Modelo para la extracción de conocimiento de un experto humano en un sistema basado en conocimientos usando razonamiento basado en casos

Abstract

Los Sistemas Basados en el Conocimiento (SBC) son una técnica de la inteligencia artificial. Su arquitectura se compone de varios módulos, los más citados en la literatura son: interfaz de usuario, generador de explicaciones, motor de inferencia, base de hechos, y base de conocimiento. En el proceso de desarrollo de un SBC, intervienen varios actores, a saber: usuario, ingeniero de conocimiento y experto humano. El éxito de estos sistemas se fundamenta en gran parte en el módulo de adquisición de conocimiento, equivalente a la extracción del conocimiento del experto, donde interviene el Ingeniero de Conocimiento (IC) y el Experto Humano (EH). El IC debe realizar un proceso de adquisición del conocimiento, que implica varias técnicas, además de comprender y aprender los elementos básicos del problema o dominio a resolver, igualmente debe encontrar una forma de representación que interprete el conocimiento del experto, proceso de difícil comprensión en el caso de que este quiera explicar su conocimiento. Lo anterior conlleva a que en ocasiones no se logre un diseño adecuado, debido a errores en los requisitos iniciales obligando al Ingeniero de Conocimiento a realizar ajustes o cambios del diseño. Para superar esta dificultad, esta tesis de doctorado presenta el desarrollo de un modelo, que sirve como punto de referencia para la abstracción del conocimiento en los seres humanos (quienes tienen un saber, y unas competencias propias de cada uno). El modelo aplica elementos de Razonamiento Basado en Casos (RBC), de tal forma que en la búsqueda de encontrar casos recopilados o referenciados que tengan relación con el dominio del problema, sirvan como insumo en el momento de concretar la etapa de adquisición de conocimiento. El modelo solo se orienta en los elementos de fondo de la primera etapa de esta técnica: El razonamiento y los casos que se pueden presentar en la experiencia de un ser humano competente en un área concreta. El modelo fue configurado de tal forma que permitió crear contextos que validaron la parte de análisis, diseño e implementación de un SBC. Fue validado por la población muestra como exitoso, y está en gestión para ser utilizado por organizaciones que manifiesta su interés en el proceso de transferencia tecnológica.

Abstract : The knowledge-based systems (KBS) are active part of artificial intelligence. The architecture of a KBS is composed by modules, user interface, explanation generator, inference engine, working memory, and knowledge base, just among the most cited. In the development of a KBS interact many actors like the user, knowledge engineer, and human expert. The success of a KBS is mainly based on the knowledge acquisition system which is equivalent to the knowledge extraction from the expert, where both the human expert and the knowledge engineer intervene. The engineer should perform a knowledge acquisition process implying the use of many techniques besides of the comprehension and learning of basic elements from the problem or domain to be solved. Likewise, the engineer must find the way to interpret the knowledge from the expert which is the hardest part in a KBS. In order to overcome this fact, the development of a model is proposed. It will help as a starting point or reference to the knowledge abstraction in human beings (for those people having a special knowledge to be perpetuated). The model will apply elements of Case-Based Reasoning (CBR) so that solutions of related problems can be added to the knowledge acquisition system to improve the expert knowledge. The model was designed that creates contexts that validated the part of analysis, design and implementation of KBS. It was validated by the population shows as successful, and there is a management process to be used by organizations that expressed interest in the technology transfer process.