Sistemas expertos

1. Triángulos

Si el orden de un polígono vale 3, entonces posee tres lados y se trata de un triángulo. Puede tratarse de un triángulo cualquiera: rectángulo, isósceles, rectángulo isósceles o equilátero.

Las siguientes figuras nos recuerdan las particularidades de cada uno.

	Triángulo cualquiera: posee tres lados de tamaños diferentes y ningún ángulo recto.
	Triángulo rectángulo: posee tres lados de tamaños diferentes y un ángulo recto.
	Triángulo isósceles: posee dos lados del mismo tamaño, pero ningún ángulo recto.
	Triángulo rectángulo isósceles: conjuga los dos lados iguales de un triángulo isósceles y el ángulo recto del triángulo rectángulo.
	Triángulo equilátero: posee tres lados...

1. Base de reglas

Un sistema experto contiene un conjunto de reglas llamado base de reglas. Estas representan el conocimiento del experto en el dominio.

Estas reglas son siempre de la forma:

SI (conjunto de condiciones) ENTONCES nuevo conocimiento 

Las condiciones de aplicación de una regla se denominan las premisas. Pueden existir varias premisas, en cuyo caso están vinculadas por una coordinación Y, lo que quiere decir que deben ser ciertas todas ellas para poder aplicar la regla.

Si la regla necesita una coordinación O, se dividirá en dos reglas distintas equivalentes. Así, la regla:

Si (A O B) entonces C 

Se convertirá en:

Si A entonces C 
Si B entonces C 

Los nuevos conocimientos se denominan conclusiones.

Para nuestro sistema experto relativo a las formas geométricas, he aquí las reglas correspondientes a los triángulos:

SI (orden vale 3) ENTONCES es un triángulo 

SI (triángulo Y 1 ángulo recto) ENTONCES es un triángulo rectángulo 

SI (triángulo Y 2 lados del mismo tamaño) ENTONCES es un triángulo isósceles 

SI (triángulo rectángulo Y triángulo isósceles) ENTONCES es un triángulo rectángulo isósceles 

SI (triángulo Y lados todos iguales) ENTONCES es un triángulo equilátero  

Existirán otras reglas para los cuadriláteros y los polígonos de orden superior. Vemos rápidamente que el número de reglas puede ser importante.

Además, según el sistema utilizado, cada regla debe seguir una sintaxis precisa e impuesta.

En particular, las premisas y las conclusiones...

1. Razonamiento deductivo

SI (orden vale 3) ENTONCES es un triángulo 

SI (triángulo Y 1 ángulo recto) ENTONCES es un triángulo rectángulo 

SI (triángulo Y 2 lados del mismo tamaño) ENTONCES es un triángulo isósceles...

1. Extracción del conocimiento

La primera etapa consiste en extraer el conocimiento. Para ello, es necesario encontrar a un experto al que se le preguntará para comprender las reglas subyacentes en las que se basa su trabajo. Esta fase puede parecer sencilla, pero es de hecho muy compleja. En efecto, un experto no reflexiona basándose en reglas, sino que se basa en ciertos automatismos que tendrá que llegar a explicitar.

Tomemos, como ejemplo, los insectos. Si nos centramos en insectos poco comunes o desconocidos, parece bastante sencillo determinar las reglas que permiten llegar al resultado deseado. Pero ¿qué reglas podemos aplicar para diferenciar una mosca de un mosquito, un caracol de una babosa, una hormiga de una cochinilla, o incluso una mariquita de un zapatero?

Planteando diversas cuestiones al experto podremos ayudarle a determinar las reglas que aplica, a menudo de manera inconsciente. El trabajo del interrogador es, de este modo, primordial, y está encargado de indicar las zonas de sombra, donde existen reglas que no son lo suficientemente específicas...

1. Criterios de rendimiento

El rendimiento de un sistema experto, sobre todo si está compuesto por muchas reglas, es primordial. El primer criterio de rendimiento es el tiempo de respuesta. En efecto, debe ser capaz de dar una respuesta al usuario en un espacio de tiempo aceptable.

Este tiempo depende del problema planteado. Por ejemplo, en nuestro sistema experto de geometría, el tiempo de respuesta será aceptable si se mantiene en el orden de un segundo. Visto el número de reglas, hay pocos riesgos de tener un tiempo superior.

En un sistema experto médico, o para ayudar a un mecánico, el tiempo no es la prioridad, siempre y cuando se mantenga en unos pocos segundos.

Sin embargo, si el sistema experto debe utilizarse en un entorno peligroso para tomar una decisión (por ejemplo, para detener o no una máquina) o debe comunicarse con otros sistemas, el tiempo de respuesta se convertirá en un criterio esencial para el éxito del proyecto.

Además del tiempo de respuesta, existe un segundo criterio de rendimiento: el uso de la memoria. En efecto, la base de hechos va a aumentar conforme se apliquen las reglas. En un motor de razonamiento inductivo, el número de objetivos que hay que alcanzar puede ocupar cada vez más espacio. Si el sistema debe instalarse en un dispositivo que posea poca memoria (como un robot), será necesario tener en cuenta este aspecto.

Por último, generalmente todos los medios implementados para optimizar el tiempo de respuesta tendrán un impacto negativo en la memoria, y viceversa. Es preciso, por tanto, encontrar un compromiso en función de las necesidades.

2. Mejorar el rendimiento...

1. Incorporar incertidumbre

En un sistema experto destinado a identificar los animales en función de sus características físicas, puede resultar complicado estimar exactamente el número de dedos en las patas del animal o el color de su vientre. Sobre todo si se trata de un depredador o de un animal venenoso, puede resultar difícil examinarlo bajo todos los ángulos para responder a las preguntas del sistema.

En este caso, puede resultar interesante agregar incertidumbre sobre los hechos: el usuario podrá decir que le parece que el animal tiene el vientre blanco, pero que no está del todo seguro.

Además, en un sistema médico experto, parecería peligroso decir que si los síntomas de una enfermedad son dolor en todo el cuerpo, fiebre y un gran cansancio, entonces se trata necesariamente de una gripe. En efecto, existen enfermedades mucho más raras y más peligrosas que podrían esconderse detrás de estos síntomas.

Esta vez, son las propias reglas las que resultan inciertas: hay una gran posibilidad de que se trate de una gripe, pero no es la única explicación...

1. Ayuda al diagnóstico

El primer gran dominio de aplicación de los sistemas expertos es la ayuda al diagnóstico. En efecto, gracias a su base de reglas, permiten comprobar y descartar distintas posibilidades hasta encontrar una o varias probables.

Los encontramos, de este modo, en aplicaciones médicas para asistir al diagnóstico de ciertas enfermedades. Podemos citar MYCIN, que permite determinar qué bacteria se encuentra en el cuerpo de un paciente y qué tratamiento (tipo de antibiótico y posología) administrarle para que mejore, o CADUCEUS, una extensión de MYCIN, que permite diagnosticar más de 1000 enfermedades de la sangre. Existen otras aplicaciones que permiten asistir al diagnóstico de enfermedades a partir de radiografías o de imágenes médicas. Más recientemente, las encontramos en otras aplicaciones médicas: determinación de la edad de los huesos a partir de un radio (Seok, 2016) o incluso clasificación de las medidas de glucemia en el marco de una diabetes gestacional (Caballero-Ruiz, 2016).

Resultan muy prácticas para ayudar en la búsqueda de fallos mecánicos (como ocurre en los coches) o en electrónica (para reparar electrodomésticos), acotando las piezas potencialmente defectuosas....

1. Definición de requisitos

Este sistema debe ser capaz de adaptarse a muchos problemas equivalentes, de tipo identificación, a partir de información introducida por el usuario.

Aquí, el sistema parte de los datos proporcionados por el usuario para intentar determinar la forma que desea reconocer. No tenemos un objetivo preciso. Conviene, por tanto, utilizar un motor de razonamiento deductivo para este problema, que además es más sencillo de implementar.

Además, partiendo de nuestras reglas, tendremos dos tipos de hechos:

Nuestro sistema experto deberá, por lo tanto, tener en cuenta estos dos tipos de hechos.

El usuario debe, también, poder utilizar fácilmente el sistema experto. Las reglas tendrán que escribirse en un lenguaje cercano al lenguaje natural, y la interfaz de usuario tendrá que gestionarse por separado del motor para hacerla más genérica (aquí realizaremos únicamente una interfaz en modo consola).

Por último, también será interesante conocer el último nombre encontrado para la forma y los nombres intermedios que se han utilizado (por ejemplo, se ha utilizado "Triángulo", a continuación "Triángulo rectángulo" y "Triángulo isósceles" y por último se ha terminado con un "Triángulo rectángulo isósceles"). Trataremos de implementar, entonces, una manera...

1. Presentación del lenguaje

Prolog, de PROgrammation LOGique, es uno de los primeros lenguajes de este paradigma, creado en 1972 por dos franceses: Alain Colmerauer y Philippe Roussel.

No es, no obstante, el único lenguaje de programación lógica. Podemos citar también Oz o CLIPS. Estos lenguajes son próximos a los de la programación funcional (LISP, Haskell...), que pueden utilizarse en sistemas expertos.

Prolog contiene un motor de inferencia de razonamiento inductivo, con backtracking. Se le define un objetivo (que debe ser un hecho) que intentará resolver. Si el objetivo contiene alguna variable, buscará todos los valores posibles para dicha variable. Si el objetivo contiene un atributo, confirmará o descartará el hecho.

Prolog funciona sobre la base de predicados. Cada predicado puede ser un hecho comprobado, o bien un hecho inferido gracias a las reglas. Por ejemplo, orden(3) es un predicado con un parámetro que es un hecho definido por el usuario. Por el contrario, nombre (triángulo) será un hecho inferido por la regla "SI orden(3) ENTONCES nombre(triángulo)".

El lenguaje contiene también predicados predefinidos que permiten, por ejemplo, escribir y leer en la consola de Prolog, cargar un archivo o manipular listas.

En lo sucesivo, utilizaremos el SWI-Prolog, que puede descargar gratuitamente del sitio web http://www.swi-prolog.org/ y que está disponible para Windows, Mac OS X o Linux.

2. Sintaxis del lenguaje