INTRODUCCIÓN
En la actualidad existe un campo dentro de la inteligencia artificial al que se le atribuye esa facultad: el de los sistemas expertos (SE). Estos sistemas también son conocidos como Sistemas Basados en Conocimiento, los cuales permiten la creación de máquinas que razonan como el hombre, restringiéndose a un espacio de conocimientos limitado. En teoría pueden razonar siguiendo los pasos que seguiría un EH (experto humano) (médico, analista, empresario, etc.) para resolver un problema especifico. Este tipo de modelos de conocimiento por ordenador ofrece un extenso campo de posibilidades en resolución de problemas y en aprendizaje. Su uso se extenderá ampliamente en el futuro, debido a su importante impacto sobre los negocios y la industria.
Una Aplicación que emula el comportamiento de un experto humano en la solución de un dilema. Pueden acumular conocimientos de expertos mediante su BC para un campo determinado y solucionar un problema mediante deducción lógica de conclusiones.
Son SE aquellos programas que se realizan haciendo explicito el conocimiento en ellos, que tienen información específica de un dominio concreto y que realizan una tarea relativa a este dominio.
Programas que manipulan conocimiento codificado para resolver problemas en un dominio especializado en un dominio que generalmente requiere de experiencia humana.
Programas que contienen tanto conocimiento declarativo (hechos a cerca de objetos, eventos y/o situaciones) como conocimiento de control (información a cerca de los cursos de una acción), para emular el proceso de razonamiento de los expertos humanos en un dominio en particular y/o área de experiencia.
Base de conocimientos. La base de datos o base de hechos es una parte de la memoria del ordenador que se utiliza para almacenar los datos recibidos inicialmente para la resolución de un problema.
Contiene conocimiento sobre el caso concreto en que se trabaja. También se registrarán en ella las conclusiones intermedias y los datos generados en el proceso de inferencia. Al memorizar todos los resultados intermedios, conserva el vestigio de los razonamientos efectuados; por lo tanto, se puede utilizar explicar las deducciones y el comportamiento del sistema [SAMP].
Todos estos datos no son suficientes, si no se tiene un sistema encargado de procesar y manipular toda la información para generar los resultados deseados, este sistema es conocido como Motor de inferencia.
Base de hechos.- El motor de inferencia es el "supervisor", un programaque está entre el usuario y la base de conocimientos, y que extrae conclusiones a partir de los datos simbólicos que están almacenados en las bases de hechos y de conocimiento. Dependen en gran medida de la representación elegida; por su importancia analizaremos los motores de inferencia basados en reglas [CANC].
Existen varios algoritmos de búsqueda a lo largo de las reglas para inferir conclusiones a partir de los hechos y las reglas. Todos los algoritmos son del tipo "pattern-matching", van disparando reglas a medida que se cumplen las condiciones. Se pueden diferenciar dos mecanismos de inferencia: Encadenamiento hacia delante y encadenamiento hacia atrás.
La llamada "técnica de encadenamiento hacia adelante" consiste en aplicar al conocimiento-base (organizado en forma de reglas de producción), junto con otro conocimiento disponible, el esquema inferencial modus ponens. Esta estrategia se denomina "encadenamiento hacia adelante" o "razonamiento de datos dirigidos", porque comienza con los datos conocidos y aplica el modus ponens sucesivamente hasta obtener los resultados que se siguen. Las reglas se aplican "en paralelo", o sea, en cualquier iteración una regla toma los datos cuales eran al principio del ciclo, por lo tanto el conocimiento-base y el sistema no dependen del orden en el que las reglas son establecidas, almacenadas o procesadas. Esta técnica suele utilizarse cuando la cantidad de datos es potencialmente muy grande, y resulta de interés algún conocimiento específico tomado en consideración (caso típico en los problemas de diagnóstico; MYCIN, por ejemplo).
La técnica del "encadenamiento hacia atrás" consiste en tratar de probar un dato (o conocimiento) engarzándolo en las reglas-base con el esquema de inferencia modus ponens, o sea, tomando al dato como un consecuente y buscando en el conocimiento-base el correspondiente antecedente, a través de los pasos correspondientes.
Estas dos formas de inferencia se corresponden con los dos métodos lógicos clásicos conocidos por varios nombres: método resolutivo / método compositivo; análisis / síntesis. La distinción se basa en la relación direccional entre objetivos y datos. Y ambas formas pueden combinarse en el razonamiento. Cabe partir de un supuesto inicial, inferir una conclusión mediante un razonamiento hacia adelante y luego establecer un encadenamiento hacia atrás hasta encontrar los datos que confirman esa conclusión [VELA].
Es importante destacar que la base de conocimientos y el motor de inferencia son sistemas independientes, por lo que se han desarrollado herramientas que únicamente necesitan la implementación del conocimiento, llevando incorporado el motor de inferencia [CANC].
La forma en que se obtiene o se presenta la información debe ser tal, que facilite la comprensión de los datos y la forma como se ingresa la información, por lo cuál es necesario la interfase Hombre-Máquina.
Motor de inferencia. La interface establece una comunicación sencilla entre el usuario y el sistema. El usuario puede consultar con el sistema a través de menús, gráficos, o algún otro tipo de intefases, y éste le responde con resultados. También es interesante mostrar la forma en que extrae las conclusiones a partir de los hechos. En sistemas productivos se cuida la forma de presentar al operador las órdenes obtenidas del sistema experto, debido a que información excesiva o confusa dificulta la actuación en tiempo real [CANC].
Aunque no se maneja dentro de la estructura de un Sistema Experto en general, existe un componente adicional, el componente de explicación, el cuál se tratará a continuación.
Subsistema de explicación. Una característica de los sistemas expertos es su habilidad para explicar su razonamiento. Usando el módulo del subsistema de explicación, un sistema experto puede proporcionar una explicación al usuario de por qué está haciendo una pregunta y cómo ha llegado a una conclusión. Este módulo proporciona beneficios tanto al diseñador del sistema como al usuario. El diseñador puede usarlo para detectar errores y el usuario se beneficia de la transparencia del sistema.
Interfaz de usuario. La interacción entre un sistema experto y un usuario se realiza en lenguaje natural. También es altamente interactiva y sigue el patrón de la conversación entre seres humanos. Para conducir este proceso de manera aceptable para el usuario es especialmente importante el diseñodel interfaz de usuario. Un requerimiento básico del interfaz es la habilidad de hacer preguntas. Para obtener información fiable del usuario hay que poner especial cuidado en el diseño de las cuestiones. Esto puede requerir diseñar el interfaz usando menús o gráficos.
El Motor de Inferencias (MI) es un programa de control cuya función es seleccionar las reglas posibles a satisfacer el problema, para ello se vale de ciertas estrategias de control sistemáticas o de estrategias heurísticas.
Estrategias de control sistemático:
Encadenamiento hacia adelante o hacia atrás.
Búsqueda en profundidad o a lo ancho.
Régimen de control irrevocable o por tentativa.
Estas estrategias son de forma sistemática las cuales deben llevar a la solución del problema. Podemos decir que el control sistemático es un programa de control hecho de forma "algorítmica" que aplican una heurística de propósito general cuya función es una exploración exhaustiva y metódica de la base de conocimientos.
Estos mecanismos de control son muy generales y a veces resultan ineficientes ya que siguen una secuencia de búsqueda demasiado rígida, para resolver esto se idearon las estrategias de control heurísticas.
Las estrategias de control heurísticas son programas de control que utilizan una heurística más específica y su función es una selección más restringida orientada por las necesidades del problema. Estas estrategias actúan sobre el control sistemático y en ciertos casos toma el control y dirige la búsqueda hacia ciertos criterios rompiendo así el control sistemático, una vez logrado su objetivo le devuelve el control nuevamente al sistemático.
Estrategias de control heurísticas:
Estrategias de control sistemático:
Encadenamiento hacia adelante o hacia atrás.
Búsqueda en profundidad o a lo ancho.
Régimen de control irrevocable o por tentativa.
Estas estrategias son de forma sistemática las cuales deben llevar a la solución del problema. Podemos decir que el control sistemático es un programa de control hecho de forma "algorítmica" que aplican una heurística de propósito general cuya función es una exploración exhaustiva y metódica de la base de conocimientos.
Estos mecanismos de control son muy generales y a veces resultan ineficientes ya que siguen una secuencia de búsqueda demasiado rígida, para resolver esto se idearon las estrategias de control heurísticas.
Las estrategias de control heurísticas son programas de control que utilizan una heurística más específica y su función es una selección más restringida orientada por las necesidades del problema. Estas estrategias actúan sobre el control sistemático y en ciertos casos toma el control y dirige la búsqueda hacia ciertos criterios rompiendo así el control sistemático, una vez logrado su objetivo le devuelve el control nuevamente al sistemático.
Estrategias de control heurísticas:
Orden de las reglas.
Mayor credibilidad en las reglas.
Menor número de cláusulas no instanciadas.
Mayor número de conclusiones en las reglas.
Podemos decir que un sistema experto, es un sistema informático que utiliza técnicas apropiadas para la representación de conocimientos y la manipulación de este, de forma tal que exhiba el comportamiento de un avezado especialista en un determinado dominio del saber.
Historia de la representación del conocimiento
En informática, particularmente inteligencia artificial, un número de representaciones se han ideado para estructurar la información.
El KR es el más de uso general referir a las representaciones previstas para procesar por moderno computadoras, y particularmente, para las representaciones que consisten en los objetos explícitos (la clase de todos los elefantes, o Clyde cierto individuo), y de aserciones o de demandas sobre ellas (“Clyde es un elefante”, o “todos los elefantes son grises”). La representación de conocimiento en tal forma explícita permite a las computadoras dibujar conclusiones del conocimiento almacenado ya (“Clyde es gris”).
Muchos métodos del KR fueron intentados en los años 70 y los años 80 tempranos, por ejemplo heurístico question-answering, redes de los nervios, el probar del teorema, y sistemas expertos, con éxito que varía. Diagnosis médica (e.g., Mycin) era un área de aplicación importante, al igual que juegos por ejemplo ajedrez.
En la representación formal del conocimiento de la computadora de los años 80 las idiomas y los sistemas se presentaron. Los proyectos importantes procuraron codificar cuerpos anchos del conocimiento general; por ejemplo “Cycel “proyecto pasó a través de una enciclopedia grande, codificando no la información sí mismo, pero la información que un lector necesitaría para entender la enciclopedia: física ingenua; nociones del tiempo, causalidad, motivación; objetos corrientes y clases de objetos. El proyecto de Cyc se maneja cerca Cycorp, Inc.; mucho pero no todos los datos está libremente disponibles ahora.
A través de tal trabajo, la dificultad del KR vino ser apreciada mejor. En lingüística de cómputo, mientras tanto, bases de datos mucho más grandes de la información de la lengua eran construidas, y éstas, junto con grandes aumentos en velocidad y capacidad de la computadora, hicieron un KR más profundo más factible.
Varios lenguajes de programación se han convertido que se orienta al KR. Prólogo convertido en 1972 (véase http://www.aaai.org/AITopics/bbhist.html#mod), pero popularizado mucho más adelante, representa asuntos y lógica básica, y puede derivar conclusiones de premisas sabidas. KL-ONE (los años 80) es la representación más específicamente dirigida sí mismo del conocimiento.
En el mundo electrónico del documento, las idiomas eran desarrolladas para representar la estructura de documentos más explícitamente, por ejemplo SGML y más adelante XML. Éstos facilitados recuperación de datos y explotación minera de los datos esfuerzos, que estos últimos años han comenzado a relacionarse con el KR. La comunidad del Web ahora está interesada especialmente en Web semántico, en tales como que XML-basó idiomas del KR RDF, Mapas del asunto, Inglés de Gellish y otros se pueden utilizar para poner la información del KR a disposición los sistemas del Web.
MÉTODOS PARA LA ADQUISICIÓN DEL CONOCIMIENTO
Es necesario distinguir el aprendizaje empírico del sistemático y racional. El primero tiene un carácter espontáneo, cotidiano, particular, relativo y se supone como fuente el uso de los sentidos; el segundo se basa en un procedimiento cuya elaboración es más profunda, incluye a la investigación e incorpora implementación el equipo técnico y especializado.
Es posible considerar alm ét o d o como una serie de pasos a seguir para lograr el fin, a esto lo podemos remitir a una especie de construcción metodológica en la cual se incluyen procedimientos, técnicas, modelos y teorías que se aplican sistemáticamente durante el desarrollo de una investigación.
Algunos de los métodos más comunes son: el método de educativo, el método inductivo, el método analógico, el método analítico y el método sintético.
Método deductivo
Es definido como el método que procede de lo universal a lo particular. Por ejemplo, la Lógica y la Matemática donde a través de la abstracción sistemática racional y la aplicación de leyes establecidas se llega a la construcción de postulados generales que se consideran científicamente válidos a priori, es decir, independientemente de la experiencia, de su aplicación concreta, empírica e inmediata.
Es preciso informar que el uso incorrecto de la deducción puede conducir a que se incurra en conclusiones falsas, aún
cuando el razonamiento sea el adecuado.
El siguiente es un ejemplo del sistema educativo correcto y del sistema de educativo incorrecto, nótese que el incorrecto está basado en una teoría mal fundamentada.
Método analógico
Según Walter Brugger dice " para caracterizar más exactamente el concepto de análogo, deben considerarse los dos tipos
Fundamentales de analogía, de atribución y proporcionalidad”
En la analogía de atribución se cuenta con un concepto fundamental y otro secundario, uno es considerado como necesario y el otro como contingente, donde el segundo es análogo al primero.
En la analogía de proporcionalidad se conciben igualmente dos conceptos, con cierta discrepancia uno del otro; ambos conceptos difieren de la naturaleza o significado.
Si se considera a la analogía como sinónimo de comparación, el método analógico o comparativo permitirá establecer cierta relación entre dos objetos de aprendizaje o dos conceptos, de modo que partir del conocimiento del primero se infiera el segundo, ya sea por su atribución o por su proporción
Para López Ruiz, el método analítico " consiste en la operación entre elementos similares muy diferentes, para después sacar una conclusión lógica"
Razonamiento deductivo y correcto
Todo hombre es mortal
Sócrates es hombre
Por lo tanto: Sócrates es mortal
Razonamiento deductivo e incorrecto
4. Todos los gastos son pagos (falso)
5. Tulús es un gato
6. Por lo tanto: Tulús es pardo
5. Tulús es un gato
6. Por lo tanto: Tulús es pardo
El método analítico
Del término análisis significa "separación del todo en sus partes ". Cada parte merece un estudio por separado para la comprensión del todo (objeto o concepto)
Este tipo de análisis se puede ver al momento le identifica por separado los componentes de un libro:
Análisis interno. Personajes primarios, secundarios y ambientales, trama, clímax, desenlace y moraleja.
Análisis externo. Autor, título, editorial, lugar y año de publicación.
Método sintético
Este método es contrario a de análisis, sin embargo puede considerarse como complementario.
Síntesis significa la reunión de las partes de un todo una vez que éstas han sido analizadas y ordenadas.
Un ejemplo de síntesis se ven la Química al utilizar dos elementos distintos para formular una molécula única tal es el ejemplo del H2O (agua) y el CO2 (bióxido de carbono)
Modelos de Administración del Conocimiento
Existen muchos modelos de cómo se puede administrar el conocimiento. Los sistemas basados en compartir el conocimiento no refleja la naturaleza compleja del aprendizaje dentro de una organización.
Según Dixon la transferencia del conocimiento común comienza, con la creación del conocimiento y se añaden los siguientes pasos:
- Encontrar un método para transferir el conocimiento hasta o un grupo o individuo que pueda reutilizarlo.
- Transformar lo que se ha aprendido en una configuración que otros puedan emplear.
- El equipo o la persona que recibe la información debe adaptar el conocimiento para utilizarlo en un contexto peculiar.
- El proceso se repite cuando el equipo que recibe el conocimiento empieza a realizar una nueva tarea.
El manejo del conocimiento llegará a ser una parte integral de cada negocio. El manejo del conocimiento en los procesos relacionados contribuye a la competitividad de una organización.
El conocimiento no representa ningún valor a la organización mientras no sea aplicado. La arquitectura del conocimiento puede ser dividida en 2 componentes: el acceso del conocimiento (web site, portales y bases de datos) todos soportados por un manejador de información y el intercambio de conocimiento que efectúa un rol más interactivo. Estos 2 componentes de la arquitectura del conocimiento están unidos uno a uno por medio de las personas que aplican los valores de cada uno. (Ver figura 2.3)
Fortalecimiento del conocimiento común
Las propuestas de la gestión del conocimiento representan un modelo de gestión que se basa en gran parte en gestionar adecuadamente la información. Es por lo tanto el paso previo, que cualquier organización debería dar antes de tratar de implantar un sistema de administración del conocimiento.
MODELO DE ADMINISTRACION DEL CONOCIMIENTO
La gestión de la información se puede definir como el conjunto de actividades realizadas con el fin de controlar, almacenar y, posteriormente, recuperar adecuadamente la información producida, recibida o retenida por cualquier organización en el desarrollo de sus actividades. En el centro de la gestión de la información se encuentra la gestión de la documentación (la información que queda plasmada en documentos) y que pude ser de tres tipos:
Interna: hace referencia a aquella documentación generada o recibida por la organización en el ejercicio de sus funciones, es decir, son documentos que surgen de la actividad diaria de esa institución. En este grupo, encontramos tanto la documentación típicamente administrativa: contabilidad, correspondencia; como la documentación de gestión: informes, actas de reuniones, procedimientos de trabajo, y la documentación técnica que refleja la propia actividad de la organización.
Externa: además de la documentación producida por la propia organización, ésta y las personas que trabajan en ella necesitan, a menudo, consultar y manejar fuentes de información externas: libros, revistas, Bases de Datos, Internet.
Pública: es aquella documentación que la organización produce de cara al público, para comunicarles hechos, actividades, acontecimientos; por ejemplo, las memorias, los catálogos de productos y servicios, páginas Web.
Los principios del manejo del conocimiento habilitan la creación, consolidación, manejo, conservación y continua actualización del conocimiento a través de sistemas de información.
MODELO ANDERSEN (ARTHUR ANDERSEN, 1999)
Andersen (1999) reconoce la necesidad de acelerar el flujo de la información que tiene valor, desde los individuos a la organización y de vuelta a los individuos, de modo que ellos puedan usarla para crear valor para los clientes.
Desde la perspectiva individual, la responsabilidad personal de compartir y hacer explícito el conocimiento para la organización.
Desde la perspectiva organizacional, la responsabilidad de crear la infraestructura de soporte para que la perspectiva individual sea efectiva, creando los procesos, la cultura, la tecnología y los sistemas que permitan capturar, analizar, sintetizar, aplicar, valorar y distribuir el conocimiento.
PROCESO DE CREACIÓN DEL CONOCIMIENTO (NONAKA, TAKEUCHI, 1995)
El proceso de creación del conocimiento para Nonaka y Takeuchi (1995) es a través de un modelo de generación de conocimiento mediante dos espirales de contenido epistemológico y ontológico.
Es un proceso de interacción entre conocimiento tácito y explícito que tiene naturaleza dinámica y continua. Se constituye en una espiral permanente de transformación ontológica interna de conocimiento, desarrollada siguiendo 4 fases que podemos ver de forma gráfica en la figura 2.6:
Proceso de conversión del conocimiento en la organización (Nonaka y Takeuchi, 1995)
• La Socialización, es el proceso de adquirir conocimiento tácito a través de compartir experiencias por medio de exposiciones orales, documentos, manuales y tradiciones y que añade el conocimiento novedoso a la base colectiva que posee la organización;
• La Exteriorización, es el proceso de convertir conocimiento tácito en conceptos explícitos que supone hacer tangible mediante el uso de metáforas conocimiento de por sí difícil de comunicar, integrándolo en la cultura de la organización; es la actividad esencial en la creación del conocimiento;
• La combinación, es el proceso de crear conocimiento explícito al reunir conocimiento explícito proveniente de cierto número de fuentes, mediante el intercambio de conversaciones telefónicas, reuniones, correos, etc., y se puede categorizar, confrontar y clasificar para formas bases de datos para producir conocimiento explícito.
• La Interiorización, es un proceso de incorporación de conocimiento explícito en conocimiento tácito, que analiza las experiencias adquiridas en la puesta en práctica de los nuevos conocimientos y que se incorpora en las bases de conocimiento tácito de los miembros de la organización en la forma de modelos mentales compartidos o prácticas de trabajo
Nonaka y Takeuchi, mencionan que lo expresado por Peter Drucker de la esencia de la dirección es, cómo se puede aplicar de la mejor forma un conocimiento existente para poder crear otro conocimiento nuevo o reciclado, es justificado ya que sus estudios en compañías japonesas respaldan el proceso de creación del conocimiento que ambos Japoneses han sostenido.
KNOWLEDGE MANAGEMENT ASSESSMENT TOOL (KMAT)
El KMAT es un instrumento de evaluación y diagnóstico construido sobre la base del Modelo de Administración del Conocimiento Organizacional desarrollado conjuntamente por Arthur Andersen y APQC.
El modelo propone cuatro facilitadores (liderazgo, cultura, tecnología y medición) que favorecen el proceso de administrar el conocimiento organizacional.
Modelo Knowledge Management Assessment Tool
Liderazgo.- Comprende la estrategia y cómo la organización define su negocio y el uso del conocimiento para reforzar sus competencias críticas.
Cultura.- Refleja cómo la organización enfoca y favorece el aprendizaje y la innovación incluyendo todas aquellas acciones que refuerzan el comportamiento abierto al cambio y al nuevo conocimiento.
Tecnología.- Se analiza cómo la organización equipa a sus miembros para que se puedan comunicar fácilmente y con mayor rapidez.
Medición.- Incluye la medición del capital intelectual y la forma en que se distribuyen los recursos para potenciar el conocimiento que alimenta el crecimiento.
Procesos.- Incluyen los pasos mediante los cuales la empresa identifica las brechas de conocimiento y ayuda a capturar, adoptar y transferir el conocimiento necesario para agregar valor al cliente y potenciar los resultados.
VERIFICACION DE LA BASE DE CONOCIMIENTO
La verificación del conocimiento en un sistema experto involucra 2 componentes:
1. Verificar que la base de conocimientos sea correcta.
2. Verificar que el sistema pueda interpretar y aplicar este conocimiento en forma correcta.
Al igual que para desarrollar un sistema de información convencional existen varias metodologías de desarrollo como la Ingeniería de la Información, tendencias estructuradas y orientadas a objetos, así existen varias metodologías para desarrollar un sistema experto. Como ya sabemos el área de sistemas expertos es relativamente joven por lo cual no se dispone de una única metodología sino que cada autor propone una de acuerdo a su forma de desarrollo. Sin embargo existen algunas que han tenido éxito mas que otras lo cual ha llevado a su mayor difusión.
Aquí solo mencionaremos algunas y mostraremos un esquema general de la metodología con la cual trabajaremos nosotros.
Metodología de Buchanan
Metodología de Grover
Metodología de Brule
Metodología de Blanque y García Martínez
Metodología KADS
Ingeniería del Software,….. etc.
Estas son solo algunas encontradas en la bibliografía revisada. Para nuestro caso nosotros trabajaremos con la Metodología de Ingeniería del Conocimiento de Jhon Durkin, de la cual se muestra una breve descripción a continuación:
CONCLUSIONES
Actualmente el duro, difícil y cambiante mercado competitivo se vuelve más complejo por la gran diversidad de información que se ven obligados a almacenar y analizar, razón por la cual las empresas se ven en la necesidad de recurrir a poderosas y/o robustas herramientas o sistemas que les sirvan de soporte a la hora de tomar decisiones. De esta forma estos inteligentes, precisos y eficientes sistemas son adoptados por más organizaciones, en las cuales se convierten y/o transforman en una importante estrategia de negocio.
Por otra parte es importante mencionar que estos seguirán siendo usados en los todos y cada una de las áreas y/o campos donde los expertos humanos sean escasos. Por consecuencia de lo anterior estos sistemas son utilizados por personas no especializadas, por lo cual el uso frecuente de los (//SE//) les produce y/o genera conocimiento a los usuarios.
Por otra parte es importante mencionar que estos seguirán siendo usados en los todos y cada una de las áreas y/o campos donde los expertos humanos sean escasos. Por consecuencia de lo anterior estos sistemas son utilizados por personas no especializadas, por lo cual el uso frecuente de los (//SE//) les produce y/o genera conocimiento a los usuarios.
VENTAJAS DE LOSSISTEMAS EXPERTOS
Los conocimientos de un sistema experto pueden ser copiados y almacenados fácilmente, siendo muy dificil la pérdida de éstos.
Otra ventaja de los sistemas expertos sobre los humanos es que el experto computarizado siempre está a pleno rendimiento. Cuando un humano se cansa, la exactitud de sus consejos puede decaer. Sin embargo, el experto computerizado siempre proporcionará las mejores opiniones posibles dentro de las limitaciones de sus conocimientos.
Otra ventaja menos importante de un sistema experto radica en su !falta de personalidad! Como probablemente sabrá, las personalidades no son siempre compatibles. Si no se lleva bien con el humano experto, puede que se encuentre reticente a recabar sus conocimientos.
Una última ventaja de un sistema experto está en que después de que un experto computerizado exista, usted puede crear un nuevo experto simplemente copiando el programa de una máquina a otra. Un humano necesita mucho tiempo para convertirse en un especialista en ciertos campos, lo que hace difícil que puedan aparecer nuevos especialistas humanos
Las desventajas en general de los Sistema Expertos.
Creatividad: los humanos pueden responder creativamente a situaciones inusuales, los sistemas expertos no pueden.
Experiencia Sensorial: los humanos tienen un amplio rango de diponibilidad de experiancia sensorial. Y los sistemas expertos actualmente dependen de una entrada simbolica.
Degradación: los sistemas expertos no son bueno para reconocer cuando no existen respuestas o cuando los problemas estan fuera de su area.
Limitaciones de los Sistema Expertos.
Programación: Difícil de elaborar y precisan mantenimiento complejo
El elevado costo: En tiempo y dinero para extraer el conocimiento de los especialistas humanos.
Poca flexibilidad a cambios: Hay que reprogramar el sistema
Dificultad para manipular información no estructurada: Especialmente la información incompleta, inconsistente o errónea.
Desacuerdo entre los especialistas humanos:En la elaboración del sistema experto, los especialistas humanos pueden estar en desacuerdo entre ellos mismos a la hora de tomar las mejores decisiones para la solución de los problemas particulares.
BIBLIOGRAFIA
http://www.cs.cinvestav.mx/PaginaAntigua/SC/publica/chapa/intro_lm/node45.html
