El documento describe las fases del proceso de adquisición de conocimiento para la construcción de sistemas basados en el conocimiento (SBC). Estas fases son: 1) identificación del problema, 2) conceptualización, 3) formalización, 4) implementación y 5) prueba. El objetivo es extraer el conocimiento de expertos humanos y representarlo de forma que pueda ser procesado por un sistema computacional.

2. Introducción.
Siguiendo las directrices de la Ingeniería del Software
más tradicional, se han propuesto metodologías para
desarrollar SBC según las ya existentes para construir
sistemas de información tradicionales, extendiéndolas
para incluir muchas de las características de los
SBC, la construcción de un prototipo y la adquisición
del conocimiento como etapas formales del proceso.
El problema es que no manejan la idea de modelos
conceptuales o no involucran técnicas orientadas por
objetos, dado que fueron anteriores a estos paradigmas.
Entre ellas están la propuesta por [Edm88] y la de [GuT94].

3. … Introducción
El conocimiento tiene una estructura interna en la que se
pueden distinguir tipos de conocimiento y tareas
específicas.
Posteriormente, hasta mediados de la década del 90, los
métodos que primaron en la creación de SBC estaban
fundamentados en el principio de desarrollar un prototipo
incremental desde el comienzo del ciclo de vida del
sistema.

4. … Introducción
Desde que se definen las especificaciones del sistema se
construye un software (prototipo) que las refleja y que se va
refinando en la medida en que se continúa con el análisis y
el diseño, hasta llegar a tener el sistema completo. Esta
es la razón por la que se llaman por prototipos, pues
se van creando productos que se van evaluando y
adaptando.
La Ingeniería del Conocimiento, a través de diversos
desarrollos metodológicos va encaminada a sistematizar y
apoyar, primero el proceso de construcción de modelos y,
posteriormente, la reducción de esos modelos a programas.

5. Es aquella disciplina que forma parte de la Inteligencia
Artificial y cuyo fin es el desarrollo de Sistemas Expertos (o
Sistemas Basados en el Conocimiento SS.BB.CC.)
Se apoya en metodologías instruccionales, en las ciencias
de la computación y en las TI, intentando representar el
conocimiento y razonamiento humanos en un determinado
dominio, dentro de un sistema artificial.
Importante es el momento de traspasar el conocimiento que
posee el experto a un sistema real. Deben captarse los
elementos que componen el dominio del experto y adquirir
las metodologías de resolución que ellos utilizan.

6. El trabajo de los ingenieros del conocimiento consiste en
extraer el conocimiento de los expertos humanos en un
determinado área, y codificar dicho conocimiento de manera
que pueda ser procesado por un sistema.
La ingeniería del conocimiento engloba a los
científicos, tecnología y metodología necesarios para
procesar el conocimiento.
Su objetivo es extraer, articular e informatizar el
conocimiento de un experto.

7. La extracción del conocimiento (Knowledge elicitation) se
realiza durante la interacción entre el ingeniero del
conocimiento (IC) (persona que conoce el formalismo de
representación que utilizará el SBC) y el experto (persona
que posee el conocimiento, pero que no tiene por qué usar
un formalismo para representarlo).
Durante las entrevistas entre el IC y el experto, el primero ha
de ayudar a sistematizar el conocimiento del
experto, consiguiendo que vaya explicitando las diferentes
técnicas que utiliza para resolver los problemas de su
dominio, de manera que se puedan representar en un
formalismo computable.

8. Fases de adquisición del conocimiento.
1. Identificación del o los problemas.
2. Conceptualización.
3. Formalización.
4. Implementación.
5. Prueba.

9. Fases de adquisición del conocimiento.
1. Identificación del o los problemas.
Determinar, si el problema puede o debe abordarse mediante
las técnicas de los SBC. Es decir:
• No ha de poder solucionarse de manera algorítmica.
• Tener acceso a las fuentes de conocimiento suficientes
para completar la tarea.
• El problema a tratar ha de tener un tamaño adecuado para
que no constituya una tarea inabordable por su
complejidad.

10. Fases de adquisición del conocimiento.
1. Identificación del o los problemas…
Deben buscarse fuentes de conocimiento necesarias para el
desarrollo del sistema:
• Expertos humanos en el dominio del problema.
• Libros y manuales que expliciten el problema y técnicas de
resolución.
• Ejemplos de casos resueltos, sobre todo para la
validación, para técnicas de adquisición automática del
conocimiento y obtener de esta manera los elementos
básicos que intervienen y sus relaciones.

11. Fases de adquisición del conocimiento.
1. Identificación del o los problemas…
Con estas fuentes de información se podrán determinar los
datos necesarios para la resolución del problema y los
criterios que determinen la solución, tanto los pasos que
permiten la resolución como su posterior evaluación.
El IC y el experto humano podrán realizar una primera
descripción del problema incluyendo objetivos, motivaciones,
estrategias de resolución y su justificación, fuentes de
conocimiento, tipos de tareas que son necesarias.

12. Fases de adquisición del conocimiento.
2. Conceptualización.
Detallar los elementos básicos del problema y descubrir las
relaciones entre ellos. Es necesario observar cómo el
experto resuelve problemas típicos y abstrae de ellos
principios generales que pueden ser aplicados en diferentes
contextos.

13. Fases de adquisición del conocimiento.
2. Conceptualización.
Obtener una descomposición del problema en
subproblemas, realizando un análisis por refinamientos
sucesivos hasta que el IC pueda hacerse una idea de la
relación jerárquica de las diferentes fases de resolución
hasta los operadores de razonamiento más elementales.
Descubrir el flujo del razonamiento en la resolución del
problema y especificar cuándo y cómo son necesarios los
elementos de conocimiento.

14. Fases de adquisición del conocimiento.
2. Conceptualización.
Hará falta distinguir entre evidencias, hipótesis y acciones
necesarias en cada uno de las etapas y determinar la
dificultad de cada una de las subtareas de resolución.
De esta manera se conseguirá captar la estructura del
dominio y las diferentes relaciones entre sus elementos.

15. Fases de adquisición del conocimiento.
3. Formalización.
Considerar los diferentes esquemas de razonamiento que se
pueden utilizar para modelar las diferentes necesidades de
resolución de problemas identificadas en las fases
anteriores.
Comprender la naturaleza del espacio de búsqueda y el tipo
de búsqueda que habrá que hacer. Para ello, se puede
comparar ésta con diferentes mecanismos prototípicos de
resolución de problemas como la clasificación, abstracción
de datos, razonamiento temporal, estructuras causales, etc.

16. Fases de adquisición del conocimiento.
3. Formalización
En esta etapa también tendrá que analizarse la certidumbre
y completitud de la información disponible, dependencias
temporales, o la fiabilidad y consistencia de la información.
Deberá descubrir qué partes del conocimiento constituyen
hechos seguros y cuáles no. Para éstos últimos deberá
adaptarse alguna metodología de tratamiento de la
incertidumbre, de manera que ésta pueda ser modelada
dentro del sistema.

17. Fases de adquisición del conocimiento.
4. Implementación.
Tomar decisiones sobre la especificación del control de la
resolución y del flujo de la información, tomar decisiones
sobre el modo concreto de representar el conocimiento para
que se adapte a las estrategias de resolución que se
necesiten y las relaciones entre los diferentes conjuntos de
conocimiento.
Definirán las reglas, e inevitablemente se descubrirán
problemas e incompletitudes que obligarán a revisar fases
anteriores.

18. Fases de adquisición del conocimiento.
5. Prueba.
Se ha de elegir un conjunto de casos resueltos
representativos y comprobar el funcionamiento del sistema
con éstos.
En esta fase se descubrirán errores que permitirán corregir
análisis anteriores; por lo general aparecerán problemas por
falta de reglas, incompletitud, falta de corrección y posibles
fallas en el análisis de las reglas pre establecidas.

19. Clasificación de los SBC
La construcción de un SBC en cualquier dominio es una
tarea compleja y es necesario disponer un conjunto de
metodologías de resolución de problemas que permitieran
aproximar soluciones a diferentes tipos de SBC según sus
características.
Por ello se han realizado clasificaciones de los SBC según
las tareas que realizan, para intentar descubrir metodologías
comunes y así extraer directrices de análisis en los distintos
tipos de dominios.

20. Clasificación de los SBC
1. Sistemas de Interpretación: Infieren descripciones de
situaciones a partir de observaciones.
2. Sistemas de predicción: Infieren consecuencias previsibles de
situaciones o eventos.
3. Sistemas de diagnóstico: Infieren fallos a partir de síntomas.
4. Sistemas de diseño: Desarrollan configuraciones de objetos
que satisfacen ciertas restricciones.
5. Sistemas de planificación: Generan secuencias de acciones
que obtienen un objetivo.
6. Sistemas de monitoreo: Estudian el comportamiento de un
sistema en el tiempo y procuran que siga unas
especificaciones.
7. Sistemas de corrección: Genera soluciones para fallos en un
sistema.
8. Sistemas de control: Gobiernan el comportamiento de un
sistema anticipando problemas, planeando soluciones.

21. Métodos de resolución de problemas
1 Métodos de resolución de problemas
1.1 Clasificación Heurística
1.1.1 Clasificación heurística en los sistemas de
reglas.
1.1.2 Estrategias de adquisición del conocimiento con
clasificación heurística.
1.1.3 Aplicación de la clasificación heurística.
1.2 Resolución Constructiva.
1.2.1 Proponer y aplicar.
1.2.2 Mínimo compromiso.
1.3 Hipótesis y prueba jerárquica.

22. 1.1 Clasificación Heurística
Consiste en que el experto humano escoge una categoría de
un conjunto de soluciones previamente enumerado.
Disponer de las características esenciales de cada una de
las categorías es suficiente para establecer la clase del
problema y su solución.
Esto no ocurre así cuando la complejidad del problema
aumenta, pues las características esenciales son cada vez
más difíciles de identificar.

23. 1.1 Clasificación Heurística
El objetivo será obtener y representar el conocimiento
necesario para que la asociación problema-solución se
pueda realizar.
Se define como clasificación heurística a toda asociación no
jerárquica entre datos y categorías que requiere de
inferencias intermedias.
Establecer la clase de un problema requiere inferencias y
transformaciones sobre éste, para poder asociarlo con la
descripción de la clase. El esquema de razonamiento para
hacer estas inferencias se ha de adquirir del experto.

24. 1.1 Clasificación Heurística
Tres etapas:
1. Abstracción de los datos. Se hace una abstracción del
caso concreto para acercarlo a las soluciones que se
poseen.
2. Asociación heurística. Se busca la mayor coincidencia
entre el caso abstraído y las soluciones.
3. Refinamiento de la solución. Será necesario buscar la
mejor solución determinada por la solución abstracta.
Esto puede necesitar de más deducciones, o de la
utilización de más información hasta encontrar la mejor
solución.

25. 1.1.1. Clasificación heurística en los sistemas de reglas
El proceso de refinamiento del sistema ha de hacerse paso a
paso, añadiendo nuevas reglas que cubran nuevos casos y
vigilando las interacciones. La metodología es la siguiente:
1. El experto da las nuevas reglas al IC.
2. El IC cambia la base de conocimiento.
3. El IC prueba casos ya resueltos para comprobar
inconsistencias.
4. Si aparecen errores, se comprueba el nuevo
conocimiento con el experto y se empieza de nuevo.
5. Se prueban nuevos casos.
6. Si no hay problemas se para, si los hay se retorna al
principio.

26. 1.1.2. Estrategias de adquisición del conocimiento con
clasificación heurística
Algunos de los pasos que debe incluir la adquisición son:
• Diferenciación. Buscar síntomas que distinguen entre
hipótesis.
• Frecuencia de condicionamiento. Buscar condiciones que
hagan a una hipótesis más o menos probable.
• Distinción de síntomas. Identificar propiedades de
síntomas que indican las causas originales.
• Condicionamiento de síntomas. Buscar las condiciones
bajo las cuales se espera que aparezcan ciertos síntomas
dada una hipótesis.

27. 1.1.2. Estrategias de adquisición del conocimiento con
clasificación heurística…
• División de caminos. Descubrir sucesos intermedios entre
hipótesis y síntomas que son más probables.
• Diferenciación de caminos. Buscar eventos intermedios
que pueden diferenciar hipótesis con similares evidencias.
• Diferenciación de condiciones. Determinar el grado de
confianza a aplicar al resultado de las condiciones.
• Condicionamiento de condiciones. Buscar las condiciones
de base que afectan a la confianza de las condiciones.
Todas estas fases permiten construir la base de
conocimiento necesaria para la resolución del problema.

28. 1.1.3. Aplicación de la clasificación heurística
Por ejemplo un pequeño SBC para la concesión de créditos
bancarios para creación de empresas.
El propósito de este sistema será examinar las solicitudes de
créditos de clientes con pretensiones de crear una empresa
para determinar si se les debe conceder y qué cuantía es la
recomendable respecto a la que solicitan.
El problema tiene por lo tanto una labor de análisis que nos
ha de predecir la fiabilidad de si cierta persona, en ciertas
condiciones, será capaz de devolver un crédito si se lo
concedemos.

29. 1.1.3. Aplicación de la clasificación heurística…
El número de soluciones a las que se llega es evidentemente
finito: el crédito se concede, o no se concede, y en el caso
de que se conceda, se decidirá si la cuantía solicitada es
adecuada o si sólo se puede llegar hasta cierto límite.
La metodología de resolución que mejor encaja es la
clasificación heurística, por lo tanto se usarán sus fases.
Deberemos plantear cuatro tipos de elementos y los
mecanismos para transformar unos en otros.

30. 1.1.3. Aplicación de la clasificación heurística…
El primero será cómo se plantearán los problemas al
sistema, es decir, qué elementos se corresponderán con los
datos específicos, las solicitudes de crédito.
Esta información ha de definir el estado financiero del
solicitante, el motivo por el que pide el crédito, cuánto dinero
solicita, etc.
Supongamos que una solicitud contiene la siguiente
información:

31. 1.1.3. Aplicación de la clasificación heurística…
Ejemplo de solicitud de crédito.
• Si tiene avales bancarios.
• Si tiene familiares que puedan responder por él.
• Si tiene cuentas corrientes, casas, coches, fincas, etc. y su
valoración.
• Si tiene antecedentes de morosidad.
• Si ha firmado cheques sin fondos.
• Si tiene créditos anteriores concedidos.
• Tipo de empresa que quiere crear.
• Cantidad de dinero que solicita.

32. 1.1.3. Aplicación de la clasificación heurística…
… Ejemplo de solicitud de crédito.
Esta información deberá convertirse mediante el proceso de
abstracción de datos en los problemas abstractos a partir de
los cuales se hará el razonamiento.
Las soluciones abstractas quedan definidas por los
siguientes atributos:

33. 1.1.3. Aplicación de la clasificación heurística…
… Ejemplo de solicitud de crédito.
Apoyo financiero: Valoración de la capacidad económica
para responder al crédito que solicita. Se puede evaluar con
la información sobre avales y personas allegadas.
Bienes: Dinero o propiedades que puedan usarse para
responder por el crédito o que se puedan embargar en caso
de no devolución.
Fiabilidad de devolución: Información sobre si el cliente tiene
antecedentes económicos positivos o negativos.
Compromiso: Si ya se tienen compromisos económicos con
esa persona o si se tienen intereses especiales con ella.

34. 1.1.3. Aplicación de la clasificación heurística…
… Ejemplo de solicitud de crédito.
Viabilidad de la empresa: Tipo de empresa que se quiere
crear y su posible futuro.
Supondremos que estos cinco atributos pueden tomar
valores cualitativos que estarán dentro de este conjunto: muy
bueno, bueno, normal, regular, malo, muy malo.
Para realizar la abstracción de datos se podrían dar un
conjunto de reglas que harían la transformación, como por
ejemplo:

35. 1.1.3. Aplicación de la clasificación heurística…
… Ejemplo de solicitud de crédito.
si avales > 10 millones o es rico entonces apoyo
financiero bueno
si avales entre 10 millones y un millón entonces apoyo
financiero normal
si avales < 1 millón entonces apoyo financiero malo
si suma bienes < 10 millones entonces bienes malo
si suma bienes entre 10 y 20 millones
entonces bienes normal
si suma bienes > 20 millones entonces bienes bien
si cheques sin fondos o moroso entonces fiabilidad muy mala

36. 1.1.3. Aplicación de la clasificación heurística…
… Ejemplo de solicitud de crédito.
si fábrica de agujeros entonces viabilidad muy mala
si hamburguesería o heladería entonces viabilidad normal
si grandes almacenes o proveedor de
Internet entonces viabilidad muy buena
si concedido crédito < 1 millón entonces compromiso regular
si concedido crédito > 10 millones o hermano del
director entonces compromiso bueno
El conjunto de soluciones abstractas a las que podría dar el
análisis de las solicitudes podría ser el siguiente:

37. 1.1.3. Aplicación de la clasificación heurística…
… Ejemplo de solicitud de crédito.
Denegación: no hay crédito para el cliente.
Aceptación: se acepta el crédito tal como se solicita.
Aceptación con rebaja: se acepta el crédito, pero se rebaja la
cantidad solicitada; harán falta reglas para crear la solución
concreta indicando la cantidad final que se concede.
Aceptación con interés preferente: se concede la cantidad
solicitada, pero además se rebajan los intereses que
normalmente se ponen al crédito; en este caso también hará
falta generar una solución concreta.

38. 1.1.3. Aplicación de la clasificación heurística…
… Ejemplo de solicitud de crédito.
Ahora nos faltan las reglas que nos harán la asociación
heurística entre los problemas abstractos y las soluciones
abstractas. Un conjunto de reglas que cubre una pequeña
parte del espacio de soluciones podría ser:

39. 1.1.3. Aplicación de la clasificación heurística…
… Ejemplo de solicitud de crédito.
si apoyo financiero regular y bienes malo entonces denegar
si fiabilidad mala o muy mala entonces denegar
si apoyo financiero normal y bienes normal
y viabilidad buena entonces aceptar con rebaja
si apoyo financiero bueno y bienes normal
y compromiso normal y viabilidad buena entonces aceptar
si apoyo financiero bueno y bienes bueno y compromiso muy
bueno y viabilidad muy buena entonces aceptar con interés
preferente

40. 1.1.3. Aplicación de la clasificación heurística…
… Ejemplo de solicitud de crédito.
Por último, nos hacen falta reglas para poder generar
soluciones concretas en los casos que son necesarias;
algunas reglas podrían ser:
si aceptación con rebaja y petición > 5 millones y bienes = 5
millones entonces rebaja a 5 millones
si aceptación con interés preferente y petición > 10 millones
y bienes > 10 millones entonces rebaja de un 1% de interés
si aceptación con interés preferente y hermano del
director entonces rebaja de un 2% de interés.....