un-seegsi: un sistema inteligente deinformacion … · mapa conceptual o gerencial cognitivo, el...

UN-SEEGSI: UN SISTEMAINTELIGENTE DE INFORMACIONGERENCIAL CON APRENDIZAJEDUAL: HOMBRE-MAQUINAl

Ing. Alfonso Pérez Gama2

Resumen

Ha llegado a su madurez la V Generación y conello sus expresiones: la inteligencia artificial (1-2), los sistemas con el apoyo de conocimientos(3) y la ingenierfa de software (4). En Colombiapoca acogida parece tener. Es que los conoci-mientos constituyen un salto paradigmático ha-cia un nuevo orden mundial: el paso de laSociedad de la Información a la Sociedad delConocimiento. No es diffcil de colegir la implica-ción de nuevas generaciones de sistemas deinformación y aunque la inmensa mayorfa degerentes no quieren saber de nuevos lenguajesni reprogramaciones, aquf describiremos cómoesposible desarrollar e implementar un sistemainteligente de información gerenciaP. El con-cepto de "inteligente n se refiere a la viabilidadde tener un determinado grado de autonomfadecisional, un evidente mejor desempeño, unacapacidad real de adaptarse a las condicionesparticulares de un usuario, el reconocer y gene-rar un plan de trabajo al ejecutivo y en especialpor el soporte a las deéisiones, lo cual no signi-fica la posibilidad de "reemptezer" al ejecutivo

en esta labor, sino por el contrario constituirseen un sistema asistente del ejecutivo. Una inno-vación en esta arquitectura la constituye la tu-torfa experta en /{nea, que constituye un espaciopara posibilitar el "entrenamiento gerencial" insitu y además la incorporación de técnicas deaprendizaje maquinal que funcionen en la prác-tica. Lo anterior significa que UN-SEEGSI4 pre-tende ser un ambiente de aprendizaje dual:donde se debe dar un aprendizaje vivencial porparte del usuario y donde debe aprender la má-quina en forma subrepticia.

Introducción

Los sistemas basados en conocimientos se es-tán empleando en una gran variedad de aplica-ciones que incluyen e.g. los sistemas educati-vos para aprendizaje autónomo, los mismosSIG y los sistemas de auditoría informática paraincorporar en su arquitectura, componentes es-tratégicos de inteligencia artificial, ofreciendoinmensas posibilidades para adaptar el sistemaa las condiciones particulares del usuario o eje-cutivo de los SI, m~jorar substancialmente la

1 Esta investigación ha sido posibilitada gracias al apoyo finaciero de COLCIENCIAS. Se agradece la colaboración de la IBM deColombia y allng. Tubal González.

2 Profesor Titular, Departamento de Ingeniería de Sistemas, Universidad Nacional de Colombia.

3 Emplearemos en adelante la sigla SIlG, en el mismo sentido: SIG, SI.

4 UN-SEEGSI: Sistema Experto para el Entrenamiento Gerencial en Sistemas de Información.

Ingenierfa e Investigación 49

QUINCE AÑOS DE INGENIERIA DE SISTEMAS

utilizabilidad de los sistemas, incorporar subsis-temas de razonamiento que pueden analizar yevaluar la información existente en una base dedatos y explotar mucho mejor los recursos com-putacionales, dándole a la máquina un rol de unmodo más próximo a la noción de sistema inte-ligente: el computador como herramienta cog-nocitiva.

Cabe recordar que la información que por logeneral se maneja en una empresa puede en lapráctica padecer de inexactitudes, estar mal es-tructurada, poseer poca confiabilidad, ser in-completa y en no pocos casos ser producidacon atrazos. Con los programas de computadorconvencionales de generaciones anteriores esimposible que un programa corra con datos in-completos aunque se tengan programas de va-lidación, elaborados con muchas dificultades, lacalidad de los datos producidos por el sistemacorrientemente es dificiente.

También cabe recordar que existen numerososproblemas alrededor del usuario; e.g. a pesarque se le ofrezca una gran variedad de herra-mientas para resolver su problema (e.g. nume-rosas hojas electrónicas) frecuentemente notiene la orientación ni el conocimiento para de-cidir sobre la más adecuada a su problema; lomismo se podría afirmar sobre la aplicación dela herramienta ni le es fácil decidir sobre quéclase de información y datos requeriría segúncondiciones y restricciones existentes ni cualsería el momento oportuno de su aplicación;otro problema se refiere a la misma interpreta-ción de resultados: cómo proyectar las salidasen términos de acciones y ejecuciones del sis-tema; la situación se agrava si el problema exi-ge la combinación de herramientas o modifi-cación de las mismas o el intercambio con va-riedad de usuarios a diferente nivel de pericia yestilo ante lo cual los sistemas tradicionales su-ponen homogeneidad en el usuario, generandorigideces; además cuando requiera la asisten-cia ejecutiva, no aparece el experto apropiado.Lo anterior explica en gran medida la razón dela subutilización de un amplio número de SI y

50 Ingenierla e Investigación

que no se aproveche el ambiente computacio-nal e informacional para motivar aprendizaje ensituaciones reales.

Por lo anterior creemos que el principio de so-lución no radica ni en ofrecer más datos, ni másherramientas, ni más ayuda interviniente sino enel cambio estructural del SI, integrando conoci-mientos y presentándolo de forma muy diferentepartiendo de la individualizacion del proceso deaprendizaje: aprendiendo a aprender.

En esta nueva arquitectura, que se describemás adelante en la sección 2, se incorpora laexperiencia de la inteligencia artificial y de lamoderna ingeniería de software. Se ha podidoevidenciar que los sistemas inteligentes posibi-litan sensiblemente el acceso a los recursoscomputacionales e informacionales, mejoran laaplicación de conocimientos e incentivan varie-dad de aprendizajes significativos. En el mundode los SIG se pueden identificar dos hipótesisextremas sobre su función:

- La visión primaria tradicional y simplista queconcibe al sistema como un simple provee-dor de datos e información, reflejando el "pa-sado" informacional de la empresa: datossuministrados en forma rápida, confiable yoportuna para apoyar las operaciones de laorganización, el control de gestión y la tomade decisiones. Aquí se adscriben un grannúmero de ofertantes de herramientas de IVGeneración, Le instrumentos de producitivi-dad, quienes ofrecen la "solución" del siste-ma de información con manejadores debases de datos como una ecuación sencilla:SI - B de D y sin complicación alguna. Lacosmovisión es de tipo instrumentalista,donde el computador no pasa de ser unasimple herramienta de cálculo y un depósitode datos.

- La segunda hipótesis, liderada por GordonDAVIS (5) entre otros, trasciende el alcancedel sistema información como un espacioapropiado para la solución de problemas deuna organización, ya que ninguna empresa

QUINCE AÑOS DE INGENIERíA DE SISTEMAS

permanece "resuelta". La anterior cosmovi-sión la hemos adoptado en nuestro ProyectoEIDOS5, para el desarrollo del prototipo cen-tral UN-SEEGSI. En este sentido nuestra hi-pótesis de trabajo concede al computadorun papel más trascendente como herra-mienta cognitiva i.e. que le posibilite a unusuario desarrollar habilidades mentales su-periores para enfrentar la complejidad em-presarial y desarrollar el pensamiento crea-tivo para la solución de problemas y ademásposibilite al sistema como memoria institu-cional en términos de experiencia y conoci-mientos.

¿Qué tan inteligente puedeser un sistema de información?

En esta sección se discute cómo usar la moder-na ingeniería de software y la de conocimientospara dotar inteligencia en un SIG.

Convergencia ingenieria de Software e I.A.

Evidentemente se trata de utilizar las nuevastecnologlas del conocimiento y de la inteligenciaque posibilitan la migración de un sistema con-vencional de información a un SIIG lo que re-quiere de la aplicación de Ingeniería deSistemas de Información en dos frentes: la Re-Ingeniería de Software y la Ingeniería de Cono-cimientos.

a) La aplicación de Re-Ingeniería (6) se puedevisualizar de la siguiente manera:

Sea Rj una Representación del SIG; la Re-Ingenieríaconstituye la re-creación de una parte de sistema enuna nueva forma y su implementación R*J.

Es decir la renovación de los mecanismosinternos, la modernización de las estructu-ras de datos y su arquitectura, el redesarro-110 dei SI para mejorar su desempeño, larenovación y la recontextualización su es-

tructura y evidentemente su implementaciónpara mejorar su desempeño conservandosus características funcionales básicas. Esdecir la moderna ingeniería de software esmultidireccional (claramente distingue la in-geniería directa y la retroingeniería) cuyaverticalidad es fruto de intensa investigacióny cuya transversabilidad que posibilita la op-timización por capas o niveles de la empre-sa. Andrews (7) define esta reingenieríacomo una tecnología de "valor agregado".Charles W. Bachman definió una metodolo-gía la cual ha enriquecido indudablementeel quehacer ingenieril (8).

b) La aplicación de la Ingenierla de Conoci-mientos se puede entender como la integra-ción sistémica de capas o metasistemas deconocimientos a la arquitectura del SIG (9),para lograr un desempeño más·acorde conlas exigencias actuales, que supere las limi-taciones analíticas, cuantitativas y cualitati-vas de los datos y se ofrezcan nuevosespacios de pensamiento y solución oportu-na de problemas. En estas capas se persi-gue la representación de problemas del SIG,la representación e información sobre elusuario y su estilo cognitivo, el sistema derazonamiento decisional, la inteligencia enla base de datos, entre otros lo cual se ex-plica más adelante. En este cometido se in-tegran varias capas de conocimientosdonde conjugan la representación de cono-cimientos de los diferentes agentes que ac-túan en el escenario del SI y los modos derazonamiento, tales como el conocimientoexperto en temas gerenciales, conocimientodel usuario o ejecutivo del SI y su repre-sentación computacional, las herramientaspara resolver problemas, el conocimiento yrazonamiento sobre los datos y la tecnologíainteligente para apoyar la gestión y la pla-neación. Del grado de aplicación de dichastecnologías dependerá el grado de conocí-

5 EIDOS: "EDUMA TlCA e Inteligencia Artificial para el Desarrollo de la Intaligencia Humana" - Universidad Nacional, financiadopor COLCIENCIAS Contrato No. 147-91.



miento experto que procese el SI y por endese logrará un espacio para la solución con-tinua de problemas de diferente índole.

Estructura de las capasde conocimientos en el SIG

Las capas de UN-SEEGSI identificadas (véaseFigura No. 1) dentro del Proyecto EIDOS son: elmapa conceptual o gerencial cognitivo, el sub-sistema de habilidades gerenciales, la incorpo-ración de inteligencia en la base de datos, lainterfaz inteligente hombre-máquina y el sopor-te para planeación.

Descripción de las clasesde conocimientos en el SIG

De acuerdo con la figura anterior, las 5 capasde conocimientos comprenden:

1. Mapa gerencial-cognitivo o SYLLABUS,constituye una capa conceptual y de cono-cimientos en el cual cada punto de la repre-sentación tiene el conocimiento del dominiodel SIG, que requiere un usuario para de-sempeñarse apropiadamente en la empre-sa. Está apoyada por una base deconocimientos que constituye una posibilidadcomo instrumento para entrenamiento geren-cial significativo, Le. un asistente experto entemas profesionales, induyendo no solo losniveles de gestión sino cada una de las áreascubiertas por el SIG, o federación de sub-sis-temas, según G. Davis y Olshon (op. cit.).

2. Capa de Habilidades Gerenciales: es la ca-pa decisional: la posibilidad de viabilizar enun sistema de información gerencial comosoporte para las decisiones del ejecutivo(10): una base de conocimientos de habili-dades gerenciales, que van a apoyar la ges-tión del usuario y en ninguna forma a

CAP A S DECONOCIMIENTOS DE UN-SEEGSI

I CONOCIMIENTO DEL I CONOCIMIENTO SOBRESIG (APLICATIVO) RESOLUCION DE

PROBLEMAS

I I II 1

CONOCIMIENTO CONOCIMIENTO CONOCIMIENTO CONOCIMIENTO CONOCIMIENTODEL DOMINIO DEL DEDUCIDO SOBRE LAS SOBRE SOBRE LASIG TAREAS DEL HABILIDADES INTERFAZ

SIG GERENCIALES USUARIO-SIG* Mapa Gerencial * Inteligencia

Cognitivo en Bases de * Base de * Razonamiento * RepresentaciónDatos Planes Decisional del Usuario

* Soporte * Deducción de * Estilo Cognitivopara la Herramientas * Estilo Gerencialplaneación para Toma de

* Generación DecisionesReconocimientode Planes

FIGURA 1. Estructura de CONOCIMIENTOS.

52 Ingenierfa e Investigación

QUINCE AÑOS DE INGENIERfA DE SISTEMAS

substituirlo, dentro de una perpectiva plural-gerencial. Esta capa la constituye tres sub-capas a saber: razonamiento decisional,inferencia de requisitos de información e ins-trumentos para la toma de decisiones, lascuales se describen a continuación:

i- Razonamiento decisionalRecorriendo los niveles de gestión por área funcionaly considerando el grado de estructuralidad o no de ladecisión en el sentido de H.· Simón. El sistema derazonamiento frontal: implica una elaboración teóricaprevia sobre razonamiento decisional en espaciosmúltiples: Dominio psicológico, Dominio administrati-vo, Dominio analítico (una perspectiva lógico-racio-nal) y de la investigación operacional (11).

ii- Deducción de los requerimientos de InformaciónPara la toma de decisiones, teniendo en cuenta elestilo gerencial del usuario. Este sistema identifica elsub-espacio datos-información que demanda el eje-cutivo del SI para la toma de decisiones en cada unade las aplicaciones y además posibilita la evaluaciónde la información ex-ante la decisión.

.'iii- Análisis y determinación de herramientas para latoma decisiones: Una base de conocimientos de so-porte a las decisiones, apoyada en modelos de ges-tión y de la investigación operacional y siguiendo elestilo cognitivo (12) y gerencial del usuario. En déca-das anteriores estos planteamientos parecían no te-ner asidero dado el estado de la tecnología y laincipiente ingeniería de conocimientos, como lo sos-tuvo entre otros Huber (13). Además de los tradicio-nales métodos de la investigación operacional, sepodría mencionar: matrices de pago, curvas de utili-dad, preferencia e indiferencia entre otros. El proyec-to JANUS (14) ha llevado a cabo una experienciainteresante con el prototipo JAN US que utiliza 4 cons-tructos que intentan emular variedades de estilos deusuarios: la figura de Dr. Spock, el del pensamientológico-racional, Bozo el pensamiento lateral emulan-do búsqueda de mayores alternativas creativas parala solución de problemas; Mami que se centra en laexplicación y ayuda y la figura de Esopo o narradorde historias; aquí el usuario selecciona el constructode interfaz, representado en forma declarativa y queusa plantillas.

3. Inteligencia en las bases de datos: Un com-ponente importante lo constituyen las basesde datos basadas en conocimientos o basesinteligentes de datos (15). Este subsistemaes un componente del nivel tecnológico dela empresa y está integrado por: inteligenciapara los datos y descubrimiento de conoci-mientos o aprendizaje maquinal para las ba-ses de datos.

i-Inteligencia para los datos: Una base inteligente dedatos: UN-BID (16), prototipo desarrollado dentro delProyecto EIDOS empleando UN-PROLOG6 sobreuna herramienta de 4 Generación (ORACLE) incor-porando un sistema de razonamiento frontal para po-sibilitar la incorporación de reglas de diferentenaturaleza, a partir de las limitaciones de la mencio-nada herramienta de productividad, en que dejaba deresolver problemas e.g. de la integridad referencial;dicho razonamiento frontal posibilita el que la basede datos puede tener un desempeño inteligente.

ii- Deducción de conocimientos para aprendizaje ma-quinal de las bases de datos: A partir de la base dedatos: UN-BDD, se trata de inferir conocimiento apartir del sistema de base de datos ya sea recupe-rando el conocimiento que algún experto introdujo ola deducción de conocimiento a partir de los datosexistentes en la base. También se entiende como laposibilidad además de ofrecer análisis de frontera se-gún las especificaciones del modelo de datos, esta-blecido. Una base de datos puede considerarsecomo una base de hechos en sistemas basados enconocimientos, lo cual es uno de los fundamentospara la inferencia de conocimiento nuevo (17).

4. Inteligencia para el Interfaz Usuario-SIG, locual implica el diseñar un sistema que seacapaz de adaptarse a las condiciones parti-culares de un usuario, entender el estilo deaprendizaje y enfoque filosófico del mismoy en general captar el mayor conocimientodel usuario para poder diseñarle la retroin-formación y el mismo subsistema de expli-cación:

i- Comunicación en Lenguaje Natural: Un interfaz enlenguaje natural (i.e. manejando un subconjunto es-

6 UN PROLOG: Desarrollado por el profesor Roberto Ojeda. en el Departamento de Ingeniería de Sistemas, con el apoyofinanciero de COLCIENCIAS.



pecializado) para trabajar con bases de datos del SI.Se prevee la incorporación de la lógica de la ambi-guedad (fuzzy) de acuerdo con nuestra experienciacon los prototipos desarrollados dentro del ProyectoEIDOS: UN-AudiExp (18), Un-AudiBC (19) y UN-Au-di-Plan (20), que posibilite al usuario de utilizar con-textos lingüísticos para manejar variables de tipocualitativo i.e. cuyos límites y valores presentan am-bigüedades. Igualmente la experiencia con UN-FIS-Tutor (21) que es un prototipo que acepta problemasplanteados por el estudiante en lenguaje natural nosha permitido lograr una buena apreciación de la com-plejidad implicada en esta comunicación.

ii- Modelamiento del usuario: Se trata en dos dimen-siones, de responder al estilo gerencial: que incluyetanto el estilo cognitivo como el enfoque filosófico delusuario. El Modelo del Usuario: Estos modelos (22),(23) Y (24) han tenido en los sistemas expertos mu-cho interés puesto que han posibilitado el desarrollode interfaces de comunicación hombre-máquina másadaptables dada la posibilidad de lograr una repre-sentación computacional del usuario y asi mismoofrecer expliaciones mas apropiadas. Además facili-tan el desempeño eficiente de diferentes niveles deusuarios, lo cual aumenta a la vez el nivel de acepta-bilidad de los sistemas informáticos. Otros subsiste-mas los caracteriza el tutor o mejor el asistenteinteligente en línea que entre otros "adiestra" al eje-cutivo en consultar la información del sistema y lepermite recorrer los archivos, ilustrándole en cadaoportunidad con ejemplos sobre la estructura de lainformación disponible y los períodos de referencia.Así mismo, existe un subsistema de documentacionen línea, en que se registran los principales hechosen relación con datos, e información pública sobre losprogramas y cómo utilizarlos. A este efecto hemosrealizado un trabajo analítico (25) y experimental so-bre varios tutores, algunos de los cuales se mencio-nan en este trabajo.

5. Soporte inteligente para la Planeación. Laimportancia de los proceso de planeación enla empresa moderna es trascendental. Aquíse identifican 2 niveles, a saber: La asisten-cia inteligente para la planeación a nivel or-ganizacional y el reconocimiento y genera-ción de planes del usuario.

i- Planeación Inteligente (26).Una de las actividades de los ejecutivos de los SI,está relacionada con los procesos de planeación cu-yo soporte computacional tradicionalmente ofrecetécnicas de análisis de datos históricos, estimaciones


y pronósticos. Lo anterior resulta insuficiente ante lacada vez más compleja situación de la planeaciónfinanciera, presupuestal, de inversiones, del segui-miento de actividades críticas, de recursos y compro-misos y según R. Anthony a varios niveles:estratégico, táctico y operacional.

La necesidad de predicción ante la incertidumbre delfuturo aparecen con factores casi inmanejables: cua-litativos, juicios de valor, subjetividades, falta de unamemoria institucional que permita reconstruir fácil-mente experiencias y conocimiento adquirido, la di-vergencia entre el aprendizaje institucional y lafilosofía y cultura organizacional, entre muchas otras.Fiksel (op. cit.) identificó un ciclo de vida de la pla-neación: Aprendizaje, Razonamiento y Acción. El pri-mero implica aprendizaje maquinal y sistematizacióndel conocimiento empresarial para preservar la me-moria institucional. El segundo implica el análisis so-bre opciones estratégicas, gestión del riesgo y de losrecursos. El tercero la selección entre opciones deplanes y actividades.

ii- Reconocimiento y Generación de Planes del Usua-rio.Es muy conocido el empleo de planeación e lA en elcampo de la robótica. En el contexto de los SIIG, losplanes facilitan y guian al usuario e.g. para la realiza-ción y ejecución de sus tareas y resolución de pro-blemas de la vida diaria empresarial e.g. que obtengala información que necesite, sin más ayuda que elpropio sistema (por intermedio de inferencia y razo-namiento automáticos), le ayudan a manejar deduc-tivamente las transacciones estructuradas yconocidas, y además ofrecen una asistencia inteli-gente en línea. Una base de planes normativos adiferente nivel, posibilita reconocer un problema plan-teado por el usuario, no solo para obtener planes detareas, acciones y procesos institucionales de la vidadiaria sino que además posibilitan enfrentar situacio-nes inesperadas de riesgo y concreciones de ame-nazas, complejas y difíciles mediante planes decontingencia que minimizan riesgos y las consecuen-cias indeseables.

EL PROBLEMA de Planeación en este contexto sepuede describir así: dada una descripción del mundo;dados ciertos objetivos y metas se trata de encontrarplanes de tal suerte que cuando se ejecuten, alcan-cen los objetivos definidos. Básicamente un sistemade planificación consiste en una base de conocimien-tos de planes "normativos", el conocimiento sobre laplanificación en general y sobre el dominio de la apli-cación; además tiene una base de datos y un meca-nismo de inferencia, el cual selecciona los conoci-


mientos necesarios para generar una sucesión deacciones que transforme un ESTADO INICIAL ha-cia un ESTADO OBJETIVO. La Base de datos con-tiene la representación del "mundo" de la empresa yemplea e. g. la lógica de predicados para representarlas relaciones entre estos.

Arquitectura simplificada del SIG

En la siguiente figura se puede apreciar la es-tructura de UN-SEEGSI que se está desarro-llando dentro del Proyecto EIDOS, en laUniversidad Nacional, la cual consta de variossubsistemas que interactúan:

El Subsistema usuario. Que integra los compo-nentes de modelos del usuario donde se repre-senta este conocimiento, el módulo de razona-miento decisional que recupera variedad de ra-zonamientos maquinales de una base de cono-cimientos, el módulo orientación del diálogohombre y máquina sobre la cual descansa elinterfaz.

Este interfaz es responsable por las interaccio-nes de bajo nivel SIIG-usuario.

El subsistema soporte para la decisión: Que in-cluye a lo anteriormentye descrito, un tutor ex-perto en línea o asistente decisional, un sub-sistema de explicaciones donde se recuperanlos pasos y procedimientos que se llevaron acabo para seleccionar una decisión. Aquí inter-vienen las capas de conocimientos sobre habi-lidades gerenciales que orienta la decisión aligual que el conocimiento sobre las herramien-tas para la toma de decisiones según el estilogerencial monitoreado por el subsistema ante-rior (Véase la Fig. 2).

La explicabilidad del sistema es uno de los ins-trumentos más potentes en el aprendizaje de unusuario en el contexto de su trabajo y adaptadoa la interacción de un individuo en particular.

El subsistema de tareas y planes normativos:Que incluye el conocimiento sobre trabajo enlas bases de datos, el reconocimiento del planen que se encuentra un usuario en una sesióndada y la generación de planes para un usuarioque está desorientado y no sabe que hacer fren-te al SI; también registra apropiadamente lostrabajos en proceso o agenda para cada usua-rio en particular.

El subsistema de entrada y adquisición de co-nocimientos: Donde se registran los atributos,parámetros, valores, problemas que en formaactiva y dinámica obtiene y estructura los deta-lles de un problema del SI; adicionalmente debeser capaz de captar e inferir los supuestos, jus-tificaciones y relacionadas por un usuario en lasesión de trabajo; además se registran las pro-ducciones del SIG. El sub-sistema incluye ad-quisición semi-automática de conocimientos,según las facilidades de NEXPERT-OBJECT.

El subsistema de representación de problemas,actividades y trabajos: Que posibilitan gestionaradecuadamente el sistema global: es el conoci-miento a profundidad en subdominios específi-cos; este conocimiento restricciona las posiblesacciones, describe la metas y objetivos y ade-más las operaciones.

El Subsistema de bases de datos y conocimien-tos: Integrada con un módulo de aprendizajemaquinal para descubrir conocimiento nuevo apartir de. los datos factuales registrados y por elconocimiento ex-ante registrado.

UN-SEEGSI hacia el aprendizaje dual:hombre-máquina

La Dra. Rosa Vicari (27), de la Universidad Fe-deral de Porto Alegre en Brasil, está liderandoun Proyecto Educativo de aprendizaje dual es-tudiante-Computador dentro de una perspectivade la matética computacional", Como se recor-

7 Propuesta de desarrollo teórico del profesor John Self para tratar de definir los productos y salidas de aprendizaje en ambienteselectrónicos y explicar este proceso de aprendizaje.

Ingenierla e Investigación 55


USUARIO II

I IRAZONAMIENTO INICIATIVA DIALOGODECISIONAL

Usuario I UN-SEEGSII Combinada Consulta

1IlINTERFAZ HOMBRE MAQUINA IJ

MODELO DEL USUARIO ADAPTACIONEstilo 1Estilo .1 Habilidade~1 Seleccion de RAZONAMIENTOCognitivo Gerencial Gerenciales Herramientas DECISIONAL

I IISOPORTE DECISIONALT

U M E DIO ST 1 Trabajo sObr~1 Planes Agenda de 1 deO Base de Datos Trabajos en Proceso EXPLICACIONR II I ACCIONES I

rEntradas 1 Factores 1Juicios 1Alternativas 1Adquisici6n de 1Atributos 1Valores y Restricc. Conocimientos

j_

PROBLEMAS PARA EL SISTEMA DE INFORMACION II

II

* Especificacion REPRESENTACION Base de~

Base de* Modelo Computacional e Datos Conocimiento* Modelo Matematico INFORMACION

I IIntegrada F== SALIDA

* Transformaciones sobre el I* Especificaciones ProblemaProtocolo de Aprendizaje IObjetivo

FIGURA 2. Arquitectura simplificada de UN-SEEGSI.

dará, la inteligencia artificial ha emerqido comoalgo nuevo, provocador y que causa temor porla misma posibilidad de construir "mentefactos"con capacidad autónoma de decisión.

Además del desempeño inteligente que puedeexhibir el SIIG y de servir de entrenador expertogerencial, se puede incorporar un subsistemaexplícito de aprendizaje maquinal que adquieraconocimiento nuevo sistemática y/o. subrepti-ciamente. De hecho la posibilidad de inferir co-nocimiento nuevo de la base de datos según semencionó anteriormente, posibilita que el siste-ma "aprenda"; si además sistematizamos la ad-

56 Ingenierla e Investigación

quisicion conocimientos podemos enriquecerlas habilidades gerenciales y fortalecer la capa-cidad de planificar constituyéndose en un siste-ma de información gerencial que preserva lamemoria empresarial, lo cual posibilita preser-var y capitalizar la experiencia y cultura organi-zacional con consecuencias inesperadas entérminos de nuevas habilidades superiores quese puedan desarrollar por parte de un usuario.La meta incialmente planeada para este proto-tipo estaba presupuestada sobre la hipótesis dedoble uso: aplicaciones en Educación -entre-namiento gerencial- y aplicaciones en el con-texto profesional, lo cual implicaría una arqui-


tectura innovadora y vigente. Lo anterior permi-te colegir sobre la doble perspectiva de UN-SEEGSI donde aprende el SIG y se entrena elusuario.

Aprendizaje maquinal

Teniendo en cuenta que casi es imposible en-tender el problema de la Inteligencia Artificial sinque implique la posibilidad de APRENDER (28),a continuación se describe someramente un es-quema un del ciclo de aprendizaje en que inte-ractúan el software y el un usuario (véaseFigura 2). En aprendizaje maquinal, el sistemagenera nuevos conocimientos en forma "au-tomática" y se basa en generalizaciones de-ducidas de experiencias anteriores. El sis-tema, en efecto, aprende nominalmente de laexperiencia y de este modo el mismo sistemase actualiza. Este proceso es tema de muchainvestigación.

La habilidad para aprender es un componenteimportante de la inteligencia y al ofrecer com-pletamente esta potencialidad mejoraría el po-tencial de un sistema inteligente en especial enel terreno de la educación (29).

El sistema parte del modelo explícito de concep-tual-gerencial, como dominio del conocimientodel SIG (e.g. una estructura en forma de árbol)y con la ayuda de los modelo de usuarios.

Como se puede apreciar este esquema se fun-damenta en el papel que pueden jugar tanto elModelo del Estudiante como el Aprendizaje Ma-quinal, dada su íntima relación y que este últimose emplea para soportar un sistema de proce-samiento cooperativo.

La confluencia de la información de control esla base para integrar el conocimiento concep-tual (que define el entendimiento actual del sis-tema que se quiere aprender) expresado comofronteras dentro de la estructura del dominio ini-cial. El sistema "sabe" el nivel de conocimientodado la representación que tiene del usuario.

Las habilidades de aprendizaje en el sistema(usuario-máquina) a nivel estratégico depend-en de un conjunto de protocolos heurísticos oreglas basadas en experiencia y que puedantener credibilidad psicológica.

La información que se busca es el resultado dela interacción entre el software y el estudiantedentro de un esquema cooperativo. De esta ma-nera se puede implementar un conjunto decuestiones de ayuda siempre y cuando el siste-ma (30) fuese capaz de responder, e.g. "¿Cuáles el siguiente paso?", "¿Cual es el próximoevento?" y además dar explicación. El nuevodominio se conforma a partir de los algoritmospara hacer explícito las tácticas de aprendizaje,i.e. tomar la nueva información y el nivel de co-nocimiento del SIG actual (syllabus), y de la in-terpretación que se haga al respecto. EstaInterpretación se basa en el procesamientocooperativo entre la máquina y el estudiante,sobre ¿qué se debe "aprender" a partir de lanueva información? De esta forma se conformael nuevo syllabus o mapa cognocitivo-gerencialdescriptivo del area del conocimiento del SIG.

Lo anterior pone en evidencia numerosos inte-rrogantes que estan aún por resolver mediantela experimentación y la implementación de lastácticas y estrategias de aprendizaje que ten-gan la suficiente validez psicológica. Esto darámas luces sobre las complejidades del aprendi-zaje humano lo cual favorecerá los desarrollosde los sistemas inteligentes.

El modelo computacional del SIIG

La representación computacional del sus se re-quiere por razones obvias aunque es necesarioreconocer la imposibilidad de expresar mate-máticamente como una expresión determinada.Las variables del SIG involucran objetos, ma-trices (cobertura en términos de función se-gún nivel y área), vectores (nivel tecnológico),variables fuzzy (e.g. desempeño gerencial) yescalares.



Sus entradas y salidas desbordan la simple da-ta para expresar diferentes formas por lo gene-ral no estructuradas e.g. un problema a resolvero un plan de acción a seguir:

y = f{objetos, problema, cobertura, desempeño, niveltecnológico, nivel de gestión, plan-usuario, estilo-ge-rencial, ciclo de vida (t)}

Los resultados del sistema de información (Le.salidas) y pueden ser decisiones, información,conocimiento requerido, soluciones, planes in-feridos y objetos). Esto corrobora la casi impo-sibilidad de expresar un SIG en forma cerrada(31).

Los objetos: pueden referirse a elementos-datoo cualquier constructo informático factible.

El problema: se expresa como el tipo de deci-sión a tomar, la necesidad de información, unaprospección de variables del sistema, la posibi-lidad de identificar un conocimiento nuevo apartir de la base de datos u otro (32). En el casode decisiones se involucra el grado de estruc-turalidad Le. {no estructurado, parcialmente es-tructurado y estructurado}, lo cual puedeinferirse del problema o hacerse explícito.

La cobertura: implica las funciones según nivelde gestión y/o abstracción yel area cubierta porel SIG, e. g. CONTABLE, FINANCIERA, PERSO-NAL, PRODUCCiÓN, MATERIALES, ALMACE-NES, SERVICIOS, TRANSPORTE, MAQUINARIA,EQUIPO, VENTAS, CLIENTES.

El desempeño: se refiere a la habilidad geren-cial inferida o explicitada:

Razonamiento decisional en varios dominios: psi-cológico, administrativo (e.g. reglas de la empre-sa) y analítico (investigación operacional).

Información requerida para la toma de decisio-nes según la calidad y nivel de usuario. Tambiénimplica la determinación de los instrumentosmatemáticos y no matemáticos (e.g. procedí-mentales) para la decisión respondiendo al es-tilo cognitivo del usuario.

58 Ingeniarla e Investigación

El nivel tecnológico, es la variable que está aso-ciado con la productividad esperada del SIG,que involucran las herramientas para el análisisdecisional e informacional, el propio estilo ge-rencial como una función tanto del estilo cogni-tivo y el enfoque filosófico del usuario, la interfazusuario-SIIG, incluyendo la inteligencia en labase de datos y la comunicación en lenguajenatural, la cultura organizacional e informáticade la institución y en general los recursos em-presariales, lógicos y materiales.

Elplan de usuario: asociado con planes norma-tivos (generación de un plan a partir de una ba-se de planes identificados y modelos) y planespositivos (reconocimiento de planes del usua-rio). Aquí se pueden incluir los planes de contin-gencia.

La variable t, implica el horizonte de planeaciónen el tiempo, el mismo ciclo de vida del sistemade información o la misma dinamicidad de lasvariables del sistema.

El esquema del SIIG podría representarse tam-bién por un conjunto de ecuaciones simultá-neas dadas las múltiples inter e intra-relacionesdel SI. De todas maneras el esquema descritoanteriormente señala de por sí, un desempeñomucho más rico y fértil para atender las deman-das de la dirección empresarial y un constituyesistema que tiende a adaptarse a las condicio-nes individuales de un ejecutivo-usuario y enque el computador deja de ser un simple depó-sito de datos y calculadora para convertirse, nosolo en un asistente experto cumpliendo un rolmucho más novedoso e interesante, sino un es-pacio problematizador-solucionador de proble-mas de la empresa abandonando las finali-dades de las primeras generaciones Le que secentraron en los "problemas de oficinistas yem-pleados" y haciendo negación de los verdade-ras misiones, objetivos y problemas de unainstitución.

QUINCE AÑOS DE INGENIERíA DE SISTEMAS

La implementación

Existen en la arena de la Ingeniería de Softwarey de la Inteligencia Artificial, numerosos instru-mentos teóricos y prácticos para la construcciónrápida de los SIG muchos de los cuales no seconocen en el país.

El esfuerzo lo hemos abordado desde la ópticade nuestro Proyecto EIDOS en el Departamentode Ingeniería de Sistemas de la Universidad Na-cional de Colombia, donde estamos empeña-.dos en construir el prototipo UN-SEEGSI, cuyaarquitectura simplificada se presenta en la Fi-gura 2. A este efecto hemos dirigido la construc-ción de varios prototipos de diferentes compo-nentes de UN-SEEGSI los cuales se han refe-renciado anteriormente y hemos avanzado am-pliamente en su conceptualización.

- Ante todo está el empleo de las herramien-tas CASE cuyo empleo es prácticamente in-dispensable en el proceso de Re-Ingeniería(Pérez y Medina, op. cit.). Dentro del Pro-yecto EIDOS contamos con IDMS-ARCHI-TECT para el análisis y diseño de sistemasde información y el ADW/PWS de Knowled-geWare para la planeación estratégica deun SIG.

- Entre los lenguajes de V Generación conta-mos con UN-PROLOG con todos sus exten-siones y en especial su característica detransportabilidad y poder expresivo.

- Hay varios Shells para trabajar las capas deconocimientos. Uno de ellos es NEXPERTOBJECT, herramienta de Ingeniería de cono-cimientos adquirida para el Proyecto EIDOS.

Existen todavía algunas barreras que dificultanel proceso de implementación. Valga anotarque en Colombia el mercado de tecnologfas delconocimiento y de la inteligencia es demasiadoincipiente y muchos distribuidores de softwareconsideran que dicho mercado es costoso, conpoca o nula demanda y por consiguiente de alto

riesgo, dándose a translucir que no existe uninterés mínimo a este respecto.

Los nuevos paradigmas de la Re-Ingenierfa yRetroingenierfa de Software con el apoyo deherramientas CASE, no han sido entendidas enColombia como posibilidades para innovar losSIG.

Los usuarios en Colombia parecen sentirse sa-tisfechos con el apoyo administrativo y opera-cional de su SI de 3a. y 4a. Generación y muypocos creen en la posibilidad del SIIG como unespacio para la solución de problemas de la em-presa.

Conclusiones

Nuestro planteamiento, centrado en la innova-ción y re-creación mediatizada por la re-inge-niería, ha sido fruto de un intenso trabajo devarios años, en especial por la posibilitación deconocimiento que se ha dado en el espacio denuestro Proyecto EIDOS dentro de una perspec-tiva de doble uso: en el terreno profesional ypara su su empleo en educación haciendo utili-zación intensa de herramientas CASE y de ins-trumentos de ingeniería de conocimientospotenciada pro quehacer diario desde nuestracátedra universitaria.

Aquí hemos descrito someramente los esfuer-zos de investigación hacia la construcción deUN-SEEGSI, una de las metas del Proyecto EI-DOS, lo cual ha mediado la construcción de unnúmero importante de prototipos de trabajo ref-erenciados oportunamente. Aquí se recontex-tualiza no solo los aspectos metodológicos delos SI sino el concepto de "federación" de sub-sistemas de información que introdujo G. Davisy M. Olshon (op. cit.) como un sistema abiertode cooperación de subsistemas expertos en losque el procesamiento cooperativo para la solu-ción de problemas de la empresa (33), alcanzaun verdadero sentido, dado que por lo generalun problema, no es exclusivo de una sola sec-ción de una empresa.



Lo anterior es otro tema de investigación queamerita un tratamiento especial: inteligencia ar-tificial distribuida y cooperación inteligente en elSIIG para la solución de problemas. La produc-ción de estos subsistemas se apoya con UN-PROLOG-Shell y además se emplean herra-mientas CASE para la construcción rápida deSIG's. A este efecto hemos trabajado (34) en eldiseño de una metodología que funcione, parala construcción rápida de prototipos y desarrollo


de SIG e[1 forma eficiente y oportuna, lo cualestá facilitando la estandarización de diferentessubproyectos alrededor de UN-SEEGSI.

Finalmente hemos enfatizado sobre el uso yaplicación de la lA y de la Ingeniería de softwareen investigación sobre nuevas arquitecturas deSIIG. Esperamos con optimismo presentar a lacomunidad estos resultados en el corto plazo.


BIBllOGRAFIA

1. HENDLER, James. "Al in the twenty first Cen-tury", IEEE EXPERT: Intelligent, Systems andAplications. Doc., 1993.

2. SHANK, Roger. "¿Where is the Al?". Al Maga-zine. AAAI Doc., 1993.

3. MUKANATA, Toshimon. "Practical Al: Where it'sbeen and where is now", Cleveland State Uni-versity. IEEE EXPERT: Intelligent Systems andtheir Applications. Febrero 1993.

4. LOWRY, Michael. "Software Engineering in theTwenty Century". Al Magazine. The AAAI Fall,1992.

5. DAVIS, Bordon y M. Olshon (1986). Sistemasde Información Gerencial. Ed. McGraw-HiIIlati-noamericana, traducción al español por AlfonsoPérez Gama.

6. ARNOLD, R. Software Reengineering. IEEEPublicatons, 1933.

7. "Systems Re-Engineering: a critical perspecti-ve" in CASE Trends, julio-agosto, 1990.

8. Una completa descripción del modelo metodo-lógico de Bachman se encuentra presentada ensu artículo titulado "A personal chronicle: Crea-tirig Better Information Bystems, with Some Bui-ding Principies", publicado en la revista IEEETransactions on Knowledge and Data Enginee-ringo Vol. 1, No. 1 de marzo de 1989.

9. BLANNING, R. & D. King. Current Research inDecision Support Technology, IEEE ComputerSociety, 1993.

10. BLANNING, R. D. King. "Introduction to Growthof Decision Support Technology" in Current Re-search in Decision Support Technology, IEEEComputer Society Press, pp. 1-8.

11. SOLER, Carlos Eduardo. "Razonamiento Deci-sional". Tesis en Publicación -Proyecto EI-DOS-, Universidad Nacional, 1993.

12. CARDONA, Germán y DIAZ, Claudia. UN-AD-Tutor Prototipo de un sistema tutoríal inteligentepara la Abstracción de Datos y Objetos. Dpto.Ing. Sistemas -Proyecto EIDOS-, UniversidadNacional, 1992 Tesis.

13. HUBER, G. P.: "Cognitive style as a basis forMIB and Decision Support designs: Much ADOAbout nothing? Management Science, August,1983.

14. "Exploring Active Decision Support: The JANUSProject", S. A. Raghavan y D. R. Chand. BentleyCollege, Waltham Mass in Current Research inDecision Support Technology, R. W. Blanning &D. R. King IEEE Computer Society Press, 1992,pp. 134-136.

15. Véase el No. 1 del Vol. 2 de IEEE Knowledgeand Data Engineering, March 1990, el cual estádedicado a la nueva generación de Bases deDatos, presentando diferentes prototipos, ISBN1041-4347.

16. GOMEZ, César. UN-BID prtotipo de una BaseInteligente de Datos, Tesis Universidad Nacio-nal, Departamento de Ingeniería de Sistemas-Proyecto EIDOS-, Santafé de Bogotá, 1992.

17. PIATESKY-SHAPIRO, Breg and William J,Frawley edts. Knowledge discovery in Databa-ses, AMI and MIT Press, 1992.

18. LOPEZ, Fernando (1991). UN-AudiExp Un Sis-tema inteligente para Auditoría de Sistemas. Te-sis Depto. de Ingeniería de Sistemas -ProyectoEIDOS-, Universidad Nacional de Colombia,Bogotá.

19. ALVARADO, Javier y MANJARRES, Carlos. In-geniería de Conocimientos en Auditoría de Sis-temas: Prototipo UN-AudiBC, de una Base deConocimientos. Tesis Depto. Ingeniería de Sis-temas -Proyecto EIDOS-, Universidad Nacio-nal,1993.

Ingenierfae Investigación 61


20. RINCON, Pedro. Planes de Contingencia: UN-AudiPlan. Depto. Ing. de Sistemas -ProyectoEIDOS-, Universidad Nacional, 1993.

21. DIOSSA, Henry. UN-Fistutor: Prototipo de TutorExperto para el Aprendizaje de Cinemática Uni-dimensional. Tesis, Depto. de Ingeniería de Sis-temas -Proyecto EIDOS-, UniversidadNacional, 1992.

22. RICH, Elaine. User are individuals: Individuali-zing User Models, in IJJMMS, 1983, Vol. 18.

23. AMMAR, R. A. YT. L. BOOTH (1988). "Softwareoptimization Using Users Models", en IEEESystems, Man and Cybernetics, vol. 18, No. 4,JulY/August, 1989.

24. BRAJNIK, B. Y B. GUIDA, Y C. TASSI (1990)."User Modeling in Export Man Machine Interfa-ces: A Case study in Intelligent Information Re-trievel", en IEEE Systems, Man andCybernetics, Vol. 18, No. 4, JulY/August, 1989.

25. PEREZ GAMA, Alfonso. "Modelos oornputaclo-nales para el desarrollo de la Inteligencia". Ex-pociencia 91. Programa Académico:Informática Inteligente. Nov. 1991, Santafé deBogotá. En publicación Asociación Colombianapara el Avance de la Ciencia -ACAC-.

26. FISKEL, Joseph and FREDERICK, Hayes-Roth: "Knowledge Systems ofr Planning Sup-port".IEEE Expert: IntelligentSystemsandtheirapplications, Fall, 1989.

27. Véase Memorias de la IV Reunión de RIBIE enPorto Alegre, 1991 .


28. BILLMORE, D. J., SELF (1988). "The Applica-tion of Machine Learning to ITS" en Al and Hu-man Learning, Edit. J. Self. Chapman & HallComputing, London.

29. PEREZ GAMA, Alfonso (1984). "La Microcom-putación Educativa como Ayuda al Aprendizaje"en Informática y Educación. Ed. A. Roquez, CE-PE-UNESCO. Urna, Perú.

,30. DORFMAN, Raúl (1983). Del Jardín de infantesa los Sistemas de Información. Memorias Semi-nario-Taller, Universidad Nacional de Colombia,Bogotá.

31. PEREZ, Alfonso y MEDINA, Víctor Hugo. Dise-ño de Sistemas y Re-Ingeniería con el apoyo delcomputador: Herramientas CASE, 2a. Edición,Depto. Ing. Sistemas Universidad Nacional,1993.

32. ROZO, Giovanni. Sistema Instruccional sobreResolución General de Problemas. Tesis De-partamento de Psicología y Depto. de Ingenieríade Sistemas -Proyecto EIDOS-, UniversidadNacional, 1993. En publicación.

33. DAVIS, R. (1985). "Problem Solution with Ex-port Systems". Proceedings of the Texas Instru-ment Artificiallntelligence Symposium, Dalias,TX, USA.

34. TELLEZ, Alfonso. UN-Metod SIG: Metodologíapara el desarrollo rápido de Sistemas de Infor-mación Gerencial en ambiente CASE. Depto.Ingeniería de Sistemas -Proyecto EIDOS-,Universidad Nacional, 1993.

un-seegsi: un sistema inteligente deinformacion … · mapa conceptual o gerencial cognitivo, el...

Documents