Sistemas expertos, análisis de sistemas

1. Metodología para el
desarrollo de sistemas
expertos
Integrantes:
Ignacio Castillo Espitia
Isaac Rayth Aragón García
Oscar Aponte
Profesora: Alma Delia Nietos Yáñez
Carrera: Ingeniería en informática
Asignatura: Análisis de sistemas
Tercer Cuatrimestre, grupo “B”

2. Básicamente

3. Estructura
● Especialistas Humanos
● Ingenieros en Conocimientos.
● Base de conocimientos (BC): Contiene conocimiento modelado extraído del diálogo con un experto.
● Base de hechos (Memoria de trabajo): contiene los hechos sobre un problema que se ha descubierto durante el
análisis.
● Motor de inferencia: Modela el proceso de razonamiento humano.
● Módulos de justificación: Explica el razonamiento utilizado por el sistema para llegar a una determinada conclusión.
● Interfaz de usuario: es la interacción entre el SE y el usuario, y se realiza mediante el lenguaje natural.

4. Historia
Las primeras bases de la inteligencia artificial
fueron propuestas por Alan Turing en 1950 pero
sin embargo no fue hasta 1984 cuando estos
comenzaron a explotarse por personas expertas
en el tema.

6. Metodología ideal según “ D. José Domingo
CARRILLO VERDUN ”
1. Seleccionar el dominio de la aplicación del sistema y al
experto en ese tema.
2. Relacionarse con el experto y extraer la mayor
información del mismo.
3. Adquirir el conocimiento por el Ingeniero y seleccionar
la técnica de representación adecuada.
4. Seleccionar la herramienta más adecuada para el
desarrollo.
5. Construir los prototipos increméntales.

7. ¿Qué hace a los sistemas expertos en
verdad expertos?
Estos sistemas contienen un tipo de
almacenamiento relativo que se centra en un
campo muy concreto de estudio, en base a
coincidencias encontradas y descritas
anteriormente por el desarrollador del sistema,
los sistemas de este tipo producen respuestas
que un experto en el tema daría.

8. Estructura de la memoria humana

9. Aplicación real
-Son muy populares los sistemas expertos que buscan
diagnosticar una enfermedad a un paciente en base a
sus síntomas.
-Se usan también para el diagnóstico de máquinas
descompuestas, en temas relacionados con la
probabilidad tales como los diagnósticos del clima.
-Actualmente muchos softwares tales como
videojuegos, traductores, predictores, asistentes
personales y buscadores los implementan.

10. Aplicación real
-Se usan en la petroquímica [Feigenbaum, 1980]
-El análisis espectográfico fue uno de sus primeros
usos [Feigenbaum, 1970]
-El área financiera los utiliza en gran medida.

14. Razones para confiar en un
sistema experto
- Detrás de todo sistema experto hay siempre
un experto de carne y hueso que transfirió
sus conocimientos al sistema.

15. Ventajas
- No se basan totalmente en soluciones explícitas
como los programas convencionales.
- Pueden aprender nuevos conceptos y aplicarles
ciertos parámetros para relacionarlos con los
conceptos anteriores.
- Facilitan el trabajo con grandes cantidades de
información y brindan altas posibilidades de
obtener la mejor solución o conclusión a un
problema dado con los datos que un usuario
introduce.

16. Desventajas
-Muy poca personas se sienten atraídas con la
idea de hacer a una máquina más experta que el
humano mismo y tienen sus razones.
- A esto se le suma la escasez de ingenieros
expertos en el tema y encima la elección del
mejor algoritmo con el que se debe desarrollar.
- Los procesos de aprendizaje e
implementación del programa son muy lentos.
- Para un SE no hay nada obvio

17. Verdaderos sistemas expertos
Estos son muy pocos ya que para considerarse
como tal, se debe argumentar la respuesta
elegida por el programa para el usuario, las
modificaciones realizadas en este deben ser
todas en base a experiencias y además deben
crearse por humanos expertos en lo tratado de
la mano con el programador.

18. Construcción de prototipos
Para lograr la manera ideal de representar los
datos del software es muy conveniente realizar
un conjunto de sistemas prototipos,
compararlos y elegir al mejor de ellos.

19. Metodología

20. Fase 1
Determinar necesidades del proyecto,
capacidades que se desea obtener y los costos
de su implementación.

21. Fase 2
Diseñar la forma de conocimiento y la creación
de un primer prototipo.
En esta fase de adquiere el conocimiento y
luego se representa adecuadamente pudiendo
así desarrollar y mejorar un prototipo.

23. Fase 3
Se construye una primera versión más o menos
completa para producción.
-Desarrollo de un diseño detallado final.
-Implantación del núcleo del sistema.
-Agregación de conocimiento.
-Interfaz de usuario.
-Monitoreo
-Mantenimiento

25. tryrty

26. Fase 4
Comprobación del sistema e integración del
mismo en producción.
Aquí se le da mantenimiento al sistema, se
aplican posibles mejoras, se evalúa y regula el
sistema para su correcto funcionamiento.

28. Referencias
http
://oa.upm.es/1057/1/JOSE_DOMINGO_CARRIL
LO_VERDUN.pdf
http://www.palermo.edu/ingenieria/pdf2014/13/
CyT_13_24.pdf
http://revistas.udistrital.edu.co/ojs/index.php/re
ving/article/view/2686/3865
http://www.depi.itch.edu.mx/apacheco/ai/metod
olo.htm