Sistemas Expertos: el impulso de la Inteligencia Artificial

¿Alguna vez te has preguntado cómo la inteligencia artificial es capaz de tomar decisiones y hacer recomendaciones como si fuera un especialista? La respuesta está en los sistemas expertos, una de las principales aplicaciones prácticas de la Inteligencia Artificial (IA) que permite emular la capacidad de la inteligencia humana para resolver problemas en áreas específicas.

Aunque tienen un alcance limitado al estar centrados en ámbitos concretos, los sistemas expertos han demostrado ser muy valiosos en una amplia variedad de campos como el diagnóstico médico, la ingeniería, la detección de fraudes o las finanzas, entre otros. 

Desde que Peter J. F. Lucas y Linda C. van der Gaag, investigadores de la Universidad de Twente en los Países Bajos, estimaran en 1991 en su libro Principles of Expert Systems la existencia de alrededor de 100.000 sistemas expertos en el mundo, estos se han elevado a más de 300.000 en los últimos años, según el informe Global State of Artificial Intelligence, publicado por la consultora Frost & Sullivan.

Los avances en IA, la mayor disponibilidad de datos y la creciente demanda de sistemas de automatización son los principales causantes de este auge. ¿Quieres saber cómo los sistemas expertos se han vuelto esenciales para resolver problemas y aportar soluciones en nuestro día a día? Sigue leyendo este artículo.

Qué son los sistemas expertos y cómo funcionan

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.

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. Esta complejidad, sin embargo, no estuvo en los inicios de los sistemas expertos. En este sentido, esta tecnología ha evolucionado a lo largo del tiempo, y a través de tres fases, hasta convertirse en uno de los iconos de la IA actual:

• 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): a medida que avanzaba la tecnología, los de la segunda generación introdujeron el modelo probabilístico basado en el razonamiento “causa-posible-efecto”, lo que ya implicaba una capacidad para gestionar la incertidumbre utilizando redes y probabilidades bayesianas. 
• Última y actual fase (1990): los sistemas expertos dieron un salto significativo al introducir la lógica difusa abordando problemas complejos con un enfoque más flexible y adaptativo, es decir, acercándose aún más al razonamiento humano.

Elementos clave de los sistemas expertos

Los componentes de un sistema experto son los siguientes:

• El conocimiento. Hace referencia a los hechos, reglas y modelos causales compilados por los expertos. Representa la experiencia acumulada del sistema en el ámbito concreto y la especialidad para la que está diseñado. 
• El motor de inferencia. Este es el “cerebro” que aprovecha el conocimiento aportado para razonar los problemas y llegar a soluciones, imitando a un experto humano. Esto es posible gracias al uso de algoritmos que implementan diferentes métodos clave para emular el razonamiento humano.
• Interfaz de software. El tercer componente es la interfaz de usuario, que es la parte que facilita que el usuario explote el motor de inferencia.

Tipos de sistemas expertos

Según el Departamento de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Granada, los tipos de sistemas expertos que existen y que configuran el funcionamiento del motor de inferencia pueden estar basados en:

• Reglas previamente establecidas (RBR, del inglés 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.
• 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.
• Basados en redes bayesianas. Fundamentados en la estadística y en el teorema de Bayes, son utilizados, sobre todo, para la predicción, clasificación o el diagnóstico de enfermedades y en medicina.

Ventajas de los sistemas expertos

Según Denis Aleksandrovich Kiryanov, científico de la computación considerado como uno de los pioneros en el campo de los sistemas expertos e Inteligencia Artificial, los sistemas expertos aportan varias mejoras importantes con respecto a otros enfoques de la IA. 

Desde su punto de vista, y debido a que están centrados en áreas concretas y especializadas, esta tecnología puede llegar a ofrecer soluciones que superan a las humanas con fiabilidad. Además, y al contrario de lo que nos sucede a las personas, los sistemas expertos no envejecen. Es decir, no pierden facultades con el paso del tiempo; todo lo contrario. De hecho, siguiendo una línea de mejora continua, estos sistemas pueden obtener información de una base de datos, que se va actualizando constantemente, y realizar cálculos numéricos mucho más rápido que cualquier ser humano.

Desde un punto de vista técnico, y gracias a que el código es más intuitivo y fácil de entender que los utilizados anteriormente, el desarrollo y el mantenimiento de los sistemas expertos son más sencillos. Esto, además, favorece la creación rápida de prototipos a un menor coste. 

En este sentido, y si bien es cierto que se puede programar un sistema de experto desde cero con lenguajes de programación específicos (CLIPS, PROLOG, LISP, VB 6.0, VB.Net, ASP .Net, PHP, Java, C#, Python), lo más habitual es usar un shell y desarrollar un sistema experto con la ayuda de programas especializados, ahorrando tiempo durante la programación.

En la actualidad, gracias al auge del machine learning, los sistemas expertos modernos impulsados por el aprendizaje automático ofrecen nuevas ventajas al poder filtrar cantidades de datos aún más grandes, yendo más allá de la capacidad humana. De este modo, pueden identificar patrones que serían imposibles de detectar de forma manual.

Sistemas expertos e Inteligencia Artificial: ejemplos prácticos

El impacto de los sistemas expertos es más que evidente en diferentes industrias. Lo que les diferencia de otras soluciones es que los algoritmos utilizados no son generales, sino que están muy focalizados en una temática concreta y son más complejos. A continuación, te mostramos tres ejemplos destacados:

• IBM Watson. Este reconocido sistema experto ha revolucionado múltiples campos. Desde la atención médica hasta las finanzas, las capacidades cognitivas de Watson han permitido avances innovadores. En el sector de la salud, IBM Watson Health ayuda a los profesionales sanitarios a analizar datos de pacientes y recomendar planes de tratamiento personalizados, mejorando la precisión y efectividad de la atención, por ejemplo, en pacientes oncológicos.
• Tesla. Su sistema de conducción autónoma utiliza una combinación de Inteligencia Artificial y técnicas de sistemas expertos gracias a la que el vehículo puede percibir y comprender su entorno, planificar trayectorias o tomar decisiones emulando a las que tomaría un conductor. Todo ello permite al vehículo, finalmente, conducir de forma autónoma teniendo en cuenta las condiciones de la carretera.
• AlphaGo. Desarrollado por DeepMind, AlphaGo revolucionó el complejo juego del Go, derrotando a campeones mundiales del mismo modo en que lo hizo Deep Blue (IBM) en 1997, cuando venció en una partida de ajedrez a Garri Kaspárov.

Los sistemas expertos tienen un largo recorrido en el ámbito de la Inteligencia Artificial y se han convertido en una de las soluciones más interesantes del momento. Esta tecnología es el motor y el cerebro de numerosas soluciones que ayudan a mejorar la eficiencia, la competitividad y los resultados en campos concretos y muy especializados. 

Lejos de ser una solución para un fin generalista, como ChatGPT, los sistemas expertos tienen un enorme valor práctico para la IA aplicada en tareas precisas. Con el aumento de datos disponibles, la mayor conectividad disponible y el desarrollo de mejores algoritmos, estos sistemas seguirán jugando un papel nuclear a la hora de desarrollar soluciones innovadoras que ayuden a tomar mejores decisiones en el mundo real. 

Para poder utilizar estas herramientas de forma correcta, convertirlas en “compañeras de trabajo” y estar preparados ante los cambios que está generando la Inteligencia Artificial, tendremos que conocer tanto su funcionamiento como la tecnología en la que se basan. 

¿Quieres desarrollar competencias profesionales que te permitan mejorar tu empleabilidad? Descubre Santander Open Academy, el espacio formativo que necesitas para seguir creciendo.

Únete a nuestra plataforma global de aprendizaje y desarrollo profesional y accede a cursos subvencionados al 100%, contenido formativo en un montón de formatos y becas de universidades e instituciones líderes.

Si como nosotros, crees que nunca hay que dejar de aprender, entra aquí y regístrate. ¡Descubre lo que tenemos para ti!