Hispanopedia Wiki
Articulo de referencia

Sistema experto

Una máquina Lisp Symbolics 3640 : una plataforma temprana (1984) para sistemas expertos. En inteligencia artificial (IA), un sistema experto es un sistema informático que emula ...

Hispanopedia WikiContenido en espanolLectura gratuita
Una máquina Lisp Symbolics 3640 : una plataforma temprana (1984) para sistemas expertos.

En inteligencia artificial (IA), un sistema experto es un sistema informático que emula la capacidad de toma de decisiones de un experto humano . [ 1 ] Los sistemas expertos están diseñados para resolver problemas complejos razonando a través de cuerpos de conocimiento, representados principalmente como reglas if-then en lugar de a través de código de programación procedimental convencional. [ 2 ] Los sistemas expertos fueron de las primeras formas verdaderamente exitosas de software de IA. [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] Fueron creados en la década de 1970 y luego proliferaron en la década de 1980, [ 8 ] siendo entonces ampliamente considerados como el futuro de la IA, antes del advenimiento de las redes neuronales artificiales exitosas . [ 9 ] Un sistema experto se divide en dos subsistemas: 1) una base de conocimiento , que representa hechos y reglas; y 2) un motor de inferencia , que aplica las reglas a los hechos conocidos para deducir nuevos hechos, y puede incluir capacidades de explicación y depuración.

Historia

Desarrollo temprano

Poco después del surgimiento de las computadoras modernas a finales de la década de 1940 y principios de la de 1950, los investigadores comenzaron a darse cuenta del inmenso potencial que estas máquinas tenían para la sociedad moderna. Uno de los primeros desafíos fue lograr que dichas máquinas pudieran "pensar" como los humanos, en particular, que pudieran tomar decisiones importantes como lo hacen los humanos. El campo médico- sanitario presentó el atractivo desafío de capacitar a estas máquinas para tomar decisiones de diagnóstico médico. [ 10 ]

Así, a finales de la década de 1950, justo después de que la era de la información se consolidara, los investigadores comenzaron a experimentar con la posibilidad de utilizar la tecnología informática para emular la toma de decisiones humanas. Por ejemplo, los investigadores biomédicos comenzaron a crear sistemas asistidos por ordenador para aplicaciones diagnósticas en medicina y biología. Estos primeros sistemas de diagnóstico utilizaban los síntomas de los pacientes y los resultados de las pruebas de laboratorio como datos de entrada para generar un diagnóstico. [ 11 ] [ 12 ] Estos sistemas se describían a menudo como las primeras formas de sistemas expertos. Sin embargo, los investigadores se percataron de que existían limitaciones significativas al utilizar métodos tradicionales como diagramas de flujo, [ 13 ] [ 14 ] la coincidencia de patrones estadísticos , [ 15 ] o la teoría de la probabilidad. [ 16 ] [ 17 ]

Introducción formal y desarrollos posteriores

Esta situación previa condujo gradualmente al desarrollo de sistemas expertos, que utilizaban enfoques basados ​​en el conocimiento. Estos sistemas expertos en medicina fueron el sistema experto MYCIN , [ 18 ] el sistema experto Internist-I [ 19 ] y, posteriormente, a mediados de la década de 1980, CADUCEUS . [ 20 ]

Los sistemas expertos fueron introducidos formalmente alrededor de 1965 por el Proyecto de Programación Heurística de Stanford , liderado por Edward Feigenbaum , a quien a veces se le denomina el "padre de los sistemas expertos"; [ 21 ] otros contribuyentes iniciales clave fueron Bruce Buchanan y Randall Davis. Los investigadores de Stanford intentaron identificar dominios donde la experiencia era altamente valorada y compleja, como el diagnóstico de enfermedades infecciosas ( Mycin ) y la identificación de moléculas orgánicas desconocidas ( Dendral ). [ 22 ] La idea de que "los sistemas inteligentes derivan su poder del conocimiento que poseen en lugar de los formalismos y esquemas de inferencia específicos que utilizan" [ 23 ] – como dijo Feigenbaum – fue en ese momento un paso adelante significativo, ya que la investigación anterior se había centrado en métodos computacionales heurísticos, culminando en intentos de desarrollar solucionadores de problemas de propósito muy general (principalmente el trabajo conjunto de Allen Newell y Herbert Simon ). [ 24 ] Los sistemas expertos se convirtieron en algunas de las primeras formas verdaderamente exitosas de software de inteligencia artificial (IA). [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ]

La investigación sobre sistemas expertos también fue activa en Europa. En EE. UU., el enfoque tendió a centrarse en el uso de sistemas de reglas de producción , primero en sistemas codificados directamente sobre entornos de programación Lisp y luego en interfaces de sistemas expertos desarrolladas por proveedores como Intellicorp . En Europa, la investigación se centró más en sistemas e interfaces de sistemas expertos desarrollados en Prolog . La ventaja de los sistemas Prolog radicaba en que empleaban una forma de programación basada en reglas fundamentada en la lógica formal . [ 25 ] [ 26 ]

Una de las primeras plataformas de sistemas expertos basadas en Prolog fue APES. [ 27 ] Uno de los primeros casos de uso de Prolog y APES se dio en el ámbito jurídico, concretamente, en la codificación de una gran parte de la Ley de Nacionalidad Británica. Lance Elliot escribió: « La Ley de Nacionalidad Británica se aprobó en 1981 y poco después se utilizó para demostrar la eficacia de las técnicas y tecnologías de Inteligencia Artificial (IA), explorando cómo la legislación, recientemente promulgada en aquel momento, podría codificarse en una formalización computarizada basada en lógica. En 1986 se publicó un artículo de investigación, ahora frecuentemente citado, titulado “La Ley de Nacionalidad Británica como un Programa Lógico”, que posteriormente se convirtió en un referente para trabajos posteriores en IA y derecho». [ 28 ] [ 29 ]

En la década de 1980, los sistemas expertos proliferaron. Las universidades ofrecían cursos sobre sistemas expertos y dos tercios de las empresas Fortune 500 aplicaban la tecnología en sus actividades comerciales diarias. [ 8 ] [ 30 ] El interés era internacional, con el proyecto de Sistemas Informáticos de Quinta Generación en Japón y un aumento de la financiación para la investigación en Europa.

En 1981, se presentó el primer IBM PC , con el sistema operativo PC DOS . [ 31 ] El desequilibrio entre el bajo costo de los chips relativamente potentes del PC, en comparación con el costo mucho más elevado de la potencia de procesamiento de los mainframes que dominaban el mundo de las TI corporativas en ese momento, creó un nuevo tipo de arquitectura para la informática corporativa, denominada modelo cliente-servidor . [ 32 ] Los cálculos y el razonamiento podían realizarse a una fracción del precio de un mainframe utilizando un PC. Este modelo también permitió a las unidades de negocio eludir los departamentos de TI corporativos y desarrollar directamente sus propias aplicaciones. Como resultado, el modelo cliente-servidor tuvo un impacto tremendo en el mercado de los sistemas expertos. Los sistemas expertos ya eran atípicos en gran parte del mundo empresarial, y requerían nuevas habilidades que muchos departamentos de TI no poseían ni estaban dispuestos a desarrollar. Eran ideales para los nuevos entornos basados ​​en PC que prometían poner el desarrollo de aplicaciones en manos de los usuarios finales y los expertos. Hasta entonces, el principal entorno de desarrollo para sistemas expertos habían sido las máquinas Lisp de alta gama de Xerox , Symbolics y Texas Instruments . Con el auge de la PC y la computación cliente-servidor, proveedores como Intellicorp e Inference Corporation cambiaron sus prioridades hacia el desarrollo de herramientas basadas en PC. Además, comenzaron a aparecer regularmente nuevos proveedores, a menudo financiados por capital de riesgo [ 33 ] [ 34 ] .

El primer sistema experto utilizado en el diseño de un producto a gran escala fue el programa de software Synthesis of Integral Design (SID), desarrollado en 1982. Escrito en Lisp , SID generó el 93 % de las compuertas lógicas de la CPU VAX 9000. [ 35 ] La entrada al software consistía en un conjunto de reglas creadas por varios diseñadores lógicos expertos. SID expandió estas reglas y generó rutinas de síntesis lógica de software muchas veces mayores que las propias reglas. Sorprendentemente, la combinación de estas reglas dio como resultado un diseño general que superó las capacidades de los expertos y, en muchos casos, el rendimiento de sus homólogos humanos. Si bien algunas reglas se contradecían entre sí, los parámetros de control de alto nivel para la velocidad y el área sirvieron de desempate. El programa fue muy controvertido, pero se utilizó de todos modos debido a las restricciones presupuestarias del proyecto. Fue cancelado por los diseñadores lógicos tras la finalización del proyecto VAX 9000.

Durante los años previos a mediados de la década de 1970, las expectativas sobre lo que los sistemas expertos podían lograr en muchos campos tendían a ser extremadamente optimistas. Al comienzo de estos primeros estudios, los investigadores esperaban desarrollar sistemas expertos totalmente automáticos (es decir, completamente computarizados). Las expectativas de la gente sobre lo que las computadoras podían hacer eran frecuentemente demasiado idealistas. Esta situación cambió radicalmente después de que Richard M. Karp publicara su innovador artículo: "Reducibilidad entre problemas combinatorios" a principios de la década de 1970. [ 36 ] Gracias al trabajo de Karp, junto con otros académicos, como Hubert L. Dreyfus, [ 37 ] quedó claro que existen ciertos límites y posibilidades al diseñar algoritmos informáticos. Sus hallazgos describen lo que las computadoras pueden hacer y lo que no. Muchos de los problemas computacionales relacionados con este tipo de sistemas expertos tienen ciertos límites pragmáticos. Estos hallazgos sentaron las bases que condujeron a los siguientes desarrollos en el campo. [ 10 ]

En la década de 1990 y posteriormente, el término " sistema experto" y la idea de un sistema de IA independiente prácticamente desaparecieron del léxico de TI. Existen dos interpretaciones de esto. Una es que "los sistemas expertos fracasaron": el mundo de TI avanzó porque los sistemas expertos no cumplieron con las expectativas generadas. [ 38 ] [ 39 ] La otra es la opuesta, que los sistemas expertos fueron simplemente víctimas de su propio éxito: a medida que los profesionales de TI comprendieron conceptos como los motores de reglas, estas herramientas pasaron de ser herramientas independientes para desarrollar sistemas expertos de propósito específico a ser una de las muchas herramientas estándar. [ 40 ] Otros investigadores sugieren que los sistemas expertos causaron luchas de poder entre empresas cuando la organización de TI perdió su exclusividad en las modificaciones de software a favor de los usuarios o los ingenieros del conocimiento. [ 41 ]

En la primera década de los 2000, hubo un "resurgimiento" de la tecnología, bajo el término sistemas basados ​​en reglas , con importantes casos de éxito y adopción. [ 42 ] Muchos de los principales proveedores de suites de aplicaciones empresariales (como SAP , Siebel y Oracle ) integraron capacidades de sistemas expertos en su conjunto de productos como una forma de especificar la lógica empresarial. Los motores de reglas ya no se limitan a definir las reglas que usaría un experto, sino que se utilizan para cualquier tipo de lógica empresarial compleja, volátil y crítica; a menudo van de la mano con entornos de automatización e integración de procesos empresariales. [ 43 ] [ 44 ] [ 45 ]

Enfoques actuales de los sistemas expertos

Se puede argumentar que los sistemas expertos se han adentrado en el ámbito de las reglas de negocio y los sistemas de gestión de reglas de negocio .

Arquitectura de software

Ejemplo ilustrativo de encadenamiento hacia atrás de una tesis de maestría de 1990 [ 46 ]

Un sistema experto es un ejemplo de sistema basado en el conocimiento . Los sistemas expertos fueron los primeros sistemas comerciales en utilizar una arquitectura basada en el conocimiento. En términos generales, un sistema experto incluye los siguientes componentes: una base de conocimiento , un motor de inferencia , un mecanismo de explicación, un mecanismo de adquisición de conocimiento y una interfaz de usuario. [ 47 ] [ 48 ]

La base de conocimiento representa hechos sobre el mundo. En los primeros sistemas expertos, como Mycin y Dendral, estos hechos se representaban principalmente como afirmaciones simples sobre variables. En sistemas expertos posteriores, desarrollados con entornos comerciales, la base de conocimiento adquirió mayor estructura y empleó conceptos de la programación orientada a objetos . El mundo se representaba mediante clases, subclases e instancias , y las afirmaciones se reemplazaban por valores de instancias de objetos. Las reglas funcionaban consultando y verificando los valores de los objetos.

El motor de inferencia es un sistema de razonamiento automatizado que evalúa el estado actual de la base de conocimiento, aplica las reglas pertinentes y, a continuación, incorpora nuevo conocimiento a dicha base. El motor de inferencia también puede incluir funciones de explicación, de modo que pueda explicar al usuario la cadena de razonamiento utilizada para llegar a una conclusión determinada, rastreando la activación de las reglas que dieron lugar a la afirmación. [ 49 ]

Existen principalmente dos modos para un motor de inferencia: encadenamiento hacia adelante y encadenamiento hacia atrás . Los diferentes enfoques dependen de si el motor de inferencia es impulsado por el antecedente (lado izquierdo) o el consecuente (lado derecho) de la regla. En el encadenamiento hacia adelante, un antecedente se activa y afirma el consecuente. Por ejemplo, considere la siguiente regla:

R1:METROanorte(incógnita)⟹METROortal(incógnita){\displaystyle R1:{\mathit {Man}}(x)\implies {\mathit {Mortal}}(x)}

Un ejemplo sencillo de encadenamiento hacia adelante sería afirmar "Hombre (Sócrates)" en el sistema y luego activar el motor de inferencia. Este coincidiría con R1 y afirmaría "Mortal (Sócrates)" en la base de conocimiento.

El encadenamiento hacia atrás es un poco menos directo. En el encadenamiento hacia atrás, el sistema examina posibles conclusiones y trabaja hacia atrás para ver si podrían ser ciertas. Así, si el sistema intentara determinar si Mortal(Sócrates) es cierto, buscaría R1 y consultaría la base de conocimiento para ver si Hombre(Sócrates) es cierto. Una de las primeras innovaciones de los shells de sistemas expertos fue integrar motores de inferencia con una interfaz de usuario. Esto podría ser especialmente potente con el encadenamiento hacia atrás. Si el sistema necesita saber un hecho en particular pero no lo sabe, puede simplemente generar una pantalla de entrada y preguntar al usuario si conoce la información. Así, en este ejemplo, podría usar R1 para preguntar al usuario si Sócrates era un Hombre y luego usar esa nueva información en consecuencia.

El uso de reglas para representar explícitamente el conocimiento también posibilitó la capacidad de explicación. En el sencillo ejemplo anterior, si el sistema hubiera utilizado R1 para afirmar que Sócrates era mortal y un usuario deseara comprender por qué Sócrates era mortal, podría consultar al sistema y este revisaría las reglas que se activaron para generar la afirmación y se las presentaría como explicación. En español, si el usuario preguntara "¿Por qué Sócrates es mortal?", el sistema respondería "Porque todos los hombres son mortales y Sócrates es un hombre". Un área importante de investigación fue la generación de explicaciones a partir de la base de conocimiento en lenguaje natural, en lugar de simplemente mostrar las reglas más formales pero menos intuitivas. [ 50 ]

A medida que evolucionaron los sistemas expertos, se incorporaron muchas técnicas nuevas a diversos tipos de motores de inferencia. [ 51 ] Algunas de las más importantes fueron:

  • Mantenimiento de la veracidad. Estos sistemas registran las dependencias en una base de conocimiento para que, cuando se alteren los hechos, el conocimiento dependiente pueda modificarse en consecuencia. Por ejemplo, si el sistema descubre que ya no se sabe que Sócrates fuera un hombre, revocará la afirmación de que Sócrates era mortal.
  • Razonamiento hipotético. En este razonamiento, la base de conocimiento se puede dividir en múltiples perspectivas posibles, también conocidas como mundos. Esto permite que el motor de inferencia explore varias posibilidades en paralelo. Por ejemplo, el sistema podría explorar las consecuencias de ambas afirmaciones: ¿qué sería cierto si Sócrates fuera un hombre y qué sería cierto si no lo fuera?
  • Sistemas de incertidumbre. Una de las primeras extensiones del simple uso de reglas para representar el conocimiento fue asociar una probabilidad a cada regla. Así, no se afirmaba que Sócrates fuera mortal, sino que podría serlo con cierto valor de probabilidad. En algunos sistemas, las probabilidades simples se ampliaron con mecanismos sofisticados para el razonamiento incierto, como la lógica difusa y la combinación de probabilidades.
  • Clasificación ontológica . Con la adición de clases de objetos a la base de conocimiento, se hizo posible un nuevo tipo de razonamiento. Además de razonar simplemente sobre los valores de los objetos, el sistema también podía razonar sobre las estructuras de los objetos. En este sencillo ejemplo, "Hombre" puede representar una clase de objeto y R1 puede redefinirse como una regla que define la clase de todos los hombres. Este tipo de motores de inferencia de propósito especial se denominan clasificadores . Aunque no se utilizaban mucho en los sistemas expertos, los clasificadores son muy potentes para dominios volátiles no estructurados y constituyen una tecnología clave para Internet y la emergente Web Semántica . [ 52 ] [ 53 ]

Ventajas

El objetivo de los sistemas basados ​​en el conocimiento es hacer explícita, en lugar de implícita, la información crítica necesaria para el funcionamiento del sistema. [ 54 ] En un programa informático tradicional, la lógica está integrada en un código que normalmente solo puede ser revisado por un especialista en TI. Con un sistema experto, el objetivo era especificar las reglas en un formato intuitivo y fácil de entender, revisar e incluso editar por expertos en el dominio en lugar de expertos en TI. Las ventajas de esta representación explícita del conocimiento fueron el desarrollo rápido y la facilidad de mantenimiento.

La facilidad de mantenimiento es la ventaja más evidente. Esto se logró de dos maneras. Primero, al eliminar la necesidad de escribir código convencional, muchos de los problemas habituales que pueden surgir incluso con pequeños cambios en un sistema se pudieron evitar con sistemas expertos. Básicamente, el flujo lógico del programa (al menos al nivel más alto) era algo que el sistema daba por sentado; bastaba con invocar el motor de inferencia. Esta fue también la razón de la segunda ventaja: la creación rápida de prototipos . Con una interfaz de sistema experto, era posible introducir unas pocas reglas y tener un prototipo desarrollado en días, en lugar de los meses o el año que suelen requerir los proyectos informáticos complejos.

Una afirmación frecuente sobre las interfaces de sistemas expertos era que eliminaban la necesidad de programadores capacitados y que los expertos podían desarrollar sistemas por sí mismos. En realidad, esto rara vez era cierto. Si bien las reglas de un sistema experto eran más comprensibles que el código informático típico, aún conservaban una sintaxis formal donde una coma u otro carácter mal colocado podía causar estragos, al igual que en cualquier otro lenguaje informático. Además, a medida que los sistemas expertos pasaban de los prototipos en el laboratorio a su implementación en el mundo empresarial, los problemas de integración y mantenimiento se volvieron mucho más críticos. Inevitablemente surgieron las demandas de integrarse con grandes bases de datos y sistemas heredados, y aprovecharlos. Para lograr esto, la integración requería las mismas habilidades que cualquier otro tipo de sistema. [ 55 ]

Resumiendo los beneficios del uso de sistemas expertos, se pueden destacar los siguientes: [ 47 ]

  1. Mayor disponibilidad y fiabilidad: Se puede acceder a la experiencia desde cualquier hardware informático y el sistema siempre ofrece respuestas puntuales.
  2. Experiencia múltiple: Se pueden ejecutar varios sistemas expertos simultáneamente para resolver un problema y obtener un nivel de experiencia superior al de un experto humano.
  3. Explicación: Los sistemas expertos siempre describen cómo se resolvió el problema.
  4. Respuesta rápida: Los sistemas expertos son rápidos y capaces de resolver un problema en tiempo real.
  5. Coste reducido: El coste de la experiencia por usuario se reduce significativamente.

Desventajas

La desventaja más común citada para los sistemas expertos en la literatura académica es el problema de la adquisición de conocimiento . Obtener el tiempo de expertos en el dominio para cualquier aplicación de software siempre es difícil, pero para los sistemas expertos era especialmente difícil porque los expertos eran, por definición, muy valorados y constantemente solicitados por la organización. Como resultado de este problema, gran parte de la investigación en los últimos años de los sistemas expertos se centró en herramientas para la adquisición de conocimiento, para ayudar a automatizar el proceso de diseño, depuración y mantenimiento de las reglas definidas por los expertos. Sin embargo, al observar el ciclo de vida de los sistemas expertos en uso real, otros problemas —esencialmente los mismos que los de cualquier otro sistema grande— parecen al menos tan críticos como la adquisición de conocimiento: la integración, el acceso a grandes bases de datos y el rendimiento. [ 56 ] [ 57 ]

El rendimiento podía ser especialmente problemático porque los primeros sistemas expertos se construían utilizando herramientas (como versiones anteriores de Lisp) que interpretaban expresiones de código sin compilarlas previamente. Esto proporcionaba un entorno de desarrollo potente, pero con el inconveniente de que era prácticamente imposible igualar la eficiencia de los lenguajes compilados más rápidos (como C ). La integración de sistemas y bases de datos era difícil para los primeros sistemas expertos porque las herramientas estaban mayoritariamente en lenguajes y plataformas que no eran familiares ni bienvenidos en la mayoría de los entornos de TI corporativos: lenguajes de programación como Lisp y Prolog, y plataformas de hardware como máquinas Lisp y ordenadores personales. Como resultado, gran parte del esfuerzo en las etapas posteriores del desarrollo de herramientas para sistemas expertos se centró en la integración con entornos heredados como COBOL y grandes sistemas de bases de datos, y en la portabilidad a plataformas más estándar. Estos problemas se resolvieron principalmente con el cambio de paradigma cliente-servidor, a medida que los PC se fueron aceptando gradualmente en el entorno de TI como una plataforma legítima para el desarrollo de sistemas empresariales serios y a medida que los servidores minicomputadores asequibles proporcionaban la potencia de procesamiento necesaria para las aplicaciones de IA. [ 55 ]

Otro desafío importante de los sistemas expertos surge cuando aumenta el tamaño de la base de conocimiento. Esto provoca un aumento en la complejidad del procesamiento. Por ejemplo, cuando se concibió un sistema experto con 100 millones de reglas como el sistema experto definitivo, se hizo evidente que dicho sistema sería demasiado complejo y enfrentaría demasiados problemas computacionales. [ 58 ] Un motor de inferencia tendría que ser capaz de procesar enormes cantidades de reglas para llegar a una decisión.

Verificar que las reglas de decisión sean consistentes entre sí también es un desafío cuando hay demasiadas reglas. Por lo general, este problema conduce a una formulación de satisfacibilidad (SAT). [ 59 ] Este es un problema NP-completo bien conocido: el problema de satisfacibilidad booleana . Si asumimos solo variables binarias , digamos n de ellas, entonces el espacio de búsqueda correspondiente es de tamaño 2norte{\displaystyle ^{n}}Por lo tanto, el espacio de búsqueda puede crecer exponencialmente.

También hay preguntas sobre cómo priorizar el uso de las reglas para operar de manera más eficiente, o cómo resolver ambigüedades (por ejemplo, si hay demasiadas subestructuras else-if dentro de una regla), etc. [ 60 ]

Otros problemas están relacionados con los efectos de sobreajuste y sobregeneralización al usar hechos conocidos e intentar generalizar a otros casos no descritos explícitamente en la base de conocimiento. Estos problemas también existen con los métodos que emplean enfoques de aprendizaje automático. [ 61 ] [ 62 ]

Otro problema relacionado con la base de conocimiento es cómo actualizarla de forma rápida y eficaz. [ 63 ] [ 64 ] [ 65 ] También resulta complejo cómo añadir un nuevo conocimiento (es decir, dónde añadirlo entre muchas reglas). Los enfoques modernos que se basan en métodos de aprendizaje automático son más sencillos en este sentido.

Debido a los desafíos mencionados, quedó claro que se requerían nuevos enfoques para la IA en lugar de tecnologías basadas en reglas. Estos nuevos enfoques se basan en el uso de técnicas de aprendizaje automático, junto con el uso de mecanismos de retroalimentación. [ 10 ]

Los principales desafíos que enfrentan los sistemas expertos en medicina (si se consideran los sistemas de diagnóstico asistido por computadora como sistemas expertos modernos), y quizás en otros dominios de aplicación, incluyen cuestiones relacionadas con aspectos como: macrodatos, regulaciones existentes, práctica sanitaria, diversas cuestiones algorítmicas y evaluación del sistema. [ 66 ]

Finalmente, se pueden resumir las siguientes desventajas del uso de sistemas expertos: [ 47 ]

  1. Los sistemas expertos tienen conocimientos superficiales, y una tarea sencilla puede llegar a ser computacionalmente costosa.
  2. Los sistemas expertos requieren ingenieros especializados en la introducción de datos, y la adquisición de datos es muy difícil.
  3. El sistema experto puede elegir el método menos apropiado para resolver un problema en particular.
  4. Los problemas éticos relacionados con el uso de cualquier forma de inteligencia artificial son muy relevantes en la actualidad.
  5. Es un mundo cerrado con conocimientos específicos, en el que no existe una percepción profunda de los conceptos y sus interrelaciones hasta que un experto los proporciona.

Aplicaciones

Hayes-Roth divide las aplicaciones de sistemas expertos en 10 categorías, ilustradas en la siguiente tabla. Las aplicaciones de ejemplo no figuraban en la tabla original de Hayes-Roth, y algunas surgieron mucho después. Cualquier aplicación que no esté referenciada en una nota al pie se describe en el libro de Hayes-Roth. [ 49 ] Además, si bien estas categorías proporcionan un marco intuitivo para describir el ámbito de las aplicaciones de sistemas expertos, no son categorías rígidas, y en algunos casos una aplicación puede presentar características de más de una categoría.

Hearsay fue un intento inicial de resolver el reconocimiento de voz mediante un enfoque de sistemas expertos. En general, esta categoría de sistemas expertos no tuvo mucho éxito. Hearsay y todos los sistemas de interpretación son esencialmente sistemas de reconocimiento de patrones, que buscan patrones en datos ruidosos. En el caso de Hearsay, reconocen fonemas en una secuencia de audio. Otros ejemplos iniciales fueron el análisis de datos de sonar para detectar submarinos rusos. Este tipo de sistemas demostraron ser mucho más adecuados para una solución de IA basada en redes neuronales que un enfoque basado en reglas.

CADUCEUS y MYCIN eran sistemas de diagnóstico médico. El usuario describe sus síntomas al ordenador como si se los explicara a un médico, y el ordenador devuelve un diagnóstico.

Dendral era una herramienta para estudiar la formulación de hipótesis en la identificación de moléculas orgánicas. El problema general que resolvía —diseñar una solución a partir de un conjunto de restricciones— fue una de las áreas de mayor éxito para los primeros sistemas expertos aplicados a ámbitos empresariales, como la configuración de ordenadores VAX de Digital Equipment Corporation (DEC) por parte de los vendedores y el desarrollo de solicitudes de préstamos hipotecarios.

SMH.PAL es un sistema experto para la evaluación de estudiantes con discapacidades múltiples. [ 77 ]

GARVAN-ES1 fue un sistema experto médico, desarrollado en el Instituto Garvan de Investigación Médica , que proporcionaba comentarios de diagnóstico clínico automatizados sobre informes endocrinos de un laboratorio de patología. Fue uno de los primeros sistemas expertos médicos en ser utilizado clínicamente de forma rutinaria a nivel internacional [ 72 ] y el primero en ser utilizado para diagnóstico diario en Australia [ 83 ] . El sistema estaba escrito en C y se ejecutaba en un PDP-11 con 64 KB de memoria. Contaba con 661 reglas que se compilaban, pero no se interpretaban.

Mistral [ 68 ] es un sistema experto para monitorear la seguridad de presas, desarrollado en la década de 1990 por Ismes en Italia. Obtiene datos de un sistema de monitoreo automático y realiza un diagnóstico del estado de la presa. Su primera copia se instaló en 1992 en la presa de Ridracoli en Italia. Se ha instalado en varias otras presas en Italia y en el extranjero (por ejemplo, la presa de Itaipú en Brasil), y en sitios de deslizamientos de tierra bajo el nombre de Eydenet, [ 69 ] y en monumentos bajo el nombre de Kaleidos. [ 70 ] Mistral es una marca registrada de CESI .

Véase también

Referencias

  1. ↑ Jackson, Peter (1998). Introducción a los sistemas expertos (3.ª  ed.). Addison Wesley. pág.  2. ISBN 978-0-201-87686-4.
  2. ↑ "Programación convencional" . Pcmag.com. Archivado del original el 14 de octubre de 2012. Consultado el 15 de septiembre de 2013 .
  3. 1 2 Russell, Estuardo; Norvig, Peter (1995). Inteligencia artificial: un enfoque moderno (PDF) . Simón y Schuster. págs. 22 y 23. ISBN  978-0-13-103805-9Archivado del original (PDF) el 5 de mayo de 2014. Consultado el 14 de junio de 2014 .
  4. 1 2 Luger y Stubblefield 2004 , págs. 227–331.
  5. ^ Nilsson 1998 , cap. 17.4.
  6. 1 2 McCorduck 2004 , págs. 327–335, 434–435.
  7. 1 2 Crevier 1993 , págs. 145–62, 197−203.
  8. 1 2 Leondes, Cornelius T. (2002). Sistemas expertos: la tecnología de la gestión del conocimiento y la toma de decisiones para el siglo XXI . pp. 1–22 . ISBN  978-0-12-443880-4.
  9. ↑ "Una breve historia de la IA" . The Economist . 16 de julio de 2024. Archivado del original el 13 de agosto de 2024. Consultado el 14 de agosto de 2024 .
  10. 1 2 3 Yanase J, Triantaphyllou E (2019). "Un estudio sistemático del diagnóstico asistido por computadora en medicina: desarrollos pasados ​​y presentes". Expert Systems with Applications . 138 112821. doi : 10.1016/j.eswa.2019.112821 . S2CID 199019309 . 
  11. ↑ Ledley RS y Lusted LB (1959). "Fundamentos del razonamiento en el diagnóstico médico". Science . 130 (3366): 9– 21. Bibcode : 1959Sci...130....9L . doi : 10.1126/science.130.3366.9 . PMID 13668531 . 
  12. ↑ Weiss SM, Kulikowski CA, Amarel S, Safir A (1978). "Un método basado en modelos para la toma de decisiones médicas asistida por computadora". Inteligencia Artificial . 11 ( 1– 2): 145– 172. CiteSeerX 10.1.1.464.3183 . doi : 10.1016/0004-3702(78)90015-2 . 
  13. ↑ Schwartz WB (1970). "Medicina y la computadora: la promesa y los problemas del cambio". New England Journal of Medicine . 283 (23): 1257– 1264. doi : 10.1056/NEJM197012032832305 . PMID 4920342 . 
  14. ↑ Bleich HL (1972). "Consulta asistida por ordenador: Trastornos electrolíticos y ácido-base". The American Journal of Medicine . 53 (3): 285– 291. doi : 10.1016/0002-9343(72)90170-2 . PMID 4559984 . 
  15. ↑ Rosati RA, McNeer JF, Starmer CF, Mittler BS, Morris JJ y Wallace AG (1975). "Un nuevo sistema de información para la práctica médica". Archives of Internal Medicine . 135 (8): 1017– 1024. doi : 10.1001/archinte.1975.00330080019003 . PMID 1156062 . 
  16. ↑ Gorry GA, Kassirer JP, Essig A y Schwartz WB (1973). "Análisis de decisiones como base para el manejo asistido por computadora de la insuficiencia renal aguda". The American Journal of Medicine . 55 (4): 473– 484. doi : 10.1016/0002-9343(73)90204-0 . PMID 4582702. S2CID 17448496 .  
  17. ↑ Szolovits P, Patil RS y Schwartz WB (1988). "Inteligencia artificial en el diagnóstico médico". Annals of Internal Medicine . 108 (1): 80– 87. doi : 10.7326/0003-4819-108-1-80 . PMID 3276267. S2CID 46410202 .  
  18. ↑ Shortliffe EH y Buchanan BG (1975). "Un modelo de razonamiento inexacto en medicina". Mathematical Biosciences . 23 ( 3–4 ): 351–379 . doi : 10.1016/0025-5564(75)90047-4 . S2CID 118063112 . 
  19. ↑ Miller RA, Pople Jr HE y Myers JD (1982). "Internist-I, un consultor de diagnóstico experimental basado en computadora para medicina interna general". New England Journal of Medicine . 307 (8): 468– 476. doi : 10.1056/NEJM198208193070803 . PMID 7048091 . 
  20. ↑ Feigenbaum, Edward; McCorduck, Pamela (1984). La quinta generación . Addison-Wesley. págs. 1–275 . ISBN  978-0451152640.
  21. ↑ Joseph, Staney (30 de octubre de 2023). "La diversidad de la inteligencia artificial: cómo Edward Feigenbaum desarrolló los sistemas expertos" . Medium . Archivado del original el 26 de enero de 2024. Consultado el 26 de enero de 2024 .
  22. ↑ Lea, Andrew S. (2023). Digitalización del diagnóstico: Medicina, mentes y máquinas en la América del siglo XX . Johns Hopkins University Press. págs. 1–256 . ISBN  978-1421446813.
  23. ↑ Edward Feigenbaum, 1977. Parafraseado por Hayes-Roth, et al.
  24. ↑ Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas (1983). Building Expert Systems . Addison-Wesley. pp. 6–7 . ISBN  978-0-201-10686-2.
  25. ↑ George F. Luger y William A. Stubblefield, Benjamin/Cummings Publishers, Rule-Based Expert System Shell: ejemplo de código que utiliza el intérprete de comandos Prolog para sistemas expertos basados ​​en reglas.
  26. ↑ A. Michiels Archivado el 2 de abril de 2012 en Wayback Machine , Université de Liège, Bélgica: "PROLOG, el primer lenguaje declarativo
  27. ↑ Investigación con APES (Sistema Experto de Prolog Aumentado) , archivado del original el 3 de enero de 2024 , recuperado el 3 de enero de 2024.
  28. ↑ Eliot, Lance (17 de abril de 2021), "IA y Derecho: La Ley de Nacionalidad Británica impulsó inesperadamente la IA y el Derecho" , Medium , consultado el 13 de noviembre de 2023.
  29. ↑ MJ Sergot y F. Sadri y RA Kowalski y F. Kriwaczek y P. Hammond y HT Cory (mayo de 1986). "La Ley de Nacionalidad Británica como un Programa Lógico". Communications of the ACM . 29 (5): 370– 386. doi : 10.1145/5689.5920 .
  30. ↑ Durkin, J. Sistemas expertos: Catálogo de aplicaciones. Intelligent Computer Systems, Inc., Akron, OH, 1993.
  31. ↑ "La revolución del IBM PC - CHM" . www.computerhistory.org . Archivado del original el 26 de enero de 2024. Consultado el 26 de enero de 2024 .
  32. ↑ Orfali, Robert (1996). The Essential Client/Server Survival Guide . Nueva York: Wiley Computer Publishing. págs. 1–10 . ISBN  978-0-471-15325-2.
  33. ↑ Hurwitz, Judith (2011). Inteligente o afortunado: Cómo los líderes tecnológicos convierten la casualidad en éxito . John Wiley & Son. pág. 164. ISBN  978-1118033784Consultado el 29 de noviembre de 2013 .
  34. ↑ Dunn, Robert J. (30 de septiembre de 1985). "Experiencia expandible para usuarios cotidianos" . InfoWorld . 7 (39): 30. Recuperado el 13 de marzo de 2011 .
  35. ↑ Gibson, Carl S.; et al. "Serie VAX 9000". Revista Técnica Digital de Digital Equipment Corporation . 2 (4, otoño de 1990): 118–129 . 
  36. ↑ Karp, Richard M. (1972). "Reducibilidad entre problemas combinatorios" (PDF) . En Miller, RE; Thatcher, JW (eds.). Complejidad de los cálculos informáticos . Nueva York: Plenum. pp. 85–103 . Archivado del original (PDF) el 29 de junio de 2011. Recuperado el 24 de enero de 2020 . {{cite book}}: CS1 mantenimiento: ubicación del editor ( enlace )
  37. ↑ Hubert L. Dreyfus (1972). Lo que las computadoras aún no pueden hacer . Cambridge, Massachusetts: The MIT Press.
  38. ↑ "Boletín de expertos en IA: W de invierno" . Archivado del original el 9 de noviembre de 2013. Consultado el 29 de noviembre de 2013 .
  39. ↑ Leith, P. (2010). "El auge y la caída del sistema de peritos jurídicos" . Revista Europea de Derecho y Tecnología . 1 (1). Archivado del original el 4 de marzo de 2016. Recuperado el 24 de enero de 2020 .
  40. ↑ Haskin, David (16 de enero de 2003). "Años después del bombo publicitario, los 'sistemas expertos' dan sus frutos para algunos" . Datamation . Archivado del original el 3 de diciembre de 2013. Recuperado el 29 de noviembre de 2013 .
  41. ↑ Romem, Yoram (2007). "La construcción social de los sistemas expertos" . Human Systems Management . 26 (4): 291– 309. doi : 10.3233/HSM-2007-26406 .
  42. ↑ Voelker, Michael P. (18 de octubre de 2005). "Las empresas imponen las reglas" . Information Week . Archivado del original el 23 de diciembre de 2022. Recuperado el 23 de diciembre de 2022 .
  43. ↑ SAP News Desk. "SAP News Desk IntelliCorp anuncia su participación en SAP EcoHub" . laszlo.sys-con.com . LaszloTrack. Archivado del original el 3 de diciembre de 2013. Consultado el 29 de noviembre de 2013 .
  44. ↑ Pegasystems. "La gestión inteligente de procesos de negocio requiere reglas de negocio inteligentes" . pega.com . Archivado del original el 9 de noviembre de 2013. Consultado el 29 de noviembre de 2013 .
  45. ↑ Zhao, Kai; Ying, Shi; Zhang, Linlin; Hu, Luokai (9–10 oct. 2010). «Lograr la integración de procesos y reglas de negocio mediante SPL». Conferencia Internacional de 2010 sobre Tecnología de la Información del Futuro e Ingeniería de Gestión . Vol. 2. IEEE. págs. 329–332 . doi : 10.1109/fitme.2010.5656297 . ISBN   978-1-4244-9087-5.
  46. ↑ England, David C. (junio de 1990). Un sistema experto para la gestión de materiales peligrosos en un centro de suministro naval (PDF) (MSc). Escuela Naval de Posgrado Monterey/CA. pág. 21. Archivado (PDF) del original el 18 de octubre de 2021. Recuperado el 1 de septiembre de 2020 . 
  47. 1 2 3 Kiryanov, Denis Aleksandrovich (2021-12-21). "Sistema experto categórico híbrido para su uso en la agregación de contenido" . Software Systems and Computational Methods (4): 1– 22. doi : 10.7256/2454-0714.2021.4.37019 . ISSN 2454-0714 . S2CID 245498498 .  
  48. ↑ Smith, Reid (8 de mayo de 1985). "Conceptos, técnicas y ejemplos de sistemas basados ​​en el conocimiento" (PDF) . Reid G. Smith . Archivado (PDF) del original el 10 de febrero de 2023. Recuperado el 9 de noviembre de 2013 .
  49. 1 2 Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas (1983). Building Expert Systems . Addison-Wesley. ISBN 978-0-201-10686-2.
  50. ↑ Nabil Arman Archivado el 25-04-2012 en Wayback Machine , Universidad Politécnica de Palestina, enero de 2007, Detección de fallos en bases de reglas dinámicas mediante árboles de expansión y conjuntos disjuntos: ""
  51. ↑ Mettrey, William (1987). "Una evaluación de herramientas para construir grandes sistemas basados ​​en el conocimiento" . AI Magazine . 8 (4). Archivado del original el 10 de noviembre de 2013. Recuperado el 29 de noviembre de 2013 .
  52. ↑ MacGregor, Robert (junio de 1991). "Uso de un clasificador de descripción para mejorar la representación del conocimiento". IEEE Expert . 6 (3): 41– 46. Bibcode : 1991IExp....6...41M . doi : 10.1109/64.87683 . S2CID 29575443 . 
  53. ↑ Berners-Lee, Tim; Hendler, James; Lassila, Ora (17 de mayo de 2001). «La Web Semántica: Una nueva forma de contenido web que resulta significativa para las computadoras desatará una revolución de nuevas posibilidades» . Scientific American . 284 (5): 34–43 . doi : 10.1038/scientificamerican0501-34 . Archivado del original el 24 de abril de 2013.
  54. ↑ Hayes-Roth, Frederick ; Waterman, Donald; Lenat, Douglas (1983). Building Expert Systems . Addison-Wesley. p. 6. ISBN  978-0-201-10686-2.
  55. 1 2 Wong, Bo K.; Monaco, John A.; Monaco (septiembre de 1995). "Aplicaciones de sistemas expertos en los negocios: una revisión y análisis de la literatura" . Information and Management . 29 (3): 141– 152. doi : 10.1016/0378-7206(95)00023-p . Recuperado el 29 de noviembre de 2013 .
  56. ↑ Kendal, SL; Creen, M. (2007). Introducción a la ingeniería del conocimiento . Londres: Springer. ISBN 978-1-84628-475-5OCLC 70987401​​ 
  57. ↑ Feigenbaum, Edward A.; McCorduck , Pamela (1983). La quinta generación (1.ª ed.). Reading, Massachusetts: Addison-Wesley . ISBN  978-0-201-11519-2OCLC 9324691​​ 
  58. ↑ Lenat, Douglas (1992). "En los umbrales del conocimiento". En Kirsh, David (ed.). Fundamentos de la inteligencia artificial . MIT Press. pp. 185–250 . 
  59. ↑ Bezem M (1988). "Consistencia de los sistemas expertos basados ​​en reglas" . Copia archivada . 9.ª Conferencia Internacional sobre Deducción Automatizada . Lecture Notes in Computer Science. Vol. 310. pp. 151–161 . doi : 10.1007/BFb0012830 . ISBN   3-540-19343-XArchivado del original el 23/10/2020 . Consultado el 30/08/2020 .{{cite conference}}: CS1 mantenimiento: copia archivada como título ( enlace )
  60. ↑ Mak B, Schmitt BH y Lyytinen K (1997). "Participación del usuario en la actualización del conocimiento de los sistemas expertos" . Information & Management . 32 (2): 55– 63. doi : 10.1016/S0378-7206(96)00010-9 .
  61. ↑ Pham HN, Triantaphyllou E (2008). "El impacto del sobreajuste y la sobregeneralización en la precisión de la clasificación en la minería de datos" . Soft Computing for Knowledge Discovery and Data Mining . pp. 391–431 . doi : 10.1007/978-0-387-69935-6_16 . ISBN  978-0-387-69934-9. S2CID 12628921 . Archivado del original el 05-07-2023 . Recuperado el 23-07-2023 . 
  62. ↑ Pham HN, Triantaphyllou E (2008). "Predicción de la diabetes mediante un nuevo enfoque de minería de datos que equilibra el ajuste y la generalización". Computer and Inf. Science G : 11–26 .
  63. ↑ Shan N, y Ziarko W (1995). "Adquisición basada en datos y modificación incremental de reglas de clasificación". Inteligencia Computacional . 11 (2): 357– 370. doi : 10.1111/j.1467-8640.1995.tb00038.x . S2CID 38974914 . 
  64. ↑ Coats PK (1988). "Por qué fallan los sistemas expertos". Financial Management . 17 (3): 77– 86. JSTOR 3666074 . 
  65. ↑ Hendriks PH y Vriens DJ (1999). «Sistemas basados ​​en el conocimiento y gestión del conocimiento: ¿amigos o enemigos?» . Information & Management . 35 (2): 113–125 . doi : 10.1016/S0378-7206(98)00080-9 . hdl : 2066/240554 . Archivado del original el 19 de abril de 2024. Consultado el 20 de febrero de 2024 .
  66. ↑ Yanase J , Triantaphyllou E (2019). " Los siete desafíos clave para el futuro del diagnóstico asistido por computadora en medicina" . Revista Internacional de Informática Médica . 129 : 413–422 . doi : 10.1016/j.ijmedinf.2019.06.017 . PMID 31445285. S2CID 198287435. Archivado del original el 13 de agosto de 2025. Recuperado el 1 de junio de 2026 .  
  67. ↑ Woolery, LK; Grzymala-Busse, J. (1994). "Aprendizaje automático para un sistema experto para predecir el riesgo de parto prematuro" . Journal of the American Medical Informatics Association . 1 (6): 439– 446. doi : 10.1136/jamia.1994.95153433 . PMC 116227. PMID 7850569 .  
  68. 1 2 Salvaneschi, Paolo; Cadei, Mauro; Lazzari, Marco (1996). "Aplicación de la IA al monitoreo y evaluación de la seguridad estructural" . IEEE Expert . 11 (4): 24– 34. Bibcode : 1996IExp...11...24S . doi : 10.1109/64.511774 . Archivado del original el 5 de marzo de 2014. Recuperado el 5 de marzo de 2014 .
  69. 1 2 Lazzari, Marco; Salvaneschi, Paolo (1999). "Integración de un sistema de información geográfica en un sistema de apoyo a la toma de decisiones para el monitoreo del riesgo de deslizamientos de tierra" ( PDF) . Revista Internacional de Peligros Naturales . 20 ( 2–3 ): 185–195 . Bibcode : 1999NatHa..20..185L . doi : 10.1023/A:1008187024768 . S2CID 1746570. Archivado (PDF) del original el 17 de octubre de 2014. Recuperado el 12 de octubre de 2014 . 
  70. 1 2 Lancini, Stefano; Lazzari, Marco; Masera, Alberto; Salvaneschi, Paolo (1997). "Diagnosing Ancient Monuments with Expert Software" ( PDF) . Structural Engineering International . 7 (4): 288– 291. doi : 10.2749/101686697780494392 . S2CID 8113173. Archivado (PDF) del original el 13 de abril de 2015. Recuperado el 12 de octubre de 2014 . 
  71. ↑ K. Horn; L. Lazarus; P. Compton; JR Quinlan (1985). "Un sistema experto para la interpretación de análisis tiroideos en un laboratorio clínico". Aust Comput J. 17 : 7–11 .
  72. 1 2 Buchanan, B. (1986). "Sistemas expertos: sistemas de trabajo y literatura de investigación". Expert Systems . 3 (1): 32– 51. doi : 10.1111/j.1468-0394.1986.tb00192.x .
  73. ↑ P. Compton; K. Horn; R. Quinlan; L. Lazarus; K. Ho (1988). "Mantenimiento de un sistema experto". Actas de la Cuarta Conferencia Australiana sobre Aplicaciones de Sistemas Expertos .
  74. ↑ Song, Il-Yeol; Strum, SD; Medsker, Carl J. (1991). "Diseño e implementación de una herramienta de diseño de bases de datos utilizando VP-Expert" . [ 1991 ] Actas de la Conferencia Internacional IEEE/ACM sobre Desarrollo y Gestión de Programas de Sistemas Expertos . IEEE. págs. 15–23 . doi : 10.1109/DMESP.1991.171764 . ISBN  0-8186-2250-4Archivado del original el 15/12/2024 . Consultado el 28/09/2025 .
  75. ↑ Kwak, SH (1990). "Un sistema experto de planificación de misiones para un vehículo submarino autónomo". Simposio sobre tecnología de vehículos submarinos autónomos . págs. 123–128 . doi : 10.1109/AUV.1990.110446 . S2CID 60476847 .  
  76. ↑ Nelson, WR (1982). "REACTOR: Un sistema experto para el diagnóstico y tratamiento de reactores nucleares" . AAAI . 82: Actas de la Segunda Conferencia AAAI sobre Inteligencia Artificial: 296–301 . Archivado del original el 11 de marzo de 2023. Recuperado el 11 de marzo de 2023 .
  77. 1 2 Hofmeister, Alan (1994). "SMH.PAL: un sistema experto para identificar procedimientos de tratamiento para estudiantes con discapacidades graves" . Exceptional Children . 61 (2). Archivado del original el 3 de diciembre de 2013. Recuperado el 30 de noviembre de 2013 .
  78. ↑ Haddawy, P; Suebnukarn, S. (2010). "Sistemas inteligentes de formación clínica". Methods Inf Med . 49 (4): 388– 9. CiteSeerX 10.1.1.172.60 . doi : 10.1055/s-0038-1625342 . PMID 20686730 . S2CID 11903941 .   
  79. ↑ Hollan, J.; Hutchins, E.; Weitzman, L. (1984). "STEAMER: Un sistema de entrenamiento interactivo basado en simulación inspeccionable". AI Magazine .
  80. ↑ Stanley, GM (15-17 de julio de 1991). "Experiencia en el uso del razonamiento basado en el conocimiento en el control de procesos en tiempo real" (PDF) . Ponencia plenaria presentada en: Simposio de la Federación Internacional de Control Automático (IFAC) sobre diseño asistido por computadora en sistemas de control . Recuperado el 3 de diciembre de 2013 .
  81. ↑ Rasmussen, Arthur; Muratore, John F.; Heindel, Troy A. (febrero de 1990). "El proyecto del sistema experto INCO: CLIPS en el control de misiones del transbordador" . NTRS . Recuperado el 30 de noviembre de 2013 .
  82. ↑ Ciriscioli, PR; GS Springer (1990). "Curación inteligente en autoclave de materiales compuestos" . ISBN 9781003209010.
  83. ↑ Catlett, J. (1990). "Sistemas expertos, riesgos y beneficios". Hub Information Technology . 2 (7): 20– 26.

Obras citadas

  • Crevier, Daniel (1993). IA: La tumultuosa búsqueda de la inteligencia artificial . Nueva York, NY: BasicBooks. ISBN 0-465-02997-3.
  • Luger, George; Stubblefield, William (2004). Inteligencia artificial: Estructuras y estrategias para la resolución de problemas complejos (5.ª  ed.). Benjamin/Cummings. ISBN 978-0-8053-4780-7Consultado el 17 de diciembre de 2019 .
  • Nilsson, Nils (1998). Inteligencia artificial: una nueva síntesis . Morgan Kaufmann. ISBN 978-1-55860-467-4Consultado el 18 de noviembre de 2019 .
  • McCorduck, Pamela (2004), Máquinas que piensan (2.ª  ed.), Natick, Massachusetts: AK Peters, ISBN 1-5688-1205-1
  • Tutorial de sistemas expertos en Code Project
Obtenido de " https://en.wikipedia.org/w/index.php?title=Expert_system&oldid=1359874276 "
Lecturas relacionadas
6 articulos
Lisp machineLisp machineLisp machines are general-purpose computers designed to efficiently run Lisp as their main software and programming language, usually via hardware ...SimbólicosSimbólicosSimbólicos 3600 Symbolics, Inc. , fue un fabricante de computadoras estadounidense de propiedad privada que adquirió los activos de la antigua empr...Inteligencia artificialInteligencia artificialLa inteligencia artificial ( IA ), en su sentido más amplio, es la inteligencia que exhiben las máquinas , en particular los sistemas informáticos ...ExpertExpertAdolf von Becker : The Art Expert An expert is somebody who has a broad and deep understanding and competence in terms of knowledge , skill and exp...Sistema de razonamientoEn tecnología de la información, un sistema de razonamiento es un sistema de software que genera conclusiones a partir del conocimiento disponible ...Rule-based systemIn computer science , a rule-based system is a computer system in which domain-specific knowledge is represented in the form of rules and general-p...