Modelos de representación del conocimiento para la identificación taxonómica y aplicaciones

Laburpena

En este trabajo presenta el sistema GREEN, una shell de sistema experto para la identificación biológica, desarrollada para acomodar las necesidades de la Biología Vegetal. Para ello se han aplicado técnicas de representación del conocimiento, modularidad, inferencia y tratamiento de la incertidumbre, sin olvidarnos de la utilización de modelos de representación de conocimientos taxonómico estándar. También presentamos una herramienta para la generación interactiva de claves de identificación, robustas y capaces de reflejar de forma fidedigna el significado biológico del conocimiento taxonómico. INTRODUCCIÓN La identificación taxonómica juega un papel fundamental como punto de partida par a los estudios sobre biodiversidad: ""Puesto que la biodiversidad trata del estudio de la variedad de los seres vivos, el primer paso en el estudio de la biodiversidad es la identificación de los diferentes tipos de organismos presentes en el biotopo que se pretende estudiar [Diederich et.a., 2000]. La identificación botánica tiene características singulares: los testimonios de las investigaciones vegetales recogidas en un determinado lugar no siempre cuentan con el individuo completo, pues las muestras recogidas dependen de la estacionalidad, la edad del individuo, etc. Diederich Diederich et.a., 2000] distingue varios enfoques para abordar este problema. Dentro de las herramientas automatizadas, la más utilizadas es la clave (dicotómica o multientrada), mientras que el número de sistemas que incorporan técnicas de Inteligencia Artificial es pequeño y la mayoría son sistemas expertos. Además, observamos la falta de trabajo multidisciplinar, lo que produce diseños poco adecuados y herramientas de escasa utilización. Los últimos trabajos evidencian que ha captado este problema y una tendencia de cambio. La mayoría las descripciones de taxones están desprovistas de anotaciones (data markup) y son difíciles de tratar desde el punto de vista