Moscoso Camacho Jair Uriel 1318321324 802
Modelos de Razonamiento.
Según la logica:
La Lógica es el estudio de los principios y métodos utilizados para distinguir el razonamiento correcto
del incorrecto; lo cual se constituye en el problema central de esta disciplina. Por tanto, los métodos
y las técnicas del lógico han sido desarrollados esencialmente con el propósito de aclarar esta
distinción.
El lógico se interesa por todos los razonamientos, sin tomar en cuenta su contenido, pero solamente
desde este especial punto de vista. De igual modo, se interesa por la Inferencia como el proceso
mediante el cual se llega a una proposición y se la afirma o niega sobre la base de otra u otras
proposiciones aceptadas como punto de partida del proceso. Aunque el proceso de inferencia no
concierne al estudioso de la Lógica, para cada inferencia posible hay un razonamiento
correspondiente, y son estos razonamientos los que caen dentro del ámbito de la Lógica.
El campo de cuestiones que investiga la Lógica ha variado constantemente y en tal sentido, en el
apartado que sigue describiremos cómo dicha evolución ha conducido a la materialización de
dispositivos, máquinas y sistemas que concretizan los objetivos presentes de la Inteligencia Artificial.
Para ello, reconstruiremos dicha vinculación histórica a través de la división en dos períodos
claramente diferenciados: el Período Pre-Informático y el Período Informático.
Probabilístico:
El razonamiento probabilístico es considerado un tipo de razonamiento que se apoya en los modelos
de la teoría de probabilidades. La probabilidad es un concepto matemático que tiene que ver con
las leyes del azar: es la frecuencia esperada o teórica cuando entran en función las leyes de la
casualidad.
El teorema puede sirve para indicar cómo debemos modificar nuestras probabilidades subjetivas
cuando recibimos información adicional de un experimento
En términos más generales y menos matemáticos, el teorema de Bayes es de enorme relevancia
puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es decir que
sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe, se podría saber (si se
tiene algún dato más), la probabilidad de tener gripe si se tiene un dolor de cabeza, muestra este
sencillo ejemplo la alta relevancia del teorema en cuestión para la ciencia en todas sus ramas, puesto
que tiene vinculación íntima con la comprensión de la probabilidad de aspectos causales dados los
efectos observados.
Moscoso Camacho Jair Uriel 1318321324 802
En la teoría de la probabilidad el teorema de Bayes es un resultado enunciado por Thomas Bayes
en 17631 que expresa la probabilidad condicional de un evento aleatorio A dado B en términos de
la distribución de probabilidad condicional del evento B dado A y la distribución de probabilidad
marginal de sólo A.
No monótono:
Este es un sistema que después de la adición de nuevas sentencias se puede invalidar teoremas
concluidos anteriormente, permite estudiar el razonamiento basado en el sentido común, modelar
reglas con excepciones, actualizar creencias después de nuevos descubrimientos o tener en cuenta
omisiones.
Un ejemplo puede ser la planificación de un problema para llegar a su resultado, en las primeras
fases de un problema se puede definir como seguir el camino que lleve a obtener el resultado
deseado y conforme se recoge la información, se puede obtener una decisión verdadera o falsa, si
es esta última al momento de ajustarla se tiene que asumir las consecuencias.
En Inteligencia Artificial, este tipo de razonamiento y sus aplicaciones son sinónimos del estudio de
técnicas formales de razonamiento por “default” o “por defecto”, es decir que para formalizar los
procesos de omitir conclusiones que son razonables, al tener ausencia de información o teniéndola
y que los hechos conocidos no son estrictamente garantizables como ciertos. De tal forma que al
adquirir nuevo conocimiento se modifica e incluso se invalidan los conocimientos previos que se
tenían almacenados.
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 nos servirán, si no existiera un método que nos permita inferir (es obtener una
conclusión o deducción a partir un suceso o situación, o bien es hacer y conducir a un resultado ) lo
que es cierto y lo que es falso, dicho de otra manera su “SEMANTICA” (la relación entre las palabras
y su sintaxis)
Existen diferentes semánticas declarativas en programación lógica (programación declarativa - es
un paradigma de la programación basado en la lógica de primer orden) y cada una de ellas le
corresponde una semántica operacional.
Monótono:
Es el tipo de razonamiento que contrasta con el razonamiento deductivo estándar, este último es el
más utilizado en matemáticas, una de las aplicaciones más comunes para este es el juego clásico
Moscoso Camacho Jair Uriel 1318321324 802
llamado SODOKU, ya que lleva al razonamiento de manera deductiva, es decir se utilizan hechos
conocidos para llegar a una solución o a una conclusión lógica que es de antemano verdadera.
El razonamiento inductivo es el que generaliza y conjetura las soluciones, se convierten estas en
posibles, el cual es basado en la observación y no en la lógica, los seres humanos al momento del
razonamiento, utilizamos ambos, el deductivo y el inductivo.
La mayoría de los sistemas lógicos tienen una relación de consecuencia monótona, lo que quiere
decir es que el agregar una fórmula a una teoría, nunca se produce una reducción de su conjunto
de consecuencias.
Intuitivamente, la monotonicidad indica que el agregar nuevos conocimientos no se reduce el
conjunto de las cosas conocidas. Por ejemplo: 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, el cual nos dice que los hechos pueden ser conocidos únicamente
por la carencia de evidencia de lo contrario,
· el razonamiento abductivo el cual dice que los hechos sólo se deducen en calidad de
explicaciones probables,
· el razonamiento acerca del conocimiento, en donde la ignorancia de un hecho debe ser
retractada cuando el hecho sea conocido y
· la revisión de creencias en donde el 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.
Moscoso Camacho Jair Uriel 1318321324 802
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.