Introducción1 Principios de la Ingeniería del Conocimiento ¿Qué es la Ingeniería del Conocimiento? Historia & Terminología Referencias n Ingeniería del.

Ver otras presentaciones de Silvia Agüero Segura

Trabajo Final de Investigación - SBC

Agentes virtuales autónomos

Los investigadores Brenner, Zarnekow y Witting, en el libro publicado el año 1998 con el título “Agentes de software inteligentes”, exponen que un agente de software inteligente es un programa que puede realizar tareas específicas para un usuario y posee un grado de inteligencia suficiente para ejecutar parte de sus tareas de forma autónoma y para interactuar con su entorno de forma útil. En este mismo contexto los expertos Russell y Norvig, en el libro publicado el año 1996 titulado “Inteligencia Artificial: un enfoque moderno”, mencionan que un agente es cualquier entidad que percibe su entorno a través de sensores y actúa sobre ese entorno mediante efectores. Asimismo definen que un agente es racional cuando realiza la mejor acción posible a partir de los datos percibidos.
Por su parte Wooldridge y Jennings, en el artículo publicado el año 1995 titulado “Agentes inteligentes: Teoría y práctica”, mencionan que un agente viene caracterizado por una serie de calificativos, los cuales denotan ciertas propiedades a cumplir por el agente. Esto lleva a plantear otra definición bastante aceptada de agente donde se emplean calificativos que, según, los autores se consideran básicos. Esta definición considera a un agente como un sistema de computación capaz de actuar de forma autónoma y flexible en un determinado entorno, entendiendo por flexible que sea social, reactivo o pro-activo. Estos calificativos son definidos de la siguiente manera: (1) Autonomía. Entendida como la capacidad de actuar sin la intervención directa de una persona o de otro agente. Un agente debe controlar sus propias acciones y estado interno. Una vez que el usuario activa el agente indicando algún objetivo de alto nivel, éste actúa independientemente, seleccionando estrategias y monitoreando el progreso en busca de la meta. Si falla con una estrategia, usará otra, pero sin intervención humana o con la mínima indispensable. (2) Habilidad Social. Un agente debe ser comunicativo. Debe tener habilidad para interactuar con otros agentes o incluso con alguna persona, para solicitar información o bien para exponer los resultados obtenidos de la ejecución de las tareas agendadas. La naturaleza de la comunicación dependerá del tipo de agente con quien se comunique, en ambos casos se deberá establecer un protocolo común de intercambio de información entre ambas partes. Los agentes deben poseer algún tipo de interface para comunicarse con sus usuarios. Dicha interface puede establecerse simplemente mediante el envío de mensajes. (3) Reactividad. Se refiere al hecho de que un agente debe actuar a manera de sensor para observar el estado del ambiente dentro del cual se encuentra inmerso y actuar, respondiendo de manera adecuada a cambios producidos en el mismo. Los efectos producidos pueden modificar el estado de su entorno. (4) Pro-actividad. Un agente no solo debe actuar por cambios detectados en el medioambiente, sino que, además, debe trabajar en función de los objetivos para los cual fue diseñado y las tareas que le fueron delegadas en cada momento. Un agente busca permanentemente satisfacer su agenda interna.
En palabras de Lozano y Calderón, en el artículo escrito el año 2006 titulado “Entornos virtuales 3D clásicos e inteligentes: hacia un marco de simulación para aplicaciones gráficas interactivas”, se menciona que los entornos virtuales inteligentes, en tres dimensiones, son aquellos en los cuales se pone énfasis en incrementar las capacidades de comportamiento e interactivas de los entornos virtuales en tres dimensiones, lo cual se consigue mediante la incorporación de sistemas de inteligencia artificial, tales como los agentes, que interactúan con el sistema gráfico. Sin embargo existe una gran dificultad en la implementación de comportamientos complejos al interior de un entorno, debido en particular a la poca disponibilidad de herramientas que permitan controlar de forma sencilla la interacción asíncrona que pudiera ocurrir entre los objetos y los elementos del entorno. Existen diferentes maneras de incrementar las capacidades interactivas de un entorno virtual en tres dimensione: Representar de forma explícita el conocimiento, mejorar la interactividad del entorno virtual y, brindar alternativas de simulación de los fenómenos físicos.

 

Características importantes: 

• Representación explícita del conocimiento. 
• Capacidad de razonamiento independiente de la aplicación específica.
• Capacidad de explicar sus conclusiones y el proceso de razonamiento.
• Alto rendimiento en un dominio específico.
• Uso de heurísticas vs. modelos matemáticos.
• Uso de inferencia simbólica vs. algoritmo numérico.

DESARROLLO ACTUAL DE LOS SISTEMAS BASADOS EN CONOCIMIENTO

En el campo de la llamada Inteligencia Artificial, han ido surgiendo, primero a nivel experimental , y en la actualidad perfectamente introducidos en el mercado, sistemas de gestión , análisis y tratamiento de la información que obedecen a una filosofía totalmente distinta a la tradicional, y que habitualmente se conoce como enfoque "de inteligencia artificial" o enfoque I.A. ( A.I., en inglés).

La diferencia fundamental entre el enfoque informático tradicional y el enfoque I.A. hay que situarla en un doble nivel ; en el modo de proceso de la información y en la tipología de la información de base que se utiliza :

Mientras el enfoque tradicional se maneja con símbolos numéricos y/o alfanuméricos y los procesa en virtud de algoritmos y procedimientos predeterminados a priori, mediante un programa ; el enfoque I.A. pretende tratar más bien con conocimientos, representados estructurados, y tratados, fundamentalmente mediante esquemas y lenguajes de programación basados en las reglas de la lógica y/o en la representación formal de tipo simbólico, sin excluir el uso combinado con esquemas de proceso tradicional y otras herramientas.

En el contexto de la I.A., y curiosamente, como resultado de sus limitaciones para la obtención de sistemas de tratamiento de la información de propósito general, el conjunto de productos más conocido y generalizado son los sistemas basados en conocimiento.

Un Sistema de Conocimiento ,( en inglés Knowledge Based System) , concepto que incorpora la idea de ser un sistema que se basa en el conocimiento y de ser un sistema formado por bases de conocimiento , es , esencialmente un sistema informático , que dotado de una gran cantidad de información ( estructurada como conocimientos, lo que incluye no sólo hechos aislados o datos sino, también, reglas, generalizaciones, esquemas de interpretación y ejemplificación, etc.) sobre un dominio de conocimientos concreto y muy bien definido, y que dispone también de una serie de mecanismos para poner en funcionamiento estos conocimientos almacenados, con vistas a la resolución de problemas que puedan surgir en ese dominio concreto. Por tanto, se trata de un sistema informático que acaba realizando las tareas que un experto humano profesional haría, a partir de los requerimientos, conocimientos, experiencia, etc. que habitualmente son necesarios para ello , y actuando de una forma muy similar, a como haría un abogado penalista al preparar la estrategia de un caso, o un médico al estructurar un procedimiento de diagnóstico, o un asesor fiscal o financiero al evaluar las consecuencias de operación financiera, etc. , incluyendo las explicaciones y justificaciones pertinentes.

De manera muy esquemática el sistema incluye :

UNA BASE DE CONOCIMIENTO. Donde se registran unas estructuras de datos que representan el conocimiento fáctico, práctico y heurístico de la o, más bien las personas expertas que han prestado sus "saberes iniciales" al sistema. Esas estructuras de datos se concretan , en la práctica no en datos sino en conocimientos estructurados en hechos, y reglas, que permiten generar más conocimiento y que el sistema aprenda de sus actuaciones.

UN MODELO SITUACIONAL, que permite que ante el problema suscitado por el usuario éste se interprete en términos de los esquemas de conocimientos , y puedan apelarse a las distintas reglas y métodos de deducción para que pueda ser finalmente resuelto.

UN GESTOR DEL CONOCIMIENTO DEL SISTEMA cuyo componente más importante es el llamado MOTOR de INFERENCIA , que examina las reglas y hechos de la Base de conocimiento, interactúa con el modelo situacional, resuelve los conflictos, deduce e infiere soluciones y como subproducto de ello, almacena estrategias de tratamiento para el futuro. También incluye un módulo de aprendizaje del sistema, que permite la actualización de la base de conocimiento en función de las soluciones obtenidas y de los desarrollos posteriores de los hechos, y que también actualiza los esquemas de interpretación del modelo situacional.

Junto a estos componente básicos, que, a menudo, se resumen en Base de Conocimiento y Motor de Inferencia, se deben incluir , además, al menos dos interfaces : un interfaz de usuario que permite que el sistema interactúe con el consumidor final de sus servicios, y pueda realizar la función para la que ha sido concebido ; y un interfaz de experto, que permite que el conocimiento experto humano pueda ser puesto al día en cualquier momento.

Estado del Arte de Sistemas Basados en el Conocimiento by Kernel Informático

Noticia sobre SBC

La innovación tecnológica requiere de una transformación del modelo actual

CARMEN M. LÓPEZ / MADRID

@GacetaMedicaCom

viernes, 06 de noviembre de 2015 / 16:00

Expertos insisten en que con una buena explotación de datos es posible verificar resultados en contextos reales

El sistema sanitario está centrado en la prestación de servicios cuando debería estar orientada en la producción de valor para los pacientes. Con esta idea, el director de la unidad de innovación del Instituto de Investigación Sanitaria San Carlos (IdiSSC), quiso explicar porqué cuando se intenta cambiar algo dentro del sistema siempre aparecen limitaciones. "Luchamos contra lo que somos", incidió Mayol durante la jornada 'Innovación Sanitaria y Tecnología Digital'.

El modelo sanitario cuenta con unos recursos que son finitos y carece de evaluación, por tanto, todo lo que se mide son outputs, es decir, indicadores de procesos y no resultados de salud. Tal y como comentó Mayol, si el paciente ha de estar en el eje del sistema primero hay que quitar al médico de ese epicentro. Según sus palabras, hacer más no es necesariamente mejor.

Todo esto requiere un cambio y una mentalidad diferente, algo que no es fácil, ya que supone cambios sociales que no son fáciles de adoptar, y "huir de la idea de que los sistemas sanitarios tienen como misión mejorar la salud no la provisión de los servicios sanitarios", reiteró.

La evidencia más clara de lo que ocurre son las estadísticas de la OCDE. Con la crisis económica, en 2008 los sistemas sanitarios se apretaron el cinturón y "aprendimos que no hay ninguna relación entre lo que se gasta en salud y los resultados". La respuesta de los gobiernos fue aumentar la productividad., sin embargo, los sistemas sanitarios no aumentan su productividad. Un ejemplo más, para Mayol, que justifica que sólo se puede innovar si se adoptan una nueva manera de pensar, y señaló que los problemas no se resuelven con más genética sino con más tecnología. "Estas herramientas no sólo servirán para ser más precisos, sino para ser más exactos".

La tecnología ha de crear valor y esto implica también una innovación social y del modelo, ya que al final, los recursos utilizados en innovación movilizan a la sociedad con un enorme retorno.

La administración

Desde la administración tienen claro su posición. "Hay que invertir en investigación con ayuda de la colaboración público privada", y la captación de fondos europeos. A su juicio hace falta 'apretar' al sector privado a gastar en investigación y una buena manera son los programas cofinanciados.

Por ejemplo, la Comunidad de Madrid dedicará más de un millón y medio de euros al desarrollo tecnológico, algo que aunque a juicio de la directora general de Planificación, Investigación y Formación, Emilia Sánchez, no es suficiente aunque al menos servirá para incentivar esa colaboración público privada. En este sentido, destacó que Madrid dispone de una potente red de recursos, y seguirán potenciando la investigación e innovación sanitaria desde la dirección general.

El cambio

Sin embargo, esa transformación sanitaria a través de los datos que tanto Mayol como Sánchez consideran imprescindible, requiere de sistemas de información con significación clínica, algo de lo que actualmente se carece. Esto permitirá desarrollar una visión compartida entre clínicos, gestores, financiadores y pacientes de los problemas y soluciones, que permitan investigar, además de la utilización, los resultados de los procedimientos y actos médicos, evaluando los efectos en mortalidad, morbilidad y estado de salud. Con este pretexto, Antonio Sarría, científico del Instituto de Salud Carlos III y director de la Agencia de Evaluación de Tecnologías Sanitarias, destacó la importancia de canalizar todo el conocimiento que existe. "Los datos son imprescindibles, pero tenemos que ser capaces de transformarlos en conocimientos para la toma de medidas, desarrollar intervenciones y evaluar resultados".

Sarría está convencido de que la máxima de que los ensayos clínicos son la base fundamental de la producción de conocimiento es una concepción errónea. A su juicio, es un proceso enormemente limitado porque no tiene en cuenta todos los factores.

Las principales carencias que existen en materia de innovación es que hay que poner datos al servicio de la toma de decisiones y, al mismo tiempo, los procesos de humanizacion tienen que ser capaces de dar el salto de la medicina poblacional a la medicina de precisión. "El profesional junto con el paciente, y se puedan sentar y hablar de un proceso con toda la información disponible. Esto es humanizar la asistencia".

Experiencias

Precisamente, los sistemas de ayuda a la toma de decisiones en distintas especialidades están tomando fuerza, aunque no al ritmo que deberían. Durante el encuentro se pusieron sobre la mesa experiencias en este campo que están obteniendo buenos resultados. Es el caso del Proyecto Hikari "luz" (Japón). El investigador principal de Intelligent Society Platform Research Division de Fujitsu Labs Europe, Bo Hu, explicó que este modelo de ayuda a la toma de decisiones en el ámbito de la salud mental se encarga de dar soporte a esta patología, que actualmente no cuenta con demasiadas innovaciones tecnológicas. Por ello Hikari se basa en la fusión de información heterogénea anonimizada, tanto de origen clínico administrativo como información pública del entorno físico y social.

Otra herramienta de apoyo a la toma de decisiones es SysPharma que se centra en el contexto de reacciones adversas durante el proceso de administración de fármacos. De esta manera, trata de permitir que exista trazabilidad en las acciones que toman los profesionales en su relación con los pacientes. La herramienta es un puente entre el servicio de farmacia hospitalaria y los servicios clínicos, lo que viene a mejorar la interacción entre farmacéuticos y clínicos en seguridad de los pacientes y calidad. La principal novedad es que este proyecto se ha conceptuado desde el hecho de la simulación y emulación para que una vez testado, éste se implemente para uso habitual pasando por la validación de todos los actores que intervienen en el proceso.

Por su parte, Arturo González Ferrer, investigador de la Unidad de Innovación del IdiSCC, explicó el proyecto de 'Ayuda a la decisión clínica', mediante vías clínicas inteligentes y minería de datos. Un soporte que ayuda en la decisiones clínicas sin necesidad de consultar las guías de práctica clínica. Su aplicación generará nuevos datos y permitirá orientar el sistema sanitario a resultados, que podrán ser comparados con protocolos originales y obtener indicadores como eficiencia, adherencia al tratamiento, utilización de recursos, etcétera. Eso sí, como reiteró González, la herramienta contempla los criterios del experto, que es quien tiene la ultima palabra.

"Estos sistemas sólo aspiran a tener un rol de soporte y no de desplazar al clínico", apuntó. Además, los sistemas basados en el conocimiento humano, precisan de la creación de equipos multidisciplinares y de la comunicación entre ingenieros y clínicos. De este modo hay que superar las reticencias y alcanzar una "empatía intelectual", explicó González.

Fuente: Gaceta Medica