1.1.2 PROCESO DE ADQUISICIÓN DEL CONOCIMIENTO.
El proceso de adquisición del conocimiento es el modelo por el cual el ser humano aprende y desarrolla su inteligencia.
Un proceso de construcción del conocimiento necesario para desarrollarnos como personas y adquirir herramientas que nos permitan hacer frente a los desafíos de nuestra sociedad.
Fases en la adquisición del conocimiento.
La adquisición de conocimientos no es una tarea fácil y es por ello que se han identificado varias etapas por las se transita antes de poder considerar que un conocimiento se ha consolidado como tal.
Se han descrito hasta 5 fases necesarias. Son las siguientes.
1. Identificación.
En esta fase de la adquisición del conocimiento se ha de determinar, en primer lugar, si el problema que se nos presenta puede resolverse o no mediante sistemas basados en conocimientos; es decir, no debe ser un problema resoluble a partir de la aplicación de algoritmos.
Además, se ha de tener acceso a las fuentes de conocimiento suficientes para completar la tarea (expertos, bibliografía especializada, etc.). Y el problema ha de tener un tamaño adecuado, que no sea imposible de abordar por su complejidad.
2. Conceptualización.
En esta fase se deben detallar los elementos básicos del problema y descubrir las relaciones entre ellos. Se trata asimismo de descomponer el problema en subproblemas para facilitar su comprensión y resolución.
Otro elemento necesario en esta fase es descubrir el flujo del razonamiento en la resolución del problema y especificar cuándo y cómo son necesarios los elementos de conocimiento. El objetivo final es comprender el problema y clasificar sus elementos.
3. Formalización.
En esta fase de la adquisición del conocimiento, el objetivo es considerar distintos esquemas de razonamiento que se puedan emplear para modelizar las diferentes necesidades de resolución de problemas identificados.
Se ha de comprender la naturaleza del espacio de búsqueda y el tipo de búsqueda a realizar, mediante comparaciones con diferentes mecanismos prototípicos de resolución de problemas (clasificación, abstracción de datos, razonamiento temporal, etc.)
Debe analizarse la certidumbre y completitud de la información disponible, así como su fiabilidad o la coherencia de la información. El objetivo es desarrollar un modelo formal del problema con el que el sistema experto pueda razonar
4. Implementación.
En la fase de implementación, hay que seleccionar o definir los algoritmos más adecuados para la resolución de problemas y las estructuras de datos para la representación del conocimiento. Se trata de descubrir problemas e incompletitudes que obligarán a revisar alguna de las fases anteriores.
5. Prueba.
En esta última fase de prueba, se ha de elegir un conjunto de casos resueltos representativos y comprobar el funcionamiento del sistema. En esta fase se destapan los errores que permitirán corregir análisis anteriores.
Por lo general, aparecerán problemas por falta de reglas, incompletitud, falta de corrección, y posibles errores en el análisis de las reglas preestablecidas.
Comentarios
Publicar un comentario