Un sistema experto Incluye tres elementos fundamentales: el gestor de conocimiento. la base de conocimiento, y el modelo de situación. El gestor de conocimientos utiliza normalmente la información contenida en la base de conocimientos para interpretar los datos presentes en el contexto inmediato del modelo de situación. La base de conocimientos contiene todo aquello que pueda estar relacionado con la aplicación. Es decir, el gestor de conocimientos trabaja como una herramienta polivalente respecto a la aplicación. MYCIN, por ejemplo, aconseja tanto en la etapa del diagnóstico como en la del tratamiento de infecciones bacterianas. Cuando más amplia sea la base de conocimientos, con mayor facilidad el gestor de conocimientos efectuará las inferencias lógicas necesarias para responder a una pregunta. Es decir, la potencia del sistema se mide más por la profundidad de sus conocimientos que por su capacidad de razonamiento. El sistema experto elabora sus respuestas directamente, en función de la nueva información que se le va incorporando, o indirectamente, recordando los resultados de las inferencias anteriores. Además de actuar sobre la base de conocimientos, el gestor controla también la adquisición de nuevos conocimientos. Es decir, el desarrollo de la base de conocimientos que incluye su actualización y modificación, además de las explicaciones a los usuarios: describir el funcionamiento del sistema y explicar el desarrollo de algunas de sus funciones, por ejemplo, los procesos de inferencia. El sistema experto puede trabajar a varios niveles: superficial, en aquellos casos que baste una simple y rápida respuesta; o profundo, si se precisa un análisis más complejo.
Software
Hay que destacar que el aspecto más importante de los sistemas expertos es el software. Los programas de los sistemas expertos se han escrito hasta ahora en lenguajes tradicionales, pero la tendencia actual es escribirlos en PROLOG, el lenguaje elegido para el núcleo del sistema operativo de los ordenadores de la quinta generación. Los lenguajes del estilo de PROLOG más que procesar cantidades numéricas expresan relaciones. Esta característica los hace idóneos tanto para los sistemas expertos como para los ordenadores de la quinta generación. La utilización de reglas tales como operaciones de implicación condicional: if then, puede facilitar el desarrollo de una base de conocimientos en PROLOG. En este tipo de contexto no se puede diferenciar entre datos e instrucciones. Ambos reciben el mismo tratamiento en una base de datos PROLOG y pueden seleccionarse a voluntad. Las instrucciones de PROLOG pueden considerarse tanto como la especificación del programa como el programa en sí mismo.
Los lenguajes convencionales de alto nivel, FORTRAN y COBOL, son ricos en sintaxis, pero débiles en sus aspectos semánticos. Ello puede ser debido a que estos lenguajes iban dirigidos a programadores profesionales que realizaban gran multiplicidad de tareas en empresas de especialidad muy diversa. Los aspectos semánticos de un programa suelen ser específicos de la aplicación. En contraposición, los sistemas expertos son necesariamente muy ricos en aspectos semánticos e independientes de máquinas y arquitecturas. No obstante, algunos lenguajes son particularmente adecuados para determinadas arquitecturas, por ejemplo, para arquitecturas de flujo de datos. Los sistemas expertos actualmente en funcionamiento dependen de la acumulación de conocimientos en forma de reglas. Una ventaja de este planteamiento es que los conocimientos relativos al área de determinado especialista pueden ampliarse incrementalmente; además. Está en una forma fácilmente comprensible por un experto humano. Por ejemplo, el programa TEIRESIAS, que complementa a MYCIN. recopila reglas de los conocimientos del especialista humano. verifica la congruencia de las reglas y sigue una línea de razonamiento que de las reglas que resultan inapropiadas. MYCIN acumula las reglas de diagnóstico mediante una serie de meta reglas. La tarea de compendiar reglas consume normalmente demasiado tiempo.
Las reglas Incluidas en una base de conocimientos son equivalentes a un programa de aplicación, y pueden tener diferentes formatos. Uno de los formatos más utilizados es el correspondiente a la operación de Implicación condicional: if (si: una condición), the (entonces: una acción). La sección entonces puede incluir inferencias, aserciones, probabilidades, preceptos, etc. La primera de las múltiples condiciones asociadas a la regla determina si ésta es potencialmente válida respecto al estado actual del modelo de situación. Para autorizar una acción, una regla puede exigir que se cumpla determinado número de condiciones. Como ejemplo citaremos una regla de VM, un sistema para supervisar la recuperación en el postoperatorio de un paciente que precisa respiración asistida por medios mecánicos:
Si el contexto actual es ASSIST y el ritmo de la respiración se ha mantenido estable durante 20minutos, y la relación de inspiración/expiración se ha mantenido estable durante 20 minutos, entonces el paciente está en CMV (controlled mandatory ventillation. oxigenación controlada obligatoria). Nuestro ejemplo ilustra la transmisión entre el modo ASSIST y el modo CMV. Con relación al modelo de situación, ASSIST es un estado y CMV implica la toma de dos medidas. Cuando la regla entra en funcionamiento, cambia el contexto. Las reglas posteriores continúan adaptando el modelo de situación. Como hemos podido observar. las reglas determinan los conocimientos del sistema. Algunos sistemas Incorporan súper meta reglas. Las reglas son análogas al software del sistema en las configuraciones tradicionales. Actualmente son muy frecuentes los sistemas expertos basados en reglas. Utilizando de 200 a 300 reglas se obtiene un nivel aceptable de prestaciones. En el famoso Valle del Silicio (California) el valle donde tradicionalmente se asientan las compañías americanas de alta tecnología se están desarrollando varios lenguajes cuya estructura es Independiente de las reglas que acabamos de describir: Rita, Rosie, Age, Hersay III, etc.
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.
