TECNOLÓGICO NACIONAL DE MÉXICO

Instituto Tecnológico de la Costa Grande

Modelos de Razonamiento
PRESENTA

MATERIA

Inteligencia Artificial

ASESOR

Noviembre, 2017
 INDICE

1 Introducción……………………………………………………………….3

2 Razonamiento monótono………………….………………………………
4

3 Razonamiento no monótono…………………........................................…
5

4 Diferencias del razonamiento Monótono y no Monótono………………7

5 Conclusión…………………………………………………………………8

6 Referencias………………………………………………………...............8

2
 1. INTRODUCCIÓN

En el presente documento se presentará dos métodos de razonamiento lógico que es el

razonamiento monótono y el razonamiento no-monótono cada una de ellas se basa en evaluar los
hechos y entre ello se abarcan otros tipos de razonamientos para evaluar los hechos por ejemplo de
la lógica proposicional, veremos los ejemplos más claros para entender mejor los conceptos y las
características y como poder entenderlo correctamente.

Existen diversos enfoques para analizar estos patrones y entre ellos está el de las lógicas no
monótonas, el campo del razonamiento no monótono es la derivación de conclusiones dignas a partir
de una base de conocimiento considerada como un conjunto de fórmulas en una lógica conveniente

3
 2. Razonamiento monótono

El razonamiento monótono, es el que utiliza contradicciones para procesar. Elimina un hecho (factor
de conocimiento) obteniendo la contradicción hasta que llega a una conclusión final.

Un razonamiento se llama monótono cuando a lo largo del proceso el conjunto de «cosas sabidas»
es siempre creciente. Pero en la realidad suele ocurrir que, a medida que avanza el proceso de
inferencias, nuevas evidencias o acciones sistema anulan premisas o conclusiones anteriores, y
para formalizar esto se necesita una lógica no monótona.

Un proceso frecuente es el razonamiento por defecto: suponer que algo es verdadero (o falso)
mientras no haya evidencia de lo contrario.

El sistema que razona debe tener en cuenta que la aparición de esa evidencia puede tener un efecto
retroactivo sobre las conclusiones obtenidas anteriormente, para lo que debe incluir un sistema de
mantenimiento de la verdad.

Características:

Una lógica monótona no puede manejar varios tipos de razonamiento como el razonamiento por
defecto, el razonamiento abductivo.

Un razonamiento se llama monótono cuando a lo largo del proceso el conjunto de «cosas sabidas»
es siempre creciente. Pero en la realidad suele ocurrir que, a medida que avanza el proceso de
inferencias, nuevas evidencias o acciones del mismo sistema anulan premisas o conclusiones
anteriores.

Aplicaciones:

El razonamiento monótono se puede aplicar de la siguiente manera:

“Cuando se ve a una persona tirando basura en la calle y pensamos en lo mal que se ve, la
criticamos, pero cuando realizamos el mismo acto sin pensar, caemos en una contradicción y
concluimos que somos igual a la persona que estaba tirando basura en la calle”.

A veces se escriben las premisas pensando más en el proceso que en su semántica declarativa. Es
necesario asegurarse de que el proceso será exactamente el que estamos pensando.

4
 3. Razonamiento no monótono

El razonamiento no monótono es una forma de razonamiento que contrasta con el razonamiento

deductivo estándar. La mayoría de los sistemas lógicos tienen una relación de consecuencia
monótona, lo que quiere decir que el agregar una fórmula a una teoría nunca se produce una
reducción de su conjunto de consecuencias. Intuitivamente, la mono tonicidad indica que el agregar
nuevos conocimientos no se reduce el conjunto de las cosas conocidas.

Simbólicamente:

Donde A es una fórmula cualquiera y à y Ä son conjuntos de fórmulas cualesquiera.

Una lógica monótona no puede manejar varios tipos de razonamiento tales como el razonamiento por
defecto (los hechos pueden ser conocidos únicamente por la carencia de evidencia de lo contrario), el
razonamiento abductivo (los hechos sólo se deducen en calidad de explicaciones probables), el
razonamiento acerca del conocimiento (la ignorancia de un hecho debe ser retractada cuando el
hecho sea conocido), y la revisión de creencias (nuevo conocimiento puede contradecir creencias
anteriores, obligando a revisarlas). Estas limitaciones son un inconveniente en gran cantidad de
problemas que se presentan en inteligencia artificial, que tienen un carácter no monótono.

Un razonamiento se llama monótono cuando a lo largo del proceso el conjunto de «cosas sabidas»
es siempre creciente. Pero en la realidad suele ocurrir que, a medida que avanza el proceso de
inferencias, nuevas evidencias o acciones del mismo sistema anulan premisas o conclusiones
anteriores, y para formalizar esto se necesita una lógica no monótona. Un proceso frecuente es el
razonamiento por defecto: suponer que algo es verdadero (o falso) mientras no haya evidencia de lo
contrario. El sistema que razona debe tener en cuenta que la aparición de esa evidencia puede tener
un efecto retroactivo sobre las conclusiones obtenidas anteriormente, para lo que debe incluir un
sistema de mantenimiento de la verdad.

5
Dentro de la IA, el estudio del razonamiento no monótono y sus aplicaciones, son sinónimos de
estudios y técnicas formales de razonamiento por default, esto quiere decir, que para poder formalizar
los procesos de omitir conclusiones que son razonables, al tener ausencia de información o lo
contrario, que los hechos conocidos no son estrictamente garantizables como ciertos.

Existen sistemas de razonamiento (Monótono y no Monótono), los cuales son utilizados para inferir
conclusiones a partir de una información dada, y son representados por medio de programas lógicos,
pero ellos no se servirían, si no existiera algún método que nos permitiera inferir lo que es cierto y lo
que es falso, dicho de otra forma, su semántica. Dentro del razonamiento no monótono se encuentra
la completitud de Clark.

La inteligencia artificial se interesó desde sus comienzos por desarrollar teorías acerca del
comportamiento de agentes que deben extraer conclusiones a partir de información dada. Dicho
artefacto debe poseer varias formas de conocimiento y creencias acerca de su mundo, y debe usar
esa información ulterior acerca de aquel mundo con el fin de tomar decisiones, planificar y realizar
acciones, responder a otros agentes, etc. El problema técnico para la es caracterizar los patrones de
razonamientos que requiere semejante artefacto inteligente y realizarlos computacionalmente.

Existen diversos enfoques para analizar estos patrones y entre ellos está el de las lógicas no
monótonas, el campo del razonamiento no monótono es la derivación de conclusiones dignas (pero
no infalibles) a partir de una base de conocimiento considerada como un conjunto de fórmulas en una
lógica conveniente
CARACTERÍSTICAS:

Resuelve problemas en muchas aplicaciones de inteligencia artificial.

Son sinónimos de estudios y técnicas formales de razonamiento por default, esto quiere decir,
que para poder formalizar los procesos de omitir conclusiones que son razonables, al tener
ausencia de información o lo contrario, que los hechos conocidos no son estrictamente garantizarles
como ciertos.

Aplicaciones:

El razonamiento no monótono se puede aplicar de la siguiente forma:

Sócrates es hombre, entonces Sócrates es mortal.

Pili es pájaro, Entonces Pili vuela.

4. DIFERENCIAS ENTRE EL RAZONAMIENTO MONOTONO Y NO MONOTONO

Razonamiento Diferencias
Una lógica monótona no puede manejar varios tipos
de razonamiento como el razonamiento por defecto, el
razonamiento abductivo.

Razonamiento Monótono Un razonamiento se llama monótono cuando a lo largo

del proceso el conjunto de «cosas sabidas» es
siempre creciente. Pero en la realidad suele ocurrir
que, a medida que avanza el proceso de inferencias,
nuevas evidencias o acciones del mismo sistema
anulan premisas o conclusiones anteriores.

Resuelve problemas en muchas aplicaciones de

inteligencia artificial.

Son sinónimos de estudios y técnicas formales de

razonamiento por default, esto quiere decir, que para
Razonamiento no Monótono poder formalizar los procesos de omitir
conclusiones que son razonables, al tener ausencia
de información o lo contrario, que los hechos
conocidos no son estrictamente garantizarles como
ciertos.
 5. CONCLUSIÓN:
Existen sistemas de razonamiento, los cuales son utilizados para inferir conclusiones a partir de una
información dada, y son representados por medio de programas lógicos, pero ellos no se servirían, si
no existiera algún método que nos permitiera inferir lo que es cierto y lo que es falso, dicho de otra
forma, su semántica.

Estos tipos de razonamientos serán necesarios para entender mejor acerca de la inteligencia artificial
y mejorar el conocimiento obtenido, de igual manera es importante saber de ello para nuestra
formación profesional.

6. REFERENCIAS:

Julio Antonio Salazar. (junio 17, 2013). RAZONAMIENTO MONÓTONO. Mayo 18, 2017, de
[Link] Sitio web: [Link]

Miguel Ángel Ávila Güereña & Juan Carlos Jair Jiménez Rodríguez. (marzo 13,2013).
RAZONAMIENTO MONOTONO Y NO MONOTONO. mayo 17, 2017, de [Link] Sitio
web: [Link]