil Iones de pesetas.

- Costos -funcionamiento:

Comprendern sumibles,

la parte correspondiente

a los materiales, con-

usos de material

informtico, y podemos evaluarlos en

un 157., lo cual significara unos 2 mi 1 Iones de pesetas.

El costo total estimado de esta primera fase, podra pues estimarse en unos 15 mil Iones de pesetas.

23 Fase

Los costos de la 2i

fase dependern en cada caso de la arqui-

tectura informtica de la Institucin Financiera.

240

Las partidas principales a considerar seran: - "Software" de integracin del Sistema Experto. - "Software" para la explotacin del Sistema Experto en un entorno distinto del de desarrollo. - "Hardware" para explotacin del Sistema Experto, normalmente a partir de una configuracin de un PC-XT, con 640 Kbytes y 10 megabytes en disco duro. - Costos de lneas de comunicacin. - Mantenimiento del "software" de aplicacin. - Costos de funcionamiento.

Es muy

difcil evaluar estas partidas

dada la situacin ac-

tual de la explotacin en produccin de Sistemas Expertos.

Etapa 5: Aceptacin por la Direccin y usuarios del Sistema Experto.

241

Fase 11: Diseo de la Ingeniera del Conocimiento y Construccin del Prototipo.

Etapa 1; Adquisicin del conocimiento por el Ingeniero del Conocimiento.

En el problema que estamos considerando, gran parte del conocimiento se encuentra escrito en normativa y metodologa que

concede crditos en base

a la evaluacin de una serie de varia-

bles a las que se les asignan puntos.

Las variables que son consideradas en esta metodologa son:

- Nombre del cliente - DNI del cliente - Antigedad del cliente - Saldo medio de sus cuentas - Saldo actual - Deudas con la entidad - Pro-fesin - Destino del prstamo - Tipo de bienes que posee - Edad - Clase de cuentas que mantiene - Antigedad como cliente - Relacin de saldos de las distintas cuentas - Relacin de deudas-cuanta - Cump1imentacin del pago de otros prstamos

242

La

forma en que estas

variables

estn interrelacionadas se

expresa en -forma

de reglas, que asignan valores a la cumpl inven-

tacin de cada una de ellas.

La tcnica utilizada para extraer el conocimiento del experto ha sido la entrevista, lo cual ha servido para detectar que esta metodologa es incompleta y es necesario determinar un modelo

estadstico que permita ajustar mejor la relacin entre las distintas variables.

Por ejemplo,

tmese una extensin del uso de Sistemas Exper-

tos en su aplicacin a prstamos personales o pequeos prstamos como pueden ser momento, para los concedidos a tarjetas evaluar las solicitudes se de anlisis de crdito. Hasta el utilizan normalmente discriminante. Estos

mtodos estadsticos del tipo mtodos asignan puntos a cada

caracterstica del solicitante o

bien evalan una -funcin lineal de estas caractersticas. Si stas tienen ms de lineal un determinado nmero de puntos o la -funcin el crdito es

sobrepasa un valor determinado,

entonces

aprobado; sino, es rechazado.

El

uso de esta metodologa,

tiene

varias desventajas: (EI-

SE77) las -funciones lineales que evalan el mrito de la solicitud suponen que las caractersticas de los solicitantes, como

sueldo, antigedad en el trabajo, tipo de residencia, etc., pueden tomar cualquier con una distribucin valor, y que adems se comportan de acuerdo normal, lo cual no sucede en la realidad.

243 Adems, muchas caractersticas si o no, como sera supuesto, la cin, importantes tienen slo valores

"vive en casa propia". Al no cumplirse este eficiente de la informa-

metodologa no hace uso

y las pruebas estadsticas

que determinan porcentajes de valor esperado de las

solicitud

correctamente asignadas y el

prdidas por errores de clasificacin no puede evaluarse correctamente.

Ad ic ionalmente, utilizando -funciones cisarse cuales son las

lineales, no puede pre-

razones por las que un crdito pueda ser

rechazado. Por ltimo, una vez desarrollado este tipo de modelo, es muy di-fcil hacer modificaciones por cambios en la poblacin sin tener que desarrollar el modelo desde el

de solicitudes principio.

Como respuesta a este tipo de problemas se puede tomar un enfoque distinto de solucin.

Este enfoque no puestos de

debe ser paramtrico para no depender de su-

normalidad, debe estar formulado en trminos de mary reglas bien definidas y debe ser fcilmente

cos de referencia ap1icable.

Un camino a

seguir es utilizar una combinacin de rboles de (junto con algunas consideraciones

clasificacin para determinar

de marketing y crditos) el conjunto de reglas para otorgar crditos y un Sistema Experto para evaluar cada una de las solici-

tudes que se presenten.

244

Para desarrollar solicitudes bsica: macin

un Sistema Experto que dos

evalu este tipo de tipos de informacin

de crditos, se utilizan

primero, informacin personal, que se compone de infordemogrfica (tiempo de residencia en un domicilio, tipo

de trabajo, antigedad, etc.) e informacin financiera, y segundo informacin sobre la historia de crditos del solicitante.

Esta informacin

se compara con la

definicin

que el Banco

tiene realizada del "buen cliente".

La

mejor forma de representar

este conocimiento es mediante

marcos en la

base de conocimiento del Sistema Experto. Como obsobre la historia de crditos del cliente es informacin que no

tener informacin costosa, dado existe en

que se tiene que

investigar

la solicitud, ni en

los sistemas informticos tradidisear para resolver el

cionales, el

Sistema Experto se puede

problema en dos etapas.

Primero,

encontrar aquellas

solicitudes que

muestran

alta

probabilidad de ser aprobadas utilizando informacin demogrfica y financiera contenida en la solicitud, y despus evaluar la

historia de crditos solamente de estas solicitudes.

Al poner

en marcha el modelo, es importante evaluar constan-

temente que el Sistema Experto se comporte como se supuso al momento de disearlo. Usando un rbol de decisin, es posible ob-

servar constantemente el Sistema e ir modificando algunas reglas de decisin conforme sea necesario. Normalmente las reglas que

245 corresponden a las ramas terminales del rbol son -fciles de modificar sin que afecte a todo el modelo.

La tcnica estadstica que se ajusta mejor a la resolucin de este problema es la regresin por particin recursiva que se indica a continuacin:

La regresin por particin recursiva, a veces llamada rboles de clasificacin ramtrica junto de y regresin, es una tcnica estadstica no pa-

que permite establecer reglas para clasificar un conobservaciones en una serie de categoras. El resultado de reglas de la forma: si el vaB es mayor que Y y C es

de esta tcnica es un conjunto lor de A

es menor que X y el valor de

menor que... etc.

La manera de obtener este conjunto de reglas es partiendo recursivamente el espacio de las observaciones en dos parte cada

vez, de forma que la

separacin coloque en cada una de las par-

tes observaciones que sean lo ms parecidas posibles entre s.

Para lograr esto se mera variable y

ordena la muestra de acuerdo con la priobservacin del lado iz-

se coloca la primera

quierdo y las n-1 restantes del lado derecho, y se evala la impureza de la divisin con una medida de dispersin -como puede

ser la varianza- de cada lado. Luego se colocan las primeras dos observaciones del lado izquierdo y las restantes n-2 del lado

derecho, y se evala la impureza. Se contina hasta que se coloquen n-1 observaciones cho. La particin del lado izquierdo y una del lado dere-

ptima de acuerdo con la primera variable co-

246

rresponde a aquella que minimice la medida de impureza.

Una vez terminado

el proceso con la primera variable, se or-

dena la muestra de acuerdo con la segunda variable, y se obtiene la particin ptima de acuerdo con sta. El proceso se repite ptima

hasta haber evaluado todas las variables. La particicin ser de acuerdo la variable que tenga la za.

menor medida de impure-

Una vez encontrada divide la muestra

la variable y el

punto

de particin, se

en dos partes. Entonces

cada parte se evala

recursi vamente como si -fuera la muestra total.

En cada paso muestra como la dividir y la

se evala la "ganancia" obtenida por dividir la di-ferencia entre la impureza de la muestra sin

medida de impureza de

la muestra obtenida despus

de hacer la divisin.

Este proceso observaciones

se repite recursivamente hasta que el nmero de en las submuestras sea muy reducido; la ganancia vez ms es insignifi-

que se obtiene al

dividir la muestra una

cante o la medida de impureza es muy pequea.

Una vez construido el rbol, una serie de observaciones van a "caer" en cada uno de los nodos terminales.

Para clsi-ficar estas observaciones se calculan las probabilidades (bayesianas) de que una observacin pertenezca a cada una

247 de las categoras, dado que "cay" en el nodo terminal mencionado. El conjunto de observaciones que cay en cada nodo se clasifica en la categora que corresponde a la mxima probabilidad.

Generalmente,

el conjunto de reglas el rbol obtenido al

de clasificacin que se final de proceso de

obtienen utilizando particin

son muy ineficientes. Para

evitar este problema, una

vez obtenido el rbol, dacin rbol.

se utiliza una muestra de prueba o vali-

cruzada para optimizar la capacidad de clasificacin del

Para lograr esto (que puede ser

se mide la tasa

de clasificacin del rbol el rbol se reduce

un simple porcentaje). Luego de la cual se

evitando la participacin

obtuvo la menor ganan-

cia, y se evala de nuevo la tasa de clasificacin. Se repite el proceso hasta que el pondiente rbol tenga slo un nodo (el nodo corresptimo

al conjunto total de

observaciones). El rbol

es aquel que tiene l nmero de nodos que clasifica correctamente el mayor nmero de observaciones de la muestra de prueba.

Utilizando este ptesis acerca

mtodo se pueden adems hacer pruebas de hisistema para clasificar co-

de la habilidad del

rrectamente. Se pueden encontrar

igualmente los costos esperados

por mala clasificacin, por ejemplo, en el contexto de solicitudes de crdito, los costos esperados del riesgo de aceptar una

mala solicitud o rechazar una buena.

Otra buena caracterstica de

este mtodo es el que si la po-

blacin cambia es posible modificar el Sistema Experto cambiando

248

slo algunos nodos del rbol, sin tener que evaluar el modelo de nuevo.

Etapa 2; Representacin del Conocimiento.

En una primera aproximacin la representacin del conocimiento que mejor se ajusta a las reglas.

Los

distintos conjuntos reglas que

se

han identificado son

los siguientes:

- Concesin del crdito

(razonamiento)

- Antigedad como cliente - Clases de cuentas - Destino del crdito - Edad del cliente - Pro-fesin del cliente - Cuanta de saldo actuales - Relacin deudas/saldo medio - Relacin de saldos - Tipo de bienes - Cumplimiento en el pago de prstamos.

Aunque

la representacin de conocimiento que se ha selecciosin embargo se puede pensar que la estructura

nado es la regla,

de marcos puede ser muy apropiada para resolver este problema.

Los marcos representan

el modelo de condiciones a las que se

24? debera ajustar el peticionario del prstamo y mediante una base de metarreglas, se analizarn las posibles desviaciones en las

distintas variables que hemos considerado.

Etapa 5: Desarrollo del prototipo.

El "so-ftware" prototipo es el 1108.

que vamos a utilizar LOOPS, y se construir

para la construccin del sobre una mquina XEROX

El objetivo que se persigue con la construccin del prototipo es la ver i f icac i n de resultados que ap1 ica. que es posible alcanzar con el mismo, los con la metodologa que

hoy obtiene el experto

Esta prueba, nos permitir posteriormente pasar del prototipo de demostracin al produce i n. prototipo de investigacin, y de ah al de

El

prototipo elaborado se especifica a continuacin, ha perunos resultado anlogos a los obtenidos por el

mitido obtener

experto actualmente en casos muy simples.

El proceso de re-fino del prototipo, incluyendo los modelos de ajuste de variables, permitir la mejora del mismo.

DEFCLASS Persona <InstanceVariables (Nombre NIL) (NI O) (Cuanta 0) (ClienteAntiguo NIL) (SaldoMedio O) (SaldoActual O) (Debito 0) (Pro-fesin NIL Puntos 0) (DestinoPrestamo NIL Puntos D) (TipoBienes NIL Puntos 0) (Edad D Puntos D) (ClaseCuentas NIL Puntos D) (AntiguedadCliente 0 Puntos 0) (RelacinSaldos 0 Puntos 0) (RelacinCuantaSaldo 0 Puntos 0) (RelacinDebitoCuanta 0 Puntos 0) (Cump1imientoPrestamos NIL Puntos 0) (PuntuacinFinal 0) (Concesin NIL)))

RuleSet Persona.Coneesi nCrd i to

THEN .Inicio; THEN (PRINTOUT T "Nombre y Apellidos ==>") Nombre (READ); THEN (PRINTOUT T "DNI = =>") DNI (READ); THEN (PRINTOUT T "Edad ==>") Edad (READ); THEN (PRINTOUT T "Cuanta solicitada ==>") Cuanta (READ); THEN ClienteAntiguo .Antigedad; THEN Pro-fesin . LeePro-fesi n . PuntosPro-f esi n ; THEN DestinoPrstamo .LeeDestino .PuntosDestino; THEN TipoBienes .LeeTipoBienes .PuntosTipoBienes; THEN .PuntosEdad; THEN ClaseCuentas .LeeClaseCuentas .PuntosClaseCuentas; IF ClienteAntoiguo THEN (PRINTOUT T "Nmero de aos como cliente ==>") AntiguedadClientee (READ) .PuntosAntiguedadCli ente; IF Cl ienteAntiguo THEN Re ac i nSal dos (FOUDTIENT Saldotiedio SaldoActual); THEN .PuntosRelacinSaldos; IF ClienteAntiguo THEN ReacinCuantaSaldo (FOUOTIENT Cuanta Saldohedio); THEN .PuntosRelacinCuantaSaldo; IF ClienteAntiguo THEN ReacinDbitoCuanta (FOUDTIENT Dbito Cuanta); THEN .PuntosRelacinDbitoCuantia; THEN .PuntosCumplimientoPrestamos; THEN (PRINTOUT T "PUNTUACIN OBTENIDA : " PuntuacinFinal T ) ; IF PuntuacinFinal > 30 THEN Concesin T (PRINTOUT T "Le ha sido concedido el crdito"); IF (NOT Concesin) THEN (PRINTOUT T "No le ha sido concedido el crdito"); THEN (during 10000 d o ) ; THEN .Final;

RuleSet Persona.PuntosAntiguedadCli ente IF AntiguedadCliente <= 1 THEN AntiguedadCli ente: ,Puntos PuntuacinFinal PuntuacinFinal + IF AntiguedadCliente <= 5 THEN AntiguedadCliente:,Puntos PuntuacinFinal PuntuacinFinal + IF AntiguedadCliente >= 6 Then AntiguedadCliente:,Puntos PuntuacinFinal PuntuacinFinal + 1 1; 2 2; 3 3:

253 RulesSet Persona.PuntosClaseCuentas

IF ClaseCuentas = "PlazoConOSinLibreta THEN ClaseCuentas: ,Puntos 4 PuntuacinFinal PuntuacinFinal + 4; IF ClaseCuentas = "SoloLibreta THEN ClaseCuentas:,Puntos 2 PuntuacinFinal PuntuacinFinal + 2; IF ClaseCuentas = "LibretaYCuentaCorriente THEN ClaseCuentas: ,Puntos 3 PuntuacinFinal PuntuacinFinal + 3; IF ClaseCuentas = "SoloCuentaCorriente THEN ClaseCuentas: ,Puntos 2 PuntuacinFinal PuntuacinFinal + 2;

RuleSetPersona.PuntosDesti no IF DestinoPrstamo = 'IndustriaComercio THEN DestinoPrstamo: ,Punto5 1 PuntuacinFinal PuntuacnFinal + 1; IF DestinoP'restamo = "AdquisicinCoche THEN DestinoPrstamo: ,Puntos 2 IF DestinoPrstamo = 'AdquisicinVivienda THEN THEN Destino Prstamo:,Puntos 3 IF DestinoPrstamo = 'ArregloVivienda THEN DestinoPrstamo: ,Puntos 4 IF DestinoPrstamo = 'AgricultorGanadera THEN Destino Prstamo:,Puntos 5 IF DestinoPrstamo = ' Nobi 1 iarioHogar THEN DestinoPrstamo: ,Puntos 6 PuntuacinFinal + 6; IF DestinoPrstamo = 'ConsumoVarios THEN DestinoPrstamo: .Puntos 7 PuntuacinFinal PuntuacinFinal + 7;

RuleSerPersona.PuntosEdad IF Edad <= 26 THEN Edad:,Puntos 1 PuntuacinFinal PuntuacinFinal + 1; IF Edad <= 34 THEN Edad:,Puntos 4 PuntuacinFinal PuntuacinFinal + 4; IF Edad <= 46 THEN Edad:,Puntos 4 PuntuacinFinal PuntuacinFinal + 4; IF Edad <= 54 THEN Edad:,Puntos 3 PuntuacinFinal PuntuacinFinal + 3; IF Edad > 55 THEN Edad:,Puntos 1 PuntuacinFinal PuntuacinFinal + 1;

RuleSetPersona. PuntosPro-fesin

IF Profesin = ' ObreroSinCualifi car Then Profesi n :, Puntos PuntuacinFinal PuntuacinFinal + 1; IF Profesin = 'DbreroCualificado THEN Profesin:,Puntos 2 PuntuacinFinal PuntuacinFinal + 2; IF Profesin = 'ComercianteAmaDeCasa THEN Profesin: ,Puntos 3 PuntuacinFinal PuntuacinFinal + 3; IF Profesin = 'OficinistaFuncionarioMi1 itar THEN Profesin: ,Puntos 4 PuntuacinFinal PuntuacinFina1 + 4; IF Profesin = ' TituladoUniversitario THEN Profesin: .Puntos 5 PuntuacinFina 1 PuntuacinFinal + 6;

RuleSetPersona.PuntosRelaci nCuantaSaldo IF (NOT ClienteAntiguo) THEN ReacinCuantaSaldo:,Puntos 1 PuntuacinFinal PuntuacinFinal + 1 IF RelacinCuantiaSaldo <= 4 THEN ReacinCuantaSaldo: ,Puntos 5 PuntuacinFinal PuntuacinFinal + 5; IF RelacinCuantiaSaldo <= 10 THEN RelacinCuantiaSaldo: ,Puntos 4 PuntuacinFinal PuntuacinFinal + 4; IF RelacinCuantaSaldo<= 50 THEN RelacinCuantiaSaldo: ,Puntos 3 PuntuacinFinal PuntuacinFinal + 3; IF RelacinCuentaSaldo > 50 THEN RelacinCuantiaSaldo: ,Puntos 2 PuntuacinFinal PuntuacinFinal + 2;

RuleSetPersona.PuntosRelac i nDeb i toCuanta IF RelacinDebitoCuanta = 0.0 THEIM Re ac i nDeb i toCuant a: ,Puntos 4 PuntuacinFinal PuntuacinFinal + 4; IF RelacinDebitoCuanta <= 0.25 THEN ReacinDebitoCuanta: ,Puntos 3 PuntuacinFinal PuntuacinFinal + 3; IF RelacinDebitoCuanta <= 0.5 THEN ReacinDebitoCuanta: ,Puntos 2 PuntuacinFinal PuntuacinFinal + 2; IF RelacinDebi toCuant a > 0.5 THEIM Re ac i nDeb i toCuant a : ,Punto5 1 PuntuacinFinal PuntuacinFinal + 1;

259 RuleSetPersona.PuntosRelacidnSaldos IF (NOT ClienteAntiguo) THEN ReacinSaldos:,Puntos 1 PuntuacinFinal PuntuacinFinal + IF RelacinSaldos <= 0.15 THEN ReacinSaldos:,Puntos 4 PuntuacinFinal PuntuacinFina1 + IF RelacinSaldos <= 0.99 THEN ReacinSaIdos:,Puntos 3 PuntuacinFinal PuntuacinFinal + IF RelacinSaldos > 1 THEN ReacinSaldos:,Puntos 2 PuntuacinFinal PuntuacinFinal +

1 4 3 2

RuleSetPersona.PuntosTipoBienes IF TipoBienes = 'SinBienes THEN TipoBienes:,Puntos 1 PuntuacinFinal PuntuacinFinal + 1; IF TipoBienes = 'Inmuebles THEN TipoBienes:,Puntos 3 PuntuacinFinal PuntuacinFinal + 3; IF TipoBienes = 'Rsticas THEN TipoBienes:,Puntos 4 PuntuacinFinal PuntuacinFinal + 4; IF TipoBienes = ' IndustriaComercio THEN TipoBienes: ,Puntos PuntuacinFinal PuntuacinFinal + 6; IF TipoBienes = 'ValoresConOSinOtrosBienes THEN TipoBienes: ,Puntos 5 PuntuacinFinal PuntuacinFinal + 5; IF TipoBienes = 'SoloVehiculosOVarios THEN TipoBienes: .Puntos 2 PuntuacinFinal PuntuacinFinal + 2;

RuleSetPersona.PuntosCump1imientoPrstamos IF Cump 1 imientoPr estamos = 'Per-fecto THEN CumplimientoPrstamos:,Puntos 4 PuntuacinFinal PuntuacinFinal + 4; IF CumplimientoPrstamos = 'PequeosRetrasos THEN Cump.l imientoPr estamos: , Puntos 2 Puntuac i nFinal Puntuac i nFinal 2; + IF CumplimientoPrestamos = 'GrandesRetrasos THEN CumplimientoPrestamos:,Puntos 1 PuntuacinFinal PuntuacinFinal + 1; IF CumplimientoPrestamos = 'SinPrestamos THEN Cump1imientoPrestamos:,Puntos 2 PuntuacinFina1 PuntuacinFinal + 2;

262

Las

-fases siguientes de elaboracin

del

Sistema Experto se

encuentran en -fase de desarrollo, a saber:

- Fase III. Construccin de la versin de produccin.

El prototipo de produccin nos permitir identificar

las fun-

ciones que debe incluir este Sistema Experto as como su alcance definitivo. La evaluacin de los "cuantos" de conocimiento que

deber contener la base de conocimiento y forma definitiva, permitrn elaborar Sistema Experto. el plan que decidir la configuracin final del

Un aspecto importante a sealar en esta fase es el diseo ltimo de la interfase trate el de usuario. El disponer de un mdulo que

lenguaje natural, en especial, si este Sistema Experto a estar a disposicin para hacer de clientes para que podrn solicitar

en el futuro va utilizarlo tanto prstamos a cindible.

simulaciones como

travs de un dispositivo

adecuado, se hace impres-

Una funcin que tambin podra pensarse que estuviera incluida en el Sistema final, sera la de formacin de expertos, lo

cual requerir a su clusin

vez una interfaz diferente, as como la in-

en el Sistema Experto de funciones de retroalimentac in

de las bases de conocimiento para esta funcin.

263

- Fase IV. Comprobacin -final del sistema e integracin del mismo en produccin.

Evidentemente, tal como se ha expuesto la definir la justificacin del sistema que nos ocupa, se plantea la difusin del conocimiento de los expertos en toda la red de oficinas de la en-

tidad financiera. Esto requiere la integracin del sistema en el entorno de produccin general de la misma.

El sistema que especfico

se ha desarrollado se encuentra en un entorno cual evidentemente no se

de programacin, sobre el

puede explotar, con los requerimientos de un rendimiento definido. Surge entonces el problema de la transportabi 1idad del sisentorno de produccin. Este es uno de los

tema construido, al puntos que se

encuentran hoy en estudio, respecto a las facilipaso sea lo ms simple, rpido y al manteniendo las facilidades de

dades que permitan que este menor

costo posible, y siempre

modificacin de la base de conocimiento con nuevas normas o perfeccionamientos del conocimiento all almacenado.

En el caso que se estudia, el prototipo de demostracin desarrollado est codificado en INTERLISP y ya se indic que en su

desarrollo se realiz en un entorno LOOPS.

Evidentemente este entorno no accesos masivos y tiempos de

permitira la

explotacin con

respuestas

adecuados, ni tampoco

parece indicada una explotacin centralizada del mismo.

264

En el escenario sobre el cual se realizar su explotacin parece ms adecuado avanzadas. En el uso de un ordenador personal con -funciones de desarrollo ms adeLISP, por lo cual

este entorno, el lenguaje

cuado ser la versin

de LISP, GOLDEN C0I1MDN

se realiz una prueba de transportabi 1idad del prototipo indicado de INTERLISP a COMMON LISP, en el laboratorio de Inteligencia Artificial mistas de la U.P.Ii., siendo los resultado alcanzados opti-

respecto al futuro de

la transportabi 1idad. Se acompaa

listado de esta prueba en este anexo.

El desarrollo de la interfase de usuario en este nuevo entorno, puede ser evidentemente un problema, ya que el entorno de difciles de

programacin ofrece unas facilidades

estndar ms

encontrar en los entornos habituales de mecanizacin de las oficinas bancarias.

El acceso en la red

a las bases de

datos corporativas, la integracin organizacin y ergonoma del en el futuro y

de comunicaciones y la

puesto son temas que

tendrn que ser estudiados

sern indispensables para el xito del sistema propuesto.

Evidentemente,

queda fuera del desarrollo

de

esta Tesis el a su vez ser

abordar estos puntos, alguno

de los cuales podra

objeto de investigacin en futuras tesis y que podra significar un paso importante sector financiero. para la asimilacin de esta tecnologa en el

CAIXA.LSP (DEFVAR PERSONA) (DEFVAR VENTANA (MAKE-WINDOW-STREAM)) (DEFUN INICIO NIL

(PUTPROP 'PERSONA O 'PUNTUACIN) (PUTPROP 'PERSONA NIL (PUTPROP 'PERSONA 3000 (PUTPROP 'PERSONA O 'CONCESIN) 'SALDOMEDIO)

'DEBITO)

(PUTPROP 'PERSONA 'PERFECTO 'CUMPLIMIENTOPRESTAMOS) (PUTPROP 'PERSONA 4000 'SALDOACTUAL))

266 (DEFUN CONCESIONCREDITO NIL (INICIO) (SEND VENTANA :CLEAR-SCREEN) "NOMBRE ==> ")

(SEND VENTANA :WRITE-STRING

(PUTPROP 'PERSONA (READ VENTANA) 'NOMBRE) (SEND VENTANA :WRITE-STRING "PRIMER APELLIDO ==> PRIMERAPELLIDO) ")

(PUTPROP 'PERSONA (READ VENTANA) (SEND VENTANA :WRITE-STRING

"SEGUNDO APELLIDO ==> ") 'SEGUNDOAPELLIDO)

(PUTPROP 'PERSONA (READ VENTANA) (SEND VENTANA :WRITE-STRING

"EDAD ==> *; 'EDAD)

(PUTPROP 'PERSONA (READ VENTANA) (SEND VENTANA :WRITE-STRING

"DNI ==> ") 'DNI) ==> ")

(PUTPROP 'PERSONA (READ VENTANA) (SEND VENTANA :WRITE-STRING

"CUANTA SOLICITADA 'CUANTA) 'CLIENTEANTIGUO) 'PROFESIN)

(PUTPROP 'PERSONA (READ VENTANA) (PUTPROP 'PERSONA (ANTIGEDAD) (PUTPROP 'PERSONA (LEEPROFESION) (PUNTOSPROFESION) (PUTPROP 'PERSONA (LEEDESTINO) (PUNTOSDESTINO) (PUTPROP 'PERSONA (LEETIPOBIENES) (PUNTOSTIPOBIENES) (PUNTOSEDAD) (COND ((GET 'PERSONA

'DESTINOPRESTAMO)

'TIPOBIENES)

'CLIENTEANTIGUO) 'CLASECUENTAS)

(PUTPROP 'PERSONA (LEECLASECUENTAS) (PUNTOSCLASECUENTAS) (SEND VENTANA :CLEAR-SCREEN)

(SEND VENTANA :WRITE-STRING

"NUMERO DE ANOS COMO CLIENTE ==> 'ANTIGUEDADCLIENTE)

")

(PUTPROP 'PERSONA (READ VENTANA) (PUNTOSANTIGUEDADCLIENTE) (PUTPROP 'PERSONA (/ (GET 'PERSONA (GET 'PERSONA 'RELACIONSALDOS)) (T NIL))

'SALDOMEDIO) SALDOACTUAL))

(PUNTOSRELACIONSALDOS) (COND ((GET 'PERSONA 'CLIENTEANTIGUO) (GET 'PERSONA (GET 'PERSONA 'RELACIONCUANTIASALDO)) (T NIL)) 'CUANTA) 'SALDOMEDIO))

(PUTPROP 'PERSONA (/

(PUNTOSRELACIONCUANTIASALDO) (COND ((GET 'PERSONA 'CLIENTEANTIGUO) (GET 'PERSONA (GET 'PERSONA 'RELACIONDEBITOCUANTIA) (PUNTOSRELACIONDEBITOCUANTIA) (PUNTOSCUMPLIMIENTOPRESTAMOS)) (T NIL)) :CLEAR-SCREEN) 'DEBITO) 'CUANTA))

267

(PUTPROP 'PERSONA (/

(SEND VENTANA (TERPRI (TERPRI (TERPRI

VENTANA) VENTANA) VENTANA)

(TERPRI VENTANA) (SEND VENTANA :VRITE-STRING " PUNTUACIN OBTENIDA : ")

(PRINC (GET 'PERSONA 'PUNTUACIN) VENTANA) (TERPRI (TERPRI (TERPRI VENTANA) VENTANA) VENTANA) (GET 'PERSONA 'PUNTUACIN) 30)

(COND ((>

(PUTPROP 'PERSONA T

'CONCESIN) "LE HA SIDO CONCEDIDO EL CRDITO")) CRDITO")))

(SEND VENTANA :WRITE-STRING (T (SEND VENTANA .-WRITE-STRING (TERPRI VENTANA) (TERPRI NIL) (DEFUN LEECLASECUENTAS NIL (SEND VENTANA (PRINC (TERPRI (TERPRI " :CLEAR-SCREEN) VENTANA)

"NO LE HA SIDO CONCEDIDO EL

CLASE DE CUENTAS QUE POSEE" VENTANA)

VENTANA) VENTANA) "1 : A PLAZO CON O SIN LIBRETA")

(SEND VENTANA :WRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

(SEND VENTANA :ltRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

"2 : SOLO

LIBRETA")

(SEND VENTANA :WRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

"3 : LIBRETA

Y CUENTA CORRIENTE")

(SEND VENTANA :WRITE-STRING (TERPRI VENTANA)

"4 : SOLO CUENTA CORRIENTE")

(TERPRI

VENTANA)

268

(TERPRI VENTANA) (SEND VENTANA :WRITE-STRING (PROG {(OPCIN (READ (RETURN (COND ((= OPCIN 1) ((= OPCIN 2) ((= OPCIN 3) ((= OPCIN 4) (T 'PLAZOCONOSINLIBRETA) 'SOLOLIBRETA) 'LIBRETAYCUENTACORRIENTE) SOLOCUENTACORRIENTE) "OPCIN ELEGIDA: ")

VENTANA)))

(LEECLASECUENTAS)))))) NIL :CLEAR-SCREEN)

(DEFUN LEEDESTINO (SEND VENTANA (PRINC (TERPRI (TERPRI "

DESTINO DEL CRDITO" VENTANA)

VENTANA) VENTANA) "1 : INDUSTRIA O COMERCIO")

(SEND VENTANA :WRITE-STRING (TERPRI VENTANA) (TERPRI VENTANA) (SEND VENTANA :WRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

"2 : ADQUISICIN

DE COCHES")

(SEND VENTANA :WRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

"3 : ADQUISICIN

DE

VIVIENDA")

(SEND VENTANA :WRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

"4 : ARREGLO DE

VIVIENDA")

(SEND VENTANA :14RITE-STRING (TERPRI VENTANA)

"5 : AGRICULTURA O GANADERA")

(TERPRI VENTANA) (SEND VENTANA :WRITE-STRING (TERPRI VENTANA) "6 : MOBILIARIO Y HOGAR")

(TERPRI VENTANA) (SEND VENTANA -.WRITE-STRING "7 : CONSUMO Y (TERPRI (TERPRI (TERPRI VENTANA) VENTANA) VENTANA) "OPCIN ELEGIDA: ") VARIOS")

(SEND VENTANA :WRITE-STRING

(PROG ((OPCIN (READ VENTANA))) (RETURN (COND ((= OPCIN 1) 'INDUSTRIACOMERCIO)

((- OPCIN 2) ((= OPCIN 3) (('- OPCIN 4) ((OPCIN 5)

ADQUISICIONCOCHE) 'ADQUISICIONVIVIENDA) 'ARREGLOVIVIENDA) 'AGRICULTURAGANADERIA) 'MOBILIARIOHOGAR) 'CONSUMOVARIOS)

269

((= OPCIN 6) ((= OPCIN 7) (T

(LEEDESTINO))))))

(DEFUN LEEPROFESION NIL (SEND VENTANA (PRINC (TERPRI (TERPRI " :CLEAR-SCREEN)

PROFESIN" VENTANA)

VENTANA) VENTANA) "1 : OBRERO SIN CUALIFICAR")

(SEND VENTANA .-WRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

(SEND VENTANA : WRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

"2 : OBRERO CUALIFICADO")

(SEND VENTANA :WRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

"3 : COMERCIANTE O AMA DE CASA")

(SEND VENTANA :WRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

"4 :

OFICINISTA/FUNCIONARIO/MILITAR")

(SEND VENTANA :WRITE-STRING (TERPRI (TERPRI VENTANA) VENTANA)

"5 : TITULADO

UNIVERSITARIO")

(SEND VENTANA :WRITE-STRING (TERPRI (TERPRI (TERPRI VENTANA) VENTANA) VENTANA)

"6 : PATRONO AUTNOMO")

(SEND VENTANA :WRITE-STRING (PROG ((OPCIN (RETURN (CGND ((= OPCIN 1) (7= OPCIN 2) ((= OPCIN 3) ((= OPCIN 4) 7 = OPCIN 5) (READ

"OPCIN ELEGIDA:

")

VENTANA)))

'OBREROSINCUALIFICAR) 'OBREROCUALIFICADO) 'COMERCIANTEAMADECASA) 'OFICINISTAFUNCIONARIOMILITAR) 'TITULADOUNIVERSITARIO)

((= OPCIN 6) 'PATRONOAUTONOMO) (T (LEEPROFESION))))))

(DEFUN LEETIPOBIENES (SEND VENTANA (PRINC "

NIL

:CLEAR-SCREEN)

TIPO DE BIENES QUE POSEE" VENTANA)

(TERPP.I VENTANA) (TERPRI VENTANA) (SEND VENTANA :WRITE-STRING (TERPRI VENTANA) (TERPRI VENTANA) (SEND VENTANA :?JRITE-STRING (TERPRI VENTANA) (TERPRI VENTANA) (SEND VENTANA :WRITE-STRING (TERPRI VENTANA) (TERPRI VENTANA) (SEND VENTANA :WRITE-STRING (TERPRI VENTANA) (TERPRI VENTANA) (SEND VENTANA :WRITE-STRING (TERPRI VENTANA) (TERPRI VENTANA) (SEND VENTANA :V/RITE-STRING (TERPRI VENTANA) (TERPRI VENTANA) (TERPRI VENTANA) (SEND VENTANA :WRITE-STRING (PROG ((OPCIN (RETURN (COND ((= OPCIN 1) 'SINBIENES) (READ "OPCIN ELEGIDA: ") "6 : SOLO VEHCULOS O VARIOS") "5 : VALORES CON O SIN OTROS BIENES") "4 : INDUSTRIA/COMERCIO") "3 : RUSTICAS FUNDAMENTALMENTE") "2 : INMUEBLES FUNDAMENTALMENTE") "1 : SIN BIENES")

VENTANA)))

((= OPCIN 2) 'INMUEBLESFUNDAMENTALMENTE) ((= OPCIN 3) ((= OPCIN 4) ((= OPCIN 5) ((= OPCIN 6) (T 'RUSTICASFUNDAMENTALMENTE) 'INDUSTRIACOMERCIO) 'VALORESCONOSINOTROSBIENES) 'SOLOVEHICULOSOVARIOS)

(LEETIPOBIENES))))))

(DEFUN ANTIGEDAD NIL (SEND VENTANA (PRINC " :CLEAR-SCREEN)

ES USTED ? VENTANA)

(TERPRI VENTANA) (TERPRI l^ENTANA) (SEND VENTANA :WRITE~STRING (TERPRI VENTANA) "1 : CLIENTE NUEVO")

(TERPRI (SEND (TERPRI

VENTANA) VENTANA :WRITE-STRING "2 : CLIENTE ANTIGUO")

271

VENTANA) (TERPRI (TERPRI VENTANA) VENTANA) :WRITE-STRING (READ "OPCIN ELEGIDA: ")

(SEND

VENTANA (PROG

((OPCIN

VENTANA)))

(RETURN (COND ((EQ ((EQ (T OPCIN OPCIN 1) 2) NIL) T)

(ANTIGEDAD)))))) NIL 'ANTIGUEDADCLIENTE) (+ 1 (GET 'PERSONA 1) 'PUNTUACIN))

(DEFUN PUNTOSANTIGUEDADCLIENTE (COND ((<= (GET 'PERSONA 'PERSONA

(PUTPROP

PUNTUACIN)) ((<= (GET 'PERSONA 'PERSONA 'ANTIGUEDADCLIENTE) (+2 (GET 'PERSONA 5) 'PUNTUACIN))

(PUTPROP

'PUNTUACIN)) ((>= (GET 'PERSONA 'PERSONA 'ANTIGUEDADCLIENTE) (+ 3 (GET 'PERSONA 6) 'PUNTUACIN))

(PUTPROP

'PUNTUACIN)))) (DEFUN PUNTOSCLASECUENTAS (COND ((EQ (GET NIL 'CLASECUENTAS) (+ 4 (GET 'PERSONA 'PLAZOCONOSINLIBRETA) 'PUNTUACIN))

'PERSONA 'PERSONA

(PUTPROP

'PUNTUACIN)) ((EQ (GET 'PERSONA 'PERSONA 'CLASECUENTAS) (+ 2 (GET 'PERSONA 'SOLOLIBRETA) 'PUNTUACIN))

(PUTPROP

'PUNTUACIN)) ((EQ (GET 'PERSONA 'PERSONA 'CLASECUENTAS) (+ 3 (GET 'PERSONA 'LIBRETAYCUENTACORRIENTE) 'PUNTUACIN))

(PUTPROP

'PUNTUACIN)) ((EQ (GET 'PERSONA 'PERSONA 'CLASECUENTAS) (+ 2 (GET 'PERSONA 'SOLOCUENTACORRIENTE) 'PUNTUACIN))

(PUTPROP

'PUNTUACIN)))) (DEFUN PUNTOSCUMPLIMIENTOPRESTAMOS (COND ((EQ (GET 'PERSONA 'PERSONA NIL 'PERFECTO) 'PUNTUACIN))

'CUMPLIMIENTOPRESTAMOS) (+ 4 (GET 'PERSONA

(PUTPROP

'PUNTUACIN)) ((EQ (GET 'PERSONA 'PERSONA 'CUMPLIMIENTOPRESTAMOS) (+ 2 (GET 'PERSONA 'PEQUENOSRETRASOS) 'PUNTUACIN))

(PUTPROP

'PUNTUACIN))

((EQ (GET 'PERSONA 'CUMPLIMIENTOPRESTAMOS) GRANDESRETRASOS)272 (PUTPROP 'PERSONA (+ 1 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)) ((EQ (GET 'PERSONA 'CUMPLIMIENTOPRESTAMOS) 'SINPRESTAMOS)

(PUTPROP 'PERSONA (+ 2 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)))) (DEFUN PUNTOSDESTINO NIL (COND ((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'INDUSTRIACOMERCIO)

(PUTPROP 'PERSONA (+ 1 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN) ) ((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'ADQUISICIONCOCHE) (PUTPROP 'PERSONA (+2 'PUNTUACIN)) ((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'ADQUISICIONVIVIENDA) (PUTPROP 'PERSONA (+3 'PUNTUACIN)) ((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'ARREGLOVIVIENDA) (GET 'PERSONA 'PUNTUACIN)) (GET 'PERSONA 'PUNTUACIN))

(PUTPROP 'PERSONA (+4 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'AGRICULTURAGANADERIA) (PUTPROP 'PERSONA (+5 PUNTUACIN)) ((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'MOBILIARIOHOGAR) (GET PERSONA PUNTUACIN))

(PUTPROP 'PERSONA (+ 6 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)) ((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'CONSUMOVARIOS) (PUTPROP 'PERSONA (+ 7 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)))) (DEFUN PUNTOSEDAD NIL (COND ((<= (GET 'PERSONA 'EDAD) 26) (PUTPROP 'PERSONA (+ 1 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)) ((<= (GET 'PERSONA 'EDAD) 34) (PUTPROP 'PERSONA (+4 PUNTUACIN) ) ((<= (GET 'PERSONA 'EDAD) 46) (PUTPROP 'PERSONA (+ 4 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((<= (GET 'PERSONA 'EDAD) 54) (PUTPROP 'PERSONA (+ 3 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) (GET 'PERSONA 'PUNTUACIN))

((> (GET 'PERSONA 'EDAD) 55) (PUTPROP 'PERSONA (+ 1 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)))) (DEFUN PUNTOSPROFESION NIL (COND ((EQ (GET 'PERSONA 'PROFESIN) 'OBREROSINCUALIFICAR)

273

(PUTPROP 'PERSONA (+ 1 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((EQ (GET 'PERSONA 'PROFESIN) 'OBREROCUALIFICADO) (PUTPROP 'PERSONA (+ 2 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)) ((EQ (GET 'PERSONA 'PROFESIN) COMERCIANTEAHADECASA) (PUTPROP 'PERSONA (+ 3 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((EQ (GET 'PERSONA 'PROFESIN) 'OFICINISTAFUNCIONARIOMILITAR)

(PUTPROP 'PERSONA (+ 4 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((EQ (GET 'PERSONA 'PROFESIN) 'TITULADOUNIVERSITARIO) (PUTPROP 'PERSONA (+5 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((EQ (GET 'PERSONA 'PROFESIN) 'PATRONOAUTONOMO)

(PUTPROP 'PERSONA (+6 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)))) (DEFUN PUNTOSRELACIONCUANTIASALDO NIL (COND ((NOT (GET 'PERSONA 'CLIENTEANTIGUO)) (PUTPROP 'PERSONA (+ 1 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN) ) ((<= (GET PERSONA 'RELACIONCUANTIASALDO) 4) (PUTPROP 'PERSONA (+5 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((<= (GET 'PERSONA 'RELACIONCUANTIASALDO) 10) (PUTPROP 'PERSONA (+ 4 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((<= (GET 'PERSONA 'RELACIONCUANTIASALDO) 50) (PUTPROP 'PERSONA (+ 3 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)) ((> (GET 'PERSONA 'RELACIONCUANTIASALDO) 50) (PUTPROP 'PERSONA (+ 2 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)))) (DEFUN PUNTOSRELACIONDEBITOCUANTIA NIL (COND ((= (GET 'PERSONA 'RELACIONDEBITOCUANTIA) 0.0) (PUTPROP 'PERSONA (+ 4 (GET 'PERSONA 'PUNTUACIN))

'PUNTUACIN)) ((<= (GET 'PERSONA 'RELACIONDEBITOCUANTIA) 0.25) (PUTPROP 'PERSONA ( + 3 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((<= (GET 'PERSONA 'RELACIONDEBITOCUANTIA) 0.5) (PUTPROP 'PERSONA (+ 2 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)) ((> (GET 'PERSONA 'RELACIONDEBITOCUANTIA) 0.5) (PUTPROP 'PERSONA (+ 1 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)))) (DEFUN PUNTOSRELACIONSALDOS NIL (COND ((NOT (GET 'PERSONA 'CLIENTEANTIGUO)) (PUTPROP 'PERSONA (+ 1 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((<= (GET 'PERSONA 'RELACIONSALDOS) 0.15) (PUTPROP 'PERSONA (+ 4 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((<= (GET 'PERSONA 'RELACIONSALDOS) 0.99) (PUTPROP 'PERSONA (+3 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((> (GET 'PERSONA 'RELACIONSALDOS) 1) (PUTPROP 'PERSONA (+ 2 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)))) (DEFUN PUNTOSTIPOBIENES NIL (COND ((EQ (GET 'PERSONA TIPOBIENES) 'SINBIENES) (PUTPROP 'PERSONA (+ 1 (GET 'PERSONA 'PUNTUACIN)) PUNTUACIN)) ((EQ (GET 'PERSONA 'TIPOBIENES) 'INMUEBLES)

(PUTPROP 'PERSONA (+ 3 (GET 'PERSONA PUNTUACIN)) PUNTUACIN)) ((EQ (GET 'PERSONA 'TIPOBIENES) 'RUSTICAS) (PUTPROP 'PERSONA (+ 4 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)) ((EQ (GET 'PERSONA 'TIPOBIENES) 'INDUSTRIACOMERCIO)

(PUTPROP 'PERSONA (+ 6 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)) ((EQ (GET 'PERSONA 'TIPOBIENES) 'VALORESCONOSINOTROSBIENES)

(PUTPROP 'PERSONA (+5 (GET 'PERSONA 'PUNTUACIN)) 'PUNTUACIN)) ((EQ (GET 'PERSONA 'TIPOBIENES) 'SOLOVEHICULOSOVARIOS) (PUTPROP 'PERSONA (+ 2 (GET 'PERSONA 'PUNTUACIN))

'PUNTUACIN))))

275

276

II - BIBLIOGRAFA GENERAL.

GARNER, 3.

B. (1985).

"Convergence of technolog i es: state of

the art". Con-f erence on In-formation Computers and Communications, Melbourne, Vic., Australia.

TERANO-T.

(1985).

"Development of preventive maintenance

support system -for plant based on knowledge processing technique".Joho-Shor i-Kenkyu (Japan) .

LORPIN-D.

(1985).

"Expert Systems: potential applications in

industrial maintenance". Equip-Ind-Achats-Entretien. (Franee).

SHORTER-D-N.

(1985).

"The Alvey RESCU projet-a progrese

report" IEE Colloquium on "Real-Time Expert Systems in Process Control" (Digest No. 1 0 7 ) , Salford, England.

FEINSTEIN-J. L.

(1985) "EDAAS: an expert system -for avoiding

disclosure of conf i dent i a . business Information at the 1 US Envronmental Protection Agency". Expert Systems and teheir Aplications. 5th. International Workshop, Avignon, Franee.

AU ED. BY W0JC1K-A-S. "AFIPS Conference Proceding: 1985 National Computer Conference". AFIPS Conference Proceeding: 1985 National Computer Conference, Chicago, IL. USA.

277

THARA-H. (1985). "Perspecti ves o trum-Control-Eng. (Japan).

supercomputers". J-Soc-Ins-

JONES-R.

(1986). "What are expert systems?". (Eur. Ed.) (G.B.)

ICP-Bus-So-ftware-Rev.

BOCCHICCHIO-L.

(1986). "t4The srnart data dictionary". (USA).

Mod-O-ff-Technol

NOFEL-P-J-.

(1986). "There is nothing artificial about AI.

JDNES-R.

(1986). "European expert systems projet -for systems (G.B.)

developers". Data-Procesing

TURBAN-E.

(1985). "Expert systems-a rnanagement perspec t i ve" . (Taiwan).

Int-J-Policy-In

RAUCH-HINDIN-W; ED. BY NEWMAN- D-T.

(1984). "Expert system to

plan PC board assembly in the factory". Computers in llanu-f actur ing. Proceding o cisco, CA. USA. the 1984 Con-ference, San Fran-

BADAL-D-Z.

(1985) "New generation o f DBNS: an architecture -

proposal". International Symposium on New Directions in Computing. Trodheim, Norway.

RAUCH-HINDIN-W: ED BY NEWrlAN~D~T. (1984). "Arti-ficial inte-

278 1 1 igence: coming o f age". Computers in Manu-f ac tur ing . Proceedings o f the 1984 Con-ference, San Francisco, CA, USA.

WHALEN-T, SCHOTT-B.

(19B5).

"Generalized network

modeling

and diagnosis using -Financial ratios". In-F-Sc i ene i es (USA).

SAHGAL-P.

(1986).

"Expert Systems set to raise computer's (USA).

-Financial ID". Wa 1 1 -St-Comput-Rev.

BERNSTEIN-A.

(1985). (USA).

"lioney experts

(IA so-f tware) " . Bus-

Comput-Syst

GILBERT-G-N.

(1985). "Computer help with welfare benefits" (GB)

Comput-Bull

KNOWLES-A, COOK-R, F0LEY-I1-J , SCHOLSKY-D-P, GRAFF-G, BAIRSTOW-J-N, HIR9H0N-B, MAUGT-T-H-I I , FREEDrlAN-D-H-, KKINNUCAN-P, LAZZRO-J-J, SMART-I , UIILSDN-E, GARRET-DEYDUNG-H, (1985). "Jack-of-a 11

BEUCKE-D, LIVINGSTON-D, IX-A, BRDDY-A.

trades (microcumputers)". High-Technol

(USA).

D-AGAPEYEFF-A-D: ED. BY BRYANT-J-R, KOSTTREWSKI-B.

(1985).

"The communication o f knowledge". Current Perspectives in Health Computing, Brighton, Sussex, England.

IMBERG-D.

(1985).

"Building business experts

(expert

systems)" Comput-Syst (GB).

279

FRANKOVICH-K., PEDERSEN-K., BARNEY-M., BERNSTEEN-S.

(1985).

"Expert system applications to the cockpit o f the 1990s". Procedings o f the IEEE 1985 National Aerospace and Electronics Con-ference NAECON, Dayton, OH, USA.

JURGENSEN-J-R. , FELDI1AN-R-E. (1985). "Expert System Pilot Aid". Proceeding o f the IEEE 1985 National Aerospace and Electronics Con-ference NAECON, Dayton., OH, USA.

RUDALL-B-H. , (1985). "Coe ntemporary Cyberneties" . Kybernetes (GB)

RHEIN-R-R.

(1985). "AI -for business". Hardcopy

(USA).

CREGAR-M.

(1985). "Tomorrow's technologios the best in OA

is yet to come". Impact-O-f f-Autom (USA).

RANKY-PG-.

(1985). "FMS in Clh (-flexible manufacturing

systems in computer integrated manufacturing)". Rebotica (GB).

LIPTON-R.

(1985). "Data management

(prospeets for business (USA).

data base environments) ". Bus__comput-Syst

KITCHEN-H.

(1985). "Keeping ahead in the management game (GB)

(software packages)". Train-Off

280 POTTS-D. (1985). "New software shows high tech pay-offs". Eng-Comput (GB).

0PPENHEII1-C.

(1985). "Online in-Formation services: present In-foline

plans and -future prospecte. "The Pergamon

View"". Future o f In-formation Resources -for Science and Technology and the Role o f Libraries. Ilth IATUL rleeting Oxford, England.

MARTIN-R.

(1985). "ER: atool for modern business comunica-

tions". Official Proceding of Speech Tech'85. Voice Input/Dutput. Applications Show and Conference, New York, MY. USA.

TAPSCOTT-D, CHEVREAU-J; ED. BY. GOLDTHWAITE-J.

(1985).

"Unix and the office". DAC'85 Office Automation Conference Digest, Atlanta, GA, USA.

ARNOLD-W-V-, MACILVAINE-P.J., TAYLOR-E-P. for computer aided technical management

(1985). "A focus (CATM) in defen-

se system acquisition". Proceding Annual Reliability and Maintainabi1 ity Symposium. Phi1apdelphia, PA. USA.

LINNEMANN-G.

(1985). "The new type of techique and artificial (Germany).

inteligence". Wiss -Z-The-Hochsch-<i 1menau

NAYLOR-C, SONI-A.

(1985). "Systems to give yon wisdom {PC

expert system packages) " . PC-Indep-Guide-IBII-pers-Comput (UK ed.) (GB)

281

LAMPERT-A.

(1985). "Expert systems get down to business". (USA)

Comput-Decis

BRADDOCK-F

(1985). "Knowledge-based systems: a tepping(USA)

stone to productivity". Mag-Bank-Adm

ASH-N

(1985). "how Cash Valu appraises capital projects".

Accountant (GB).

HASUI-K, MORITA-S, FUJII-Y, ARITAKA-N.

(1985). "New develop-

ment method o f o-f-fice automat i on-or ien ted BPX's". IEEE-J-Sel-Areas-Conmun (USA).

UIEBSTER-R, NAYLOR-C, SONI-A.

(1985). "Take it -From an expert

(expert system shells reviewed)". PC-Indep-Guide-IBM-PersComput (GB).

COURETAS-J.

(1985). "Marketers get smart with artificial (USA).

intel1igence". Bus-rlark

SHAPIRO-S-F

(1985). "Factory automation o-f-fers US industry (USA)

new lase on li-Fe". Comput-Des

I10RGAN-H.

(1985). "The microcomputer and decisin support". (USA).

ComputerworId

THOMAS-D-B.

(1984). "The Alvey Programme-intel1igent

282 knowlwdge based systems aspects". Conference on knowledge Engineering, Manchester. England.

D-AGAPAYEFF-A.

(1984). "A short survey of expert systems in

UK business". Con-ference on Knowledge Engineering, Manchester, England.

FERRIS-P.

(1985). "An overview o F the impact o f microcom-

puters in publishing". Electron-Pub1-Rev (GB).

TUTCHING-J.

(1984). "Robots and -factory automation-a review

and analysis o f the total environment, and assessment o f technologica1 transition, aplications, markets, and related -factors -from 1984 to 1992". Robots 8 con-ference Proceedings, Detroit, III. USA.

GAMBLING-T.

(19B5). "Expert systern: stone Age rules, OK?".

Accountancy (GB).

FRIIS-M-W.

(1985). "Artificial

intelligence systems: some (USA).

banks have them, others will". ABA-Banking

COLE-B-C.

(1985). "A crowd of hopeflus warms up for 32-bit Electron-Week (USA).

microprocessor race".

ASTR0I1-K-J.

(1985). "The new CACSD project at Lund

Institute

of Technology

(summary form only given as follows)".

IEE Colloquium on "new Developments and Aplications of CAD Packages to control System Desing" London (GB).

283

GANOE-F-J.

(1984). "Knowledge-based decisin support -for

financial analysis". Proceedings of the 1984 IEEE International Conference on Systems, lian and Cybernetics Halifax. Canad.

SWEETSER-P-A; ED. BY CLARKE-R.

(1984).

"Introduction to

Knowledge based systems". ACC'84. Proceding o f the Australian Computer Con-ference, Sydney, Australia.

PALLER-A.

(1985).

"The ten top graphics trends -for 1985".

Computerwold

(USA).

CHAIT-L-G.

(1985).

"Direct marketing in the epoch artifi(USA).

cial intel 1 igence" . Dir-llark

FEINSTEIN-J-L, SIEMS-F.

(1985). "EDAAS: an expert system at

the US Environmental Protection Agency for avoiding disclosure o f confidential bussiness Information". ExpertSyst (GB).

SCHLGBOHM-D.

(1985).

"Tax Advisor: a PROLOG program analy-

zing income tax issues". Dr-Dossb-s-j USA .

DONINGTON-J, ACZEL-M.

(1985). "Using PROLOG for normal

business app1ications. II". Comput-Mag (GB).

FINCH-P.(1985) "Scrambling for shares in office automation".

284 Bus-Mark (USA)

WHITE-D-G

(1985). "Expert systems to the rescue". Best-sRev(USA).

Prop-Casualty-Insur-Ed

SHPILBERG-D.

(1985). "A promising new frontier

(expert

systems for the insurance industry)". Best-s-Rev-PropCasualty-Insur-Ed (USA).

BROWN-E-M.

(1985). "Office integration: a look at how we

work". O-ffice (USA) .

BLANNING-R-W.

(1984). "Management applications of expert (Nether1ands).

systems". Inf-Manage

HOLROYD-P, MALLORY-G, PRICE-D-H-R, SHARP-J-A.

(1985)

"Developing expert systems for management applications" Omega (6B).

MORLEY-D

(1985). "Expert systems. Where do we stand?". (Canad).

Can-Datasyst

BAJENSESCO--T-I . (1985) "The software "crisis" and artificial intel1igence". Schweiz-Tech (Switzer1 and) .

BAGSHAW-E

(1985) "The expert on your desktop". Bus-Comput-

Commun (GB).

McNITT-J

(1985). "Artificial intel1igence: creating the idiot

285

savant". Newsweek

(Switzer1 and)..

BRIXIUS-N-L.

(1984). "Arti-ficial

intelligence applications in

civil government". Proceedings IEEE EASCON'84. 17th Annual Electronics and Aerospace Conference, Washington, DC, USA.

SCHOTT-B, WHALEN-T. (1983). "FINNDEX, an intelligent index to businees - orecast ing" . Proceedings o f the International f Con-Ference on Systems, Han and Cybernetics, Bombay and New Delhi, India.

POST-D-W. (USA).

(1985). "Computers as counselors". Bus-Comput-Syst

HARVEY-D.

(1985) "Expertise -for all

(expert systems)". Bus-

Comput-Commun (BB).

VOYSEY-H. (GB) .

(1985). "How to tackle expert systems". Manage-Rev

FALLON-M.

(1984). ""Puny" pcs make home ai a long term

project". Electrn-Times (GB).

JARKE-M, SHALEV-J.

(1984). "A datbase architecture -for

supporting business tr ansac t i ons" . J-Manage-ln-f-Syst (USA).

SEANAN-J.

(1984). "AI comes o f age". Comput-Data -

(Canad).

MURRAY-T-J. (USA)

(1984). "Shakeout in software". Duri-s-Bus-Mon

LEE-R-M.

(1984). " In-f ormat i on system semantics (USA).

(a logic-

based approach)". J-Manage-In-f-Syst

KELLER-R, TDUIIMSEND-P. (1984) "Knowledge-based systems" ComputerworId (USA).

JOHNSTDNE-B. New-Sci

(1984). "Japan unveils its fifth-generation".

(GB) .

RUSSELL-L-C.

(1984). "Electronic-based corporate services: (USA).

whew we're at and where we're headed". Bank-flark

BERGEN-M.

(1984). "Integration, end-user computing help (USA).

baks gain competitive edge". Bank-Syst-Equip

D-AMBROSIO-B. BYTE (USA)

(1985). "Expert systems-myth or reality?".

FINEGOLD-A; ED. BY WINSTON-P-H, PRENDERGAST-K-A.

(1984).

"The Engineer's Apprentice". AI business. The commercial uses o f artificial Cambritge, CA, USA. intel 1 i gence. Published: HIT Press,

BAKER-J-D; ED. BY WINSTON-P-H, PRENDERGAST-K-A.

(1984).

"DJPriETER ADVISOR: an expert log analysis system at

287

Schlumberger". AI business. The commercial uses o f arti-ficial intel1igence. Published: HIT Press, Cambritge, MA, USA.

POPLE-H-E-Jr; ED. BY WINSTON-P-H, PRENDERGAST-K-A.

(1784).

"CADUCEUS: an experimental expert system -for medical diagnosis". AI business. The commercial uses o f arti-ficial intel1igence. Published: MIT Press, Cambritge, MA. USA.

KRAFT-A; ED. BY WINSTON-P-H, PRENDERGAST-K-A.

(1984).

"XCON:

an expert con-f igur ati on system at Digital Equipment Corporation". AI Business. The commercial uses o f aritificial intel1igence. Published: MIT Press, Cambritge, MA. USA.

MICHAELSEN-R-H.

(1984).

"An expert system -for -federal tax

planning". Expert-Syst (GB).