PAQUETE DE HERRAMIENTAS PARA LA AYUDA EN LA TOMA DE DECISIONES Y EL DESARROLLO DE SISTEMAS INTELIGENTES Pedro Y. Piñero, Dalgis R. López, Marieta Peña, Eduardo García, Alfredo Morales, Raykenler Yzquierdo, Rene Lazo, Geykel R. Moreno, Kiosmy Almenares, Rubén de León Becerra, Yasmany Molina

RESUMEN El trabajo que se presenta constituye una plataforma compuesta por diferentes paquetes y programas basados en técnicas de inteligencia artificial. Los objetivos fundamentales del trabajo fueron: el desarrollo de paquetes y bibliotecas de componentes básicas basadas en técnicas de Inteligencia artificial que permiten el desarrollo rápido de aplicaciones con un alto valor agregado, el desarrollo de aplicaciones en la medicina, la ingeniería y otros sectores utilizando las herramientas desarrolladas y el uso de la plataforma con fines docentes. La plataforma se presenta dividida en varias secciones cada una correspondiente a diferentes áreas de aplicación. Contiene un conjunto de paquetes y bibliotecas básicas para el desarrollo rápido de aplicaciones inteligentes en la resolución de problemas de optimización y un conjunto de herramientas con aplicaciones potenciales en la industria. Se presentan varios productos con aplicaciones en la salud, sistemas para la ayuda a la toma de decisiones en el diagnóstico médico y el seguimiento de pacientes. Un conjunto de herramientas desarrolladas para la enseñanza en diferentes niveles educacionales y un paquete de programas de estudio para la enseñanza de técnicas de inteligencia artificial y reconocimiento de patrones en la especialidad de informática. Finalmente se presentan herramientas inteligentes con aplicaciones en la ingeniería de software y la gestión de proyectos informáticos. Adicionalmente se presentan los resultados teóricos que constituyen la base de las herramientas desarrolladas bien fundamentados y validados a partir de su comparación con bases de datos internacionales y otros sistemas mostrando la aplicabilidad y las potencialidades de la plataforma. Palabras clave: toma de decisiones, inteligencia artificial

ABSTRACT This work presents a software platform composed by two principal packages and programs based on artificial intelligence techniques. The first packages consist on libraries of basic components and algorithms based on artificial intelligence techniques, that are allow the fast development of intelligence applications. The second one has to do with the applications in the medicine, engineering, education and other areas. These applications had been develop using de first packages contents. Additionally we present some theoretical results and comparisons using international machine learning repository. These results show the applicability and the potentialities of the platform in different areas such as medical diagnostic, resolution of optimization problems for the industry and making decision. Keywords: making decision, artificial intelligence INTRODUCCIÓN Una de las áreas que puede tener mayor incidencia en los procesos productivos de la industria nivel mundial, es el diseño de sistemas de soporte para la toma de decisiones basados en la optimización de los parámetros de operación del sistema. En este sentido nuevos paquetes de software, tales como OptQuest (Optimal Technologies), SIMRUNNER (Promodel Corporation), los sistemas de aprendizaje y clasificación desarrollados por Quinlan

1

(Quinlan 1993; Quinlan 1993; Quinlan 2002) y los sistemas desarrollados por Detlef Nauck y su equipo (Nauck 1995; Kruse 1997; Klose 2003), han salido al mercado. De esta misma forma es creciente la aplicación de estas técnicas en el desarrollo de software para salud y la enseñanza. Se presentan en ambos casos con notable influencia los sistemas para la ayuda a la toma de decisiones que permiten el trabajo personalizado en cada caso. Sin embargo, a juicio de los autores la mayoría de las arquitecturas propuestas hasta el momento, carecen de un factor de integración fundamental. Generalmente todos están enfocados en áreas muy específicas y no llegan a presentarse como plataformas más integrales. En este trabajo se presenta una plataforma formada por varias secciones cada una correspondiente a diferentes áreas de aplicación. Se presentan un conjunto de paquetes y bibliotecas básicas para el desarrollo rápido de aplicaciones inteligentes en la resolución de problemas de optimización; con aplicaciones potenciales en la industria. Se presentan varios productos con aplicaciones en la salud, sistemas para la ayuda a la toma de decisiones en el diagnóstico médico y el seguimiento de pacientes. Se presentan herramientas desarrolladas para la enseñanza en diferentes niveles educacionales y un paquete de programas de estudio para la enseñanza de técnicas de inteligencia artificial y reconocimiento de patrones en la especialidad de informática. Se presenta la comparación de los algoritmos con bases de datos internacionales y otros sistemas mostrando la aplicabilidad y las potencialidades de la plataforma. El paquete de herramientas se distribuye en forma de un CD por el volumen de herramientas y aplicaciones que suministra. HERRAMIENTAS PARA LA OPTIMIZACIÓN La primera sección contiene un conjunto de paquetes y bibliotecas básicas para el desarrollo rápido de aplicaciones inteligentes en la resolución de problemas de optimización y las siguientes herramientas: o

La bibliotecas de componentes COM y DCOM para el trabajo con algoritmos evolutivos GACOM versión 2.0 y UtilitiesCOM versión 1.0.

o

El paquete de componentes EasySimulation versión 2.0 para el desarrollo de sistemas para la simulación de sistemas discretos.

o

El sistema GASMIX versión 1.0 para el diseño de experimentos con mezclas.

o

El sistema GAS versión 2.0 para la modelación de algoritmos genéticos

Estas bibliotecas de componentes se utilizan fundamentalmente en la enseñanza de las técnicas de inteligencia artificial específicamente de simulación, algoritmos genéticos y lógica borrosa en la Universidad Central “Marta Abreu” de las Villas, específicamente en la especialidad de Ciencias de la Computación, Constituye una importante material complementario en la formación de especialistas con conocimientos en técnicas avanzadas de computación. Como lo muestran los avales que se encuentran adjuntos al trabajo. Tienen una extraordinaria importancia porque permiten el desarrollo rápido de aplicaciones con un alto valor agregado disminuyendo considerablemente el tiempo y el costo de estos sistemas. No es conveniente comercializarlos sino utilizarlos en el desarrollo rápido de aplicaciones comerciables. 2

APLICACIONES PARA LA SALUD

En esta sección se presentan varios productos con aplicaciones en la salud, sistemas para la ayuda a la toma de decisiones en el diagnóstico médico y el seguimiento de pacientes. La primera parte de la plataforma contiene paquetes y bibliotecas básicas para el desarrollo rápido de aplicaciones inteligentes. Se presentan en esta parte las herramientas siguientes: o El paquete de componentes FuzzyPack versión 1.0 para el desarrollo de sistemas clasificadores del tipo Sugeno Grado cero basados en la lógica borrosa. o El Sistema Inteligente para la Clasificación de Etapas del Sueño, SICES versión 1.0 o El sistema MLCLASSIF versión 1.0 para la ayuda a la toma de decisiones y la clasificación basado en la lógica borrosa. APLICACIONES PARA LA ENSEÑANZA

Podemos señalar que la enseñanza es una actividad sumamente compleja, el problema radical de la enseñanza es acoplar la mente del alumno a la materia objeto de aprendizaje. Esto implica una enseñanza individualizada de forma que, dada una materia a enseñar, lo ideal es encontrar para cada individuo el transformador adecuado a su nivel de entendimiento y formación. En este sentido, el uso de la computadora en sus diversas modalidades ofrecen, sobre otros métodos de enseñanza, ventajas tales como: 1. Participación activa del alumno en la construcción de su propio aprendizaje logrando captar su atención y contribuyendo a elevar su memoria visual 2. Posibilidad de dar una atención individual al estudiante, las explicaciones, preguntas, correcciones y la evaluación se hacen de modo inmediato, con lo que la efectividad pedagógica se acentúa, al individualizarse el trabajo y permitiendo a cada alumno trabajar a su propio ritmo. 3. Posibilidad de crear micromundos que le permiten explorar y conjeturar. 4. Control del tiempo y secuencia del aprendizaje por el alumno. 5. Retroalimentación inmediata y efectiva, a través de la cual el alumno puede aprender de sus errores. CONCLUSIONES En general la plataforma inteligente para la ayuda a la toma de decisiones es un producto compuesto por dos grandes partes donde se incluyen herramientas básicas para el desarrollo rápido de sistemas y un conjunto de sistemas de ayuda a la toma de decisiones y el diagnostico con aplicación en la medicina, la ingeniería y la educación. La plataforma tiene un importante impacto social por la cantidad de ramas relacionadas con la población y la amplia gama de lugares donde ha sido usada como muestran los avales. En general la plataforma puede ser utilizada en: o

La toma de decisiones en problemas relacionados con la salud humana. Tales como el análisis de factores de riesgos en enfermedades cardiovasculares y el estudio del sueño. Contribuyendo a mejorar la atención primaria y especializada y contribuyendo en cierto grado en la reducción de muertes.

3

o

Puede ser utilizado en la producción de medicamentos y otras mezclas de sustancias de relevante importancia para la salud y la economía cubana.

o

La enseñanza de niños con necesidades especiales.

o

La formación de profesionales con conocimientos avanzados determinados temas de la medicina y la computación.

La plataforma la componen varios módulos que pueden ser usados en conjunto o de forma independiente logrando una alta interoperativilidad, y flexibilidad de la plataforma. Los módulos que la componen son: o

La bibliotecas de componentes COM y DCOM para el trabajo con algoritmos evolutivos GACOM versión 2.0 y UtilitiesCOM versión 1.0.

o

El paquete de componentes EasySimulation versión 2.0 para el desarrollo de sistemas para la simulación de sistemas discretos.

o

El paquete de componentes FuzzyPack versión 1.0 para el desarrollo de sistemas clasificadores del tipo Sugeno Grado cero basados en la lógica borrosa.

o

El sistema GAS versión 2.0 para la modelación de algoritmos genéticos

o

El sistema MLCLASSIF versión 1.0 para la ayuda a la toma de decisiones y la clasificación basado en la lógica borrosa.

o

El Sistema Inteligente para la Clasificación de Etapas del Sueño, SICES versión 1.0

o

El sistema GASMIX versión 1.0 para el diseño de experimentos con mezclas.

Podemos concluir que la plataforma en su conjunto es un producto que puede contribuir al desarrollo de nuestro país. REFERENCIAS Del Pino, U., D. Gálvez, et al. (2002). "Analysis of Mixture Experiments Using Genetic Algorithms." The Mathematic Preprints Server: 18. Kruse, D. N. a. R. (1997). Function Approximation by NEFPROX. In Proc. Second European Workshop on Fuzzy Decision Analysis and Neural

Networks for Management, Planning, and Optimization

(EFDAN'97). Dortmund: 160-169. Klose, A. A. (2003). Partially Supervised Learning of Fuzzy Classification Rules. Facultat fur Informatik. Magdeburg, Otto-von-Guericke: 180. Quinlan, J. (1993). C4.5: Programs for Machine Learning. San Mateo, Morgan Kaufman. Quinlan, J. R. (1993). Programs for Machine Learning. San Mateo. Quinlan, J. R. (2002). See5/C5.0, www.rulequest.com. Piñero, P., L. Arco, et al. (2003d). Two New Criteria for Feature Selecction in Pattern Recognition. Berlin, Springer-Verlag. Piñero, P., L. Hernández, Rolando A., et al. (2006). Un Modelo de Internalización de las Investigaciones en la Producción, Universidad de las Ciencias Informáticas: 9. Gutiérrez, L. (2002). Sistema inteligente para la clasificación automatizada de etapas de sueño. Departamento de computación. Santa Clara, Universidad Central "Marta Abreu" de las Villas: 94.

4

Nauck, D. K., Rudolf. (1995). NEFCLASS - A Neuro-Fuzzy Approach for the Classification of Data. Proceedings of the ACM Symposium on Applied Computing, Nashville. AUTORES Facultad 3, Grupo de Inteligencia Artificial Aplicada Pedro Y. Piñero: Licenciado en Ciencias de la Computación, Doctor en Ciencias Técnicas, Asistente, [email protected] Dalgis R. López Góngora: Estudiante Ingeniería Informática, 5to año, [email protected] Marieta Peña Abreu: Estudiante Ingeniería Informática, 3to año [email protected] Eduardo García Hernández: Estudiante Ingeniería Informática, 4to año [email protected] Alfredo Morales Oliva: Ingeniero Informática, Instructor [email protected] Raykenler Yzquierdo Herrera: Estudiante Ingeniería Informática, 5to año [email protected] Rene Lazo Ochoa: Estudiante Ingeniería Informática, 5to año [email protected] Geykel R. Moreno Ceballos: Ingeniero Informática, Instructor [email protected] Kiosmy Almenares Herrera: Estudiante Ingeniería Informática, 5to año [email protected] Rubén de León Becerra: Estudiante Ingeniería Informática, 5to año [email protected] Yasmany Molina Díaz: Estudiante Ingeniería Informática, 5to año [email protected]

5