Sistemas Expertos

28/Agos/2014
16









INSTITUTO POLITECNICO NACIONAL
UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERIA Y CIENCIAS SOCIALES ADMINISTRATIVAS


Sistemas expertos


Fundamentos de la Inteligencia Artificial
(González Arroyo Lilia)
2NM61

Primer periodo " Tarea 01


Alumno:Alumno:Ocampo Pantoja Mario JavierOcampo Pantoja Mario Javier
Alumno:
Alumno:
Ocampo Pantoja Mario Javier




Ocampo Pantoja Mario Javier






Inteligencia Artificial " Sistemas Expertos

INDICE PÁGINA

Sistemas Expertos …………….………………. 1
Introducción 2
¿Qué son los sistemas expertos? 2
Tipos de sistemas expertos 4
Diferencia entre SE y experto humano 6
Diferencia entre SE y sistemas tradicionales 6
Ventajas y limitaciones de SE 7

Componentes de un SE………………..……… 8
Arquitectura de un SE 10
Lenguajes utilizados para la 13 construcción de SE

Aplicaciones de los sistemas expertos………. 14


Conclusiones …………………………………… 15

Bibliografía…………………………………………………..... 16

Introducción
A partir de la aparición de la computadora hasta nuestros días la gente ha invertido grandes esfuerzos por tratar de dar la capacidad de razonamiento a las maquinas, incluso dar un cierto grado de inteligencia a estas.
Estos esfuerzos se han visto reflejados en los sistemas expertos (SE) los cuales, en si no tienen verdadera inteligencia; mas bien, es un sistema basado en el conocimiento que, mediante el buen diseño de su base de información y un adecuado motor de inferencias para manipular dichos datos proporciona una manera para determinar resoluciones finales dados ciertos criterios.
Entonces, los SE logran la capacidad experta de solucionar problemas aplicando las tareas especificas del conocimiento. La tarea se refiere a una cierta meta orientada, actividad de solucionar el problema. El conocimiento como el dominio de la ciencia o materia dentro de la cual se está realizando la tarea.
¿Qué son los sistemas expertos?
Es un software que imita el comportamiento de un experto humano en la solución de un problema. Pueden almacenar conocimientos de expertos para un campo determinado y solucionar un problema mediante deducción lógica de conclusiones. (Mario, 2002)

Son SE aquellos programas que se realizan haciendo explicito el conocimiento en ellos, que tienen información específica de un dominio concreto y que realizan una tarea relativa a este dominio. (Wikipedia)

Programas que contienen tanto conocimiento declarativo (hechos a cerca de objetos, eventos y/o situaciones) como conocimiento de control (información a cerca de los cursos de una acción), para emular el proceso de razonamiento de los expertos humanos en un dominio en particular y/o área de experiencia.
(Marcel, 2002)

Un sistema experto (SE) es básicamente un programa de computadora basado en conocimientos y raciocinio que lleva a cabo tareas que generalmente solo realiza un experto humano; es decir, Es un programa que imita el comportamiento humano en el sentido de que utiliza la información que le es proporcionada para poder dar una opinión sobre un tema en especial.

Otros autores definen a los Sistemas Expertos como sigue: Un sistema experto es un programa de computadora interactivo que contiene la experiencia, conocimiento y habilidad propios de una persona o grupos de personas especialistas en el área particular del conocimiento humano de manera que permitan conocer problemas específicos de esta área de manera inteligente y satisfactoria. La tarea principal de un SE es tratar de aconsejar al usuario.
Los usuarios que introducen la información al SE son en realidad los expertos humanos, y tratan a su vez de estructurar los conocimientos que poseen para ponerlos entonces a disposición del sistema. Los sistemas expertos son utilices para resolver problemas que se basan en conocimiento
Las características principales de este tipo de problemas, según algunos autores son:
Utilizan normas o estructuras que contengan conocimiento y experiencias de expertos especializados.
Se obtienen conclusiones a través de deducciones lógicas.
Contienen datos ambiguos.
Contienen datos afectados por factores de probabilidad.
Con base a lo anterior algunos investigadores de IA señalan que un SE debe cumplir con las siguientes características:
Tener un amplio conocimiento específico del área de especialización.
Aplicar técnicas de búsqueda.
Tener soporte para análisis heurístico.
Poseer la habilidad para inferir nuevos conocimientos ya existentes.
Tener la capacidad de procesar símbolos.
Tener la capacidad para explicar su propio razonamiento.







Tipos de sistemas expertos
Hay muchos puntos de vista desde los cuales se pueden clasificar los sistemas expertos. Alguno de ellos son:
Por la forma de almacenar conocimiento
Sistemas basados en reglas: El conocimiento se almacena en forma de hechos y reglas
Sistemas basados en probabilidad: La base del conocimiento esta construido por hechos y sus dependencias probabilísticas.
En el primer caso el motor de inferencia opera mediante encadenamiento de reglas hacia atrás y adelante, mientras que el segundo caso opera mediante la evaluación de probabilidades condicionales. Finalmente también hay diferencias en la adquisición del conocimiento y el método de explicación.
En cuanto a las ventajas e inconvenientes de uno y .otro puede mencionarse que en el caso de los sistemas probabilísticos, el motor de inferencias muy rápido, ya que todas las implicaciones están presentes y sólo se ha de determinar con que probabilidad se da cierta implicación. En cuanto a los sistemas basados en reglas, la principal ventaja es el hecho de que el mecanismo de explicación es sencillo, al tener presente las reglas que han sido disparadas. Otra ventaja es que únicamente se emplean las reglas necesarias en cada caso, sin necesidad de evaluar toda una estructura probabilística.
Por la naturaleza de la tarea a realizar
Diagnostico o clasificación: Se conocen soluciones y se tratan de clasificarlas o diagnosticarlas en función a una serie de datos. Por ejemplo, el sistema de diagnostico médico.
Monitorización: Análisis del comportamiento de un sistema buscando posibles fallos, en este caso es importante contemplar la evolución del sistema pues no siempre los mismos datos dan lugar a idénticas soluciones.
Diseño: Se busca la construcción de la solución a un problema, que en principio es desconocido, a partir de datos y restricciones a satisfacer.
Predicción: Se estudia el comportamiento de un sistema.



Por la interacción del usuario
Apoyo: El sistema aconseja al usuario que mantiene la capacidad de última decisión.
Control: El sistema actúa directamente sin intervención humana.
Crítica: Su misión es analizar y criticar decisiones tomadas por el usuario.

Por la limitación de tiempo para tomar decisiones
Tiempo ilimitado: Aquellos que emplean conocimiento casual, que busca orígenes de un problema que ha ocurrido y cuyo análisis no necesita ser inmediato.
Tiempo limitado(Tiempo real): Sistemas que necesitan actuar controlando o monitorizando dispositivos y que han de tomar decisiones inmediatas frente a los problemas que sirvan. Ejemplo el control de una red de comunicación.

Por la variable temporal de conocimiento
Estáticos: La base del conocimiento no se altera durante el proceso de decisión.
Dinámicos: Ocurren cambios en la base del conocimiento durante la toma de decisiones. Estos cambios pueden ser predecibles o impredecibles y además pueden, bien añadir información, bien modificar la información existente.

Por la naturaleza del conocimiento almacenado
Basado en experiencia: El con cocimiento se basa en experiencias o hechos ocasionados conocidos por el experto, pero sin que exista una causa clara para los efectos que se observan.
Basados en relaciones Causa-Efecto

Por la certeza de la información
Completa o perfecta: Se conocen todos los datos y reglas necesarias para la decisión.
Imperfecta: Que puede ser incompleta, datos inciertos o no confirmados, conocimiento incierto (reglas no siempre validas), terminología ambigua(dobles sentidos), etc.


Diferencia entre SE y experto humano
Sistema experto: sistema experto es un sistema informático que simula los procesos de aprendizaje, memorización, razonamiento comunicación y acción de un experto humano en una determinada rama de la ciencia, suministrando de esta forma, un consultor que puede sustituirle con unas ciertas garantías de éxito.
Experto humano: Puerto humano es una persona que es competente en un área determinada del conocimiento o del saber. Un experto humano es alguien que sabe mucho sobre un tema determinado y te puede dar un consejo adecuado. Esta experiencia sólo se adquiere tras un largo aprendizaje y a base de mucha participación en el campo o materia.



Diferencia entre SE y sistemas tradicionales

Ventajas y limitaciones de un sistema experto.

Ventajas
Permanencia: A diferencia de un experto humano un SE (sistema experto) no envejece, y por tanto no sufre pérdida de facultades con el paso del tiempo.
Replicación: Una vez programado un SE lo podemos replicar infinidad de veces.
Rapidez: Un SE puede obtener información de una base de datos y realizar cálculos numéricos mucho más rápido que cualquier ser humano.
Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias a la capacidad de duplicación el coste finalmente es bajo.
Fiabilidad: Los SE no se ven afectados por condiciones externas, un humano sí (cansancio, presión, etc.).


Limitaciones
Sentido común: Para un Sistema Experto no hay nada obvio. Por ejemplo, un sistema experto sobre medicina podría admitir que un hombre lleva 40 meses embarazado, a no ser que se especifique que esto no es posible ya que un hombre no puede gestar hijos.
Lenguaje natural: Con un experto humano podemos mantener una conversación informal mientras que con un SE no podemos.
Perspectiva global: Un experto humano es capaz de distinguir cuales son las cuestiones relevantes de un problema y separarlas de cuestiones secundarias.
Capacidad sensorial: Un SE carece de sentidos.
Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la resolución de un problema.
Conocimiento no estructurado: Un SE no es capaz de manejar conocimiento poco estructurado.









Componentes de un sistema Experto
Cada sistema experto consiste de dos partes principales: la base del conocimiento; y el razonamiento, o motor de inferencia.

Base de conocimiento
La base del conocimiento de los sistemas expertos contiene el conocimiento efectivo y heurístico. Este conocimiento se codifica según una notación especifica que incluye reglas, predicados, redes semánticas y objetos.
El conocimiento efectivo es el conocimiento del dominio de la tarea que se comparte ampliamente, encontrado típicamente en libros de textos.
El conocimiento heurístico es el conocimiento menos riguroso, más experimental, más critico del funcionamiento. En contraste con el conocimiento efectivo, el conocimiento heurístico raramente se discute y es en gran parte individualista. Es el conocimiento de la buena practica, del buen juicio y del razonamiento admisible en el campo. Es el conocimiento que es la base del " arte de buen inferir".
Las bases de conocimiento (KB: Knowledge Base) pertenecen a una etapa muy posterior. Surgieron a partir de la investigación en IA cómo respuesta a las necesidades que las aplicaciones de esta disciplina planteaban. Las bases de conocimiento son evolución lógica de los sistemas de bases de datos tradicionales en un intento de plasmar no ya cantidades ingentes de datos sino elementos de conocimiento (normalmente en forma de hechos y reglas) así como la manera en que estos elementos han de ser utilizados.
Dice que una base de datos no será únicamente hechos que son un reflejo de universo, llamado Universo de Discurso (UoD) determinado. Las funciones que el gestor de base de datos se limita a facilitar son fundamentalmente las edición y consulta de los datos. Una base de conocimiento, por otra parte, puede almacenar, además de hechos un conjunto de reglas que se sirven de esos hechos para obtener información que no se encuentra almacenada de forma explícita. El tipo de base de conocimiento al que se dota de una considerable capacidad de deducción a partir de la información que contiene se denomina sistema experto



Motor de inferencia
El motor de inferencia, que es el que combina los hechos y las preguntas particulares, utilizando la base de conocimiento, seleccionando los datos y pasos apropiados para presentar los resultados. Este componente es básico para un sistema experto; se encarga de obtener conclusiones comenzando desde el conocimiento abstracto hasta el conocimiento concreto. Si el conocimiento inicial es muy poco, y el sistema no puede obtener ninguna conclusión se utilizara el subsistema de demanda de información.
Aunque un sistema experto consiste fundamentalmente en una base de conocimiento y un motor de inferencia, un par de otras características vale la pena mencionar:
Subsistema de control de coherencia: componente previene la entrada de información en la base de conocimiento. Es un componente muy necesario a pesar de ser un componente reciente.
Subsistema de adquisición de conocimiento: se encarga de controlar si el flujo de nuevo conocimiento a la base de datos es redundante. solo almacenar información que es nueva para la base de datos.
Subsistema de demanda de información: completa el conocimiento necesario y reanuda el proceso de inferencia hasta tener alguna conclusión valida. El usuario puede indicar la información necesaria a este proceso ayudado de una interface de usuario (la cual facilita la comunicación entre el sistema experto y el usuario).
Subsistema de incertidumbre: Se encarga de almacenar la información de tipo incierto y propaga la incertidumbre asociada a esta información.
Subsistema de ejecución de tareas: Permite realizar acciones al Sistema Experto basadas en el motor de inferencia.
Subsistema de explicación: Este componente entra en ejecución cuando el usuario solicita una explicación de las conclusiones obtenidas por el SE. Esto se facilita mediante el uso de una interface.
El componente más importante de cualquier sistema experto es el conocimiento. El poder de los sistemas expertos reside en la alta calidad especifica del conocimiento que contienen acerca del dominio de la tarea. Los investigadores de IA continuaran explorando y agregando al repertorio actual de métodos de representación y de razonamiento del conocimiento. Pero en el conocimiento reside el poder. Debido a la importancia del conocimiento en los sistemas expertos los métodos de adquisición de conocimiento son de vital importancia para romper el embotellamiento de la adquisición del conocimiento, en la codificación y la representación de una gran infraestructura del conocimiento.


Arquitectura de un sistema experto
No existe una estructura de sistema experto común. Sin embargo, la mayoría de los sistemas expertos tienen unos componentes básicos: Base de conocimiento, motor de inferencia, base de datos e interfaz con el usuario. Muchos tienen, además, un modulo de explicación y un modulo de adquisición del conocimiento.
Modelo de la estructura de un sistema experto

La base de conocimiento contiene el conocimiento especializado extraído del experto en el dominio. Es decir, contiene conocimiento general sobre el dominio en el que se trabaja. El método mas común para representar el conocimiento es mediante reglas de producción. El dominio de conocimiento representado se divide , pues, en pequeñas fracciones de conocimiento o reglas.
Una característica muy importante es que la base de conocimiento es independiente del mecanismo de inferencia que se utiliza para resolver problemas. De esta forma, cuando los conocimientos almacenados se han quedado obsoletos, o cuando se dispone de nuevos conocimientos, es relativamente fácil añadir reglas nuevas, eliminar las antiguas o corregir errores en las existentes. No es necesario reprogramar todo el sistema experto.

El motor de inferencia es un programa que controla el proceso de razonamiento que seguirá el sistema experto. Utilizando los datos que se le suministran, recorre la base de conocimientos para alcanzar una solución. La estrategia de control puede ser de encadenamiento progresivo o de encadenamiento regresivo. En el primer caso se comienza con los hechos disponibles en la base de datos y se buscan reglas que satisfagan esos datos, es decir, reglas que verifiquen la parte SI. Normalmente el sistema sigue los siguientes pasos:
Evaluar las condiciones de todas las reglas respecto a la base de datos, identificando el conjunto de reglas que se pueden aplicar (aquellas que satisfagan su parte condición).
Si no se pueden aplicar ninguna regla, se termina sin éxito; en caso contrario se elige cualquiera de las reglas aplicables y se ejecuta su parte acción (esto ultimo genera nuevos hechos que se añaden a la base de datos).
Si se llega al objetivo, se ha resuelto el problema; en caso contrario se vuelve al paso 1.
A este enfoque se le llama también guiado por datos, porque es el estado de la base de datos el que identifica las reglas que se pueden aplicar, Cuando se utiliza este método el usuario comenzará introduciendo datos del problema en la base de datos del sistema.
Al encadenamiento regresivo se le suele llamar guiado por objetivos, ya que, el sistema comenzara por el objetivo (parte acción de las reglas) y operará retrocediendo para ver como se deduce ese objetivo partiendo de los datos. Este se produce directamente o a través de conclusiones intermedias o sub-objetivos. Lo que se intenta es probar una hipótesis a partir de los hechos contenidos en la base de datos y de los obtenidos en el proceso de inferencia.
En la mayoría de os sistemas expertos e utiliza el encadenamiento regresivo. Este enfoque tiene la ventaja de que el sistema va a considerar únicamente las reglas que interesan al problema en cuestión. El usuario comenzará declarando una expresión E y el objetivo del sistema será establecer la verdad de esa expresión.
Para ello se pueden seguir los siguientes pasos:
Obtener las reglas relevantes, buscando la expresión E en la parte de acción (Estas serán las que puedan establecer la verdad de E).
Si no se encuentran reglas para aplicar, entonces no se tienen datos suficientes para resolver el problema; se termina sin éxito o se le pide al usuario mas datos.
Si hay reglas para aplicar, se elige una y se verifica su parte condición C con respecto a la base de datos.
Si C es verdadera en la base de datos, se establece la veracidad de la expresión E y se resuelve el problema.
Si C es falsa, se descarta la regla en curso y se selecciona otra regla.
Si C es desconocida en la base de datos (es decir, no es verdadera ni falsa), se le considera como sub-objetivo y se vuelve al paso 1 (C es ahora una expresión de E).

La interfaz de usuario permite que el usuario pueda describir el problema al sistema experto. Interpreta sus preguntas, los comandos y la información ofrecida. A la inversa, formula la información generada por el sistema incluyendo respuestas a las preguntas, explicaciones y justificaciones. Es decir, posibilita que la respuesta proporcionada por el sistema sea inteligible para el interesado. También puede solicitar mas información al SE si le es necesaria. En algunos sistemas se utilizan técnicas de tratamiento del lenguaje natural para mejorar la comunicación entre el usuario y el SE.
La mayoría de los sistemas expertos contienen un modulo de explicación, diseñado para aclarar al usuario la línea de razonamiento seguida en el proceso de inferencia. Si el usuario pregunta al sistema como ha alcanzado una conclusión, este le presentara la secuencia completa de reglas usada. Esta posibilidad de explicación es especialmente valiosa cuando se tiene la necesidad de tomar decisiones importantes amparándose en el consejo de SE. Además de esta forma y con el tiempo suficiente, los usuarios pueden convertirse en especialistas de la materia al asimilar el proceso de razonamiento seguido por el sistema. El subsistema de explicación también puede usare para depurar el SE durante su desarrollo.
El modulo de adquisición del conocimiento permite que se puedan añadir, eliminar o modificar elementos de conocimiento ( en la mayoría de los casos reglas) en el SE. Si el entorno es dinámico, entonces este componente es muy necesario, puesto que el sistema funcionará correctamente solo si se mantiene actualizado su conocimiento. El modulo de adquisición permite efectuar ese mantenimiento, anotando en la base de conocimiento los cambios que se producen.

Lenguajes utilizados para la construcción de SE
LISP Acrónimo de lenguaje de procesamiento de listas originalmente fue creado como un modelo computacional de procesos matemáticos, reflejando el rigor de las propias matemáticas.
LISP actualmente está diseñado para manejar símbolos matemáticos (variables), por lo que es utilizado perfectamente para la investigación en IA donde un símbolo puede representar cualquier cosa. lISP tiene dos características principales que lo hacen sobresalir de entre los demás lenguajes de IA; primero es altamente flexible, es decir, es posible escribir un programa LISP para producir cualquier comportamiento deseable de la computadora; segundo es indefinidamente extensible, lo que significa que si como programador sientes que a LISP le falta alguna característica, puede escribir un programa LISP que provea dicha característica y hacer que este programa forma parte de su LISP personal.
CLIPS CLIPS es otra herramienta para desarrollo de sistemas expertos, ofrece un entorno completo para su construcción basado en reglas y objetos. CLIPS está siendo utilizado por numerosos usuarios como la NASA (que es su creadora), muchas universidades y empresas. CLIPS viene de C Language Integrated Production System) y como su nombre indica uno de los objetivos que buscaban sus creadores era la fácil integración con programas en C. Así, al darle una portabilidad con programas en lenguaje C, las universidades que lo usan pueden trasladar fácilmente sus aplicaciones al entorno del agente.
PROLOG Prolog es un lenguaje de programación que se centra alrededor de un conjunto pequeño de mecanismos, incluyendo reconocimiento de patrones, estructura de datos basadas en árboles y backtraking (Retroceso) automático. . Este conjunto pequeño constituye una estructura de programación sorprendentemente poderosa y flexible. Prolog es ideal para resolver problemas que involucran objetos - en particular objetos estructurados- y relaciones entre ellos. Por ejemplo, un ejercicio muy sencillo en Prolog es expresar relaciones espaciales de la forma: "La esfera azul detrás de la verde".
Smalltalk Fue el primer lenguaje de programación que fue diseñado para basarse exclusivamente en objetos. Actualmente se ha convertido en una opción muy popular en diversos campos como los videojuegos y la inteligencia artificial.
C y C++ C es uno de los lenguajes de programación mas populares en uso. Proporciona esqueleto estructurado sin limites para la creatividad del programador. C++ se puede decir que es una extensión orientada a objetos de C.

Aplicaciones de los Sistemas Expertos
El espectro de aplicaciones de la tecnología de los sistemas expertos a los problemas industriales y comerciales es tan amplio debido a la fácil caracterización del desafíó. Las aplicaciones encuentran su perfil en la mayoría de las áreas del trabajo del conocimiento. Las aplicaciones se agrupan en siete clases importantes.

Diagnostico y localización de averías de dispositivos y de sistemas de todas las clases.
Esta clase abarca los sistemas que deducen incidentes y sugieren las acciones correctivas para un dispositivo o un proceso que funciona incorrectamente.
Planeamiento y programación
Los sistemas que caen en esta clase analizan un conjunto de una o más metas potencialmente complejas y obran recíprocamente para determinar un conjunto de acciones para lograr esas metas, y/o proveen el orden temporal detallado de esas acciones considerando el personal, el material y otros apremios. Esta clase tiene gran potencial comercial.
Configuración de objetos manufacturados
La configuración, por el cual una solución a un problema se sintetice de un conjunto dado de elementos relacionados por un conjunto de apremios, es históricamente una de las aplicaciones de los sistemas expertos más importante. Las aplicaciones de la configuración fueron iniciadas por las compañías de computadoras como medio para facilitar la fabricación de las minicomputadoras. La técnica ha encontrado su forma de uso en muchas industrias diferentes, por ejemplo, construcción modular, fabricación, y otros problemas que implicaban diseño y la fabricación compleja de la ingeniería.
Toma de Decisión Financiera
La industria de los servicios financieros ha sido un usuario vigoroso de las técnicas de los Sistemas Expertos. Los programas consultivos se han creado para asistir a banqueros en la determinación de si hacer prestamos a los negocios y a los individuos. Las compañías de seguro han utilizado los sistemas expertos para evaluar el riesgo presentado por el cliente y determinar un precio para la aplicación típica del seguro ; En los mercados financieros esta en la negociación de la moneda extranjera.

Publicación del Conocimiento
La función primaria del sistema experto es entregar el conocimiento que es relevante al problema del usuario, en el contexto del problema del usuario. Los dos sistemas expertos más extensamente distribuidos en el mundo están en esta categoría. El primero es un consejero que aconseja al usuario con el uso gramatical apropiado en un texto. El segundo es un consejero de impuesto, que acompaña un programa de preparación de impuesto y aconseja al usuario en la estrategia y táctica de impuesto, y la política de impuesto individual.
Vigilancia y control del proceso
Los sistemas que caen en esta clase analizan datos en tiempo real de los dispositivos físicos con la meta de advertir las anomalías, predecir las tendencias, y controlar la corrección del optimizador y del incidente. Los ejemplos de sistemas en tiempo real que vigilan activamente los procesos se pueden encontrar en las industrias de la siderurgia y de la refinación del petróleo.
Diseño y fabricación
Estos sistemas asisten al diseño de dispositivos y de procesos físicos, extendiéndose del diseño conceptual del alto nivel de entidades abstractas a la configuración de los procesos de la fabricación.

Conclusiones
Los sistemas expertos son programas informáticos que ofrecen grandes posibilidades de desarrollo empresarial y científico. Sus aplicaciones desde sus inicios han sido de gran utilidad en áreas como la medicina, Estadística, La informática y hasta la misma enseñanza. En las empresas, los Sistemas expertos empiezan a tener cada vez mayor auge hasta el punto de ser un recurso indispensable en la toma de decisiones, control y planificación dentro de la entidad. Podría decirse que, el limite de aplicación de los sistemas expertos esta en la imaginación humana y la base de conocimiento especializado actual. Los sistemas expertos son y serán útiles allí donde se necesite un experto.

Bibliografía
Wikipedia. (s.f.). Sistemas expertos. Obtenido de Wikipedia: http://es.wikipedia.org/wiki/Sistema_experto.
Manuel, P. J. (s.f.). Universidad Tecnologica Nacional. Obtenido de Sistemas Expertos: http://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/pignani-sistemasexpertos.pdf
Marcel, C. (2002). Sistemas Expertos. Obtenido de Strix: http://strix.ciens.ucv.ve/~iartific/Material/PP_Sistemas_Expertos.pdf.
Mario, C. B. (2002). Introduccion a los sistemas expertos. Obtenido de Ingenieros en Informatica: http://ingenieroseninformatica.org/recursos/tutoriales/sist_exp/cap1.php.
Quintanar, T. L. (s.f.). UAEH. Obtenido de Sistemas expertos y sus aplicaciones: www.uaeh.edu.mx/docencias/tesis/licenciaruta/documentos/sistema-expertos.pdf