Inferencia

Motores de inferenciaEditar

Artículos principales: Sistema de razonamiento, motor de inferencia, sistema experto y motor de reglas de negocio

Los sistemas de inferencia lógica automatizada fueron en su día temas de investigación muy populares, que condujeron a aplicaciones industriales bajo la forma de sistemas expertos y, posteriormente, de motores de reglas de negocio. Los trabajos más recientes sobre la demostración automatizada de teoremas han tenido una base más sólida en la lógica formal.

El trabajo de un sistema de inferencia es ampliar una base de conocimiento de forma automática. La base de conocimiento (KB) es un conjunto de proposiciones que representan lo que el sistema sabe sobre el mundo. Dicho sistema puede utilizar varias técnicas para extender la KB mediante inferencias válidas. Un requisito adicional es que las conclusiones a las que llega el sistema sean relevantes para su tarea.

Motor PrologEdit

Prolog (por «Programación en Lógica») es un lenguaje de programación basado en un subconjunto del cálculo de predicados. Su trabajo principal es comprobar si una determinada proposición se puede inferir de una KB (base de conocimiento) utilizando un algoritmo llamado encadenamiento hacia atrás.

Volvamos a nuestro silogismo de Sócrates. Introducimos en nuestra Base de Conocimiento el siguiente trozo de código:

mortal(X) :- man(X).man(socrates). 

( Aquí :- puede leerse como «si». Por lo general, si P → {\displaystyle \ ~ a }

a

Q (si P entonces Q) entonces en Prolog codificaríamos Q:-P (Q si P).)
Esto afirma que todos los hombres son mortales y que Sócrates es un hombre. Ahora podemos preguntar al sistema Prolog sobre Sócrates:

?- mortal(socrates).

(donde ?- significa una consulta: Puede mortal(Sócrates). deducirse de la KB usando las reglas)da la respuesta «Sí».

Por otro lado, preguntar al sistema Prolog lo siguiente:

?- mortal(plato).

da la respuesta «No».

Esto se debe a que Prolog no sabe nada sobre Platón, y por lo tanto, por defecto, cualquier propiedad sobre Platón es falsa (la llamada suposición de mundo cerrado). Finalmente… mortal(X) (¿Es algo mortal?) daría como resultado «Sí» (y en algunas implementaciones: «Sí»: X=sócrates)
Prolog puede utilizarse para tareas de inferencia mucho más complicadas. Ver el artículo correspondiente para más ejemplos.

Razonadores de la web semántica

Recientemente los razonadores automáticos encontraron en la web semántica un nuevo campo de aplicación. Al estar basados en la lógica de la descripción, el conocimiento expresado mediante una variante de OWL puede ser procesado lógicamente, es decir, se pueden hacer inferencias sobre él.

Estadística bayesiana y lógica de la probabilidadEditar

Artículo principal: Inferencia bayesiana

Los filósofos y científicos que siguen el marco bayesiano para la inferencia utilizan las reglas matemáticas de la probabilidad para encontrar esta mejor explicación. El punto de vista bayesiano tiene una serie de características deseables -una de ellas es que incorpora la lógica deductiva (cierta) como un subconjunto (esto hace que algunos escritores llamen a la probabilidad bayesiana «lógica de la probabilidad», siguiendo a E. T. Jaynes).

Los bayesianos identifican las probabilidades con grados de creencias, con proposiciones ciertamente verdaderas que tienen probabilidad 1, y proposiciones ciertamente falsas que tienen probabilidad 0. Decir que «va a llover mañana» tiene una probabilidad de 0,9 es decir que se considera la posibilidad de que llueva mañana como extremadamente probable.

A través de las reglas de la probabilidad, se puede calcular la probabilidad de una conclusión y de las alternativas. La mejor explicación suele identificarse con la más probable (véase la teoría bayesiana de la decisión). Una regla central de la inferencia bayesiana es el teorema de Bayes.

Lógica difusaEditar

Artículo principal: Lógica difusa
Esta sección necesita ser ampliada. Puedes ayudar añadiendo algo. (Octubre 2016)

Lógica no monótonaEditar

Artículo principal: Lógica no monótona

Una relación de inferencia es monótona si la adición de premisas no socava las conclusiones previamente alcanzadas; en caso contrario, la relación es no monótona.La inferencia deductiva es monótona: si se llega a una conclusión sobre la base de un determinado conjunto de premisas, entonces esa conclusión sigue siendo válida si se añaden más premisas.

Por el contrario, el razonamiento cotidiano es mayoritariamente no monótono porque implica un riesgo: llegamos a conclusiones a partir de premisas deductivamente insuficientes.Sabemos cuándo merece la pena o incluso es necesario (por ejemplo, en el diagnóstico médico) asumir el riesgo. Sin embargo, también somos conscientes de que esa inferencia es derrotable, es decir, que la nueva información puede socavar las antiguas conclusiones. Tradicionalmente, los filósofos se han centrado en varios tipos de inferencia que pueden ser derrotados, pero que han tenido un éxito notable (teorías de la inducción, la teoría de la abducción de Peirce, la inferencia a la mejor explicación, etc.). Más recientemente, los lógicos han comenzado a abordar el fenómeno desde un punto de vista formal. El resultado es un amplio cuerpo de teorías en la interfaz de la filosofía, la lógica y la inteligencia artificial.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *