Arquitectura básica de los sistemas basados en el conocimiento
Los SBC surgieron
de mano de la Inteligencia Artificial, y algunos años antes de que la comunidad
de las ciencias de la computación tomara conciencia de la importancia de desarrollo
de Software. Estos sistemas, nacen como una consecuencia, en cierta medida lógica
de la Ingeniería del Software aplicada a la Inteligencia Artificial, y después
de que la primera fuera considerada como un tópico más de la computación. Por
consiguiente, para la consideración de la evolución histórica nos centraremos esencialmente
en la Inteligencia Artificial, en ella se puede destacar una etapa de anterior
a la Inteligencia Artificial (1940 -1954), una etapa de inicio (1955-1960), una
etapa de transición (1961-1968) y una etapa de desarrollo y formalización a
partir de 1969.
Para desarrollar
con éxito un proyecto de SBC dentro de unos límites temporales y condiciones
aceptables, y con un presupuesto razonable, es necesario afrontar diversos temas;
incluyendo la definición de una adecuada transferencia tecnológica, la
valoración del dominio de la aplicación, la aceptación de los métodos adecuados
y correctos para el desarrollo del SBC, la selección de la herramienta de
desarrollo más adecuada, la integración del SBC en el entorno de trabajo, la
gestión del mantenimiento y la actualización del sistema.
enlace de referencia:
APLICACIÓN: SISTEMA BASADO EN EL
CONOCIMIENTO PARA EL CONTROL DE
CALIDAD MICRO-BIOLÓGICO DE ALIMENTOS
“SIBCOMA”
SIBCOMA es un
sistema basado en el conocimiento que apoya al Bacteriólogo en la determinación
de sí un alimento (carnes, frutas y leches) cumple o no con las normas micro-biológicas
establecidas por el Ministerio de Salud; es decir si el alimento puede o no ser
consumido por el ser humano. SIBCOMA puede informar al Bacteriólogo en qué
etapa de la producción un alimento fue contaminado junto con las causas de su
contaminación.
Aspectos finales
.png)
Es importante
aclarar que, aunque los SBC contienen conocimiento y habilidad de diferentes
expertos humanos, no pueden dar solución a problemas que aún los hombres no han
logrado resolver. Esto permite observar que las soluciones y asesorías que
infiere el sistema depende del conocimiento que tenga y no de la inteligencia
de la programación.
Las áreas de
aplicación de estos sistemas son innumerables, por lo que se podría desarrollar
diferentes SBC en cada una de las áreas del conocimiento.
Representación y manipulación del conocimiento
En los sistemas
basados en conocimiento, la representación se refiere a cómo se organiza y
estructura el conocimiento para que una máquina pueda procesarlo. Esto incluye
técnicas como reglas de producción, redes semánticas y lógica de predicados. La
manipulación se refiere al proceso de inferencia o razonamiento, es decir, cómo
el sistema utiliza este conocimiento para tomar decisiones o resolver
problemas.
La administración automática del historial académico del
alumno como alternativa de generación de información para el proceso de toma de
decisiones
Un sistema de administración automática del historial académico facilita el seguimiento y análisis del progreso de los estudiantes. Este tipo de sistema puede generar informes y estadísticas útiles para los docentes y administradores, apoyando la toma de decisiones educativas mediante la identificación de patrones de rendimiento y áreas que requieren intervención.
Este tipo de apoyo
incluye herramientas que ayudan a los docentes en la planificación, evaluación
y seguimiento del aprendizaje. Ejemplos incluyen plataformas de gestión de
cursos, herramientas para la creación de contenidos interactivos, y sistemas de
evaluación automatizada.
Apoyo informático
para el sistema tutorial inteligente
Los sistemas
tutoriales inteligentes (ITS) proporcionan enseñanza personalizada a los
estudiantes. Utilizan inteligencia artificial para adaptarse al ritmo y estilo
de aprendizaje de cada estudiante, proporcionando retroalimentación inmediata y
ajustando las lecciones según el progreso del estudiante.
.png)
Aprendizaje
Automático
.jpeg)
Ø Supervisado:
Un modelo es entrenado con un
conjunto
de datos etiquetados, es decir, datos donde las respuestas correctas
ya están definidas. Se usa para tareas como clasificación y regresión.
Ø No
supervisado: El modelo trabaja
con datos no etiquetados, buscando patrones o estructuras subyacentes en los
datos, como agrupamiento o reducción de dimensionalidad.
Ø Por refuerzo: El modelo aprende a través de la interacción con un entorno, tomando acciones y recibiendo recompensas o castigos en función de sus decisiones, optimizando su comportamiento para maximizar la recompensa a lo largo del tiempo.
Enlace de referencia:
Me pareció interesante cómo los sistemas basados en el conocimiento pueden aplicar teoría avanzada a problemas prácticos, como en el caso de SIBCOMA para el control de calidad de alimentos. La manera en que estos sistemas representan y manipulan el conocimiento es crucial para su efectividad. También, la explicación sobre el aprendizaje automático y su impacto en la adaptabilidad de estos sistemas ofrece una visión clara de su potencial en diferentes aplicaciones.
ResponderEliminar