La idea fundamental de los sistemas expertos es que encarnen la figura de un humano experto en un campo del saber.

¿Qué son los sistemas expertos y cómo funcionan? Ejemplos de sistemas expertos

pablo.blanco
29/11/2023

Un sistema experto (SE) es un software especializado en una materia concreta que es capaz de resolver peticiones relacionadas de los usuarios de manera muy precisa y humana, sirviéndose de una base de conocimientos, es decir, una base de datos. El sistema experto más ampliamente conocido hoy día es ChatGPT, un modelo de lenguaje avanzado que se sirve de la inteligencia artificial y que está especializado en un rango oceánico de campos.

La idea fundamental de los sistemas expertos es que encarnen la figura de un humano experto en un campo del saber particular, de tal forma que los usuarios puedan formularle preguntas para que el sistema les proporcione conocimientos especializados. Un aspecto troncal de estos sistemas de conocimiento es que son capaces de explicar el razonamiento que subyace a las soluciones que aporta como respuesta a las peticiones de los usuarios.

¿Cómo funciona un sistema experto?

Su funcionamiento se basa en la captura, manipulación y presentación de información especializada confiable que proviene de fuentes expertas en una materia. Todo lo que comprende la concepción y puesta en marcha de un sistema experto se denomina ingeniería del conocimiento. A continuación, te detallamos los pasos que sigue un sistema experto para responder satisfactoriamente a las peticiones del usuario:

Adquisición de conocimiento

En la fase de adquisición de conocimiento, los expertos (o fuentes de confianza) en el dominio proporcionan su experiencia y conocimiento en forma de información, que luego se estructura y organiza en una base de datos que, como hemos indicado anteriormente, se denomina base de conocimiento en este sector. Esta base contiene hechos, reglas y relaciones lógicas que representan la información relevante del campo en cuestión.

Reglas del motor

El corazón del sistema es el motor de inferencia, que es el procesador central que opera siguiendo las reglas y relaciones definidas en la base de conocimiento para ofrecer conclusiones (output) al usuario en función de la petición que se introduzca (input). Utiliza un proceso de cadena de inferencia, donde aplica reglas secuenciales con el fin de proporcionar la respuesta más rigurosa, coherente y lógica.

Respuesta

Así pues, el usuario interactúa con la interfaz del sistema experto para realizar preguntas. La entrada de datos se procesa, y el sistema rebusca en la base de conocimiento para encontrar información acertada que permita responder a la consulta satisfactoriamente.

Actualización de conocimiento

Pero el sistema experto no es un software fijo que se pueda crear y no volver a tocar, sino que, como cualquier otra tecnología que utiliza la inteligencia artificial, ha de ir perfeccionándose y actualizándose. Por eso, la base de conocimiento se actualiza con nuevos datos y descubrimientos, y las reglas del motor de inferencia se van afinando para tomar decisiones más precisas y coherentes.

Ejemplos de sistemas expertos

Los primeros sistemas expertos se desarrollaron a fines de los años sesenta y están destinados principalmente al ámbito de la medicina. Sin embargo, no fue hasta los años setenta cuando la investigación realmente comenzó a gran escala. Te ponemos algunos ejemplos de sistemas expertos destacables desde su creación:

MYCIN

Desarrollado en los años setenta en la Universidad de Stanford, MYCIN es un sistema experto que se destaca por su enfoque en el diagnóstico y tratamiento de enfermedades infecciosas. Ofrece indicaciones preliminares sobre los posibles organismos causantes de la infección y asesora sobre los tratamientos adecuados. Su capacidad para proporcionar recomendaciones médicas en situaciones en las que el diagnóstico rápido es crucial ha sido un hito en la evolución de los sistemas expertos en medicina.

INTERNIST/CADUCEUS

En los años setenta, en la Universidad de Pittsburgh, se inició el desarrollo de INTERNIST/CADUCEUS, con el propósito de mejorar el diagnóstico de enfermedades en el campo de la medicina interna. Este sistema se centra en las enfermedades más probables, considerando los síntomas y los resultados de las pruebas clínicas del paciente.

HEURISTIC DENDRAL

Desde sus comienzos en 1965 en la Universidad de Stanford, HEURISTIC DENDRAL ha destacado por su enfoque en la química orgánica. El sistema desempeña un papel crucial en la determinación de las fórmulas estructurales de compuestos químicos. Utilizando un método de prueba y error, genera diversas hipótesis de estructuras moleculares y las contrasta con datos observados, especialmente a través de técnicas como la espectrometría de masas.

XCON

En respuesta a la complejidad de la configuración de sistemas informáticos de Digital Equipment Corporation (DEC), se desarrolló XCON en los años setenta. Su impacto en la gestión de configuraciones de sistemas informáticos ha sido muy notable.

Ventajas y desventajas de los sistemas expertos

La utilización de sistemas expertos presentan tanto beneficios como inconvenientes:

Ventajas de los sistemas expertos

Las ventajas de los sistemas expertos están estrechamente relacionadas con su esencia tecnológica y con factores de productividad. Así pues, un sistema experto no se cansa y no tiene necesidades humanas, por lo que está disponible las 24 horas del día y siempre es igual de eficiente. 

Además, sirven como un repositorio estable de conocimiento especializado cuya veracidad y corrección está confirmada, por lo que su calidad tiene poco margen de error.

Desventajas de los sistemas expertos

No obstante, también presentan sus desventajas. Por ejemplo, los sistemas expertos al uso (exluyendo ChatGPT) están hiperespecializados, por lo que su uso se limita a un campo muy específico. Por lo general, los sistemas expertos carecen de ese toque de creatividad y flexibilidad mental que sí poseemos los humanos. De igual forma, tienen una capacidad muy rudimentaria para captar emociones o dobles sentidos.

Otra gran desventaja es que toda la información que aporta la extrae de una base de datos que, en principio, bebe de fuentes científicas y 100% fiables. Para afirmarlo, esta información debe cotejarse concienzudamente. Pues, de lo contrario, las respuestas de los sistemas expertos podrían estar sesgadas o contener imprecisiones.

Artículos relacionados

Hay varios algoritmos para crear una IA. Aquí te enseñamos cómo funciona el aprendizaje supervisado.
pablo.blanco

¿Qué es el aprendizaje supervisado y cómo funciona?

29/04/2024

El aprendizaje supervisado es un enfoque que se implementa en la creación de inteligencia artificial en el que se entrena un algoritmo a partir de datos prev

Una serie temporal es una secuencia de datos recabados en un período. ¡Descubre su aplicación en machine learning!
pablo.blanco

¿Qué son las series temporales y para qué se usan en machine learning?

15/05/2024

Una serie temporal es una secuencia de datos recabados en un período de tiempo. Así pues, en una serie tempor

En EducaOpen sabemos de primera mano que el avance de las tecnologías es imparable. Aquí te esbozamos nuestras predicciones sobre el futuro de la IA.
pablo.blanco

El futuro de la IA: posibles avances y retos

17/11/2023

En EducaOpen sabemos de primera mano que el avance de las tecnologías es imparable.