Escolar Documentos
Profissional Documentos
Cultura Documentos
3.
4.
5.
6.
7.
8.
9. Tratamiento de la incertidumbre: Esta caracterstica es una consecuencia de la complejidad de los problemas que abordan los SS.EE., pues en el mundo real hay muchas fuentes de incertidumbre, asociadas a los datos (inexactitudes e imprecisiones), al dominio en s (relaciones probabilsticas) o al conocimiento disponible (informacin incompleta, causas desconocidas, falta de acuerdo entre los expertos, etc.).
Al ser estas caractersticas muy numerosas, podemos decir que son raros los SE que cumplen todos estos requisitos. Sin embargo esta relacin sirve para centrar la nocin de SE, mediante el examen de los SE tericamente perfectos.
2. ESTRUCTURA BSICA DE UN SISTEMA EXPERTO El esquema bsico de un sistema experto se muestra en la figura 1.1
All se identifican fundamentalmente dos mdulos: el conocimiento y el razonamiento. Tpicamente, un ingeniero de conocimiento se entrevista con un experto del dominio para aclarar el conocimiento del experto, que ms tarde se traduce a reglas. As pues, el mdulo de conocimiento est conformado en base a reglas. El mdulo de razonamiento est constituido por el mecanismo de inferencia que permite generar conclusiones a partir de un conjunto de hechos tratados por el mdulo de conocimiento. Tras construirse el sistema inicial, debe refinarse iterativamente hasta conseguir un resultado de alto nivel. En la estructura 1clsica de un sistema experto el motor de inferencia es el elemento central encargado de coordinar todos los dems. Entre ellos, tiene especial importancia la base de conocimiento pues, como su nombre indica, contiene el conocimiento relativo al dominio. Generalmente consta de un conjunto de reglas, un conjunto de marcos, una red o una combinacin de varios de ellos.
sta es la estructura clsica, aplicable sobre todo a los sistemas basados en reglas.
El tercer elemento clave de un sistema experto es el interfaz de usuario. Aparentemente, su importancia es secundaria. Sin embargo, la aceptacin de un sistema experto por parte de sus destinatarios depende en gran medida de que el interfaz sea potente, fcil de manejar y agradable. A diferencia de la base de conocimiento, que es esttica, existe una base de afirmaciones dinmica, donde el motor de inferencia almacena las conclusiones que va obteniendo, y a su vez busca en ella las premisas que le permitan obtener otras nuevas. El contenido de la base de afirmaciones es diferente para cada consulta que se realiza. Por ltimo, hay un componente de poca importancia conceptual, pero que resulta imprescindible en la prctica: una base de datos gestionada por el programa, pues en casi todas las aplicaciones de la vida real se hace necesario almacenar y recuperar de forma eficiente grandes cantidades de informacin. Conviene insistir en la diferencia entre base de datos y base de conocimiento. La primera almacena informacin puntual; por ejemplo, "el paciente tiene 36 aos, pesa 75 Kg., mide 1'73, padeci fiebre reumtica, etc.". La base de conocimiento, en cambio, contiene informacin sobre como relacionar los datos y los conceptos entre s: "la fiebre reumtica produce estenosis mitral en el 30% de las personas menores de 40 aos".
a)
Base de Conocimientos: es donde se almacena el conocimiento del campo a desarrollar. Los conocimientos que se suelen almacenar son de cuatro tipos: conocimiento objetivo, que describe la situacin real del sistema; conocimiento de sucesos, relacionado con los sucesos que ocurren en el tiempo de ejecucin; conocimiento del funcionamiento del sistema, de cmo se hacen las cosas, y metaconocimiento, que relaciona los anteriores. Contiene el conocimiento del tema, generalmente proporcionado por un experto en el tema, convenientemente formalizado y estructurado. La representacin del conocimiento por lo general es sencilla y mediante reglas. Existen varias formas de representar el conocimiento:
Marcos (Frames): son estructuras de datos donde se almacenan informacin concreta de un cierto concepto e informacin relacional para completar la definicin del concepto. Se representan por una serie de campos y los valores asociados a los mismos, pudiendo ser otro "frame". - Redes semnticas: son representaciones grficas del conocimiento, mediante nodos, que representan objetos o conjuntos de objetos, y arcos, que relacionan dichos objetos. Tanto los "frames" como las redes son representaciones descriptivas, difciles de usar para representar el razonamiento. - Reglas: es la forma ms extendida de representacin del conocimiento. Representan la forma de razonar. Tienen la forma SI <condicin> ENTONCES <accin/conclusin>. Es importante el orden de ejecucin de las reglas, por ello se les suele dotar de prioridades. Una regla que activa otra se denomina metaregla, y se suelen usar para desarrollar progresivamente el conocimiento del experto.
-
b)
c)
Una labor fundamental es la Adquisicin del Conocimiento y su representacin mediante alguna de las formas anteriores. Una de las tcnicas ms usadas son las entrevistas con los responsables del proceso, donde se consume la mayora del tiempo. Adems se suelen usar las bases de datos existentes en el sistema, aadir modelos matemticos o heursticos, y analizar el sistema mediante programas de simulacin. Tambin en entornos dinmicos, como los sistemas de produccin, se adquiere conocimiento con el tiempo Base de hechos: representa el conocimiento del estado del sistema en un cierto instante. Usualmente se representa en una base de datos, y su informacin est directamente enlazada con la base de conocimientos. Un hecho puede provocar el disparo de una regla. Motor de Inferencia: utiliza la base de conocimiento y de hechos combinndolas y fusionndolas, para realizar una serie de razonamientos acerca del problema en cuestin. Funciona como un supervisor, extrae conclusiones a partir de los datos simblicos que estn almacenados en las bases de hechos y de conocimiento. Dependen en gran medida de la representacin elegida; por su importancia analizaremos los motores de inferencia basados en reglas. Para obtener conclusiones, los expertos utilizan diferentes mecanismos y estrategias de inferencia y control. Entre los mecanismos de inferencia estn, [Gutirrez, 1994]: Modus Ponens y Modus Tollens. Las estrategias de inferencia pueden ser simples o compuestas. Estas ltimas permiten estructurar el conocimiento en diferentes niveles, y en este caso, se d un encadenamiento de reglas que conducen finalmente a una conclusin.
Modus Ponens y Modus Tollens: El Modus Ponens es quizs la estrategia de inferencia mas comnmente utilizada. Se utiliza para obtener conclusiones simples. En ella, se examina la premisa de la regla, y si es cierta, la conclusin pasa a formar parte del conocimiento. Por ejemplo, supngase que se tiene la regla, Si A es cierto, entonces B es cierto" y que se sabe adems que A es cierto". La regla Modus Ponens concluye que B es cierto." Esta regla de inferencia, que parece trivial, debido a su familiaridad, es la base de un gran nmero de sistemas expertos. La regla de inferencia Modus Tollens se utiliza tambin para obtener conclusiones simples. En este caso se examina la conclusin y si es falsa, se concluye que la premisa tambin es falsa. Por ejemplo, supngase de nuevo que se tiene la regla, Si A es cierto, entonces B es cierto" pero se sabe que B es falso." Entonces, utilizando la regla Modus Ponens no se puede obtener ninguna conclusin pero la regla Modus Tollens concluye que A es falso". El rendimiento del motor de inferencia depende del conjunto de reglas en su base de conocimiento. Hay situaciones en las que el motor de inferencia puede concluir utilizando un conjunto de reglas, pero no puede, utilizando otro (aunque estos sean lgicamente equivalentes). 2. Encadenamiento de Reglas: Una de las estrategias de inferencia ms utilizadas para obtener conclusiones compuestas es el llamado encadenamiento de reglas. Esta estrategia puede utilizarse cuando las premisas de ciertas reglas coinciden con las conclusiones de otras. Cuando se encadenan las reglas, los hechos pueden utilizarse para dar lugar a nuevos hechos. Esto se repite sucesivamente hasta que no pueden obtenerse ms conclusiones. Existen varios algoritmos de bsqueda a lo largo de las reglas para inferir conclusiones a partir de los hechos y las reglas. Todos los algoritmos son del tipo "pattern-matching", que van disparando reglas a medida que se cumplen las condiciones.
d)
Es importante destacar que la base de conocimientos y el motor de inferencia son sistemas independientes, por lo que se han desarrollado herramientas que nicamente necesitan la implementacin del conocimiento, llevando incorporado el motor de inferencia. Mdulo explicativo: es el mdulo que explica al usuario la estrategia de solucin encontrada y el por qu de las decisiones tomadas. Es el que permite justificar y explicar el anlisis completo del problema y las soluciones propuestas, as como la semejanza o diferencia entre dicha solucin y las de los casos histricos. El proceso completo que se realiza en un sistema de razonamiento basado en casos se puede representar como un ciclo de actividades:
- RECUPERAR el o los casos ms parecidos al problema actual. Para ello el sistema utiliza la librera de ndices. - REUTILIZAR la informacin y el conocimiento de dicho caso para intentar resolver el problema. - REVISAR la solucin propuesta si es necesario. - RETENER la parte til de esta experiencia para ser utilizada en la resolucin de futuros problemas.
e)
f)
Interfaz de usuario: permite la comunicacin entre el usuario y el sistema experto. El usuario puede consultar con el sistema a travs de mens, grficos, entre otros, y ste le responde con resultados. Tambin es interesante mostrar la forma en que extrae las conclusiones a partir de los hechos. En sistemas productivos se cuida la forma de presentar al operador las rdenes obtenidas del sistema experto, debido a que informacin excesiva o confusa dificulta la actuacin en tiempo real. Mdulo de adquisicin del conocimiento: a travs de este componente el ingeniero del conocimiento o el experto del tema puede construir inicialmente el sistema o actualizar el conocimiento de la base de conocimientos en general. Permite incorporar los hechos y las reglas al sistema y probar y depurar los cambios realizados. Adicionalmente, por medio de ste se pueden realizar actividades relacionadas con la configuracin del sistema, especficamente del motor de inferencia, de acuerdo con las necesidades del usuario. Una forma bsica de integrar un sistema experto en el mecanismo de control es la mostrada en la figura 1.4, donde el sistema recoge la informacin en tiempo real del proceso y la procesa para dar respuesta al usuario.
Los sistemas expertos parecen adecuados para la utilizacin como apoyo a la toma de decisiones en tiempo real, y como aprendizaje en modo estudio. La mayora de los sistemas expertos que se utilizan en control de la produccin monitorizan los resultados para que el operador tome la decisin.
La implementacin de un sistema experto completo obliga al desarrollo de cada uno de los elementos anteriores a travs de lenguajes o herramientas de desarrollo. Existen cuatro alternativas para la implementacin de un sistema experto:
Lenguajes de alto nivel (HLL): son lenguajes de propsito general (C, Fortran, Basic,...). Tienen como ventajas su eficiencia, su familiaridad y la portabilidad a cualquier entorno, pero el inconveniente de no estar preparados para una programacin basada en smbolos. - Lenguajes simblicos: fundamentalmente LISP y PROLOG. Son los lenguajes de alto nivel ms utilizados por su adaptacin a la lgica de la base de conocimientos representada mediante smbolos, y por su mecanismo de extraer conclusiones. Su eficiencia aumenta en estaciones de trabajo diseadas para dichos lenguajes. - Herramientas de desarrollo (shells): son programas preparados para el desarrollo de sistemas expertos pues incorporan el motor de inferencia, independiente de las bases de hechos y de conocimiento. El programador se limita a traducir dichas bases a un lenguaje preparado a tal efecto, pudiendo enlazarse con otros lenguajes para el desarrollo de funciones adicionales. Suelen estar desarrollados en CLIPS, LISP o PROLOG para aumentar su eficiencia. La flexibilidad es menor, aunque suelen incorporar procesadores de texto, grficos y herramientas de anlisis. - Entornos de desarrollo (environments): aaden a los shells el uso de un entorno grfico (ventanas, iconos,...) que facilita el desarrollo del sistema experto. Tienen como ventaja la disminucin del tiempo de desarrollo, pero suelen ser caros y poco flexibles.
-
Los shells son los ms usados para el desarrollo de sistemas expertos, mientras que el PROLOG est muy extendido en Europa y Japn, el LISP lo est en Estados Unidos. Los entornos an ocupan un sector minoritario pero la tendencia a su utilizacin va en aumento.
La base de conocimiento es el pilar central de un SBC, ya que es el depsito donde se almacena el conocimiento del que ste dispone sobre un dominio especfico. La Ingeniera del Conocimiento (IC) es la disciplina de la Inteligencia Artificial (IA) encargada de realizar hacer explcitos los conocimientos de un dominio en una BC separada del resto del sistema en el que se integra. El ingeniero del conocimiento desempea la tarea de educir el conocimiento de los denominados expertos del dominio, que son aquellas personas que albergan el conocimiento que se desea representar en una BC, es decir, aquel que es til para comprender y resolver problemas de un determinado campo de aplicacin. Las componentes, en detalle [Gmez y Puerta, 1998], se muestran esquemticamente en la Figura 1.5 y se explican seguidamente
FIGURA 1.5 Componentes tpicos de un sistema experto. Las flechas representan el flujo de la informacin.
La Componente Humana Un sistema experto es generalmente el resultado de la colaboracin de uno o varios expertos humanos especialistas en el tema de estudio y los ingenieros del conocimiento, con los usuarios en mente. Los expertos humanos suministran el conocimiento bsico en el tema de inters, y los ingenieros del conocimiento trasladan este conocimiento a un lenguaje, que el sistema experto pueda entender. La colaboracin de los expertos humanos, los ingenieros del conocimiento y los usuarios es, quizs, el elemento ms importante en el desarrollo de un sistema experto. Esta etapa requiere una enorme dedicacin y un gran esfuerzo debido a los diferentes lenguajes que hablan las distintas partes y a las diferentes experiencias que tienen.
Es una estructura de datos que contiene una gran cantidad de informacin sobre un tema especfico, generalmente introducida por un experto en dicho tema (se puede asociar a una memoria permanente), sobre el cual se desarrolla la aplicacin. Este conocimiento lo constituye la descripcin de: - Objetos a tener en cuenta y sus relaciones - Casos particulares o excepciones y diferentes estrategias de resolucin con sus condiciones de aplicacin (meta-conocimiento, es decir, conocimiento sobre el conocimiento) Los especialistas son responsables de suministrar a los ingenieros del conocimiento una base de conocimiento ordenada y estructurada, y un conjunto de relaciones bien definidas y explicadas. Esta forma estructurada de pensar requiere que los expertos humanos repiensen, reorganicen, y reestructuren la base de conocimiento y, como resultado, el especialista se convierte en un mejor conocedor de su propio campo de especialidad. Hay que diferenciar entre datos y conocimiento. El conocimiento se refiere a afirmaciones de validez general tales como reglas, distribuciones de probabilidad, etc. Los datos se refieren a la informacin relacionada con una aplicacin particular. Por ejemplo, en diagnstico mdico, los sntomas, las enfermedades y las relaciones entre ellos, forman parte del conocimiento, mientras los sntomas particulares de un paciente dado forman parte de los datos. Mientras el conocimiento es permanente, los datos son efmeros, es decir, no forman parte de la componente permanente de un sistema y son destruidos despus de usarlos. El conocimiento se almacena en la base de conocimiento y los datos se almacenan en la memoria de trabajo. Todos los procedimientos de los diferentes sistemas y subsistemas que son de carcter transitorio se almacenan tambin en la memoria de trabajo. Memoria de Trabajo Es una memoria auxiliar que contiene a la vez los datos sobre la situacin concreta en la cual se va a realizar la aplicacin (hechos iniciales que describen el enunciado del problema a resolver) y los resultados intermedios obtenidos a lo largo del procedimiento de deduccin. Esta base (memoria temporal) no se conserva (salvo por necesidades del usuario) y depende exclusivamente de la situacin estudiada. Subsistema de Adquisicin de Conocimiento El conocimiento puede introducirse por el experto o por el ingeniero de conocimiento (en este caso el mdulo puede contener funciones de interfase con el usuario) o provenir directamente de sensores, bases de datos, otros software Debe, pues, recibir el conocimiento, verificar la verosimilitud de ste, organizar la coherencia de la base de conocimientos y transformar los datos en conocimientos incorporados al sistema. El subsistema de adquisicin de conocimiento controla el flujo del nuevo conocimiento que fluye del experto humano a la base de datos. El sistema determina qu nuevo conocimiento se necesita, o si el conocimiento recibido es en realidad nuevo, es decir, si debe incluirse en la base de datos y, en caso necesario, incorpora estos conocimientos a la misma. Si el conocimiento inicial es muy limitado y no se pueden sacar conclusiones, el motor de inferencia utiliza el subsistema de adquisicin de conocimiento para obtener el conocimiento necesario y continuar con el proceso de inferencia hasta que se hayan sacado conclusiones. En algunos casos, el usuario puede suministrar la informacin requerida para ste y otros objetivos. De ello resulta la necesidad de una interfase de usuario y de una comprobacin de la consistencia de la informacin suministrada por el usuario antes de introducirla en la memoria de trabajo. Si bien estos mdulos no existen en todos los SE, o estn organizados de diferentes formas, la funcin que realizan son de todo punto indispensable en estos sistemas. Control de la Coherencia El subsistema de control de la coherencia ha aparecido en los sistemas expertos muy recientemente. Sin embargo, es una componente esencial de un sistema experto. Este susbsistema controla la consistencia de la base de datos y evita que unidades de conocimiento inconsistentes entren en la misma.
En situaciones complejas incluso un experto humano puede formular afirmaciones inconsistentes. Por ello, sin un subsistema de control de la coherencia, unidades de conocimiento contradictorio pueden formar parte de la base de conocimiento, dando lugar a un comportamiento insatisfacto-rio del sistema. Es tambin bastante comn, especialmente en sistemas conmecanismos de propagacin de incertidumbre, que se llegue a conclusiones absurdas o en conflicto como, por ejemplo, situaciones en las que el sistema genera probabilidades mayores que la unidad o negativas. Por ello, el subsistema de control de la coherencia comprueba e informa a los expertos de las inconsistencias. Por otra parte, cuando se solicita informacin de los expertos humanos, ste subsistema informa sobre las restricciones que sta debe cumplir para ser coherente con la existente en la base de conocimiento. De esta forma, ayuda a los expertos humanos a dar informacin fiable. El Motor de Inferencia El motor de inferencia es el corazn de todo sistema experto, ponen en accin los elementos de la base de conocimientos para construir los razonamientos. El cometido principal de esta componente es el de sacar conclusiones aplicando el conocimiento a los datos. Por ejemplo, en diagnstico mdico, los sntomas de un paciente (datos) son analizados a la luz de los sntomas y las enfermedades y de sus relaciones (conocimiento). Ejecuta las inferencias (deducciones) en el curso del proceso de resolucin, bien sea por modificacin, bien por adjuncin de los elementos de la base de hechos. Frente a una situacin dada, detecta los conocimientos que interesan, los utiliza, los encadena, y construye un plan de resolucin independiente del dominio y especificidad del caso tratado. Las conclusiones del motor de inferencia pueden estar basadas en conocimiento determinista o conocimiento probabilstico. Como puede esperarse, el tratamiento de situaciones de incertidumbre (probabilsticas) puede ser considerablemente ms difcil que el tratamiento de situaciones ciertas (deterministas). En muchos casos, algunos hechos (datos) no se conocen con absoluta certeza. Por ejemplo, pinsese en un paciente que no est seguro de sus sntomas. Puede darse el caso de tener que trabajar con conocimiento de tipo no determinista, es decir, de casos en los que se dispone slo de informacin aleatoria o difusa. El motor de inferencia es tambin responsable de la propagacin de este conocimiento incierto. De hecho, en los sistemas expertos basados en probabilidad, la propagacin de incertidumbre es la tarea principal del motor de inferencia, que permite sacar conclusiones bajo incertidumbre. Esta tarea es tan compleja que da lugar a que sta sea probablemente la componente ms dbil de casi todos los sistemas expertos existentes. Por esta razn, la mayor parte de este libro se dedica al anlisis y resolucin del problema de la propagacin de incertidumbre. Interfase de Usuario La interfase de usuario es el enlace entre el sistema experto y el usuario. Tambin denominado Sistema de Consulta. Es el que gobierna el dilogo entre el usuario y el sistema. Su objetivo es el de permitir un dilogo en un lenguaje cuasi-natural con la mquina. Adems, este mdulo traduce el espaol (o cualquier otra lengua) al lenguaje interno y viceversa. Por ello, para que un sistema experto sea una herramienta efectiva, debe incorporar mecanismos eficientes para mostrar y obtener informacin de forma fcil y agradable. Un ejemplo de la informacin que tiene que ser mostrada tras el trabajo del motor de inferencia, es el de las conclusiones, las razones que expliquen tales conclusiones y una explicacin de las acciones iniciadas por el sistema experto. Por otra parte, cuando el motor de inferencia no puede concluir debido, por ejemplo, a la ausencia de informacin, la interfase de usuario es un vehculo para obtener la informacin necesaria del usuario. Consecuentemente, una implementacin inadecuada de la interfase de usuario que no facilite este proceso minara notablemente la calidad de un sistema experto. Otra razn de la importancia de la interfase de usuario es que los usuarios evalan comnmente los sistemas expertos y otros sistemas por la calidad de dicha interfase ms que por la del sistema experto mismo, aunque no se debera juzgar la calidad de un libro por su portada.
10
El subsistema de ejecucin de rdenes es la componente que permite al sistema experto iniciar acciones. Estas acciones se basan en las conclusiones sacadas por el motor de inferencia. Como ejemplos, un sistema experto diseado para analizar el trfico ferroviario puede decidir retrasar o parar ciertos trenes para optimizar el trfico global, o un sistema para controlar una central nuclear puede abrir o cerrar ciertas vlvulas, mover barras, etc., para evitar un accidente. La explicacin de las razones por las que se inician estas acciones pueden darse al usuario mediante el subsistema de explicacin. El Subsistema de Explicacin Permite trazar el camino tomado en el razonamiento (inferencias efectuadas). Este mdulo aporta una ayuda considerable al informtico para refinar la gestin del motor de inferencia y le es igualmente til al experto, en la construccin y verificacin de la coherencia de la base de conocimiento y explica, tambin, al usuario, cmo ha deducido tal hecho y por qu plantea tal cuestin. En muchos dominios de aplicaciones, es necesaria la explicacin de las conclusiones debido a los riesgos asociados con las acciones a ejecutar. Por ejemplo, en el campo del diagnstico mdico, los doctores son responsable ltimos de los diagnsticos, independientemente de las herramientas tcnicas utilizadas para sacar conclusiones. En estas situaciones, sin un subsistema de explicacin, los doctores pueden no ser capaces de explicar a sus pacientes las razones de su diagnstico. El Subsistema de Aprendizaje Una de las principales caractersticas de un sistema experto es su capacidad para aprender. Diferenciaremos entre aprendizaje estructural y aprendizaje paramtrico. Por aprendizaje estructural nos referimos a algunos aspectos relacionados con la estructura del conocimiento (reglas, distribuciones de probabilidad, etc.). Por ello, el descubrimiento de nuevos sntomas relevantes para una enfermedad o la inclusin de una nueva regla en la base de conocimiento son ejemplos de aprendizaje estructural. Por aprendizaje paramtrico nos referimos a estimar los parmetros necesarios para construir la base de conocimiento. Por ello, la estimacin de frecuencias o probabilidades asociadas a sntomas o enfermedades es un ejemplo de aprendizaje paramtrico. Otra caracterstica de los sistemas expertos es su habilidad para obtener experiencia a partir de los datos disponibles. Estos datos pueden ser obtenidos por expertos y no expertos y pueden utilizarse por el subsistema de adquisicin de conocimiento y por el subsistema de aprendizaje. De las componentes antes mencionadas puede verse que los sistemas expertos pueden realizar varias tareas. Estas tareas incluyen, pero no se limitan a, las siguientes: Adquisicin de conocimiento y la verificacin de su coherencia; por lo que el sistema experto puede ayudar a los expertos humanos a dar conocimiento coherente. Almacenar (memorizar) conocimiento. Preguntar cundo se requiere nuevo conocimiento. Aprender de la base de conocimiento y de los datos disponibles. Realizar inferencia y razonamiento en situaciones deterministas y de incertidumbre. Explicar conclusiones o acciones tomadas. Comunicar con los expertos y no expertos humanos y con otros sistemas expertos. La unin del motor de inferencia y de los interfases, forma lo que se denomina "sistema esencial" o ms sencillamente: una herramienta software de ayuda al desarrollo de los SE. Basta administrarle una experiencia especifica para hacerle competente en un dominio cualquiera. De hecho, la constitucin de la base de conocimiento sigue siendo, a pesar de ello, larga y delicada, puesto que es necesario extraer el conocimiento del experto y transferirlo al SE. Este proceso constituye de por s un nuevo dominio de investigacin independiente, la cognimtica. A las personas que realizan este proceso se les denomina cognimticos o ingenieros de conocimiento.