UD SHELL Versión 2.0. - Universidad de Manizales

CENTRO DE INVESTIGACIONES Y DESARROLLO – FACULTAD DE INGENIERÍA
Herramienta software para la construcción
de sistemas basados en el conocimiento0
– UD SHELL Versión 2.0.
Victor Fermín Cerón Baquero 1 - Yamile Montero Salas 2
Resumen
El presente artículo muestra el proceso de desarrollo de la Herramienta
Software para la Construcción de Sistemas Basados en el Conocimiento UD
Shell versión 2.0.; software que permite el apoyo en la toma de decisiones en
cualquier área del conocimiento. El propósito fundamental es ofrecer una
herramienta para el desarrollo de sistemas expertos y sistemas basados en el
conocimiento utilizando como forma de representación del conocimiento los
Sistemas de Producción. En su primera parte, se muestra la justificación del
desarrollo, luego se hace un recuento de sus principales características. En
tercer lugar, se muestran diferentes pruebas con las cuales se indican los
resultados obtenidos.
Palabras clave: Métodos de Inferencia, Sistemas Basados en el
Conocimiento, Representación del Conocimiento, Sistemas de Producción,
Incertidumbre.
I. INTRODUCCIÓN
La toma de decisiones es un proceso en el cual se plantean diferentes
puntos de vista y posibles alternativas de solución a determinada
problemática, es por tanto uno de los mayores problemas que aqueja a las
diferentes empresas; en muchas ocasiones quienes toman éstas decisiones
en ocasiones carecen de información y sobre todo de experiencia y
conocimiento, debido a que no se cuenta con el recurso humano suficiente ni
capacitado; en otros casos una decisión debe ser tomada por diferentes
expertos en el área en cuestión, para poder plantear soluciones viables. Lo
anterior, ocasiona que las decisiones tomadas no sean completamente
acertadas.
Con el fin de desarrollar una herramienta para apoyar la toma de decisiones,
se desarrolló UD Shell, el cual minimiza el tiempo de búsqueda de una
solución y proporciona una mayor fiabilidad a ésta. Entre sus características
principales están: la construcción de Bases de Conocimiento (BC) a partir de
Sistemas de Producción, la inferencia se realiza a partir dos métodos
1 Tecnólogo en Sistematización de Datos, Universidad Distrital Francisco José de Caldas.
2
Tecnólogo en Sistematización de Datos, Universidad Distrital Francisco José de Caldas. E-mail:
yamilemon@yahoo.com
VENTANA INFORMÁTICA No. 12 – Universidad de Manizales, enero – junio / 2005 – pp 97-110

- Universidad de Manizales, enero – junio / 2005
(inferencia orientada por datos e inferencia orientada por objetivos), otra
característica a destacar es la implementación de manejo de incertidumbre y
metaconocimiento.
La aplicabilidad de UD Shell puede ser vista en dos contextos: la utilización
por parte de expertos y su uso en la academia. En el campo académico su
desarrollo se justifica en virtud a la posibilidad de sustentar la explicación
teórica de clases como Inteligencia Artificial con un producto en el que se
puede experimentar y mostrar resultados. La utilidad de la herramienta es
relativa a la necesidad del campo en que se quiera trabajar, se pueden
encargar de: toma de decisiones, configuración de equipos dependiendo de
unos componentes existentes y las restricciones de cada caso, diagnostico y
tratamiento de enfermedades o averías, interpretación y análisis de datos,
monitorización de procesos industriales, planificación de fases y recursos,
entre otros.
II. Desarrollo de la herramienta
El área en la que se enmarca el presente desarrollo es la Ingeniería de
Software y la Inteligencia Artificial; aun cuando el propósito de esta última en
los Sistemas Basados en el Conocimiento / Sistemas Expertos no es nuevo y
ha sido de gran aceptación en empresas de países como Japón, parte de
Europa, Estados Unidos, México entre otras; a nivel Latinoamericano desde
mediados de los años 90 se ha estado imponiendo la tendencia al desarrollo
de Shells, los cuales poseen diferentes características en cuanto a método
de inferencia, manejo de incertidumbre y diseño de bases de conocimiento
(proceso de actualización, representación del conocimiento, etc.).
A. ¿Por qué UD-Shell?
El problema central al crear bases de conocimiento es el tiempo que se gasta
al codificar reglas, ya sea por la forma como se deben estructurar o por que
al tener que actualizar Bases de Conocimiento se debe reorganizar el
esquema jerárquico para obtener mejores resultados. Los Shell actuales
permiten actualizar y/o visualizar solamente una base de conocimiento,
proceso por el cual el comparar resultados o el transmitir reglas de una base
de conocimiento a otra es sencillamente imposible. Otro factor importante es
el manejo de información incompleta o aproximada, el tratamiento de la
incertidumbre constituye uno de los campos fundamentales de la Inteligencia
Artificial, sin embargo pocos Shells cuentan con métodos que permitan tratar
con el manejo de incertidumbre, ya sea con el método probabilístico clásico,
redes bayesianas o factores de certeza.
La Herramienta Software para la Construcción de Sistemas Basados en el
Conocimiento UD Shell Versión 2.0 utiliza como método de representación
del conocimiento los Sistemas de Producción, junto con sus dos métodos de
2

CENTRO DE INVESTIGACIONES Y DESARROLLO – FACULTAD DE INGENIERÍA
inferencia (encadenamiento hacia adelante y encadenamiento hacia atrás)
los cuáles simulan la inducción y deducción del razonamiento humano.
B. ¿Cómo se Desarrolló?
Se utilizó la metodología de desarrollo de software orientada a objetos PUD
Plan Unificado de Desarrollo usando notación UML (Lenguaje de Modelado
Unificado) tanto para su modelo lógico como para su modelo físico. En el
modelo lógico se especifica el comportamiento del sistema (desarrollo y
ejecución de las bases de conocimiento creadas con la Herramienta Software
para la Construcción de Sistemas Basados en el Conocimiento UD Shell
Versión 2.0.), y en el modelo físico se definen las clases y sus relaciones,
colaboración entre objetos; mediante el uso de diagramas de clases,
diagramas de secuencia, diagramas de actividades. Como lenguaje de
programación se utilizó Java 2, por ser multiplataforma y un lenguaje
universal.
Mediante el uso de factores de certeza se busca manejar la incertidumbre
propia de los expertos para obtener resultados más confiables, haciendo que
cada regla sea capaz de asociar cierta información y combinarla localmente a
medida que se encadenen las reglas. Al hacer que UD Shell utilice
metaconocimiento se busca que el sistema proporcione un mecanismo de
revisión en la construcción de las reglas para obtener como resultado bases
de conocimiento libres de fallas tanto sintácticas como lógicas. Además,
proporciona una explicación más completa para que el usuario pueda saber
verdaderamente qué condujo a la herramienta a dar la solución. Asimismo, el
software verifica qué reglas no son usadas constantemente y solicita al
usuario una revisión en su estructura.
Las principales características con que cuenta UD Shell son:
Factores De Certeza:
El tratamiento de la incertidumbre constituye uno de los campos
fundamentales de la Inteligencia Artificial, pues afecta en mayor o menor
medida a todos los demás. En situaciones reales, no siempre es posible
contar con toda la información, inclusive la información disponible puede ser
incorrecta, incompleta o cambiar muy rápidamente. En particular, una de las
propiedades esenciales de los sistemas expertos, y a la vez una de las más
complejas, es el tratamiento de la incertidumbre; en UD Shell se hace por
medio de factores de certeza (método también utilizado por MYCIN).
Llamado por algunos autores como factores de certidumbre, surgió ante la
necesidad de que fuese capaz de representar y razonar con la incertidumbre
expresada por los expertos, se necesitaba un modelo de tratamiento de la
incertidumbre capaz de asociar cierta información a cada regla y combinar
localmente esa información a medida que se encadenasen las reglas.
3

- Universidad de Manizales, enero – junio / 2005
III. Manejo de ecuaciones
En vista de que el conocimiento no sólo se representa simbólicamente, se
hizo necesaria la implementación de las operaciones: adición, sustracción,
multiplicación, división, módulo y potenciación. Además el uso de
operaciones lógicas: >, >=,

CENTRO DE INVESTIGACIONES Y DESARROLLO – FACULTAD DE INGENIERÍA
IV. Módulo de presentación
Look And Feel
Buscando un entorno en donde el usuario final se encuentre trabajando a
gusto se le permite cambiar la interfaz de UD Shell a diferentes estilos y / o
colores, éstas pueden escogerse de tres plataformas conocidas, la que trae
Java por defecto, la clásica de Windows o la interfaz de Unix.
A. Arquitectura de un Sistema Basado en el Conocimiento (SBC)
La arquitectura de un Sistema Basado en el Conocimiento refleja de alguna
manera la estructura cognitiva y los procesos humanos. Ver la Figura 1. La
primera parte de esta arquitectura es la memoria de largo plazo, en donde
guarda los hechos (Base de Hechos) y los conocimientos (Base de
Conocimientos) acerca del dominio en el que tiene experiencia.
SISTEMA BASADO EN CONOCIMIENTO
BASE DE HECHOS
MOTOR DE INFERENCIA
UNIDADES DE ENTRADA / SALIDA
BASE DE
CONOCIMIENTO
USUARIO PROGRAMAS
EXTERNOS
EXPERTO
Figura 1. Arquitectura de un Sistema Basado en el Conocimiento
La segunda parte es el sistema que realiza la función de razonamiento para
resolver problemas (Motor de Inferencia). La tercera parte la conforman las
unidades de entrada y salida que permiten la comunicación entre el sistema y
su entorno (subsistema de usuario, explicación y adquisición del
conocimiento). Adicionalmente algunos SBC pueden contener otras
herramientas de apoyo.
5

- Universidad de Manizales, enero – junio / 2005
A continuación se describen las principales características de estas
unidades:
• Base de Conocimientos (BC). Es el componente más importante del
SBC. Contiene el conocimiento sobre el dominio en el cual se especializa.
El conocimiento tiene que estar representado en la forma que resulte más
adecuada para el dominio de su competencia (Redes Semánticas,
Sistemas de Producción, Lógica de Predicados y Frames). Una base de
conocimientos debe ser coherente, rápida, modular, fácil de desarrollar y
mantener.
• Base de Hechos (BH). Es el conjunto de información que no varía de
una sentencia a otra. Los hechos se diferencian de los datos en el sentido
que los hechos forman parte del SBC, mientras que los datos, al poder
variar de una solución a otra, conviene agruparlos en archivos externos al
SBC.
Algunos autores no consideran a la base de hechos en forma
independiente. Los conocimientos y los hechos pueden aparecer
conjuntamente en una sola base, la de conocimientos.
• El Motor de inferencia (MI). Junto con la BC, constituye el núcleo del
SBC. Contiene los algoritmos con los cuales selecciona, decide, interpreta
y aplica el conocimiento de la base de conocimientos sobre la base de
hechos con el fin de obtener la solución buscada. Un mecanismo de
inferencia debe ser independiente del conocimiento y de los hechos. Está
caracterizado por:
El lenguaje en que ha sido escrito.
La velocidad de trabajo: Inferencias/segundo.
Las estrategias de búsqueda de soluciones:
No Ordenada: aleatoria, heurística.
Ordenada: encadenamiento hacia adelante (guiado por los
datos, deductivo), encadenamiento hacia atrás (guiado por
los objetivos, inductivo).
La forma en que elige el conocimiento.
La posibilidad de incorporar metaconocimiento.
El método que utiliza para la evaluación del conocimiento
incompleto o incierto.
El intérprete de reglas se encarga de seleccionar aquéllas reglas cuya
condición se satisfaga, puede establecer si se satisface o no una condición
consultando en la BH o preguntando al usuario. Cuando encuentra una regla
cuya parte de condición se satisface la dispara ejecutando la parte de acción
de la regla que puede significar cosas distintas: añadir algo a la base de
hechos, hacer una sugerencia al usuario o consultar otro conjunto de reglas.
6

CENTRO DE INVESTIGACIONES Y DESARROLLO – FACULTAD DE INGENIERÍA
• Subsistema de usuario: Permite describir el problema al SBC, consta de
menús y gráficos para realizar un diálogo en forma sencilla.
• Subsistema de explicación: Proporciona al usuario una justificación del
razonamiento realizado por el motor de inferencia, y puede ser de dos
tipos:
Explicación de tipo why (por qué): cada vez que el usuario pide al
sistema la verdad o la falsedad de un hecho, éste puede preguntar
por qué le hace esa pregunta. La respuesta del sistema será
explicar la regla que quiere aplicar para lo cual necesita comprobar
el hecho.
Explicación de tipo how (cómo): cada vez que el sistema llega a
una conclusión el usuario puede preguntarle cómo ha llegado a
ella. El sistema responde mostrando el encadenamiento de reglas
que se ha producido para llegar a la conclusión.
• Subsistema de adquisición del conocimiento: Permite actualizar los
datos en la base de conocimientos, puede darse de las siguientes formas:
Actualización manual de conocimientos, en este caso el Ingeniero
Conocimiento es quién interpreta la información dada por un
experto para realizar la posterior actualización.
La segunda forma es cuando el experto en el área ingresa
directamente el conocimiento revisado sin la ayuda de un Ingeniero
Conocimiento.
B. ¿Cómo Funciona?
La interfaz con el usuario de UD Shell esta diseñada a base de ventanas, lo
que permite que el usuario tenga una buena comunicación con el sistema y a
su vez un fácil desplazamiento ya que, se permite el manejo con mouse o
teclado.
UD Shell permite dos tipos de usuario para el trabajo en las Bases de
Conocimiento, como son "Experto" e "Ingeniero de Conocimiento". En el
modo Ingeniero de Conocimiento se tiene control total de la Base de
Conocimiento (actualización, inferencia, cambio de clave, desarrollo de
interfaz de presentación, realizar copias de seguridad, etc), mientras que el
modo Experto no tiene acceso a la actualización de la Base de Conocimiento
sino sólo al proceso de inferencia.
El entorno de UD Shell consta de una ventana con:
• Una barra de menús y sus respectivos submenús.
7

• Una barra de herramientas.
• Una ficha con 3 páginas.
• Una barra de estado.
- Universidad de Manizales, enero – junio / 2005
Figura 2. Entorno de UD Shell.
El conocimiento en UD Shell se representa tomando como base los Sistemas
de Producción, ya que estos proporcionan una estructura que facilita la
descripción y ejecución de un proceso de búsqueda y representación. De
aquí parten las Reglas de Producción, y por tanto su implementación a UD
Shell, ya que su simplicidad y similitud con el razonamiento humano han
contribuido para su popularidad en diferentes dominios.
Las reglas representan el conocimiento, utilizando un formato SI......
ENTONCES, es decir tienen 2 partes:
• La parte SI, que es el antecedente, premisa o condición.
• La parte ENTONCES que es el consecuente, conclusión, acción o
respuesta.
Para agregar una regla primero se debe crear una hipótesis, como se
muestra a continuación:
8

CENTRO DE INVESTIGACIONES Y DESARROLLO – FACULTAD DE INGENIERÍA
Figura 3. Agregar regla
La tabla de los posibles valores del factor de certeza es la siguiente, se
muestra al dar click en el botón valores del cuadro de dialogo nueva regla.
Figura 4. Valores posibles del Factor de Certeza
Para crear una nueva condición, donde se incorporará toda la información
pertinente a la condición, como lo es su atributo, valor, descripción (opcional),
operador matemático, operador lógico que permitirá unir las condiciones
cuando hay más de una en una regla, además posee dos botones Agregar y
Borrar condición.
Figura 5. Agregar condición
9

- Universidad de Manizales, enero – junio / 2005
El proceso de inferencia consiste en la utilización del dominio que esta
almacenado en la Base de Conocimiento y el que el usuario facilita, para
generar nuevo conocimiento, es decir, con la información que se encuentra
en la Base de Conocimiento y la suministrada por el usuario. Se puede iniciar
un proceso de búsqueda de soluciones empleando uno de los dos métodos
de inferencia que UD Shell proporciona, como lo son el encadenamiento
hacia adelante y el encadenamiento hacia atrás. Si el usuario no brinda la
información necesaria para este proceso de inferencia, difícilmente se podrán
encontrar soluciones.
El proceso de inferencia por medio del encadenamiento hacia adelante, parte
de la información que el usuario suministra, es decir está orientado por los
datos. Esta información se introduce en la base de hechos y a partir de dicha
información, UD Shell comienza a deducir qué nuevos hechos se pueden
agregar a la base de hechos, teniendo en cuenta que una regla se puede
disparar si todas sus condiciones se cumplen. Si hay reglas que se pueden
disparar, su parte conclusión se agrega a la base de hechos como un nuevo
hecho.
Este proceso en UD Shell se realiza así: primero se selecciona
Encadenamiento adelante del menú Inferencia, inmediatamente UD Shell
visualiza el panel de encadenamiento hacia adelante.
Figura 6. Panel encadenamiento hacia adelante
El proceso de inferencia por medio del encadenamiento hacia atrás, parte de
los objetivos, es decir, parte de una hipótesis. Se intenta verificar si la
hipótesis sugerida se satisface o no. UD Shell examina que reglas se pueden
disparar para concluir que la hipótesis es cierta.
Este método de inferencia tiene una gran ventaja y es que solicita
únicamente la información necesaria para ejecutar las reglas que estén
relacionadas con la hipótesis seleccionada.
10

CENTRO DE INVESTIGACIONES Y DESARROLLO – FACULTAD DE INGENIERÍA
En UD Shell, este método de inferencia inicia visualizando el panel de
encadenamiento hacia atrás, que contiene una lista con todas las hipótesis
de las reglas existentes y un botón llamado "Inferir" que es el encargado de
iniciar el proceso de inferencia hacia atrás.
Figura 7. Panel encadenamiento hacia atrás
C. Resultados
UD Shell es una herramienta multiplataforma de propósito general puesto
que se puede usar en cualquier dominio del conocimiento, admite la
manipulación de múltiples bases de conocimiento, mejorando no sólo la
representación del conocimiento sino que también disminuyendo la
complejidad y el tiempo de creación de las mismas. Presenta una interfaz
amigable con el usuario con el fin de ponerlo en un ambiente de trabajo
cómodo y de fácil manejo, posibilitando que el experto brinde información
adicional sobre la base de conocimiento independiente de la justificación de
las reglas ingresadas. Además la herramienta permite reutilizar bases de
conocimiento existentes mediante el uso de importar, cortar, copiar y pegar.
Posee un buen manejo de seguridad restringiendo el acceso a usuarios no
deseados, realizando auto guardado según un intervalo de tiempo
seleccionado por el usuario, por otra parte tiene la opción de realizar copias
de seguridad en caso de fallas en el suministro eléctrico, bloqueo del
sistema. El usuario puede seleccionar una apariencia según el Sistema
Operativo instalado proporcionando una interfaz más amigable. Una
particularidad a destacar es el uso de dos métodos de inferencia
(encadenamiento hacia adelante y encadenamiento hacia atrás, mientras que
otros shells (Microexpert, Emycin, Esbac, etc.) solo implementan uno.
La herramienta muestra una lista de las reglas ejecutadas para llegar a
cumplir un objetivo, además muestra porque se ejecuto una regla.
UD Shell ha servido de ayuda para las Universidades (Distrital, Nacional,
Uniboyacá, La Salle, Fundación Universitaria Konrad Lorenz y
11

- Universidad de Manizales, enero – junio / 2005
Cundinamarca) en la enseñanza de parte del contenido del área de
Inteligencia Artificial siendo actualmente utilizada por más de 250 personas.
Además estamos desarrollando un programa alternativo a los que
actualmente se están realizando en Colombia.
UD Shell se presento a la comunidad académica por medio de conferencias
realizadas a los estudiantes de Inteligencia Artificial de la Universidad Distrital
y en un concurso de software a nivel de la facultad obtuvo el primer puesto,
además se presentó en el “Premio Nacional a la Innovación en Tecnologías
de la Información y las Comunicaciones – 2003”, realizado por ETB y la
Universidad Nacional de Colombia. También en el I Congreso Binacional de
Tecnologías Informáticas UFPS, que se llevó a cabo en Cúcuta del 29 de
septiembre al 2 de octubre de 2004.
V. Conclusiones
• Los Sistemas Expertos y los Sistemas Basados en el Conocimiento son
importantes en toda área del conocimiento, tanto para la enseñanza de la
inteligencia artificial como para la toma de decisiones en las finanzas, la
medicina, los estándares de calidad, etc. Es por esto que se hace
necesario el desarrollo de shells que proporcionen herramientas para la
construcción de bases de conocimiento libres de fallas.
• UD Shell es una herramienta de desarrollo fácil de manejar y entender,
por lo tanto puede ser utilizada por cualquier persona interesada en la
construcción de Sistemas Expertos y Sistemas Basados en el
Conocimiento en cualquier dominio.
• Con el manejo de incertidumbre se hace más fácil el manejo de
información parcial, incompleta, errónea, imprecisa dándole a los
Sistemas Basados en el Conocimiento la habilidad de manipular
información menos específica.
• El metaconocimiento brinda la posibilidad de construir reglas de una
forma correcta sin caer en errores de diseño, además de brindar una
mejor explicación al momento de inferir.
• Una característica que hace diferente a UD Shell de otras herramientas
en la utilización de dos métodos de inferencia como lo son el
encadenamiento hacia adelante y el encadenamiento hacia atrás.
• A pesar de las ventajas que presenta esta solución, en nuestro país el
desarrollo de Shells no se ha masificado, debido a las ideas erróneas de
altos gastos en equipos e infraestructura para su implementación,
además se cree carecer de personal que domine este tipo de tecnologías;
12

CENTRO DE INVESTIGACIONES Y DESARROLLO – FACULTAD DE INGENIERÍA
por esto, es fundamental realizar investigaciones que den cómo resultado
herramientas que permitan popularizar este tipo de software.
Referencias
[1] Dankel, Douglas D. (1993). The Engineering Of Knowledge-Based
Systems. Theory And Practice. Editorial Prentice Hall, New Jersey.
[2] Giarratano, Joseph. (2001). Sistemas Expertos Principios y
Programación. International Thomson Editores, México.
[3] McClure, Carma L. (1993). CASE La Automatización del Software.
Editorial Addison - Wesley Iberoamericana.
[4] Nixford, Siemens. (1991). Sistemas Expertos. Parte 2: Experiencia de la
Práctica. Editorial Marcombo S.A., España.
[5] Puerta, José Miguel. (1998). Sistemas Expertos Probabilísticos. Ediciones
de la Universidad de Castilla, La Mancha.
[6] Rolston, David W. (2003). Inteligencia Artificial y Sistemas Expertos.
Editorial McGraw-Hill. Bogotá, Colombia.
13