Distributed Agents to Retrieve Web Intelligence
  
email E-mail    
HOME                 Registration        About us  Alliances  Contact us |
 Attractions    Bibliography    Classified Papers    Search    Infomaps    Site Map    i-Web    Images Bank    White Papers  
Login Area 11111
 User: 
 Password:
Forgot your password?
Register





free counters
Agents Tour | AI-Lab | Darwin Tour | Faq | News | Newsletter | Pag's | Press Releases | Search Tutorial


Sistemas Expertos
Juan Chamero, Editor Jefe de aunmas.com
Revisión y actualización a Junio del 2008


La complejidad de la lógica humana

El mundo del cálculo es ideal y relativamente simple mientras que los sistemas de comunicaciones humanas son de una extrema complejidad. El ser humano no se comunica con el lenguaje de la Lógica Formal susceptible de ser representada por secuencias binarias, por ejemplo de ceros y unos de significados precisos. Si el problema de la representación “suficientemente precisa” de las formas bidimensionales y tridimensionales es complejo pero ya en vía de solución, no lo es todavía la lógica difusa e incluso “ambigua” de los seres humanos, llena de mensajes, símbolos y meta mensajes, es decir, señales y actitudes eminentemente subjetivas que equivalen a miles y hasta millones de mensajes ordinarios.

El conocimiento humano sigue leyes las más de las veces difíciles de ser interpretadas en forma lógica, opiniones, reacciones y sentimientos hacia ese conocimiento y expresado en tantas formas como disciplinas pueden concebirse y con tantos matices como personas. Ante ésta dificultad intrínseca, surge la idea de poder contar con “conocimientos básicos”para cada disciplina, pero susceptibles de ser monotonamente mejorados por medios automáticos o semi automáticos, que para nuestro caso sería mediante el auxilio de las computadoras, en forma autónoma o mediante mediación humana.

Sistemas que aprenden de la experiencia

Si el conocimiento básico es C0, lo ideal sería encontrar metodologías, que a partir de ese embrión, puedan desarrollar un conocimiento pleno en forma progresiva, es decir:

C0 => C1 => C2 =>......... => Cn


Siendo C1, C2, ......, Cn, estadios evolutivos del conocimiento. Se dice de éstos sistemas que tienen la capacidad de “aprender”.

Un Sistema Experto es uno tal que a partir de un conocimiento considerado básico puede superarse aprendiendo de su interacción con el "medio", en éste caso extrayendo conocimiento de la interacción “hombre-máquina”, es decir entre la máquina y un subconjunto de la sociedad humana.

Detección y Extracción de Conocimiento en Internet Veamos esto que parece demasiado abstracto con un ejemplo. Supongamos que el conocimiento humano, o una muestra significativa del mismo, reside en el espacio Web. Es lícito pensar en la viabilidad de detectar y extraer de la Web, acerca de cualquier disciplina, un conocimiento básico C0, mediante una búsqueda y selección de material cognitivo "autoridad", adecuadamente "ordenado", realizado por un conjunto de expertos humanos en esa disciplina.

De la misma forma que ese conjunto de expertos supo “bombear” conocimiento desde la Web hacia un embrión temático C0, es lícito pensar en la viabilidad de continuar bombeando información desde la Web –y desde otras fuentes complementarias- a lo largo del tiempo mediante agentes programas o scripts. Para ello es necesario crear una interfase inteligente o e-membrana entre esos estadios de conocimiento y la gente que interactúa con el mismo, por ejemplo requiriendo información en un juego doble, y a doble vía, de enseñanza-aprendizaje: el "medio" o sea las personas, informándose y aprendiendo del conocimiento ordenado (o una muestra significativa de Conocimiento Establecido colocada por el hombre en la máquina) en la máquina y la máquina aprendiendo el comportamiento de la "gente".

Así, si tuviéramos un sistema básico de diagnóstico médico podríamos pensar en una e-membrana que en base a las consultas, críticas, sugerencias de agregados y correcciones fuera perfeccionando ese sistema.

Otro ejemplo es la interacción en los juegos de combate donde el objeto es ganar o vencer aprendiendo a través de la lucha. Un ejemplo son los programas de ajedrez, como en el caso de la Deep Blue II, el súper computador de IBM que batió al Campeón Mundial de AjedrezGarry Kasparov en el año 1997. Estos programas expertos se enriquecen continuamente con cada partida, ya sea ganada o perdida, quizás más con las perdidas.

Búsqueda Web




Otro ejemplo de aplicación práctica es en la búsqueda en Internet. En la figura de arriba se despliega un largo camino de búsqueda - Diagrama de Sesiones- emprendido por un grupo de voluntarios navegando por la Web en búsqueda de información. Los puntos negros marcan el encuentro de información relevante (subjetiva), que como se ve es muy poca. Se pueden construir sistemas expertos del tipo YGWYN, You Get What You Need (usted obtiene lo que busca) que mediante un agente guía (chatbot) del tipo visto en ELIZA guía al usuario cada vez mejor, con mayor eficiencia, hacia lo que busca, idealmente en una sola búsqueda (sistemas OOC, Only One Click). En los diagramas de sesiones> de esos sistemas de búsqueda predominarían los puntos negros sobre los grises. Recomedamos ver nuestro sistema Darwin, súper buscador semántico en red.

Ejemplos de Eficiencia

Un claro ejemplo son los programas de ajedrez que ya vencen a los mejores jugadores del mundo y se ha organizado incluso un Campeonato Mundial de Programas de Ajedrez. Sus logros a la fecha han sido:
  • 1997: La Deep Blue vence en seis partidas a Garry Kasparov;
  • 2002: La Deep Fritz empata en un match a ocho partidas con Vladimir Kramnik;
  • 2003: Garry Kasparov empata en un match a seis partidas con Deep Junior;
  • 2003: Garry Kasparov empata un match a cuatro partidas con X3D Fritz;
  • 2005: Michael Adams es batido por Hydra por 5,5 a 0,5;
  • 2005: Un equipo de tres programas: Hydra, Deep Junior y Fritz vences por 8,5 a 3,5 al fuerte equipo humano formado por Veselin Topalov, Ruslan Ponomarov y Sergey Karjakin con un ranking ELO promedio de 2681;
  • 2006: el campeon mundial Vladimir Kramnik es vencido por 4 a 2 por deep Fritz.


Consideraciones finales

Ya hemos comentado que la IA ha estado transitando por un largo "invierno" (ai Winter) en el que ciertas disiciplinas y nombres han quedado un poco desactualizados o venidos a menos. Entre ellos están los Sistemas Expertos. En general ha quedado un poco apagado todo lo relacionado con la Teoría de los Sistemas y Cibernética. Como ejercicio "de moda" lo invitamos a buscar temas en Google, con sus definiciones entrecomilladas. Le presentamos nuestra muestra al 8 de Junio del año 2008:

data mining: 15,400,000;
expert systems: 2,130,000;
robotics: 31,500,000;
XML: 597,000,000;
chaos theory: 7,340,000;
artificial intelligence: 25,400,000;
genetic algorithm: 1,730,000;
prolog: 8,260,000;
fuzzy logic: 3,850,000;


Algo similar ocurre con lenguajes realmente superiores tales como prolog, que siguen siendo vigentes pero usado cada vez por menos prgramadores, hoy exageradamente entusiasmados por el mundo de lo visual, pero con un enfoque un poco "light".




Lo que posiblemente esté ocurriendo es que estamos dentro de un ciclo tecnológico muy importante dentro de la Globalidad y dentro de ella, estructurándose las bases de la futura Sociedad de la Información. El Grupo Gartner autoridad especializada en Inteligencia de Negocios define estos ciclos como Hype Cycles del tipo esquematizado en la figura de arriba. A mi modesto entender la IA está entrando en la Etapa de la Iluminación de dicho ciclo.


Back
Back to the last page


Copyright © 2003-2013 Darwin! Inc. All rights reserved.