Ingeniería del conocimiento/Introducción

La ingeniería del conocimiento es aquella disciplina moderna que forma parte de la Inteligencia Artificial y cuyo fin es el diseño y desarrollo de Sistemas expertos (o Sistemas Basados en el Conocimiento SS.BB.C.). Para ello, se apoya en metodologías instruccionales y en las ciencias de la computación y de la Información, intentando representar el conocimiento y razonamiento humanos en un determinado dominio, dentro de un sistema artificial. El trabajo de los ingenieros del conocimiento consiste en extraer el conocimiento de los expertos humanos en una determinada área, y en codificar dicho conocimiento de manera que pueda ser procesado por un sistema. El problema es que la ingeniería del conocimiento no es un experto en el campo que intenta modelar, mientras que el experto en el tema no tiene experiencia modelando su conocimiento (basado en la heurística) de forma que pueda ser representado de forma genérica en 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.

Comentario

El punto clave del desarrollo de un Sistema Basado en el Conocimiento es el momento de traspasar el conocimiento que posee el experto a un sistema real. En este proceso no sólo se han de captar los elementos que componen el dominio del experto, sino que también se han de adquirir las metodologías de resolución que utilizan éstos.

Este trabajo de extracción del conocimiento (Knowledge elicitation) se realiza durante la interacción entre dos personajes, 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 porqué 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. Esta metodología de extracción del conocimiento es bastante lenta (se cita que se suele extraer información equivalente a de dos a cinco reglas de producción por día).

Varias son las dificultades que dan una producción tan baja a esta metodología:

• La naturaleza especializada del dominio hace que el IC deba aprender unas nociones básicas para que pueda establecerse una comunicación (Vocabulario básico, elementos que intervienen en el dominio, formalismos que utilizan los expertos, etc.).
• Los expertos se encuentran más cómodos pensando en términos de ejemplos típicos que razonando en términos generales, que son de los que realmente se podría hacer una mejor abstracción.
• La búsqueda de un formalismo de representación que se adapte adecuadamente al problema y que sea fácil de interpretar y adoptar por el experto. Este formalismo ha de ser susceptible de ser transformado en algo computable.
• Por lo general, a los expertos les es muy difícil explicitar los pasos que utilizan para resolver los problemas. Es la que se ha denominado paradoja del experto. Cuanta más experiencia, menos explícitos son los razonamientos del experto y más ocultos los métodos de resolución.
  Si observamos cómo un experto resuelve un problema, éste omite muchas cadenas de razonamiento e información que da por supuesta, y a la que no asigna importancia dentro de la resolución, pero que si se quiere abordar de manera sistemática sí es necesaria.

Con todas estas circunstancias, podemos observar que la auténtica dificultad de la extracción del conocimiento estriba en descubrir los métodos mediante los que se usa el conocimiento en la resolución y no tanto en la adquisición del conocimiento estático del problema (elementos del problema y relaciones).

Sobre la adquisición de los elementos básicos del dominio, existen bastantes herramientas automáticas, encuadradas dentro del área del aprendizaje automático, que permiten reducir el esfuerzo. Sobre la adquisición automática de conocimiento de resolución de problemas, también hay algunas técnicas automáticas, pero que por lo general son a niveles bastante básicos.