Sistemas Expertos

Un sistema experto es un programa de inteligencia artificial diseñado para emular la toma de decisiones de un especialista humano dentro de un dominio concreto y acotado —diagnosticar una infección, interpretar un espectro químico o autorizar un crédito—. En lugar de aprender de ejemplos, razona sobre un cuerpo de conocimiento que le han transmitido expertos de carne y hueso, codificado como reglas explícitas.

Son la cara más visible de la llamada IA simbólica, la corriente que durante décadas entendió la inteligencia como manipulación de símbolos y reglas lógicas. Su promesa era nítida: si se logra capturar por escrito lo que sabe un profesional, una máquina puede replicar su criterio de forma consistente, incansable y auditable.

Arquitectura: base de conocimiento y motor de inferencia

Todo sistema experto clásico separa de forma deliberada dos piezas. La base de conocimiento almacena los hechos del dominio y, sobre todo, reglas del tipo SI-ENTONCES («si la fiebre es alta y el cultivo da gram-negativo, entonces sospecha una bacteria concreta»), obtenidas mediante largas entrevistas con especialistas por parte del llamado ingeniero del conocimiento. El motor de inferencia es el mecanismo que aplica esas reglas para derivar conclusiones nuevas. Fuente primaria.

El motor puede razonar en dos direcciones. En el encadenamiento hacia delante parte de los hechos disponibles y dispara reglas hasta alcanzar una conclusión; es el enfoque guiado por los datos. En el encadenamiento hacia atrás parte de una hipótesis —el objetivo— y busca hacia atrás las evidencias que la confirmarían, como hace un diagnóstico. Esta separación entre conocimiento y control es el sello distintivo del paradigma. Fuente primaria.

DENDRAL, MYCIN y la edad de oro

DENDRAL y MYCIN hicieron de Stanford uno de los focos decisivos de los sistemas expertos desde mediados de los años sesenta y durante los setenta. DENDRAL nació en Stanford en 1965 de la colaboración de Edward Feigenbaum con Joshua Lederberg; Bruce Buchanan se incorporó ese mismo año. El relato y el archivo de Feigenbaum muestran un sistema que proponía estructuras moleculares y confrontaba el espectro de masas predicho con los datos experimentales: conocimiento químico de dominio dentro del proceso de inferencia. MYCIN fue un proyecto de 1972 a 1979 de Edward Shortliffe, con Bruce Buchanan como principal mentor y colaborador. Su base creció hasta unas quinientas reglas, aplicadas mediante encadenamiento hacia atrás dirigido por objetivos, para proponer diagnósticos y tratamientos antimicrobianos. En una evaluación ciega de diez casos de meningitis, expertos externos calificaron como aceptables el 65% de sus recomendaciones y una media del 55,5% de las de cinco especialistas de Stanford; los autores advirtieron el tamaño reducido de la muestra. Ninguno llegó a usarse de forma rutinaria en la clínica, pero demostraron que la vía era real.

Límites y por qué el aprendizaje automático los relevó

Su declive tuvo causas honestas. La primera, el cuello de botella de la adquisición del conocimiento, expresión que el propio Feigenbaum popularizó: extraer a mano el saber de un experto y traducirlo a reglas es un proceso lento, caro y artesanal. La segunda, la fragilidad: fuera del estrecho dominio para el que fueron programados, estos sistemas fallan sin gracia, porque no tienen sentido común ni saben decir «esto se me escapa». La tercera, decisiva: no aprenden de los datos; cada regla nueva hay que escribirla a mano. Fuente primaria. Fuente primaria. Fuente primaria.

Ahí está el contraste con el aprendizaje automático actual, que invierte el planteamiento: en vez de recibir las reglas escritas, las infiere de forma implícita a partir de grandes volúmenes de ejemplos. Esa capacidad de aprender solo explica por qué el machine learning relevó a los sistemas expertos como frontera de la IA. Aun así, el paradigma no desapareció: pervive, con buena salud, en los motores de reglas de negocio que gobiernan aprobaciones, tarifas y validaciones en banca, seguros y logística. Fuente primaria. Fuente primaria. Fuente primaria.