La interfaz de usuario en los sistemas expertos

Estela Martnez1, Juan Manuel Stein2, Martn Verduzco3

Estudiante de Doctorado, Universidad Da Vinci Docente Titular A. Divisin de Sistemas Computacionales del T.E.S.E. Estado de Mxico, Mxico emartinez11@udavinci.edu.mx 2 Estudiante de Doctorado, Universidad Da Vinci Docente Curricular 40 hrs. Divisin de Sistemas Computacionales del T.E.S.E. Estado de Mxico, Mxico jstein11@udavinci.edu.mx 3 Estudiante de Doctorado, Universidad Da Vinci Docente Titular A. Divisin de Sistemas Computacionales del T.E.S.E. Estado de Mxico, Mxico mverduzco11@udavinci.edu.mx
1

Resumen. Las aplicaciones informticas capaces de solucionar conjuntos de problemas que exijan un gran conocimiento sobre un determinado tema se relacionan con los sistemas expertos, los cuales son un conjunto de programas que sobre una base de conocimientos posee informacin en uno o ms reas especficas. En este artculo se pretende abordar el estado del arte de los sistemas expertos pasando por los diferentes modelos de interfaz de usuario que permiten una mejor naturalidad en la interaccin hombre-mquina. Palabras Clave: Sistema experto, Base de conocimiento, Interfaz de usuario.

Introduccin

La Inteligencia Artificial (IA) trata de simular las capacidades humanas mediante el uso de mquinas. Este reto fue lanzado en la famosa conferencia de Dartmouth en 1956, y ha concentrado una enorme cantidad de esfuerzo dentro de la comunidad investigadora en los ltimos 50 aos [1]. En la bsqueda de crear interfaces de usuario (IUs) con alto grado de usabilidad, se busca en ellas un aumento en la calidad de la comunicacin entre la mquina y el usuario, permitiendo producir mejores sensaciones en usuario. A lo largo de este artculo se analiza la evolucin de los sistemas expertos y de las IUs en donde el xito de las interfaces de manipulacin directa es la retroalimentacin constante que proporciona sobre la tarea que realiza el usuario.

1.1 Historia de los sistemas expertos De acuerdo al trabajo de Alonso Romero (2012), los sistemas expertos forman parte de la ciencia de la computacin y dentro de sta se ubican en la rama de la inteligencia artificial. ste trmino fue usado por primera vez por un doctor de la Universidad de Standford llamado Edward A. Feigenbaum. [2] El estipul que el poder de resolucin de un problema en un programa de computadora viene del conocimiento de un dominio especfico, no solo de las tcnicas de programacin y el formalismo que contiene. Antes de eso casi todos los investigadores en inteligencia artificial haban tratado de desarrollar mtodos generales de programacin que resolveran grandes problemas conceptuales pero estos programas resolvan pobremente los problemas individuales. [2] El trmino de sistema experto se refiere a un software que imita el comportamiento de un experto humano en la solucin de un problema en un campo particular. Un sistema experto puede almacenar conocimiento proporcionado por expertos sobre un campo determinado y solucionar un problema mediante la deduccin lgica de conclusiones. De acuerdo con Samper, Los inicios del sistema experto datan a mediados de los aos sesenta. Durante esta dcada los investigadores Alan Newell y Herbert Simon desarrollaron un programa llamado GPS (General Problem Solver; solucionador general de problemas). Poda trabajar con criptoaritmtica, con las torres de Hanoi y con otros problemas similares. Lo que no poda hacer el GPS era resolver problemas del mundo real, tales como un diagnstico mdico. [3] A partir de la cita anterior, algunos investigadores decidieron entonces cambiar por completo el enfoque del problema restringiendo su ambicin a un dominio especfico e intentando simular el razonamiento de un experto humano. En vez de dedicarse a computarizar la inteligencia general, se centraron en dominios de conocimiento muy concretos. De esta manera nacieron los sistemas expertos. [3] Continuando con la revisin histrica proporcionada por Samper, a partir de 1965, un equipo dirigido por Edward Feigenbaum, comenz a desarrollar sistemas expertos utilizando bases de conocimiento definidas minuciosamente. Dos aos ms tarde se construye DENDRAL, el cual es considerado como el primer sistema experto. La ficcin de dicho sistema experto era identificar estructuras qumicas moleculares a partir de su anlisis espectrogrfico. [3] En 1965 aparece DENDRAL, el primer sistema experto. Es en ese ao cuando Feigenbaum entra a formar parte del departamento de informtica de Stanford. All conoci a Joshua Lederberg, el cual quera averiguar la estructura de las molculas orgnicas completas. El objetivo de DENDRAL fue estudiar un compuesto qumico. El descubrimiento de la estructura global de un compuesto exiga buscar en un rbol las posibilidades, y por esta razn su nombre es DENDRAL que significa en griego "rbol".

Antes de DENDRAL los qumicos solo tenan una forma de resolver el problema, estar era tomar unas hiptesis relevantes como soluciones posibles, y someterlas a prueba comparndolas con los datos. La realizacin de DENDRAL dur ms de diez aos (1965-1975). Se le puede considerar el primer sistema experto. En 1965 tambin se empezaron a utilizar tcnicas para la resolucin de problemas que se caracterizaban por la bsqueda heurstica como modelo para la resolucin de problemas, y con ellas comenz la investigacin y desarrollo de los sistemas expertos. En 1972, en la Universidad de Standford se desarrolla MYCIN, sistema experto dentro del campo de la medicina para el diagnstico de enfermedades infecciosas en la sangre. MYCIN se trataba de un sistema experto para el diagnstico de enfermedades infecciosas. Desde los resultados de anlisis de sangre, cultivos bacterianos y dems datos, el programa era capaz de determinar, o en lo menos, sugerir el microorganismo que estaba causando la infeccin. Despus de llegar a una conclusin, MYCIN prescriba una medicacin que se adaptaba perfectamente a las caractersticas de la persona, tales como el peso corporal de este. Este sistema introdujo nuevas caractersticas: utilizacin de conocimiento impreciso para razonar y posibilidad de explicar el proceso de razonamiento. Lo ms importante es que funcionaba de manera correcta, dando conclusiones anlogas a las que un ser humano dara tras largos aos de experiencia. En MYCIN aparecen claramente diferenciados motor de inferencia y base de conocimientos. Al separar esas dos partes, se puede considerar el motor de inferencias aisladamente. Esto da como resultado un sistema vaco o shell (concha). As surgi EMYCIN (MYCIN Esencial) con el que se construy SACON, utilizado para estructuras de ingeniera, PUFF para estudiar la funcin pulmonar y GUIDON para elegir tratamientos teraputicos.[3] Al mismo tiempo, Davir Marr propone nuevas teoras sobre la capacidad de reconocimiento visual de las diferentes mquinas. En 1972 aparece el lenguaje PROLOG basado en las teoras de Minsky. En 1973 se desarrolla el sistema experto llamado TIERESIAS. El cometido de este sistema experto era el de servir de intrprete entre MYCIN y los especialistas que lo manejaban, a la hora introducir nuevos conocimientos en su base de datos. El especialista deba utilizar MYCIN de una forma normal, y cuando este cometiera un error en un diagnstico (hecho producido por la falta o fallo de informacin en el rbol de desarrollo de teoras) TEIRESIAS corregira dicho fallo destruyendo la regla si es falsa o amplindola si es eso lo que se necesita. En esa poca se desarrollaron tambin: HERSAY, que intentaba identificar la palabra hablada, y PROSPECTOR, utilizado para hallar yacimientos de minerales. De este ltimo deriv el shell KAS (Knowledge Adquisition System). En 1979 aparece XCON, primer programa que sale del laboratorio, su usuario fue la Digital Equipament Corporation (DEC). El cometido de XCON sera configurar todos los ordenadores que saliesen de la DEC. El proyecto present resultados positivos y se empez a trabajar en el proyecto ms en serio en diciembre de 1978.

En abril de 1979 el equipo de investigacin que lo haba diseado pens que ya estaba preparado para salir, y fue entonces, cuando se hizo una prueba real, esperando resolver positivamente un 95% de las configuraciones, este porcentaje tal alto se qued en un 20% al ser contrastado con la realidad; XCON volvi al laboratorio, donde fue revisado y a finales de ese mismo ao funcion con resultados positivos en la DEC. En 1980 se instaur totalmente en DEC y en 1984, el XCOM haba crecido hasta multiplicarse por diez. El XCOM supuso un ahorro de cuarenta millones de dlares al ao para la DEC. Entre los aos 80 a 85 se produce la revolucin de los Sistemas Expertos, en estos 5 aos se crearon diversos sistemas expertos como el DELTA, de General Electric Company, para la reparacin de locomotoras diesel y elctricas. "Aldo en Disco" para la reparacin de calderas hidroestticas giratorias usadas para la eliminacin de bacterias. Se crearon multitud de empresas dedicadas a los sistemas expertos, donde los productos ms importantes que creaban estas nuevas compaas eran las "mquinas Lisp", que se trataba de unos ordenadores que ejecutaban programas LISP con la misma rapidez que en un ordenador central, y el otro producto fueron las "herramientas de desarrollo de sistemas expertos". [4] En 1987 XCON empieza a no ser rentable. Los tcnicos de DEC tuvieron que actualizar XCOM rpidamente llegndose a gastar ms de dos millones de dlares al ao para mantenimiento y algo parecido ocurri con el DELTA. Tambin en 1987 aparecieron los microordenadores Apple y compatibles IBM con una potencia parecida a los LISP. [4] El software se transfiri a mquinas convencionales utilizando el lenguaje "C" lo que acab con el LISP. A partir de los 90 y con el desarrollo de la informtica, se produce un amplio desarrollo en el campo de la inteligencia artificial y los sistemas expertos, pudindose afirmar que estos se han convertido en una herramienta habitual en determinadas empresas en la actualidad. La evolucin histrica de los mtodos utilizados en el desarrollo de los sistemas expertos tambin se ha producido a medida que se ha ido desarrollando la inteligencia artificial y los diferentes mtodos que se han empleado para su resolucin. [4] El desarrollo de lenguajes como LISP y PROLOG condicionaron esa evolucin, as como investigaciones en diversos campos relacionados. Los primeros sistemas expertos que se desarrollaron en los aos 60 eran capaces de resolver solo problemas basados en situaciones determinadas mediante sistemas de reglas. [4] En la dcada de los ochentas numerosas empresas de alta tecnologa investigan en sta rea de la inteligencia artificial, desarrollando sistemas expertos para su comercializacin. Se llega a la conclusin de que el xito del mismo depende casi

exclusivamente de la calidad de su base de conocimiento. El inconveniente es que codificar la pericia de un experto humano puede resultar difcil, largo y laborioso. Un ejemplo de sistema experto moderno es CASHVALUE, que evala proyectos de inversin y VATIA, que asesora acerca del impuesto sobre el valor aadido o IVA. [3] 1.2 Caractersticas de los Sistemas Expertos De acuerdo con Rusell (1998), cuando se modelan sistemas expertos se busca que tengan las siguientes caractersticas que son propias de los expertos humanos [5]: Habilidad para llegar a una solucin a los problemas en forma rpida y certera. Esta es la habilidad principal que se espera que un experto posea y pueda llevar a cabo. Al mencionar en forma rpida y certera obliga a que el experto no solo tenga conocimiento del campo en el que va a diagnosticar, sino que adems tenga experiencia tomando decisiones en l. Habilidad para explicar los resultados a la persona que no cuenta con ese conocimiento. Esto significa que el experto debe de poder responder en forma clara y certera las preguntas concernientes a las razones de los resultados, el razonamiento derivado de los mismos y las implicaciones subsecuentes. Generalmente las personas que no cuentan con el conocimiento esperan recibir una respuesta ms prctica y que se acerque a las condiciones que ellos pueden entender. Habilidad para aprender de las experiencias. Los expertos deben de aprender tanto de sus propias experiencias como de la experiencia de los dems. Estn obligados a estar al da en cuanto a la base de sus conocimientos as como a modificar el proceso de su razonamiento. Los expertos que no se mantienen al da generalmente se vuelven obsoletos. Habilidad de reestructurar el conocimiento para que se adapte al ambiente. Esto se refiere a que el experto pueda subdividir la base de su conocimiento y usar la porcin til de la misma en la resolucin del problema, reduciendo as su tiempo de respuesta. Tambin se refiere a visualizar el problema de distintas perspectivas usando varias porciones del conocimiento y aplicar conocimiento al problema desde distintos niveles. Conciencia de sus limitaciones. Los expertos pueden evaluar su capacidad para resolver un problema dado y determinar si el mismo se encuentra dentro de sus posibilidades de resolucin. Esto tambin significa que saben cuando referirse a otros expertos.

Con respecto a las ventajas, Montes (2003) menciona que estos programas proporcionan la capacidad de trabajar con grandes cantidades de informacin, lo cual es uno de los grandes problemas que enfrenta el analista humano, debido a que puede afectar negativamente a la toma de decisiones, pues el analista humano puede depurar datos que no considere relevantes, mientras un sistema experto debido a su gran

velocidad de proceso analiza toda la informacin, incluyendo las no tiles para de esta manera aportar una decisin ms slida. [7] En el extremo contrario, respecto a las limitaciones, Barr (1981) hace evidente que para actualizarlos se necesita la reprogramacin de stos, tal vez este sea una de sus limitaciones ms acentuadas, otra de sus limitaciones puede ser el elevado costo en dinero y tiempo, adems que estos programas son poco flexibles a cambios y de difcil acceso a informacin no estructurada. Debido a la escasez de expertos humanos en determinadas reas, los SE pueden almacenar su conocimiento para cuando sea necesario poder aplicarlo. As mismo los sistemas expertos pueden ser utilizados por personas no especializadas para resolver problemas. Adems si una persona utiliza con frecuencia un sistema experto aprender de l. Por otra parte la inteligencia artificial no ha podido desarrollar sistemas que sean capaces de resolver problemas de manera general, de aplicar el sentido comn para resolver situaciones complejas ni de controlar situaciones ambiguas. El futuro de los sistemas expertos da vueltas por la cabeza de cada persona, siempre que el campo elegido tenga la necesidad y/o presencia de un experto para la obtencin de cualquier tipo de beneficio. [8] 1.3 Interfaz de usuario El mecanismo de interaccin humano-computadora produce un dilogo entre la computadora y el usuario. La interfaz al usuario es el elemento ms dbil pero tambin uno de los ms crticos en un sistema experto ya que determina que tan bien los sistemas sern aceptados por los usuarios. Ha habido grandes investigaciones en interfaces de lenguaje natural, reconocimiento y sintetizacin de voz para hacer los sistemas expertos ms amigables. [8] En el diseo y desarrollo de IU se han utilizado diferentes estilos de interaccin, una de las ms exitosas es la de manipulacin directa, la cual permite al usuario el manejo directo de una representacin grfica de la aplicacin en la pantalla, manejo que puede realizarse de muy diversas formas, por ejemplo los editores de texto, las hojas de clculo electrnico, los sistemas de administracin de datos espaciales y los videojuegos. Uno de los problemas con la manipulacin directa es que no siempre todas las tareas pueden ser descritas por objetos concretos y no todas las acciones se pueden hacer directamente. (ver Fig. 1).

Fig. 1. Estructura de un Sistema Experto ideal para Samper [6]

Un nuevo estilo de interaccin llamado interaccin asistida utiliza la metfora del agente que colabora con el usuario en el mismo ambiente de trabajo. En este estilo de interaccin, el usuario en vez de dirigir la interaccin, trabaja en un entorno cooperativo en que el usuario y los agentes se comunican, controlan eventos y realizan tareas. [9] En base al trabajo de Lieberman, un agente de interfaz es como un programa que tambin puede hacer uso de la interfaz de usuario, pero sin instrucciones explcitas del usuario. El agente de la interfaz lee la entrada que el usuario presenta en la interfaz y puede hacer cambios en los objetos que el usuario ve en la pantalla. Los agentes de interfaz son diferentes de los simples asistentes. [10] Los agentes trabajan en segundo plano y actan por propia iniciativa, cuando se presentan situaciones que pueden ser relevantes para el usuario. La capacidad que se les supone a los agentes ser considerada en el siguiente apartado dedicado a tratar las Interfaces de Usuario Inteligentes (IUI). El conocimiento de la interfaz de usuario incluye al: Modelo de dominio: Almacena aquellos objetos/datos que la Interfaz de Usuario requiere para que el usuario pueda realizar sus tareas. Modelo de tareas: Representa aquellas tareas que el usuario podr realizar a travs de la interfaz de usuario, as como las posibles restricciones temporales que puedan existir entre dichas tareas usando una notacin basada en ConcurTaskTree [11]. Modelo abstracto de interfaz de usuario: Contiene la interfaz de usuario expresada usando objetos de interaccin abstractos, y por tanto de una manera independiente de la plataforma (una PC, un PDA, un telfono mvil, etc) y de la modalidad (grfica, vocal). Dicho modelo tambin relaciona las tareas que el usuario puede realizar a travs de la interfaz con aquellos objetos/datos del dominio necesarios para llevar a cabo dichas tareas. [12]

Modelo de interfaz de usuario concreta: Representa la interfaz de usuario usando objetos concretos de interaccin. En este caso la representacin de la interfaz de usuario s que es dependiente de la plataforma donde ser ejecutada, y servir como base para la generacin de la interfaz que se ofrecer al usuario. Modelo de contexto: Almacena toda la informacin referente al contexto de uso que el sistema es capaz de obtener. Incluye el modelo de usuario, el modelo de plataforma y el modelo de entorno: a. El modelo de usuario: Contiene las caractersticas relevantes del usuario para el sistema (preferencias, capacidades, conocimientos). Dicho modelo es actualizado aplicando tcnicas de modelado de usuario a los datos de entrada capturados por los sensores. [10] El modelo de plataforma: Incluye los datos relevantes para el sistema sobre las caractersticas, tanto software como hardware, de las plataformas donde potencialmente se puede ejecutar la aplicacin. Este modelo tambin es actualizado mediante el procesamiento de los datos capturados por los sensores. Por ejemplo, si el usuario cambia la resolucin de la pantalla supone un cambio en el espacio de visualizacin disponible para presentar los contenidos, y por lo tanto seguramente se tenga que cambiar la distribucin de los contenidos o los mismos contenidos. El modelo de entorno: Contiene la informacin sobre el entorno fsico donde se produce la interaccin. Obviamente, la cantidad de informacin potencialmente recogida del entorno es inmensa, y por lo tanto el diseador debe especificar qu informacin es relevante. De igual manera, la informacin contenida en este modelo es tambin actualizada a travs de los datos recibidos por los sensores. Por ltimo, la historia de interaccin contiene un registro de todas las acciones realizadas por el usuario sobre la interfaz de usuario, permitiendo aplicar principalmente tcnicas de minera de datos o clasificacin para inferir nuevos datos sobre el usuario.

b.

c.

1.3.1 Interfaces inteligentes de usuario Con respecto a desarrollos que enlacen interfaces de usuario y agentes inteligentes, de acuerdo con el trabajo de Hipona, tenemos las interfaces inteligentes de usuario, las cuales tienen por objetivo llevar a cabo bsquedas conceptuales ms que localizar simples cadenas de caracteres. Cuando un usuario hace una consulta, la interfaz recoge los trminos de sta como algo representativo de la materia en la que se est interesado. Posteriormente, y a partir de su base de conocimiento, realiza una consulta expandida. Es decir, partiendo de los trminos suministrados por el usuario, se aaden otros relacionados con el mismo concepto, realizando as una consulta mucho ms completa que la que en un principio se pretenda hacer. Por ejemplo la consulta perro puede ser expandida a perro o can o sabueso. Los ShopBots son agentes de compra que se dedican a comparar las caractersticas y precios de los distintos productos que ofrecen las tiendas en lnea. [13]

Se han desarrollado algunos sistemas expertos que expanden de forma automtica las consultas de los usuarios con la ayuda de un tesauro o base de conocimiento, en donde se almacenan las palabras relacionadas. Estos sistemas incorporan estrategias de bsqueda aprendidas de buscadores humanos expertos, estrategias que a su vez pueden personalizarse para un dominio en particular como tratamiento del cncer, o estudio de la polucin, o para cualquier otro dominio, en funcin de la base de conocimiento que se utilice. Un ejemplo de este tipo de agente es Alexa. [14]

Conclusiones y trabajos futuros

El poder de los sistemas expertos es el conocimiento de un dominio especfico codificado por un ingeniero en software experto en inteligencia artificial llamado ingeniero de conocimientos. En esta codificacin, el ingeniero de conocimientos establece las reglas del sistema y los caminos a seguir. Todo esto se genera a travs de dos conceptos importantes en los sistemas expertos, la base de conocimientos y la mquina de inferencia. El mecanismo de interaccin humano-computadora produce un dilogo entre la computadora y el usuario. El sistema experto puede hacer uso de diversas disciplinas para facilitar su uso. Dentro de stas se encuentra la educacin, la psicologa, la sociologa y la antropologa La interfaz al usuario es el elemento ms dbil pero tambin uno de los ms crticos en un sistema experto ya que determina que tan bien los sistemas sern aceptados por los usuarios, en donde un requerimiento bsico del interfaz es la habilidad de hacer preguntas para obtener informacin fiable del usuario.

Agradecimientos. Este trabajo fue desarrollado como proyecto final de la materia Fundamentos de Inteligencia Artificial impartida por el Dr. Jos Alberto Hernndez Aguilar de la Universidad Da Vinci, al cual le agradecemos los conocimientos adquiridos en el transcurso de este programa de formacin de Doctores en Sistemas Computacionales.

Referencias
[1]. Lpez, V., [et. al.].(2007) "Interfaces de Usuario Inteligentes: Pasado, Presente y Futuro." similar, 2007: 10. [2]. Alonso R. Introdu 2012, de . Recuperado el 25 de febrero del de Salamanca:

Universidad

http://avellano.fis.usal.es/~lalonso/Cursos/SistemasInteligentes/LectureNotes/introdu ccion_ia_cetsi.pdf [3]. Samper J. (2003). Sistemas expertos. El conocimiento al poder. Recuperado el 6 de marzo del 2012 en http://www.psycologia.com/articulos/ar-jsamper01.htm. [4]. Republica, Universidad de la. (2011). Introduccin al procesamiento de Lenguaje Natural. Recuperado el 12 de marzo del 2012, de http://www.fing.edu.uy/inco/cursos/intropln/pres/2011%2015%20%20Semntica%20Formal%20I.pdf [5]. Rusell. (1998). Inteligencia artificial, un enfoque moderno. Mxico: Pearson.

[6]. Justo F. (2004). Aplicaciones, ventajas y limitaciones de los sistemas expertos. Recuperado el 06 de marzo del 2012 en http://efelix.iespana.es/efelix/expertaplicaciones.htm. [7]. Montes M. (2003). Sistemas expertos. Recuperado el 6 de marzo del 2012 en http://dis.eafit.edu.co/labs. [8]. Barr, A. Feigenbaum, E. (1981) The Handbook of AI. Volume 1. Los Altos, CA: W. Kaufmann. [9]. Maes, P., Schneiderman, B. (1997) Direct Manipulation vs. Interface Agents: a Debate. Interactions, 4 , Number 6, ACM Press. [10]. Lieberman, H. Letizia. An Agent That Assists Web Browsing. In Proceedings of the Fourteenth International Joint Conference on Artificial Intelligence (IJCAI-95), pp. 924- 929, Montreal, Canada, 1995, Morgan Kaufmann publishers Inc.: San Mateo, CA, USA. [11]. Patern, F.(1999) Model-Based Design and Evaluation of Interactive Applications. Springer. [12]. Lpez J., V., Montero, F., Molina, J.P., Fernndez-Caballero, A., Gonzlez, P. (2003) Model-Based Design of Adaptive User Interfaces through Connectors. Design, Specification and Verification of Interactive Systems 2003, DSV-IS 2003. In DSV-IS 2003 : Issues in Designing New-generation Interactive Systems Proceedings of the Tenth Workshop on the Design, Specification and Verification of Interactive Systems. Springer Verlag, LNCS 2844, 2003. Madeira, Portugal June 4-6, 2003.

[13]. Hpola, P., & Vargas, Q. B. (Abril de 1999). El profesional de la informacin. Recuperado el 9 de marzo del 2012, en http://www.elprofesionaldelainformacion.com/contenidos/1999/abril/agentes_intelige ntes_definicion_y_tipologia_los_agentes_de_informacion.html. [14]. Alexa.(2012) The web information company. Recuperado el 17 de marzo del 2012 en www.alexa.com.