MACSYMA, cuya primera versión data de 1968, es un sistema de computación de gran potencia diseñado para ayudar a matemáticos, científicos e ingenieros a solucionar problemas matemáticos. Acepta como entrada información simbólica y obtiene como salida información simbólica. Tiene un elevado nivel de competencia en el tratamiento de expresiones algebraicas e incluye una extensa biblioteca de subrutinas numéricas. En la actualidad el programa MACSYMA reside en un ordenador DEC KL-10 en el MIT, y es accesible a través de la red ARPA Muchos científicos americanos que trabajan para el gobierno y empresas privadas pasan su jornada de trabajo conectados a dicho sistema. Como ocurre con muchos otros sistemas expertos, las prestaciones de MACSYMA están determinadas por la amplitud de su base de conocimientos. Este sistema interactivo puede efectuar más de 600tipos diferentes de operaciones matemáticas: diferenciación, integración, álgebra vectorial, matrices, ecuaciones, etc. El programa está escrito en un lenguaje de programación especial que una vez compilado en LISP comprende aproximadamente 230.000 palabras.
El sistema Incorpora algunos algoritmos conocidos con anterioridad al diseño de MACSYMA, sin embargo, otros algoritmos fueron desarrollados específicamente para el sistema. Los procedimientos de la Inteligencia artificial influyeron notablemente en el desarrollo de MACSYMA, que a su vez está siendo utilizado para el desarrollo de aplicaciones de inteligencia artificial: por ejemplo, un nuevo método de representación de expresiones algebraicas y un aprendiz para bases de conocimientos.
Geología
Se están desarrollando varios sistemas asistidos por ordenador para ayudar a los geólogos en sus tareas de prospección. El sistema más conocido es el prospecto, desarrollado por la compañía SRI International para ayudar a los geólogos que prospecciones minerales en roca dura. EL PROSPECTOR alcanzó máxima actualidad en 1982 con motivo de una prueba para medir su efectividad en 1982 con motivo de una prueba para medir su efectividad. A PROSPECTOR y a los expertos de una empresa minera se le dieron los datos correspondientes a un estudio geológico de determinada región del estado de Washington. El sistema experto llegó a la conclusión de que en la zona existían importantes yacimientos de molibdeno. Los geólogos opinaron exactamente lo contrario, pero cuando perforaron el terreno no tuvieron más remedio que dar la razón a PROSPECTOR.
El usuario proporciona a PROSPECTOR información relativa a la región: tipos de roca, minerales que se encuentran en la zona, productos que han sufrido alteraciones por fenómenos naturales, etc. El programa busca coincidencias entre sus modelos y la información de entrada. Si lo estima necesario para llegar a una conclusión, PROSPECTOR pide al usuario más información. El usuario puede intervenir en todas las etapas del proceso: proporcionar nuevos datos, modificar la información que dispone el sistema, o solicitar una evaluación de la información suministrada. Los razonamientos de PROSPECTOR están controlados por una sofisticada red de inferencia. Los nodos de la red corresponden a aserciones geológicas. Por ejemplo, existe una alteración favorable para la formación de depósitos potásicos que pueden indicar la presencia de un depósito de cobre porfirítico. Se utilizan reglas para especificar cómo la probabilidad de una aserción puede afectar la probabilidad de otra. Las reglas de inferencia de PROSPECTOR son análogas a las reglas de producción utilizadas en MYCIN.
El geólogo que utiliza PROSPECTOR prepara un modelo, una red de inferencia. El sistema en su versión actual contiene cinco modelos diferentes, desarrollados en colaboración con cinco consultores especializados en temas geológicos: sulfuros tipo Koroko, plomo/zinc tipo valle del Mississippi, cobre porfirítico tipo A. sulfuro de níquel y uranio en roca arenística. Conjuntamente todos los modelos totalizan 541 aserciones y 327 reglas. En función de los datos de entrada, el sistema ajusta la probabilidad de certidumbre de sus hipótesis.
Para cubrir el extenso campo de la prospección geológica, el sistema precisa la incorporación de una gama más extensa de modelos. No obstante, con los cinco modelos actúales puede hacer evaluaciones geológicas válidas.
Diseño y diagnóstico de averías
Hay una creciente demanda de sistemas expertos para una amplia gama de aplicaciones de diseño y diagnóstico de averías. Uno de los objetivos es contraponer conocimientos a complejidad y utilizar los conocimientos del experto para reducir la complejidad a una escala manejable (Stefky Kleer, 1983). De este modo los sistemas expertos se pueden utilizar, por ejemplo, en el diseño de sistemas digitales, una de las muchas posibilidades que está investigando. Digital Equipment Corporation (DEC) y otras empresas de alta tecnología. En un sistema experto experimental, se determina el tamaño de los transistores en los circuitos integrados y se definen parámetros tales como carga y capacidad. En 1978 DEC comenzó a trabajar conjuntamente con la Universidad Carnegie-Mellon para desarrollar un programa basado en conocimiento llamado XCON para la configuración de los ordenadores VAX-11/780. EURISTO, un programa Al usado para configurar flotas en Juegos de guerra naval, se ha empleado recientemente para buscar estructuras viables de microcircuitos, posibles mediante tecnologías de fabricación de multicapa. El Laboratorio de Inteligencia Artificial del Instituto Tecnológico Massachusetts lleva muchos años experimentando con sistemas expertos. Sistemas tales como EL y SYN ayudan a los diseñadores a analizar y desarrollar circuitos analógicos. El sistema PALLADIO desarrolladoen la Universidad de Stanford intenta ayudar a los diseñadores a desarrollar nuevas metodologías. Al usar la base de conocimientos, es posible que el diseñador que descubra ausencias que puede corregir posteriormente tanto en la base de conocientos como en el diseño.
El Computer Retrieval Incidence Bank (CRIB) es uno de los sistemas expertos diseñados para diagnóstico de averías (se describe en Hartley,1984). El sistema se puede usar en el diagnóstico de fallos de hardware y software, y depende de una base de conocimiento de simples informaciones objetivas para soporte de las tareas de diagnóstico. Los diseñadores del sistema investigaron:
1) los conocimientos que precisaba un ingeniero para localizar las averías, y
2) la utilización que de dichos conocimientos hacía un experto humano con experiencia práctica. Actualmente CRIB configura cuatro programas y está considerado por sus diseñadores como el prototipo de sistemas más optimizados. Otro sistema de diagnóstico de fallos, FALLOSY (FAult LOcalization SYstem, descrito por Sedlmeyer y alumnos, 1983) se usa específicamente en la depuración de programas. Más ambiciosamente, el sistema experto New Medius, de IAL Data Communicatios, está diseñado para localizar averías en redes de comunicaciones de datos. versiones posteriores de este sistema planificarán también la reparación de la avería.
Las tareas de diagnóstico de averías requieren la aplicación de un conjunto de técnicas en un campo específico. No sería difícil diseñar un sistema universal de diagnóstico de averías que pudiese trabajar con diferentes bases de conocimientos. Sin embargo, casi toda la investigación en sistemas expertos para diagnóstico de averías se ha centrado en sectores específicos: circuitos de ordenador, cableado eléctrico, Interconexión de rodes, etc. Pratt (1984) describe un sistema computarizado de diagnóstico que complementa técnicas de Al con la pericia de un Ingeniero para diagnosticar averías en locomotoras. El sistema, desarrollado en el Corporate Research and Development Centre de General Electric en Nueva York, se usará muy pronto en los talleres del ferrocarril americano. Uno de los objetivos principales es darle al sistema modos de razonamiento similares a los de los seres humanos.
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.
