De momento, y quizá por muchos años, los ordenadores no pueden sacar información completamente nueva respecto de la que poseen almacenada. Si a nuestro famoso ordenador, el que almacena todos los partidos que se han jugado de la Copa del Rey. Le preguntamos quién cree que va a ganar la Copa del año que viene, podrá contestar cualquier equipo que ha jugado la competición, pero no podrá responder con un equipo que no existe. Esto es muy importante. Así, pues, el aprendizaje será, precisamente. Lo que permita al ordenador realizar las siguientes tareas:
· completar la información almacenada; utilizar nueva información que necesite para procesos de inferencia.
La nueva información que aprende el sistema puede venir por dos caminos diferentes:
·Del propio usuario. En algunos procesos el ordenador puede ser consciente de qué nueva información puede cambiar el resultado. El ordenador “copero” podría preguntar al usuario, antes de dar alguna solución: ¿Habrá algún equipo nuevo en Primera División el año que viene? Así, en el caso de que exista alguno, éste será introducido por el propio usuario y el sistema lo incorporará a sus conocimientos y lo tendrá en cuenta como posible solución.
·De un proceso interno del ordenador. En este caso no se consigue información completamente nueva, sino resultante de la interrelación de información previamente acumulada.
Para ofrecer un ejemplo de este segundo método vamos a crear otro ordenador que se ocupe de resolver problemas médicos.
El usuario, en este caso un médico, le introduce al sistema los síntomas del paciente y el propio sistema expresa su opinión indicando una enfermedad. Este “médico electrónico” podría aprender de la siguiente manera: Supongamos que la información que posee el sistema sea este “médico electrónico” nos sirve además para explicar brevemente la segunda gran cualidad específica de los sistemas expertos. el poder de inducción. Podemos apreciar cómo a partir de una información que ha introducido el usuario (hace una semana que pasó mucho frío) y de unas relaciones entre hechos de información que posee, el ordenador consigue una solución, combinación de todo. A la acción de combinar la información para conseguir nuevos hechos se le llama inducción.
Estructura de un sistema experto
Por esto, una vez que la teoría de los sistemas expertos queda expuesta y descritas las posibilidades y sus características más importantes, queda por definir y reconocer cómo está formado un sistema experto. Conocer la estructura general de un sistema de este tipo permite clarificar la comprensión de su funcionamiento.
El sistema experto está formado básicamente por dos elementos:
· una base de conocimientos,
·un motor inferencial.
Analicemos cada uno de ellos:
·Base de conocimientos.
En esta se guarda la información referente al tema tratado en los distintos casos por el sistema. La pregunta podría ser: ¿Por qué se llama base de conocimientos y no base de datos, si al fin y al cabo lo que se almacena en dicha base es información? Respecto a este tema todavía no se han aclarado los científicos. Incluso no se han puesto de acuerdo aún respecto a los elementos simples que engloba la propia base de conocimientos. Para profundizar en este problema hay que conocer los niveles del conocimiento diferenciados en inteligencia artificial, como haremos posteriormente.
·Motor inferencial. Se ocupa de gestionar la base de conocimientos de modo que ante preguntas del usuario el sistema ofrezca respuestas aceptables. Es decir, se ocupa de tomar las reglas y realizar inferencias para que tengamos una solución. Más adelante se explicarán estas funciones con más detalle.
Niveles de conocimiento, existen niveles de conocimiento que estructuran la información que maneja un sistema experto.
·HECHOS BASICOS DE INFORMACION
Es el nivel más bajo dentro de la jerarquía de conocimientos. Representan simplemente hechos básicos, es decir, los elementos lingüísticos más simples que poseen sentido por ellos mismos. Son la base de la información.
·REGLAS DE CONOCIMIENTO
Son bloques lingüísticos que representan un determinado tipo de información en función de la forma en que se construyan. Están formados por hechos básicos, aunque puede ocurrir (de hecho, ocurre en algunos sistemas expertos) que las reglas de conocimiento pueden por ellas mismas representar la unidad mínima de conocimiento con la que trabaje un determinado sistema experto. Una regla de conocimiento puede representar lo que hay que hacer en caso de incendio; y solamente representará eso. En el caso de que ocurriera una inundación no podríamos aplicar esta regla. Para crearla habrá que utilizar como mínimo dos hechos básicos: el primero representará qué hacer realmente en caso de incendio; el segundo servirá para tener claro que la regla creada sólo se debe utilizar cuando hay un incendio y no cuando hay una tormenta, por ejemplo. Vemos como mediante la información de las reglas de conocimiento se constituye el conocimiento del sistema sobre un tema escogido (en el caso anterior, sería cómo tratar un incendio).
·REGLAS DE CONTROL
Representan el último nivel de información en la estructura del conocimiento aquí tratada. Una vez constituidas las reglas de conocimiento sobre un tema, se almacenan todas ellas en la memoria del ordenador. Sin embargo, ante una pregunta del usuario habrá que utilizar, para responderle, sólo unas cuantas de las reglas que se poseen, no todas.
Las reglas de control, como su nombre indica, controlan la elección de las reglas de conocimiento. Reglas de control forman el motor de inferencia en esta asignación la base de conocimientos está formada por los hechos básicos y por las reglas de control. Para manejar correctamente la inferencia existen gran cantidad de herramientas lógicas y matemáticas estudiadas en este siglo. Entre ellas se encuentran la deducción, la inducción, etc. Todos estos métodos matemáticos pueden ser implantados en los sistemas para que trabajen con las reglas y produzcan soluciones Una vez estudiadas la estructura y cualidades más importantes de los sistemas expertos podemos realizar un gráfico que aglutine perfectamente el trabajo del sistema. Si nos hacemos la famosa pregunta: ¿por qué a la base de conocimientos no se le llama base de datos? comprenderíamos ahora que en los sistemas expertos la base de conocimientos significa algo más que información almacenada, puesto que incluye ya una cierta “inteligencia” en cómo y cuándo utilizar la información. Por eso se llama precisamente Base de Conocimientos.
Belén Stettler, oriunda de Río Gallegos, Santa Cruz, Argentina, cuenta con 35 años y es Licenciada en Ciencias de la Comunicación Social por la Universidad de Buenos Aires (UBA). A lo largo de sus 13 años de trayectoria en comunicación política, ha trabajado como consultora en Buenos Aires, especializándose en estrategia, investigación y comunicación directa. Ha dirigido equipos de comunicación en diversas campañas. Su experiencia incluye roles importantes en la Obra Social del Personal de Seguridad Pública de Buenos Aires, la Vicejefatura de Gobierno de Buenos Aires, Claves Creativas, Ford Argentina y AkzoNobel, iniciando su carrera en Grupo Suessa Organización Empresaria.
