Sistemas expertos: cuando el conocimiento profesional se convirtió en reglas

Un sistema experto intenta convertir una parte del conocimiento profesional en un programa capaz de recomendar acciones o diagnósticos. La idea surgió de una observación práctica: en muchos campos, una persona experimentada aplica patrones, preguntas y reglas que pueden describirse. Si esas piezas se organizan en una base de conocimiento y se conectan a un motor de inferencia, el computador puede recorrerlas frente a un caso concreto.

DENDRAL mostró que una máquina podía ayudar a interpretar estructuras químicas dentro de un dominio especializado. MYCIN llevó la propuesta al diagnóstico de infecciones bacterianas y la recomendación de tratamientos. Estos sistemas no pretendían saberlo todo. Su fortaleza provenía de restringir el problema, reunir conocimientos relevantes y usar preguntas para reducir la incertidumbre del caso presentado.

La estructura habitual separaba los hechos, las reglas y el mecanismo que aplicaba las reglas. Una regla podía vincular síntomas y resultados de laboratorio con una hipótesis, asignando también un grado de confianza. Esa separación permitía actualizar una recomendación sin reescribir todo el programa. En términos cotidianos, era como tener un manual consultable cuyo índice y criterios de búsqueda podían ser modificados por especialistas.

La posibilidad de explicar una decisión fue una ventaja importante. El sistema podía mostrar qué datos había considerado y qué reglas habían conducido a una conclusión. En áreas sensibles, esa trazabilidad resulta útil para revisar errores y discutir responsabilidades. La explicación no garantiza que el consejo sea correcto, pero permite detectar dónde una premisa quedó desactualizada o dónde faltó una pregunta.

El problema central fue adquirir y mantener el conocimiento. Las personas expertas suelen actuar con experiencia tácita, excepciones y juicios difíciles de verbalizar. Además, las reglas se multiplican cuando el dominio crece. Una modificación médica, técnica o normativa puede dejar obsoletas muchas relaciones. El costo de revisar la base puede superar el beneficio de automatizar la consulta.

Los sistemas expertos también eran frágiles fuera de su entorno. Un caso que se apartaba de los supuestos podía producir una respuesta segura pero equivocada. La inteligencia humana aporta sentido común, contexto y capacidad para reconocer que una pregunta está mal planteada. Una máquina de reglas necesita que esas defensas se diseñen explícitamente.

Su legado continúa en motores de políticas, configuradores, sistemas de cumplimiento y herramientas de apoyo a decisiones. Muchas aplicaciones modernas combinan modelos estadísticos con reglas que limitan acciones peligrosas o exigen una revisión humana. La diferencia es que las reglas ya no tienen que cargar solas con toda la percepción y el aprendizaje.

Los sistemas expertos enseñan que automatizar conocimiento significa elegir qué se hace visible y qué queda fuera del modelo. La experiencia profesional merece ser documentada, pero también debe poder discutirse, actualizarse y contrastarse con evidencia. La mejor herencia de esta etapa no es la ilusión de reemplazar al especialista, sino la práctica de construir decisiones auditables alrededor de su conocimiento.

Fuentes consultadas: John McCarthy — Some Expert Systems Need Common Sense; Stanford University — MYCIN; IBM — The History of Artificial Intelligence

Hashtags: #SistemasExpertos #MYCIN #DENDRAL #HistoriaDeLaIA #Conocimiento #IAExplicable

Prompt visual: Portada editorial fotorrealista futurista modernista, especialista y sistema experto colaborando frente a una base de reglas visualizada como una red de tarjetas y conexiones, ambiente de laboratorio médico-tecnológico, decisión trazable paso a paso, azul profundo, turquesa y ámbar, formato horizontal, sin logos, sin texto legible, sin marcas de agua.