Instituto Tecnológico de Tlalnepantla (ITTLA)

Carrera: Ingeniería en Tecnologías de la

Información y Comunicación

Especialidad: Ingeniería de Software

Asignatura: Ingeniería del Conocimiento

Docente: Duarte Hernández Ezequiel Alejandro

Grupo: T-81

Integrantes:

Romero Flores Smallael Ian N.º 20250084

Romero Alvarado Edgar N.º 20250085

Cruz Cruz Juan Manuel N.º 20250065

Agosto – Diciembre 2023

TLALNEPANTLA DE BAZ, EDO. DE MÉXICO.

Desarrollo de la Unidad I
Introducción a la ingeniería del conocimiento 1

Antecedentes 2

Diferencia entre dato, información y conocimiento 3

Análisis y representación del conocimiento 4

La ingeniería del conocimiento y sus aplicaciones 5

Conclusión6

Bibliografía…………………………………………………………………………7
Introducción.

En la actual era de la información y la digitalización, el conocimiento se ha convertido en

uno de los recursos más valiosos. La capacidad de recopilar, procesar y utilizar el
conocimiento de manera efectiva es esencial tanto en el ámbito profesional como en la vida
cotidiana. La Ingeniería del Conocimiento es la disciplina que se encarga de aprovechar
este recurso de manera sistemática y eficiente para resolver problemas, tomar decisiones
informadas y desarrollar sistemas inteligentes.

La Unidad I de nuestro curso, titulada "Introducción a la Ingeniería del Conocimiento", nos

sumergirá en este apasionante campo. Durante esta unidad, exploraremos los conceptos
fundamentales que subyacen en la Ingeniería del Conocimiento, así como su evolución
histórica y sus aplicaciones prácticas en diversos sectores.

A lo largo de los próximos capítulos, analizaremos desde los antecedentes históricos que
dieron origen a esta disciplina hasta la diferencia esencial entre datos, información y
conocimiento. Exploraremos técnicas esenciales para analizar y representar el
conocimiento, y examinaremos cómo la Ingeniería del Conocimiento se ha convertido en
una herramienta esencial en campos tan diversos como la medicina, la industria, la
investigación y la toma de decisiones estratégicas.

Esta unidad nos proporcionará los cimientos necesarios para comprender cómo la
Ingeniería del Conocimiento puede contribuir al avance de la ciencia y la tecnología, así
como a la mejora de la eficiencia en diversas áreas de la vida moderna. A medida que
avancemos en el curso, descubriremos cómo convertir datos en conocimiento y, finalmente,
en soluciones innovadoras que impulsan el progreso en nuestro mundo cada vez más
complejo y digitalizado.
1) Introducción a la Ingeniería del Conocimiento

La Ingeniería del Conocimiento es una disciplina interdisciplinaria que se encuentra en la

intersección de la inteligencia artificial, la ciencia de la computación y la gestión del
conocimiento. Se enfoca en la creación, captura, organización, representación,
almacenamiento, recuperación y aplicación del conocimiento en sistemas informáticos para
resolver problemas complejos y tomar decisiones informadas.

Definición de Ingeniería del Conocimiento

La definición de Ingeniería del Conocimiento según la Universidad Nacional Autónoma de

México (UNAM) es la siguiente: “La Ingeniería del Conocimiento se define como una
disciplina que permite construir sistemas expertos (SE), mediante procesos fundamentales
como son: adquisición del conocimiento, representación del conocimiento, validación del
conocimiento, inferencia del conocimiento, explicación y justificación”.

En otras palabras, se trata de convertir el conocimiento humano en un recurso accesible y

utilizable a través de sistemas computacionales.
Objetivos y alcance

Los objetivos de la Ingeniería del Conocimiento son diversos y abarcan desde la resolución
de problemas complejos hasta la toma de decisiones en situaciones ambiguas. Algunos de
los objetivos clave incluyen:

a. Desarrollar sistemas expertos que puedan tomar decisiones razonadas basadas en el

conocimiento humano.
b. Facilitar la colaboración y la gestión del conocimiento en organizaciones.
c. Impulsar la automatización de tareas cognitivas y la optimización de procesos.
d. Aplicar técnicas de minería de datos y aprendizaje automático para descubrir
patrones y conocimiento oculto en grandes conjuntos de datos.

El alcance de la Ingeniería del Conocimiento es amplio y abarca diversas áreas, desde la

medicina y la ingeniería hasta la gestión empresarial y la educación. Su versatilidad radica
en su capacidad para modelar y representar conocimiento en una variedad de dominios y
utilizarlo para resolver problemas específicos.

Importancia en la era digital

En la era digital actual, el conocimiento es un activo estratégico de gran valor. La

Ingeniería del Conocimiento desempeña un papel crucial al permitir a las organizaciones y
a los individuos aprovechar este recurso de manera efectiva. Facilita la toma de decisiones
más informadas, la mejora de procesos, la automatización de tareas repetitivas y la creación
de sistemas inteligentes que pueden aprender y adaptarse.

Además, en un entorno empresarial altamente competitivo, la capacidad de gestionar y

aplicar el conocimiento de manera eficiente puede marcar la diferencia entre el éxito y el
fracaso. Por lo tanto, la Ingeniería del Conocimiento se ha convertido en un campo esencial
para impulsar la innovación y la eficiencia en una amplia gama de sectores y disciplinas en
la era digital.

2) Evolución Histórica De La Ingeniería Del Conocimiento

La ingeniería del conocimiento se asocia como rama de la Inteligencia Artificial (IA),

debido a que esta “relacionada con la adquisición, representación y el procesamiento del
conocimiento”, estrechamente vinculada con el desarrollo de sistemas de software en donde
el conocimiento y razonamiento tienen un papel fundamental (Sistema Experto -SE).
Según Vázquez (2009), el conocimiento se puede interpretar como la combinación de
esquemas o estructuras de datos y procedimientos interpretativos que confieren algún
comportamiento inteligente y está formado por hechos, conceptos, procedimientos, ideas
abstracciones, reglas y asociaciones utilizadas para modelar el mundo real 1. Rodríguez
(2002) define la Ingeniería del Conocimiento como una disciplina que tiene adquisición,
representación, validación, diferenciación y mantenimiento del conocimiento.

Raíces en la inteligencia artificial

La Ingeniería del Conocimiento encuentra sus raíces en la inteligencia artificial, que se

remonta a mediados del siglo XX. En la década de 1950, investigadores como Alan Turing
y John McCarthy sentaron las bases teóricas para la IA, formulando conceptos como la
máquina de Turing y el lenguaje de programación LISP. McCarthy acuñó el término
"inteligencia artificial" en 1956 en la Conferencia de Dartmouth, que marcó el inicio formal
de la IA como campo de estudio.

Desarrollos clave en la historia

Desde su origen, la IA y la Ingeniería del Conocimiento han experimentado avances

significativos:

 Década de 1950-1960: Se desarrollaron los primeros programas de IA, como el

programa de ajedrez de IBM y el programa de resolución de teoremas de geometría
de McCarthy. Sin embargo, las expectativas iniciales resultaron ser demasiado
optimistas, lo que llevó a un período de desilusión conocido como "invierno de la
IA".
 Década de 1980: Se revitalizó el interés en la IA y la Ingeniería del Conocimiento
gracias a avances en el aprendizaje automático y la lógica difusa. Se crearon
sistemas expertos, que son programas capaces de realizar tareas especializadas con
un alto nivel de conocimiento. Estos sistemas se aplicaron en campos como la
medicina, la ingeniería y la gestión.
  Década de 1990 en adelante: La IA y la Ingeniería del Conocimiento siguieron
evolucionando con la expansión de la capacidad computacional y la disponibilidad
de grandes conjuntos de datos. El aprendizaje automático, en particular, ha
experimentado un auge gracias al aumento en la capacidad de procesamiento y el
desarrollo de algoritmos más avanzados.

Influencia en otras disciplinas

La Ingeniería del Conocimiento no se limita solo a la inteligencia artificial; ha influido en

otras disciplinas de manera significativa. Por ejemplo, la gestión del conocimiento en el
ámbito empresarial se ha beneficiado de las técnicas de adquisición y organización de
conocimiento desarrolladas en la Ingeniería del Conocimiento. Además, la IA ha influido en
la robótica, la visión por computadora y la automatización de procesos en diversas
industrias.

3) Diferencia Entre Dato, Información Y Conocimiento

Clasificar los términos "dato", "información" y "conocimiento" es importante para entender

cómo se relacionan entre sí. Según Davenport y Prusak (1999), un dato es un conjunto
discreto de factores objetivos sobre un hecho real. En el contexto empresarial, se define
como un registro de transacciones. Los datos no tienen significado en sí mismos y no
proporcionan juicios de valor o interpretaciones, por lo que no son orientativos para la
acción.

Por otro lado, la información es un mensaje que tiene un emisor y un receptor. Es capaz de
cambiar la forma en que el receptor percibe algo, impactando sobre sus juicios de valor y
comportamientos. La información es capaz de formar a la persona que la consigue,
proporcionando ciertas diferencias en su interior o exterior.

El conocimiento se deriva de la información, así como la información se deriva de los

datos. El conocimiento puede ser visto como un proceso o como algo acumulado. Para que
la información se convierta en conocimiento, las personas deben hacer prácticamente todo
el trabajo.
Comprender la diferencia entre dato, información y conocimiento es fundamental en la
Ingeniería del Conocimiento, ya que estos conceptos son los pilares sobre los cuales se
construye esta disciplina.

Conceptos fundamentales

Antes de abordar las diferencias, es importante definir estos conceptos de manera

individual:

a. Definición de datos

Los datos son hechos, observaciones o representaciones simbólicas de objetos o eventos.

En su forma más básica, los datos son crudos y carecen de contexto. Por ejemplo, un
número "5" por sí solo es un dato. Los datos pueden ser simples valores numéricos, textos,
imágenes, sonidos o cualquier tipo de información que se pueda capturar.

b. Transformación de datos en información

La información se crea al dar significado y contexto a los datos. La información es un

conjunto de datos organizados y procesados de tal manera que se convierten en algo útil y
comprensible. Por ejemplo, si tenemos el dato "5" y sabemos que se refiere a la temperatura
en grados Celsius, entonces se convierte en información: "5°C". La información
proporciona significado y relevancia.

c. El salto de información a conocimiento

El conocimiento va más allá de la información al agregar contexto, experiencia y

comprensión. Se trata de información que ha sido internalizada y contextualizada por una
persona o sistema. El conocimiento implica la capacidad de utilizar la información de
manera efectiva para resolver problemas, tomar decisiones y generar nuevas ideas. Por
ejemplo, saber cómo interpretar los datos de temperatura para predecir el clima a largo
plazo implica conocimiento meteorológico.

En resumen, la diferencia clave entre estos tres conceptos radica en el grado de

procesamiento y comprensión:

 Dato: Representación cruda o sin procesar de hechos o valores.

  Información: Datos organizados y procesados que tienen significado y contexto.
 Conocimiento: Información que se ha internalizado y contextualizado, permitiendo
su aplicación efectiva en la toma de decisiones y la resolución de problemas.

La Ingeniería del Conocimiento se centra en convertir datos en información y,

posteriormente, en conocimiento utilizable, lo que es esencial para desarrollar sistemas
inteligentes y tomar decisiones informadas en una variedad de campos y disciplinas.

4) Análisis Y Representación Del Conocimiento

En la Ingeniería del Conocimiento, el análisis y la representación del conocimiento son

procesos fundamentales que permiten transformar información en un formato que pueda ser
utilizado por sistemas inteligentes y aplicaciones especializadas. Esta sección se enfoca en
los métodos y técnicas involucrados en este proceso.

Adquisición de conocimiento

La adquisición de conocimiento es el proceso de recopilación y captura del conocimiento

humano o de dominio que se necesita para un sistema o aplicación específica. Esto implica
la extracción de información relevante de expertos humanos, documentos, bases de datos u
otras fuentes. Algunas técnicas comunes de adquisición de conocimiento incluyen
entrevistas con expertos, cuestionarios estructurados, minería de texto y análisis de
documentos.

Organización y clasificación
Una vez que se ha adquirido el conocimiento, es necesario organizarlo y clasificarlo de
manera que sea fácilmente accesible y utilizable. Esto implica la creación de estructuras de
datos y taxonomías que permitan representar la información de manera coherente. La
organización y clasificación también pueden incluir la creación de ontologías, que son
modelos conceptuales que describen las relaciones entre los conceptos dentro de un
dominio específico.

Modelado y representación

El modelado y la representación del conocimiento se refieren a la creación de

representaciones formales y estructuradas del conocimiento adquirido. Esto puede implicar
el uso de lenguajes de representación como RDF (Resource Description Framework) o
OWL (Web Ontology Language) para expresar las relaciones entre conceptos y entidades
en un dominio. Además, se pueden utilizar técnicas de representación gráfica, como
diagramas conceptuales o redes semánticas, para visualizar y comprender mejor las
relaciones y dependencias en el conocimiento.
5) La Ingeniería Del Conocimiento Y Sus Aplicaciones

Aplicaciones prácticas de la Ingeniería del Conocimiento

La Ingeniería del Conocimiento es una disciplina versátil que encuentra aplicaciones en una
amplia gama de campos y sectores. A continuación, se describen algunas de las
aplicaciones prácticas más destacadas:

o Sistemas expertos: Los sistemas expertos son aplicaciones de software diseñadas

para emular la toma de decisiones y el razonamiento de un experto humano en un
dominio específico. Estos sistemas utilizan reglas, lógica y bases de conocimiento
para analizar problemas y proporcionar soluciones. Ejemplos de sistemas expertos
incluyen diagnóstico médico, asesoramiento legal y sistemas de soporte en la toma
de decisiones empresariales. Los sistemas expertos son especialmente útiles cuando
se requiere un alto nivel de conocimiento y experiencia en un campo particular.
o Minería de datos: La minería de datos es el proceso de descubrir patrones, tendencias
y conocimiento oculto en grandes conjuntos de datos. La Ingeniería del
Conocimiento se utiliza en la minería de datos para desarrollar algoritmos y modelos
que pueden analizar y extraer información valiosa de datos brutos. Esto se aplica en
una variedad de sectores, como el marketing (para segmentación de clientes), la
medicina (para descubrir relaciones entre síntomas y enfermedades) y la finanzas
(para la detección de fraudes).
o Aprendizaje automático: El aprendizaje automático (machine learning) es una rama
de la inteligencia artificial que se basa en la capacidad de las máquinas para aprender
y mejorar su rendimiento a partir de la experiencia. La Ingeniería del Conocimiento
se utiliza en el diseño de algoritmos de aprendizaje automático que pueden
entrenarse para realizar tareas específicas, como el reconocimiento de patrones, el
procesamiento de lenguaje natural y la toma de decisiones autónomas. Ejemplos de
aplicaciones incluyen sistemas de recomendación de películas, vehículos autónomos
y chatbots.
o Casos de estudio: Los casos de estudio son ejemplos concretos que ilustran cómo se
aplica la Ingeniería del Conocimiento en situaciones reales. Estos casos muestran
 cómo se adquiere, organiza y utiliza el conocimiento en contextos específicos. Los
casos de estudio pueden abordar problemas complejos en campos como la atención
médica, la gestión de la cadena de suministro, la predicción del clima y la
optimización de procesos industriales. Estudiar casos concretos proporciona una
comprensión más profunda de cómo se utiliza la Ingeniería del Conocimiento en la
resolución de problemas del mundo real.
o Sistemas expertos: sistemas de software que utilizan conocimientos y heurísticas
para resolver problemas complejos en un dominio específico.
o Sistemas de recomendación: sistemas que utilizan técnicas de minería de datos y
aprendizaje automático para recomendar productos o servicios a los usuarios.
o Procesamiento del lenguaje natural: aplicación de la inteligencia artificial para
analizar, comprender y generar lenguaje humano.
o Robótica: uso de la inteligencia artificial para desarrollar robots capaces de realizar
tareas complejas.
o Medicina: aplicación de la inteligencia artificial para el diagnóstico y tratamiento de
enfermedades.
6) Conclusión

En resumen, la Ingeniería del Conocimiento es una disciplina fundamental en la era digital

que se enfoca en adquirir, organizar y aplicar el conocimiento de manera efectiva. A lo
largo de los temas investigados, hemos explorado su evolución desde sus raíces en la
inteligencia artificial hasta su influencia en diversas disciplinas. Hemos comprendido la
diferencia crucial entre datos, información y conocimiento, así como los métodos para
analizar y representar este conocimiento. Además, hemos observado cómo la Ingeniería del
Conocimiento se aplica en sistemas expertos, minería de datos, aprendizaje automático y
casos de estudio, desempeñando un papel esencial en la toma de decisiones, la resolución
de problemas y la innovación en una amplia gama de sectores. La Ingeniería del
Conocimiento se presenta como una herramienta poderosa y versátil que continúa
transformando nuestra forma de abordar la información y el conocimiento en el mundo
actual.
Referencias
Ingeniería de Conocimiento. (s.f.). Capítulo 2. Ingeniería de Conocimiento. En P.
A. Vázquez (Ed.), Inteligencia Artificial (pp. 1-20). Universidad Nacional Autónoma
de México. Recuperado el 13 de septiembre de 2023, de
http://www.ptolomeo.unam.mx/xmlui/bitstream/handle/132.248.52.100/219/A5.pdf?
sequence=5 1
Vázquez, J. A. (2009). Conocimiento. En J. A. Vázquez & J. L. Martínez (Eds.),
Inteligencia artificial: fundamentos, práctica y aplicaciones (pp. 59-80). Pearson
Educación.
Rodríguez, M. A. (2002). Ingeniería del conocimiento. En M. A. Rodríguez & J. L.
Martínez (Eds.), Inteligencia artificial: fundamentos, práctica y aplicaciones (pp. 19-
38). Pearson Educación.
Davenport, T. H., & Prusak, L. (1999). Working knowledge: How organizations
manage what they know. Harvard Business Press.
Rodríguez, M. A. (2002). Ingeniería del conocimiento. En M. A. Rodríguez & J. L.
Martínez (Eds.), Inteligencia artificial: fundamentos, práctica y aplicaciones (pp. 19-
38). Pearson Educación.