Universidad De Oriente

Núcleo de Anzoátegui
Escuela de Ingeniería y Ciencias Aplicadas
Departamento de Computación y Sistemas

Sistemas Expertos

Profesor: Bachiller:

Claudio Cortínez Laura Gutiérrez CI: 30.483.086

Barcelona, 15 de julio de 2024

 INTRODUCCIÓN
Los sistemas expertos representan una de las aplicaciones más prominentes y exitosas de la
inteligencia artificial (IA), han sido diseñados para facilitar tareas en múltiples campos de
aplicación y proporcionar equivalentes resultados que un especialista, emulando la capacidad
humana de tomar decisiones de acuerdo a las condiciones del contexto. Estos sistemas se han
convertido en herramientas esenciales en una amplia variedad de campos, desde la medicina hasta
la ingeniería, y su desarrollo ha sido una piedra angular en la evolución de la IA.
La historia de los sistemas expertos comienza en la década de 1960, en un contexto de rápido
avance en la investigación de la inteligencia artificial. Los primeros esfuerzos en este campo se
centraron en crear programas que pudieran simular el razonamiento humano mediante el uso de
reglas y heurísticas específicas. Esta búsqueda dio lugar a algunos de los primeros sistemas
expertos, que demostraron la capacidad de estas tecnologías para resolver problemas complejos que
tradicionalmente requerían el conocimiento y la experiencia de especialistas humanos.
A continuación, se presenta un compendio introductorio sobre el origen de los Sistemas Expertos,
sus características principales, estructura base, tecnologías y frameworks disponibles en la
actualidad para diseñar e implementar un Sistema Experto, entre otros.
 SISTEMAS EXPERTOS
Antecedentes Históricos
Desde su nacimiento, la inteligencia artificial ha vivido diferentes etapas; algunas de enorme
motivación y abundancia de fondos para su investigación, y otras de poca credulidad sobre sus
logros; sin embargo, cuando parece que un camino se cierra, se abren muchos otros para seguir
dando frutos. Con la aparición los primeros sistemas expertos desarrollados; la inteligencia artificial
tuvo un merecido “renacimiento” cuando más parecía necesitarlo. De hecho, los sistemas expertos
son actualmente considerados como uno de los productos típicos de la inteligencia artificial.
Áreas en las que se produjeron aplicaciones de enorme éxito, y que establecieron los principios para
el almacenamiento y manipulación de las bases del conocimiento de los sistemas expertos, fueron
las ciencias naturales.
Los primeros sistemas expertos fueron desarrollados a mediados de los años ‘60. En este periodo de
investigación de IA se creía que algunas pocas reglas de razonamiento sumadas a computadoras
poderosas podían producir un experto o rendimiento superhumano. Un intento en esta dirección fue
el General-purpose Problem Solver (GPS), Solucionador de problemas de propósito general
(Turban, 1995). GPS fue precursor de los SE. Esta tecnología define los pasos necesarios para
cambiar un estado inicial dado a una meta deseada. Sin embargo, el GPS no cumplió con las
expectativas de sus creadores, por ser muy limitados.
El cambio de los programas de propósito general a propósito específico se dio con el desarrollo de
otro de los primeros sistemas expertos, llamado “DENDRAL”, desarrollado por Edward
Feigenbaum en el Instituto de Tecnología de Carnegie. Diseñado para la interpretación de datos
químicos y la identificación de estructuras moleculares, DENDRAL utilizaba reglas basadas en el
conocimiento de expertos en química.
Años más tarde hubo una expansión de los SE, comenzaron a aplicarse en diversas áreas,
incluyendo la geología, la ingeniería y la medicina. Los más relevantes en la década de los ‘70
fueron MYCIN y PUFF, ambos eran sistemas médicos.
 MYCIN: También desarrollado en Stanford, MYCIN fue un sistema experto diseñado para
el diagnóstico y tratamiento de infecciones bacterianas. Este utilizaba reglas de inferencia
para recomendar tratamientos basados en síntomas y resultados de laboratorio. Su capacidad
para justificar sus decisiones fue un avance significativo.
 PUFF: Un sistema experto desarrollado para el diagnóstico de enfermedades pulmonares.
Para la década de 1980 empresas como DEC y Xerox comenzaron a desarrollar y comercializar
herramientas de desarrollo de sistemas expertos. DEC con el desarrollo de su SE llamado XCON
demostró la viabilidad comercial de los sistemas expertos. También en esta etapa se desarrollaron
lenguajes de programación y herramientas específicas para la construcción de SE, como Lisp y
Prolog.
En los años ’90 comenzaron a integrarse con otras tecnologías de la información, como bases de
datos y sistemas de toma de decisiones. Y cuando aparece la World Wide Web permitió el
desarrollo de sistemas expertos distribuidos y accesibles en línea. Pero esta era se enmarcó por
enfrentar muchos desafíos, pese a todo el éxito que se venía obteniendo en muchos aspectos; uno de
ellos fue la dificultad para actualizar la base de conocimientos y la necesidad de expertos humanos
para crear y mantener las reglas.
Los sistemas expertos modernos se utilizan en una amplia gama de aplicaciones, desde el
diagnóstico médico hasta la ciberseguridad y la planificación financiera. Actualmente los SE se han
fusionado con otras tecnologías de IA, como el aprendizaje automático y el procesamiento del
lenguaje natural, para crear sistemas más robustos e inteligentes.

Definición
Son programas informáticos que emulan la capacidad de toma de decisiones de un experto humano
en un ámbito particular. Utilizan estrategias heurísticas y hechos para resolver problemas complejos
de toma de decisiones de forma confiable e interactiva. En lugar de representarse con un código
basado en procedimientos, estos sistemas se basan en reglas del tipo "Si-Entonces". Aunque no
pueden sustituir completamente el desempeño general de un trabajador, reducen significativamente
la carga de trabajo al resolver problemas, permitiendo que los individuos se enfoquen en aspectos
creativos e innovadores.

Características
 Conocimiento especializado: Contiene una base de conocimientos específica del dominio.
 Inferencia lógica: Utiliza motores de inferencia para deducir nuevas informaciones y tomar
decisiones.
 Explicación: Puede justificar sus decisiones y proporcionar explicaciones de cómo llegó a
una conclusión.
  Interfaz de usuario amigable: Permite la interacción fácil con los usuarios.
 Adaptabilidad: Puede actualizar y modificar sus conocimientos para adaptarse a nuevos
datos o condiciones.

Objetivo principal
Un sistema experto tiene como objetivo ayudar a encontrar la solución óptima a un
problema concreto sin tener que recurrir a un experto en la materia. Un procedimiento que el
sistema experto puede llevar a cabo incluso con datos incompletos, trabajando con tipos de datos
cualitativos más que cuantitativos, utilizando la llamada lógica difusa, es decir, un razonamiento
“aproximado” que conduce a resultados altamente probables.

Clasificación
Pueden dividirse de muchas formas, algunas clasificaciones son:
 Sistemas expertos basados en reglas: Se trata de sistemas basados en reglas clásicas bien
conocidas por el mundo de la informática en la forma IF (condición) y THEN (acción).
Dado un conjunto de hechos, los sistemas de conocimiento son capaces de deducir nuevos
hechos gracias a sus reglas. Un ejemplo sería: tenemos un problema de salud y para llegar a
la respuesta a la pregunta “¿cuál es mi problema de salud?” proporcionamos al sistema
experto una serie de informaciones (me duele la cabeza, estoy resfriado, tengo fiebre). El
sistema experto llegará a la conclusión de esta manera:
SI DOLOR DE CABEZA + SI FRÍO + SI TEMPERATURA CORPORAL A 38 grados
centígrados… ENTONCES GRIPE.
En la práctica, el sistema analiza si se dan todas las condiciones (dolor de cabeza, y resfrío y
fiebre) para deducir con alta probabilidad que la conclusión, la respuesta al problema, es la
gripe.
 Sistemas expertos basados en árboles: En este caso, dado un conjunto de datos y algunas
deducciones, el sistema experto crea un árbol (de posibles alternativas) que clasifica los
distintos datos. Ante un problema, se analizan nuevos datos del árbol y el nodo final
representa la solución. Un sistema experto basado en un árbol es, en esencia, un software
experto capaz de reconocer un problema a partir de una secuencia de hechos, decisiones o
acciones. Partiendo de una situación inicial, todas las opciones posibles (las condiciones SI,
 es decir, las posibles alternativas Y/O) se ramifican en situaciones y acciones hasta llegar a
una conclusión.
 Sistema experto basado en casos: Son los sistemas que parten de problemas que ya han
sido resueltos en un dominio de aplicación y mediante un proceso de adaptación, encuentran
la solución óptima a un nuevo problema.
 Sistemas de conocimiento basado en redes bayesianas: Son sistemas que poseen gráficos
de variables conocidas y relaciones de dependencia entre ellas. El objetivo es determinar la
probabilidad de aquellas variables que no son conocidas.
También existen clasificaciones por criterios, tales como:
 Basados en el dominio de conocimiento
o Sistemas Expertos Médicos: Diseñados para diagnosticar enfermedades y ofrecer
recomendaciones médicas.
o Sistemas Expertos Financieros: Ayudan en la toma de decisiones relacionadas con
inversiones, préstamos y planificación financiera.
o Sistemas Expertos de Ingeniería: Utilizados para diseñar y resolver problemas en
ingeniería, como diseño de productos y control de calidad.
o Sistemas Expertos de Diagnóstico: Se enfocan en la detección de fallas y resolución de
problemas en sistemas técnicos y mecánicos.
 Basados en la forma de razonamiento
o Sistemas Basados en Reglas: Utilizan reglas if-then para tomar decisiones.
o Sistemas Basados en Casos: Resuelven problemas comparando la situación actual con
casos previamente resueltos.
o Sistemas Basados en Redes Semánticas: Utilizan representaciones de conocimiento
basadas en grafos para el razonamiento.
o Sistemas Basados en Lógica Difusa: Tratan con la incertidumbre y la imprecisión en el
conocimiento.
 Basados en la interacción con el usuario
o Sistemas Expertos Interactivos: Requieren interacción activa del usuario para obtener
información y proporcionar recomendaciones.
o Sistemas Expertos de Asesoramiento: Ofrecen consejos y sugerencias a usuarios en
busca de orientación en un área específica.
 o Sistemas Expertos de Diagnóstico Automático: Recopilan datos automáticamente y
generan diagnósticos sin intervención activa del usuario.
 Basados en la naturaleza de las tareas
o Sistemas Expertos de Clasificación: Clasifican elementos en categorías o grupos
específicos.
o Sistemas Expertos de Planificación: Ayudan a generar planes y secuencias de acciones.
o Sistemas Expertos de Control: Controlan sistemas y procesos automatizados utilizando
conocimientos expertos.
 Basados en el alcance de la aplicación
o Sistemas Expertos Generales: Tienen conocimientos amplios y pueden aplicarse a una
variedad de dominios.
o Sistemas Expertos Específicos: Se enfocan en dominios de conocimiento altamente
especializados y limitados.
 Basados en la forma de adquisición de conocimiento
o Sistemas Expertos de Adquisición Manual de Conocimiento: Los conocimientos son
introducidos manualmente por expertos humanos.
o Sistemas Expertos de Aprendizaje Automático: Utilizan algoritmos de aprendizaje
automático para adquirir conocimientos a partir de datos.
 Estructura y funcionamiento
Los SE están compuestos por dos partes principales: el ambiente de desarrollo y el ambiente de
consulta. 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. Los componentes que intervienen son:
1. Mecanismo de adquisición de conocimiento: Es la acumulación, transferencia y
transformación de la experiencia para resolver problemas de una fuente de conocimiento a
un programa de computadora para construir o expandir la base de conocimiento. Se requiere
del contacto con uno o más expertos humanos para contribuir en la base de conocimiento.
2. Base de conocimiento: Contiene hechos, reglas y relaciones que representan el
conocimiento del dominio. Estos datos se almacenan en una forma que el sistema pueda
procesar y utilizar, siendo la base de información que el sistema necesita para dar respuesta
a un determinado problema, como lo haría el ser humano experto que tiene el conocimiento
específico de la materia que se va a aplicar a la resolución del problema. Actúa como
repositorio donde se almacena la información y las reglas que permiten al sistema aplicar el
razonamiento.
3. Motor de inferencia: Es el “cerebro” del sistema. También conocido como estructura de
control o interpretador de reglas. Utiliza las reglas y hechos de la base de conocimientos
para razonar y llegar a conclusiones. Puede aplicar lógica deductiva o heurísticas para
resolver problemas. Este componente es esencialmente un programa de computadora que
provee metodologías para razonamiento de información en la base de conocimiento. Provee
directrices 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.
4. Motor de certeza: Evalúa la confiabilidad de los datos y las conclusiones. Puede manejar
incertidumbre y conflictos en la base de conocimientos.
5. Explicador: Proporciona explicaciones sobre cómo se llegó a una conclusión específica.
Ayuda a los usuarios a comprender el razonamiento detrás de las decisiones del sistema.
6. Interfaz de usuario: Permite la comunicación entre el sistema experto y el usuario. Puede
ser una interfaz de texto o gráfica. El usuario ingresa datos y recibe respuestas del sistema.
Esta parte del software que permite al usuario explotar el motor de inferencia; suele ser una
interfaz web, a veces muy simplificada (una página en la que el usuario introduce una
 pregunta de forma escrita y recibe la respuesta elaborada por el sistema experto en la
pantalla) a veces más estructurada (hoy en día también puede integrarse con otros sistemas
basados en la inteligencia artificial como el reconocimiento y la comprensión del lenguaje
natural).
A continuación, se muestran dos esquemas de tipos de estructuras (una más detallada que otra)
que sintetiza las partes que conforman a un SE.
 Fases de desarrollo

1. Planteamiento del problema: La primera etapa en cualquier proyecto es normalmente la

definición del problema a resolver. Puesto que el objetivo principal de un sistema experto es
responder a preguntas y resolver problemas, esta etapa es quizás la más importante en el
desarrollo de un sistema experto. Si el sistema está mal definido se espera que el sistema
suministre respuestas erróneas.
2. Encontrar expertos humanos que puedan resolver el problema: Sin embargo, en algunos
casos las bases de datos pueden jugar el papel del experto humano.
3. Diseño de un sistema experto: Esta etapa incluye el diseño de estructuras para almacenar el
conocimiento, el motor de inferencia, el subsistema de explicación, la interfaz de usuario,
entre otros.
4. Elección de la herramienta de desarrollo o lenguaje de programación: Debe decidirse si
realizar un sistema experto a medida, o utilizar una herramienta, o un lenguaje de
programación. La selección de la herramienta no solo debe ser por razones de tipo
financiero sino también por razones de fiabilidad.
5. Desarrollo y prueba de un prototipo: Si el prototipo no pasa las pruebas requeridas, las
 etapas anteriores (con las modificaciones apropiadas) deben ser repetidas hasta que se
obtenga un prototipo satisfactorio.
6. Refinamiento y generalización: En esta etapa se corrigen los fallos y se incluyen nuevas
posibilidades no incorporadas en el diseño inicial.
7. Mantenimiento y puesta al día: En esta etapa el usuario plantea problemas o defectos del
prototipo, corrige errores, actualiza el producto con nuevos avances, entre otros. Todas estas
etapas influyen en la calidad del sistema experto resultante, que siempre debe ser evaluado
en función de las aportaciones de los usuarios.

Esquema algorítmico
El esquema algorítmico de un sistema experto generalmente sigue un flujo estructurado para
procesar información y tomar decisiones basadas en una base de conocimientos específica. Un
esquema general de cómo se podría estructurar un sistema experto podría ser:
1. Inicialización
1.1. Cargar la base de conocimientos.
1.2. Inicializar el motor de inferencia.
1.3. Configurar la interfaz de usuario.
2. Entrada de Datos
2.1. Solicitar información al usuario.
2.2. Recibir y validar la entrada de datos.
3. Motor de Inferencia
3.1. Encadenamiento hacia adelante (Forward Chaining):
3.1.1. Comparar los datos de entrada con las reglas de la base de conocimientos.
3.1.2. Aplicar reglas que coincidan para inferir nueva información.
3.1.3. Continuar aplicando reglas hasta que no se puedan inferir más conclusiones.
3.2. Encadenamiento hacia atrás (Backward Chaining):
3.2.1. Identificar la meta o conclusión deseada.
3.2.2. Buscar reglas que puedan soportar la meta.
3.2.3. Descomponer la meta en sub-metas y buscar evidencias que las soporten.
3.2.4. Continuar hasta que se prueben o se descarten todas las sub-metas.
4. Evaluación de Resultados
4.1. Evaluar las conclusiones obtenidas.
4.2. Verificar consistencia y validez de los resultados.
5. Explicación y Justificación
5.1. Generar explicaciones de cómo se llegó a las conclusiones.
5.2. Presentar la justificación al usuario si es necesario.
6. Salida de Datos
6.1. Presentar las conclusiones al usuario.
6.2. Ofrecer recomendaciones o asesoramiento basado en los resultados.
7. Actualización y Aprendizaje
7.1. Registrar nuevos casos y resultados para futuros análisis.
7.2. Actualizar la base de conocimientos si es necesario.
8. Cierre
8.1. Guardar el estado del sistema si es necesario.
8.2. Terminar la sesión.
Herramientas de desarrollo
CLIPS: Es un entorno de desarrollo para la creación de sistemas expertos. Creado originalmente
por la NASA, CLIPS está diseñado para facilitar la integración del conocimiento y el
procesamiento de reglas. Soporta la programación en reglas, lógica orientada a objetivos y
programación procedural.
Drools: Es un motor de reglas de negocio (BRMS) y un sistema de gestión de procesos de negocio
(BPMS) de código abierto para Java. Drools permite a los desarrolladores codificar reglas de
negocio que son fácilmente actualizables y mantenibles.
Jess: Es un motor de reglas y scripting para Java inspirado en CLIPS. Jess soporta el desarrollo de
sistemas expertos utilizando el paradigma de programación basada en reglas, permitiendo la
creación de reglas complejas y su ejecución sobre datos estructurados.
Prolog: Un lenguaje de programación lógica asociado frecuentemente con la inteligencia artificial y
la computación lingüística. Es utilizado para desarrollar sistemas expertos mediante la definición de
hechos, reglas y metas.
Expert System Shell: Son marcos de trabajo o entornos que proporcionan una estructura básica
para la construcción de sistemas expertos. Estas “cáscaras” vienen con herramientas para la
definición de reglas, el motor de inferencia y a menudo interfaces para la adquisición del
conocimiento y la explicación de las decisiones.
Pyke: Es un motor de reglas de conocimiento para Python que combina la programación lógica y la
programación orientada a objetos. Pyke permite a los desarrolladores crear sistemas expertos que
pueden inferir conocimiento a partir de hechos definidos en bases de conocimiento.
OpenCyc: Es una base de conocimiento de código abierto y un motor de inferencia que implementa
la ontología Cyc, proporcionando una rica base de conocimiento común para el desarrollo de
aplicaciones de IA, incluyendo sistemas expertos.
Estas herramientas y tecnologías ofrecen distintas capacidades, desde el procesamiento de reglas y
la inferencia, hasta la gestión de conocimientos y la ontología, permitiendo a los desarrolladores
construir sistemas expertos complejos y sofisticados adaptados a diversas necesidades y sectores
industriales.
La elección de una herramienta específica dependerá de los requisitos del proyecto, el dominio de
aplicación, y la preferencia en términos de lenguaje de programación y paradigma de desarrollo.
 Trabajos de Grado
DESARROLLO DE UN SISTEMA BASADO EN CONOCIMIENTO PARA APOYAR AL
DIAGNÓSTICO MÉDICO EN LA ESPECIALIDAD DE OFTALMOLOGÍA EN EL
INSTITUTO NACIONAL DE AERONÁUTICA CIVIL
Postulante: Ing. Rosmary Rabelo T.
Tutora: Dra. Haydemar Núñez
Para optar al título de: MAGISTER EN CIENCIAS Mención CIENCIAS DE LA
COMPUTACIÓN
Universidad Central de Venezuela, Caracas, Abril de 2018
Resumen: En este trabajo se presenta el desarrollo de un sistema basado en conocimiento para
apoyar el diagnóstico médico de la especialidad oftalmología en el Instituto Nacional de
Aeronáutica Civil. Para ello se utilizó la metodología CommonkADS, la cual abarca todo el ciclo
del desarrollo de software, mediante un número de modelos interrelacionados que capturan los
principales rasgos del sistema y de su entorno. Por lo tanto, se construyó cada uno de estos
modelos, a través de una serie de formularios proporcionado por la misma metodología. El modelo
de conocimiento, uno de los más importantes, que establece los requisitos de conocimiento y
razonamiento del sistema basado en conocimiento (SBC), se encuentra dividido entre conocimiento
del dominio, conocimiento de inferencia y conocimiento de tarea. El conocimiento de dominio
representa el conocimiento relevante del dominio de la aplicación, que se divide en Esquema del
Dominio donde se ha definido el conocimiento que se tiene acerca del diagnóstico médico en la
especialidad oftalmología y la Base de Conocimiento donde especifican las instancias, siendo lo
más importante ya que representan elementos de conocimiento que son utilizados en el proceso de
razonamiento. CommonKADS propone el lenguaje CML, para plasmar la especificación del
modelo de conocimiento y el uso de una notación gráfica que permite no sólo la definición de las
estructuras de tareas, sino también los conceptos del dominio y la definición de la dependencia de
los datos entre las inferencias a través de las estructuras de inferencia. Por último, se encuentra el
modelo de diseño, donde se describe la arquitectura del SBC utilizada para el desarrollo del
sistema. La aplicación Web está en capacidad de: 1) almacenar de manera estructurada y
organizada el conocimiento relacionado al diagnóstico médico de la especialidad oftalmología,
haciendo uso de la base de conocimiento, 2) recuperar patrones de diagnóstico médico de la
especialidad oftalmología que contiene las evaluaciones oftalmológicas sobre los exámenes
médicos y examen pre-consulta de cada paciente, 3) consultar las evaluaciones ya realizadas del
personal aeronáutico. Se realizaron un conjunto de pruebas al software desarrollado en las cuales
participaron expertos del dominio, obteniéndose resultados satisfactorios.

SISTEMA EXPERTO PARA EL DIAGNÓSTICO Y FALLA DE LA RED DE

SERVIDORES DE LA UNIVERSIDAD VALLE DEL MOMBOY
Postulante: JOSÉ LUIS MATHEUS SIVOLI
Tutor: DR. IVÁN PEREZ
Para optar al título de: INGENIERO EN COMPUTACIÓN
UNIVERSIDAD “VALLE DEL MOMBOY”, Carvajal, Enero de 2019
Resumen: El presente trabajo especial de grado tuvo como finalidad la creación de un sistema
experto que permita responder de manera oportuna a los problemas presentados con la red de
servidores de la Universidad Valle Del Momboy, dirigido principalmente a el centro de cómputo de
la sede Mirabel ubicado en la ciudad de Valera, con la finalidad de presentar una solución a dichos
problemas que afectan distintos servicios ofrecidos por la Universidad. Se apoya en los sistemas
expertos basado en reglas y encadenamiento hacia delante, de inteligencia artificial que son capaces
de procesar la información de manera dinámica a través de la base de conocimiento. Se enmarca
dentro de las investigaciones del tipo Proyecto factible y su diseño documental de campo. Para la
ejecución de este proyecto se llevó a cabo mediante una encuesta al personal del centro de cómputo
y estudiantes de la facultad, analizando los datos recolectados con el fin de elaborar un diseño del
prototipo; que daría como resultado un sistema experto para el diagnóstico de fallas en la red de
servidores de la Universidad Valle Del Momboy.

DESARROLLO DE UN SISTEMA EXPERTO PARA EVALUACIÓN DE REDES DE

ACCESO ALÁMBRICA DE CANTV PARA LA REGIÓN CAPITAL
Postulante: Ronald A. Grimaldo V.
Prof. Guía: Ing. Rafael Arruebarrena
Tutor Industrial: Ing. Tereso León
Para optar al título de: Ingeniero Electricista
Universidad Central de Venezuela, Caracas, 2005
Resumen: Se realizó el desarrollo de un sistema experto de aplicaciones de mediciones eléctricas
basándose en los criterios de diagnósticos utilizados por la unidad de mediciones eléctricas de
Coprac CANTV, para evaluar y poder establecer escenarios de acción de la red de cobre. El área de
estudios comprende la red de acceso de la Región Capital. Se dan recomendaciones que deben
seguir las distintas unidades al detectar una falla, de acuerdo a las mediciones realizadas.
 CONCLUSIÓN
Hoy en día, los sistemas expertos siguen siendo una parte vital del ecosistema de la inteligencia
artificial. Estos sistemas no solo proporcionan soluciones a problemas complejos, sino que también
continúan evolucionando para adaptarse a las nuevas demandas y desafíos de la sociedad moderna.
Los sistemas expertos han demostrado ser una herramienta invaluable en el campo de la
inteligencia artificial, proporcionando soluciones eficientes y precisas que anteriormente requerían
la intervención humana. Desde sus inicios en la década de 1960 los sistemas expertos han
evolucionado y se han diversificado.
A lo largo de su desarrollo, los sistemas expertos han mostrado la capacidad de capturar y utilizar el
conocimiento especializado de manera estructurada y lógica, permitiendo a las organizaciones
mejorar su toma de decisiones, optimizar procesos y ofrecer servicios más personalizados y
efectivos. La combinación de reglas de inferencia, bases de conocimientos ricas y motores de
explicación ha permitido que estos sistemas no solo resuelvan problemas, sino que también
eduquen y formen a los usuarios, ampliando así su impacto positivo.
Los sistemas expertos han recorrido un largo camino desde sus primeros días, demostrando su
utilidad y adaptabilidad en múltiples campos. El estudio y desarrollo de los sistemas expertos sigue
siendo un área de gran relevancia y potencial, prometiendo nuevas innovaciones y aplicaciones en
el futuro cercano.