IA

1. Universidad Nacional de Cañete – UNDC 2022. Todos los derechos reservados
UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
SISTEMAS EXPERTOS
DRA Patricia Huarancca Contreras
INGENIERÍA DE SISTEMAS
ASIGNATURA: INTELIGENCIAARTIFICIAL
Integrantes:
Avila Carrillo Juan Diego
Chavez Saldaña Nicole Yohana

2. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Introduccion
1.1. ¿Que son los sistemas expertos?
Son programas informáticos diseñados para simular el conocimiento y las habilidades
analíticas de un especialista en un campo concreto. Su finalidad es proporcionar a los
usuarios recomendaciones, diagnósticos, soluciones o decisiones de nivel experto en áreas
complejas, pero bien definidas.

3. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Introduccion
1.2. Evolucion de los sistemas expertos
En la actualidad, estos sistemas utilizan algoritmos muy sofisticados y técnicas de inferencia
para simular el modo en el que una persona toma sus decisiones.
Primera fase (finales de los 60 y década de los 70):
Estos sistemas estaban basados en una lógica binaria de verdadero o falso o sí / no.
Segunda fase (1980):
Introdujeron el modelo probabilístico basado en el razonamiento “causa-posible-efecto”.
Tercera fase (1990):
Se introdujo la lógica difusa abordando problemas complejos con un enfoque más flexible
adaptativo, es decir, acercándose aún más al razonamiento humano.

4. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Arquitectura de un Sistema Experto
Los SE están compuestos por dos partes principales:
El ambiente de desarrollo: es utilizado por el constructor para crear los componentes e
introducir conocimiento en la base de conocimiento.
El ambiente de consulta: es utilizado por los no-expertos para obtener conocimiento experto
y consejos

5. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Componentes de un Sistema Experto
3.1. Base de conocimiento
Contiene el conocimiento necesario para
comprender, formular y resolver
problemas. Incluye dos elementos
básicos: heurística especial y reglas que
dirigen el uso del conocimiento para
resolver problemas específicos en un
dominio particular.
3.2. Base de hechos
Es una memoria de trabajo que contiene
los hechos sobre un problema, alberga los
datos propios correspondientes a los
problemas que se desean tratar.

6. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Componentes de un Sistema Experto
3.3. Motor de inferencia
Es el cerebro del SE, también conocido como estructura de control o interpretador de
reglas. Provee metodologías para razonamiento de información en la base de
conocimiento, direcciones sobre cómo usar el conocimiento del sistema para armar la
agenda que organiza y controla los pasos para resolver el problema cuando se realiza
una consulta.
Elementos principales:
- Intérprete, ejecuta la agenda seleccionada
- Programador, mantiene el control sobre la agenda
- Control de consistencia

7. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Tipos de Sistema Experto
4. 1. Reglas previamente establecidas
(Rule Based Reasoning) o encadenamiento hacia atrás.
Estos comienzan con una hipótesis o posible solución y luego buscan una evidencia que la
apoye. Para ello, aplica reglas heurísticas respaldadas generalmente en la lógica difusa para
su evaluación y aplicación.
4. 2. Basados en casos
(CBR, del inglés Case Based Reasoning) o encadenamiento hacia delante.
Este tipo comienza con datos disponibles y los utiliza para generar nuevas conclusiones. Por
medio de este razonamiento, la solución llega después de analizar un problema similar
planteado con anterioridad y adaptarlo al nuevo.

8. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Tipos de Sistema Experto
4. 3. Basados en redes bayesianas.
(Rule Based Reasoning) o encadenamiento hacia atrás.
Es un modelo gráfico probabilístico (un tipo de modelo estático) que representa un conjunto
de variables aleatorias y sus dependencias condicionales a través de un gráfico acíclico
dirigido (DAG por sus siglas en inglés).
Ejemplo:
Una red bayesiana puede representar las relaciones probabilísticas entre enfermedades y
síntomas. Dados los síntomas, la red puede ser usada para computar las probabilidades de
la presencia de varias enfermedades.

9. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
DiferenciaentreSEybasadoenconocimiento.
Son diseñados para emular el comportamiento y el
conocimiento de un experto humano en un dominio
específico.
Utilizan reglas de inferencia para tomar decisiones o
realizar diagnósticos basados en la información
proporcionada y en el conocimiento previamente
incorporado.
Se basan en una base de conocimientos
explícitamente codificada que se utiliza para
responder preguntas, hacer recomendaciones o
resolver problemas en un área específica.
Suelen tener un enfoque más limitado y específico en
comparación con los sistemas basados en
conocimiento.
Los sistemas basados en conocimiento son un
enfoque más amplio que incluye no solo sistemas
expertos, sino también otros sistemas que utilizan
el conocimiento humano de diversas formas.
Además de utilizar reglas de inferencia, pueden
emplear técnicas como la representación del
conocimiento, el razonamiento basado en casos,
el aprendizaje automático y la lógica difusa para
manejar el conocimiento y tomar decisiones.
Estos sistemas pueden incorporar diversos tipos
de conocimiento, incluyendo reglas heurísticas,
bases de datos, modelos estadísticos y otros tipos
de información.
Sistemas Basados en Conocimiento:
Sistemas Expertos:

10. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Ventajas y Limitaciones
7. 1. Ventajas
El Sistema Experto, no sufre de estas cuestiones y se convierte en una herramienta
estable para su entorno y fiable porque sus actividades son completamente replicables
Debido a la escasez de expertos humanos en determinadas áreas, los SE pueden
almacenar su conocimiento para cuando sea necesario poder aplicarlo.
Pueden ser utilizados por personas no especializadas para resolver problemas. Si se
utiliza con frecuencia un SE aprenderá de él.
Si se evalúa el costo total del empleo de esta tecnología, la replicabilidad y estabilidad,
asociado a la seguridad que provee, resulta una ecuación favorable, aun considerando
que las inversiones iniciales pueden ser relativamente elevadas.

11. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Ventajas y Limitaciones
7. 2. Limitaciones
Para actualizar se necesita de reprogramación de estos
El elevado costo en dinero y tiempo
Son poco flexibles a cambios y de difícil acceso a información no estructurada.
Los Sistemas Expertos carecen de sentido común, para un SE no hay nada obvio
Además no podemos mantener una conversación informal con estos sistemas.
Para un sistema experto es muy complicado de aprender de sus errores y de errores
ajenos.
No son capaces de distinguir cuales son las cuestiones relevantes de un problema y
separarlas de cuestiones secundarias.
La IA no ha podido desarrollar sistemas que sean capaces de resolver problemas de
manera general o de aplicar el sentido común para resolver situaciones complejas ni
de controlar situaciones ambiguas.

12. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Artículos sobre sistemas expertos
Horno cementero rotatorio: una
revisión al control mediante
sistemas expertos
Eficacia de sistemas expertos en la
selección de granos de café : una
revisión sistemática
La inteligencia artificial y sus
diferencias con los sistemas
expertos

13. UNIVERSIDAD NACIONAL
DE CAÑETE
Código: F-M01.01-VPA-008
Revisión: 02
Fecha de aprobación: 22/03/2022
Referencias
Badaró, S., Ibañez, L. J., & Agüero, M. J. (2013). Sistemas expertos: fundamentos,
metodologías y aplicaciones. Ciencia y tecnología, (13), 349-364.
Castro, R. J. C., Muñiz, J. J. C., Castro, M. I. R., & Quintero, Y. C. (2022). La inteligencia artificial y
sus diferencias con los sistemas expertos. Journal TechInnovation, 1(2), 88-96.
J. L. Castillo-Tirado, M. A. Ospina-Alarcón, P. A. Ortiz-Valencia, “Horno cementero rotatorio:
una revisión al control mediante sistemas expertos,” TecnoLógicas, vol. 25, nro. 55, e2391,
2022. https://doi.org/10.22430/22565337.2391
Monsalve-Vásquez, M. (2022). Eficacia de sistemas expertos en la selección de granos de
café (Coffea arabica): una revisión sistemática. Revista Amazonía Digital, 1(1), e163.
https://doi.org/10.55873/rad.v1i1.163