Un sistema experto es capaz de aplicar de forma autónoma procedimientos de inferencia, es decir, lógica: se utiliza un proceso inductivo o deductivo para llegar a una conclusión tras el análisis de una serie de hechos o circunstancias. Problemas que, de ser resueltos por un ser humano, requerirían la intervención de un experto con conocimientos específicos en la materia o disciplina de la que surge el problema.
Un sistema experto es, de hecho, un programa informático que, tras haber sido debidamente entrenado, es capaz de deducir información (output) a partir de un conjunto de datos y fuentes de información (input).
Índice de temas
Características de los sistemas expertos
Por decirlo de forma más sencilla, un sistema experto tiene como objetivo ayudar a encontrar la solución óptima a un problema concreto sin tener que recurrir a un experto en la materia. Un procedimiento que el sistema experto puede llevar a cabo incluso con datos incompletos, trabajando con datos cualitativos más que cuantitativos, utilizando la llamada lógica difusa, es decir, un razonamiento ‘aproximado’ que conduce a resultados altamente probables.
Un sistema experto tiene como objetivo ayudar a encontrar la solución óptima a un problema concreto sin tener que recurrir a un experto en la materia
Por tanto, es fácil ver por qué los sistemas expertos entran en el amplio mundo de la inteligencia artificial en lugar de ser clasificados como programas informáticos ‘normales’: dado un conjunto de hechos, los sistemas expertos son capaces de deducir nuevos hechos.
Una peculiaridad de los sistemas expertos tiene que ver con la ‘explicación’ de las decisiones a las que llega el sistema: un sistema experto siempre es capaz de mostrar los pasos lógicos que subyacen a las decisiones tomadas, lo que se llama Glass Box, un aspecto muy importante si se comparan estos sistemas con las redes neuronales y el Deep Learning más modernos, para los que se habla de Black Box, sistemas con los que no es posible trazar el proceso inductivo y deductivo que lleva a una salida, ya sea una acción o una decisión.
Tipos de sistemas expertos
En la actualidad, los sistemas expertos pueden dividirse en estas categorías principales:
Sistemas expertos basados en reglas
Se trata de sistemas basados en reglas clásicas bien conocidas por el mundo de la informática en la forma IF (condición) y THEN (acción). Dado un conjunto de hechos, los sistemas expertos son capaces de deducir nuevos hechos gracias a sus reglas.
Por ejemplo: tenemos un problema de salud y para llegar a la respuesta a la pregunta “¿cuál es mi problema de salud?” proporcionamos al sistema experto una serie de informaciones (me duele la cabeza, estoy resfriado, tengo fiebre). El sistema experto llegará a la conclusión de esta manera:
Dado un conjunto de hechos, los sistemas expertos son capaces de deducir nuevos hechos gracias a sus reglas
Dolor de cabeza más frío más temperatura corporal a más de 38 grados centígrados… entonces, Gripe.
En la práctica, el sistema analiza si se dan todas las condiciones (dolor de cabeza, y resfriado y fiebre) para deducir con alta probabilidad que la conclusión, la respuesta al problema, es la gripe.
Sistemas expertos basados en árboles
En este caso, dado un conjunto de datos y algunas deducciones, el sistema experto crea un árbol (de posibles alternativas) que clasifica los distintos datos. Ante un problema, se analizan nuevos datos del árbol y el nodo final representa la solución.
Un sistema experto basado en un árbol es, en esencia, un software experto capaz de reconocer un problema a partir de una secuencia de hechos, decisiones o acciones.
Sistema experto basado en casos
Son los sistemas que parten de problemas que ya han sido resueltos en un dominio de aplicación y mediante un proceso de adaptación, encuentran la solución óptima a un nuevo problema.
Sistema experto basado en redes bayesianas
Son sistemas que poseen gráficos de variables conocidas y relaciones de dependencia entre ellas. El objetivo es determinar la probabilidad de aquellas variables que no son conocidas.
Estructura básica de un sistema experto
Los sistemas expertos se estructuran en tres niveles tecnológicos diferentes:
Base de conocimiento: podríamos identificarla como la base de datos de información que el sistema necesita para dar respuesta a un determinado problema, como lo haría el ser humano experto que tiene el conocimiento específico de la materia que se va a aplicar a la resolución del problema. Es el repositorio donde se almacena la información y las reglas que permiten al sistema aplicar el razonamiento.
Los sistemas expertos son más comunes en el dominio de problemas complejos y se consideran alternativas utilizadas en la búsqueda de soluciones que requieren la existencia de experiencia humana específica
Motor inferencial: la base de conocimientos subyacente a un sistema experto también contiene la información específica de un conjunto de reglas If-Then o Si-Entonces: si se da una determinada condición -por ejemplo, se hace una determinada pregunta- se aplica una regla específica -por ejemplo, se hace una segunda pregunta o se da una respuesta específica o se inicia una acción específica, etc.-. Este ‘motor de reglas’ es, de hecho, el componente de software que, analizando y procesando la información contenida en la base de conocimientos, entiende el problema y propone una solución.
Interfaz de usuario: es la parte del software que permite al usuario explotar el motor de inferencia; suele ser una interfaz web, a veces muy simplificada (una página en la que el usuario introduce una pregunta de forma escrita y recibe la respuesta elaborada por el sistema experto en la pantalla) a veces más estructurada (hoy en día también puede integrarse con otros sistemas basados en la inteligencia artificial como el reconocimiento y la comprensión del lenguaje natural).
Beneficios de implementar sistemas expertos
Los sistemas expertos son más comunes en el dominio de problemas complejos y se consideran alternativas ampliamente utilizadas en la búsqueda de soluciones que requieren la existencia de experiencia humana específica. Normalmente, los sistemas expertos se utilizan para tomar decisiones estratégicas de marketing comercial, analizar el rendimiento de los sistemas en tiempo real, configurar ordenadores y realizar muchas otras funciones que normalmente requerirían la existencia de experiencia humana.
Los sistemas expertos son más comunes en el dominio de problemas complejos y se consideran alternativas ampliamente utilizadas en la búsqueda de soluciones que requieren la existencia de experiencia humana específica
Un sistema experto brinda soluciones consistentes, proporciona explicaciones razonables, no tiene limitaciones humanas y es fácil de adaptarse a nuevos entornos.
Áreas para abordar en un entorno de sistema experto
Los sistemas expertos generalmente se crean para campos específicos y, a menudo, están diseñados para abordar desafíos específicos (por ejemplo, inteligencia comercial, diagnósticos, proyecciones financieras, pronóstico del tiempo, etc.). Al analizar a posibles proveedores de sistemas expertos impulsados por IA, hay que asegurarse de que puedan respaldar adecuadamente las capacidades que hay que cultivar.
Los sistemas expertos se crean para campos específicos y están diseñados para abordar inteligencia comercial, diagnósticos, proyecciones financieras, pronóstico del tiempo, etc.
Incluso las mejores tecnologías nunca deben adoptarse simplemente por su propio bien. Las inversiones en tecnología (incluidos los sistemas expertos) deben agregar valor comercial real en forma de resultados cuantificables y calificables.
Técnicas usadas por los sistemas expertos
En lugar de basarse en una estructura de toma de decisiones predefinida, los sistemas expertos son capaces de proponer al usuario la mejor alternativa posible encontrando la solución óptima al problema entre todas las disponibles (utilizando la lógica difusa).
La lógica difusa es una teoría matemática que se ocupa de modelar la incertidumbre y es una extensión de la lógica clásica. En la lógica clásica, un concepto es verdadero o falso, no se aceptan ‘matices’ (si algo no pertenece al conjunto A, debe pertenecer al conjunto B). En la realidad humana, las cosas no funcionan de forma binaria, dado que nuestra propia mente no funciona definiendo todo sobre la base de verdadero/falso, blanco/negro, sí/no, etc., y un concepto puede ser parcialmente verdadero o parcialmente falso. Y aquí es donde entra en juego la lógica difusa.
La lógica difusa es especialmente útil para tratar la incertidumbre y la aproximación presentes en la realidad y así es fundamental en los sistemas expertos. La lógica difusa es capaz de representar las situaciones típicas en las que actuaría un ser humano y, por tanto, puede utilizarse en aplicaciones informáticas como los sistemas expertos, que son capaces de responder como lo haría un experto humano.
Los sistemas expertos de la primera generación, nacidos entre finales de los años 60 y principios de los 70, explotaban la lógica booleana (verdadero/falso) y el razonamiento lógico en condiciones de certeza mediante un modelo determinista (causa-efecto). Estos sistemas pronto mostraron su mayor limitación: el razonamiento artificial chocaba con la lógica, de modo que el experto humano era muy superior al sistema experto artificial.
La lógica difusa es lo que realmente caracteriza a la tercera generación de sistemas expertos
Los sistemas expertos de segunda generación son los que introdujeron el modelo probabilístico, superando así las limitaciones de la lógica que interrumpieron la evolución de los sistemas expertos de primera generación. El modelo probabilístico, a diferencia del determinista, razona sobre la ‘causa-posible-efecto’. Siguiendo este modelo, los sistemas expertos dieron un gran paso adelante, pero se enfrentaron al hecho de que la respuesta más probable no siempre es la más útil.
Por ello, la lógica difusa se introdujo en los procesos inferenciales en los años 80 y 90, dando lugar a la tercera generación de sistemas expertos. Y es precisamente a partir de esta generación de sistemas expertos cuando se empezó a hablar de sistemas de apoyo a la decisión (DSS).
Usos comunes de los sistemas expertos
Como hemos explicado, los sistemas expertos se utilizan para encontrar respuestas a problemas complejos que, si se delegaran en el ser humano, requerirían la intervención de expertos en una materia o dominio determinado.
Precisamente por estas características, los sistemas expertos se utilizan en todos los procesos de resolución de problemas a través de tareas.
Interpretación
Los sistemas expertos analizan datos complejos y potencialmente ‘ruidosos’ para determinar su significado (el sistema experto puede aplicarse en los casos en que es necesario disponer de descripciones de situaciones a partir de datos procedentes de diversas fuentes, por ejemplo, en el ámbito del IoT con datos procedentes de sensores).
Los sistemas expertos analizan datos complejos y potencialmente ‘ruidosos’ para determinar su significado
Diagnóstico
En algunos casos, los sistemas expertos analizan los datos para determinar una enfermedad y, por tanto, ‘sugieren’ un diagnóstico; en otros, el sistema experto deduce las anomalías o el mal funcionamiento mediante la observación (útil, por ejemplo, en el ámbito del mantenimiento predictivo).
Supervisión
Los sistemas expertos analizan los datos para definir si existen condiciones de alarma y, por tanto, si es necesario crear alertas en tiempo real en situaciones críticas (lo que hace el sistema experto es comparar las observaciones en tiempo real para identificar las situaciones de alarma).
Planificación y programación
Los sistemas expertos se utilizan aquí porque determinan una secuencia inteligente de acciones para lograr un objetivo determinado.
Predicción
En este caso, el sistema experto se convierte en el elemento a través del cual, aplicando un modelo adecuado del pasado y el presente, se pueden predecir patrones futuros (por ejemplo, en el ámbito económico o político);
Diseño y configuración
Los sistemas son capaces de diseñar y configurar soluciones/respuestas sobre la base de determinadas especificaciones (el sistema experto configura ‘objetos’, propuestas, soluciones de acuerdo con las restricciones).
Ejemplos de diseños expertos
Para comprender mejor el funcionamiento de los sistemas expertos, un ejemplo es el ámbito de aplicación de las ventas, especialmente las ‘complejas’, aquellas en las que la oferta depende de la elección, el tamaño y la configuración de un producto ‘variable’ y complejo, que se estructura sobre la base de varios componentes y múltiples listas de precios diferentes.
Los sistemas expertos aplicados a este ámbito empresarial concreto entran en el ámbito del diseño y la configuración.
En general, un configurador de productos debe cumplir la tarea de simplificar la elección de los bienes que se van a comprar; un proceso que no siempre es inmediato cuando hay numerosas variables en juego (dimensionamiento, gran número de componentes, uso de materiales particulares, combinación de materias primas y materiales diversos con el consiguiente impacto en las propiedades físicas, mecánicas o químicas, etc.).
Los sistemas expertos aplicados a los configuradores de productos comerciales pueden actuar como herramientas de diseño y de venta.
