El Razonamiento - I.A
-
Upload
jonathan-manuel-olivera -
Category
Documents
-
view
18 -
download
2
description
Transcript of El Razonamiento - I.A
Docente ING PAULA SERNAQUEacute FERNANDEZ
Facultad INGENIERIacuteA
Carrera Profesional INGENIERIacuteA DE SISTEMAS E
INFORMATICA
Curso INTELIGENCIA ARTIFICIAL
Semestre IX
Integrantes
JONATHAN MANUEL OLIVERA ANTITUPA
JOHANS WILBERT RAMOS MAYTA
HERBERT AUGUSTO QUISPE GUERRA
CUSCO ndash PERUacute
2015
PRESENTACION AL TRABAJO
Ingeniera Paula Sernaqueacute Fernaacutendez
El Presente trabajo de exposicioacuten tiene como Objetivo Principal dar
a conocer sobre el tema de Razonamiento en la Inteligencia Artificial
La cual esperamos su aprobacioacuten respectiva
Agradecemos por anticipado las sugerencias del caso asiacute como sus
apreciaciones para el mejoramiento del mismo
Cusco Noviembre 2015
INTRODUCCION
El presente trabajo llevara a tener un conocimiento general de algunos aspectos
importantes sobre el Razonamiento en la Inteligencia Artificial El trabajo brinda
informacioacuten de coacutemo el recurso maacutes importante que posee la raza humana es
conocimiento o sea informacioacuten
En el presente trabajo se realizoacute con el objetivo de generar maacutes conocimiento
sobre el Razonamiento en la Inteligencia Artificial en la que el uso de internet
influye en ella y a su vez en la Inteligencia Artificial
Inteligencia Artificial Razonamiento
El razonamiento es una operacioacuten loacutegica mediante la cual partiendo de uno o maacutes
juicios se deriva la validez la posibilidad o la falsedad de otro juicio distinto Por lo
general los juicios en que se basa un razonamiento expresan conocimientos ya
adquiridos o por lo menos postulados como hipoacutetesis
Cuando la operacioacuten se realiza rigurosamente y el juicio derivado se desprende con
necesidad loacutegica de los juicios antecedentes el razonamiento recibe el nombre de
inferencia Los juicios que sirven como punto de partida son denominados premisas y
desempentildean la funcioacuten de ser las condiciones de la inferencia El resultado que se
obtiene o sea el juicio inferido como consecuencia es llamado conclusioacuten
La inferencia permite extraer de los conocimientos ya establecidos otro conocimiento
que se encuentre impliacutecito en las premisas o que resulte posible de acuerdo ellas
Cuando en la conclusioacuten se llega a un conocimiento menos general que el expresado en
las premisas se habraacute efectuado una inferencia deductiva Cuando la conclusioacuten
constituye una siacutentesis de las premisas y por consiguiente un conocimiento de mayor
generalidad se habraacute practicado una inferencia inductiva Y cuando la conclusioacuten tiene
el mismo grado de generalidad o de particularidad que las premisas entonces se habraacute
ejecutado una inferencia transductiva La ejecucioacuten de las inferencias se realiza
conforme a ciertas reglas que han sido dilucidadas en la experiencia y formuladas de un
modo estricto por la loacutegica
En todo caso lo que se obtiene como conclusioacuten de una inferencia es simplemente un
juicio de posibilidad o lo que es lo mismo una hipoacutetesis
RAZONAMIENTO LOacuteGICO
Los razonamientos pueden ser vaacutelidos (correctos) o no vaacutelidos (incorrectos) En general
se considera vaacutelido un razonamiento cuando sus premisas ofrecen soporte suficiente a
su conclusioacuten Puede discutirse el significado de soporte suficiente aunque cuando se
trata de un razonamiento no deductivo el razonamiento es vaacutelido si la verdad de las
premisas hace probable la verdad de la conclusioacuten En el caso del razonamiento
deductivo el razonamiento es vaacutelido cuando la verdad de las premisas implica
necesariamente la verdad de la conclusioacuten
Los razonamientos no vaacutelidos que sin embargo parecen serlo se denominan falacias
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
El termino razonamiento es el punto de separacioacuten entre el instinto y el pensamiento el
instinto es la reaccioacuten de cualquier ser vivo Por otro lado el razonar nos hace analizary
desarrollar un criterio propio el razonar es a su vez la separacioacuten entre un ser vivo y el
hombre
RAZONAMIENTO NO-LOacuteGICO
Existe otro tipo de razonamiento denominado razonamiento no-loacutegico o informal el
cual no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento
loacutegico-formal el descrito anteriormente) sino que es maacutes amplio en cuanto a
soluciones basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes
altos suelen usar el razonamiento loacutegico aunque no es excluyente Algunos autores
llaman a este tipo de razonamiento argumentacioacuten Como ejemplo para ilustrar estos
dos tipos de razonamiento podemos situarnos en el caso de una clasificacioacuten de
alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes pescados fruta
etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico seguacuten lo vaya
cogiendo de la tienda etc
En este razonamiento se generaliza para todos los elementos de un conjunto la
propiedad observada en un nuacutemero finito de casos Ahora bien la verdad de las
premisas (10000 observaciones favorables) no convierte en verdadera la conclusioacuten ya
que en cualquier momento podriacutea aparecer una excepcioacuten De ahiacute que la conclusioacuten de
un razonamiento inductivo soacutelo pueda considerarse probable y de hecho la
informacioacuten que obtenemos por medio de esta modalidad de razonamiento es siempre
una informacioacuten incierta y discutible El razonamiento soacutelo es una siacutentesis incompleta de
todas las premisas
En un razonamiento inductivo vaacutelido por tanto es posible afirmar las premisas y
simultaacuteneamente negar la conclusioacuten sin contradecirse Acertar en la conclusioacuten seraacute
una cuestioacuten de probabilidades
EL PROCESO DE RAZONAMIENTO
El proceso de razonamiento en un sistema basado en reglas es una progresioacuten desde un
conjunto inicial de afirmaciones y reglas hacia una solucioacuten respuesta o conclusioacuten
Como se llega a obtener el resultado sin embargo puede variar significativamente
Se puede partir considerando todos los datos conocidos y luego ir progresivamente
avanzando hacia la solucioacuten Este proceso se lo denomina guiado por los datos o
de encadenamiento progresivo (forward chainning)
Se puede seleccionar una posible solucioacuten y tratar de probar su validez buscando
evidencia que la apoye Este proceso se denomina guiado por el objetivo o
de encadenamiento regresivo (backward chainning)
Razonamiento Progresivo
En el caso del razonamiento progresivo se empieza a partir de un conjunto de datos
colectados a traveacutes de observacioacuten y se evoluciona hacia una conclusioacuten Se chequea
cada una de las reglas para ver si los datos observados satisfacen las premisas de alguna
de las reglas Si una regla es satisfecha es ejecutada derivando nuevos hechos que
pueden ser utilizados por otras reglas para derivar hechos adicionales Este proceso de
chequear reglas para ver si pueden ser satisfechas se denomina interpretacioacuten de reglas
La interpretacioacuten de reglas es realizada por una maacutequina de inferencia en un sistema
basado en conocimiento La interpretacioacuten de reglas o inferencia en el razonamiento
progresivo involucra la repeticioacuten de los pasos que se indican en la siguiente figura
Razonamiento Progresivo
Unificacioacuten (Matching)- En este paso en las reglas en la base de conocimientos se
prueban los hechos conocidos al momento para ver cuaacuteles son las que resulten
satisfechas Para decir que una regla ha sido satisfecha se requiere que todas las
premisas o antecedentes de la regla resuelvan a verdadero
Resolucioacuten de Conflictos- Es posible que en la fase de unificacioacuten resulten satisfechas
varias reglas La resolucioacuten de conflictos involucra la seleccioacuten de la regla que tenga la
maacutes alta prioridad de entre el conjunto de reglas que han sido satisfechas
Ejecucioacuten- El uacuteltimo paso en la interpretacioacuten de reglas es la ejecucioacuten de la regla La
ejecucioacuten puede dar lugar a uno o dos resultados posibles nuevo hecho (o hechos)
pueden ser derivados y antildeadidos a la base de hechos o una nueva regla (o reglas)
pueden ser antildeadidas al conjunto de reglas (base de conocimiento) que el sistema
considera para ejecucioacuten
En esta forma la ejecucioacuten de las reglas procede de una manera progresiva (hacia
adelante) hacia los objetivos finales
Un conjunto de aplicaciones adecuadas al razonamiento progresivo incluye supervisioacuten
y diagnoacutestico en sistemas de control de procesos en tiempo real donde los datos estaacuten
continuamente siendo adquiridos modificados y actualizados Estas aplicaciones tienen
2 importantes caracteriacutesticas
Necesidad de respuesta raacutepida a los cambios en los datos de entrada
Existencia de pocas relaciones predeterminadas entre los datos de entrada y las
conclusiones derivadas
Otro conjunto de aplicaciones adecuadas para el razonamiento progresivo estaacute formado
por disentildeo planeamiento y calendarizacioacuten donde ocurre la siacutentesis de nuevos hechos
basados en las conclusiones de las reglas En estas aplicaciones hay potencialmente
muchas soluciones que pueden ser derivadas de los datos de entrada
Debido a que estas soluciones no pueden ser enumeradas las reglas expresan
conocimiento como patrones generales y las conexiones precisas entre estas reglas no
pueden ser predeterminadas
Razonamiento Regresivo
El mecanismo de inferencia o interprete de reglas para el razonamiento regresivo
difiere significativamente del mecanismo de razonamiento progresivo Si bien es cierto
ambos procesos involucran el examen y aplicacioacuten de reglas el razonamiento regresivo
empieza con la conclusioacuten deseada y decide si los hechos que existen pueden dar lugar a
la obtencioacuten de un valor para esta conclusioacuten El razonamiento regresivo sigue un
proceso muy similar a la buacutesqueda primero en profundidad
El sistema empieza con un conjunto de hechos conocidos que tiacutepicamente estaacute vaciacuteo Se
proporciona una lista ordenada de objetivos (o conclusiones) para las cuales el sistema
trata de derivar valores El proceso de razonamiento regresivo utiliza esta lista de
objetivos para coordinar su buacutesqueda a traveacutes de las reglas de la base de conocimientos
Esta buacutesqueda consiste de los siguientes pasos
1 Conformar una pila inicialmente compuesta por todos los objetivos prioritarios
definidos en el sistema
2 Considerar el primer objetivo de la pila Determinar todas las reglas capaces de
satisfacer este objetivo es decir aquellas que mencionen al objetivo en su
conclusioacuten
Si todos los antecedentes de la regla son satisfechos (esto es cada paraacutemetro de la
premisa tiene su valor especificado dentro de la base de datos) entonces ejecutar esta
regla para derivar sus conclusiones Debido a que se ha asignado un valor al objetivo
actual removerlo de la pila y retornar al paso (2)
Si alguna premisa de la regla no puede ser satisfecha buscar reglas que permitan
derivar el valor especificado para el paraacutemetro utilizado en esta premisa
Si en el paso (b) no se puede encontrar una regla para derivar el valor especificado para
el paraacutemetro actual entonces preguntar al usuario por dicho valor y antildeadirlo a la base
de datos Si este valor satisface la premisa actual entonces continuar con la siguiente
premisa de la regla Si la premisa no es satisfecha considerar la siguiente regla
Si todas las reglas que pueden satisfacer el objetivo actual se han probado y todas no
han podido derivar un valor entonces este objetivo quedaraacute indeterminado Removerlo
de la pila y retornar al paso (2) Si la pila estaacute vaciacutea parar y anunciar que se ha terminado
el proceso
El razonamiento regresivo es mucho maacutes adecuado para aplicaciones que tienen mucho
mayor nuacutemero de entradas que de soluciones posibles La habilidad de la loacutegica
regresiva para trazar desde las pocas conclusiones hacia las muacuteltiples entradas la hace
maacutes eficiente que el encadenamiento progresivo
Una excelente aplicacioacuten para el razonamiento regresivo es el diagnoacutestico donde el
usuario dialoga directamente con el sistema basado en conocimiento y proporciona los
datos a traveacutes del teclado Problemas de clasificacioacuten tambieacuten son adecuados para ser
resuelto mediante el razonamiento regresivo
CLASES DE RAZONAMIENTO
La mejor manera de entender la inferencia abductiva puede ser compararla con la
deduccioacuten y la induccioacuten en relacioacuten con sus diferentes
papeles en los procesos de descubrimiento cientiacutefico
En palabras del mismo Peirce
no hay sino tres clases elementales de razonamiento
La primera que yo llamo abduccioacuten [ligada al acto de
descubrimiento y generacioacuten de explicaciones cientiacuteficas]
consiste en examinar una masa de hechos y en permitir que
estos hechos sugieran una teoriacutea De este modo ganamos
nuevas ideas pero el razonamiento no tiene fuerza
La segunda clase de razonamiento es la deduccioacuten o
razonamiento necesario [ligada a las escuelas
racionalistas] Soacutelo es aplicable a un estado ideal de cosas o a un estado de cosas en
tanto que puede conformarse con un ideal Simplemente da un nuevo aspecto a las
premisas
El tercer modo de razonamiento es la induccioacuten o investigacioacuten experimental [ligada a
las escuelas empiristas] Su procedimiento es eacuteste
Cuando la abduccioacuten sugiere una teoriacutea empleamos la deduccioacuten para deducir a partir
de esa teoriacutea ideal una promiscua variedad de consecuencias a tal efecto que si
realizamos ciertos actos nos encontraremos a nosotros mismos enfrentados con ciertas
experiencias
Cuando procedemos a intentar esos experimentos y si las predicciones de la teoriacutea se
verifican tenemos una confianza proporcionada en que los experimentos que auacuten no se
han intentado confirmaraacuten la teoriacutea
Yo afirmo que estos tres son los uacutenicos modos elementales de razonamiento que hay
Razonamiento Deductivo
En loacutegica una deduccioacuten es un argumento donde
la conclusioacuten se infiere necesariamente de las premisas1 En su definicioacuten formal una
deduccioacuten es una secuencia finita de foacutermulas de las cuales la uacuteltima es designada
como la conclusioacuten (la conclusioacuten de la deduccioacuten) y todas las foacutermulas en la secuencia
son o bien axiomas o bien premisas o bien inferencias directas a partir de
foacutermulas previas en la secuencia por medio de reglas de inferencia1 2
Por ejemplo la siguiente es una deduccioacuten de la foacutermula en el sistema de la loacutegica
proposicional
Q es la incoacutegnita que es la respuesta y p es la pregunta Una pregunta puede tener
varias respuestas por lo cual puede tener varias incoacutegnitas esto quiere decir que (P = Q
X) esto se deduce a partir de la loacutegica
Razonamiento Inductivo
El propoacutesito de la loacutegica inductiva es el estudio de las pruebas que permiten medir la
probabilidad de los argumentos asiacute como de las reglas para construir argumentos
inductivos fuertes A diferencia del razonamiento deductivo en el razonamiento
inductivo no existe acuerdo sobre cuaacutendo considerar un argumento como vaacutelido De
este modo se hace uso de la nocioacuten de fuerza inductiva que hace referencia al grado
de probabilidad de que una conclusioacuten sea verdadera cuando sus premisas son
verdaderas Asiacute un argumento inductivo es fuerte cuando es altamente improbable que
su conclusioacuten sea falsa si las premisas son verdaderas
Razonamiento abductivo
La abduccioacuten es un tipo de razonamiento descrito por primera ver por Aristoacuteteles Tal
razonamiento opera con una especie de silogismo en donde la premisa mayor es
considerada cierta mientras que la premisa menor es solo probable por este motivo la
conclusioacuten a la que se puede llegar tiene el mismo grado de probabilidad que la premisa
menor
En abduccioacuten se empieza por una conclusioacuten y se procede a derivar las condiciones que
podriacutean hacer a esta conclusioacuten vaacutelida En otras palabras se trata de encontrar una
explicacioacuten para la conclusioacuten Es un meacutetodo de razonamiento comuacutenmente utilizado
para generar explicaciones A diferencia de la induccioacuten la abduccioacuten no garantiza que
se puedan lograr conclusiones verdaderas por lo tanto no es un meacutetodo soacutelido de
inferencia
Charles S Peirce introdujo la abduccioacuten en la loacutegica moderna
y la definioacute asiacute
Abduccioacuten es el proceso por el que se forma una hipoacutetesis
explicativa Es la uacutenica operacioacuten loacutegica que introduce una
idea nueva
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
PRESENTACION AL TRABAJO
Ingeniera Paula Sernaqueacute Fernaacutendez
El Presente trabajo de exposicioacuten tiene como Objetivo Principal dar
a conocer sobre el tema de Razonamiento en la Inteligencia Artificial
La cual esperamos su aprobacioacuten respectiva
Agradecemos por anticipado las sugerencias del caso asiacute como sus
apreciaciones para el mejoramiento del mismo
Cusco Noviembre 2015
INTRODUCCION
El presente trabajo llevara a tener un conocimiento general de algunos aspectos
importantes sobre el Razonamiento en la Inteligencia Artificial El trabajo brinda
informacioacuten de coacutemo el recurso maacutes importante que posee la raza humana es
conocimiento o sea informacioacuten
En el presente trabajo se realizoacute con el objetivo de generar maacutes conocimiento
sobre el Razonamiento en la Inteligencia Artificial en la que el uso de internet
influye en ella y a su vez en la Inteligencia Artificial
Inteligencia Artificial Razonamiento
El razonamiento es una operacioacuten loacutegica mediante la cual partiendo de uno o maacutes
juicios se deriva la validez la posibilidad o la falsedad de otro juicio distinto Por lo
general los juicios en que se basa un razonamiento expresan conocimientos ya
adquiridos o por lo menos postulados como hipoacutetesis
Cuando la operacioacuten se realiza rigurosamente y el juicio derivado se desprende con
necesidad loacutegica de los juicios antecedentes el razonamiento recibe el nombre de
inferencia Los juicios que sirven como punto de partida son denominados premisas y
desempentildean la funcioacuten de ser las condiciones de la inferencia El resultado que se
obtiene o sea el juicio inferido como consecuencia es llamado conclusioacuten
La inferencia permite extraer de los conocimientos ya establecidos otro conocimiento
que se encuentre impliacutecito en las premisas o que resulte posible de acuerdo ellas
Cuando en la conclusioacuten se llega a un conocimiento menos general que el expresado en
las premisas se habraacute efectuado una inferencia deductiva Cuando la conclusioacuten
constituye una siacutentesis de las premisas y por consiguiente un conocimiento de mayor
generalidad se habraacute practicado una inferencia inductiva Y cuando la conclusioacuten tiene
el mismo grado de generalidad o de particularidad que las premisas entonces se habraacute
ejecutado una inferencia transductiva La ejecucioacuten de las inferencias se realiza
conforme a ciertas reglas que han sido dilucidadas en la experiencia y formuladas de un
modo estricto por la loacutegica
En todo caso lo que se obtiene como conclusioacuten de una inferencia es simplemente un
juicio de posibilidad o lo que es lo mismo una hipoacutetesis
RAZONAMIENTO LOacuteGICO
Los razonamientos pueden ser vaacutelidos (correctos) o no vaacutelidos (incorrectos) En general
se considera vaacutelido un razonamiento cuando sus premisas ofrecen soporte suficiente a
su conclusioacuten Puede discutirse el significado de soporte suficiente aunque cuando se
trata de un razonamiento no deductivo el razonamiento es vaacutelido si la verdad de las
premisas hace probable la verdad de la conclusioacuten En el caso del razonamiento
deductivo el razonamiento es vaacutelido cuando la verdad de las premisas implica
necesariamente la verdad de la conclusioacuten
Los razonamientos no vaacutelidos que sin embargo parecen serlo se denominan falacias
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
El termino razonamiento es el punto de separacioacuten entre el instinto y el pensamiento el
instinto es la reaccioacuten de cualquier ser vivo Por otro lado el razonar nos hace analizary
desarrollar un criterio propio el razonar es a su vez la separacioacuten entre un ser vivo y el
hombre
RAZONAMIENTO NO-LOacuteGICO
Existe otro tipo de razonamiento denominado razonamiento no-loacutegico o informal el
cual no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento
loacutegico-formal el descrito anteriormente) sino que es maacutes amplio en cuanto a
soluciones basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes
altos suelen usar el razonamiento loacutegico aunque no es excluyente Algunos autores
llaman a este tipo de razonamiento argumentacioacuten Como ejemplo para ilustrar estos
dos tipos de razonamiento podemos situarnos en el caso de una clasificacioacuten de
alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes pescados fruta
etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico seguacuten lo vaya
cogiendo de la tienda etc
En este razonamiento se generaliza para todos los elementos de un conjunto la
propiedad observada en un nuacutemero finito de casos Ahora bien la verdad de las
premisas (10000 observaciones favorables) no convierte en verdadera la conclusioacuten ya
que en cualquier momento podriacutea aparecer una excepcioacuten De ahiacute que la conclusioacuten de
un razonamiento inductivo soacutelo pueda considerarse probable y de hecho la
informacioacuten que obtenemos por medio de esta modalidad de razonamiento es siempre
una informacioacuten incierta y discutible El razonamiento soacutelo es una siacutentesis incompleta de
todas las premisas
En un razonamiento inductivo vaacutelido por tanto es posible afirmar las premisas y
simultaacuteneamente negar la conclusioacuten sin contradecirse Acertar en la conclusioacuten seraacute
una cuestioacuten de probabilidades
EL PROCESO DE RAZONAMIENTO
El proceso de razonamiento en un sistema basado en reglas es una progresioacuten desde un
conjunto inicial de afirmaciones y reglas hacia una solucioacuten respuesta o conclusioacuten
Como se llega a obtener el resultado sin embargo puede variar significativamente
Se puede partir considerando todos los datos conocidos y luego ir progresivamente
avanzando hacia la solucioacuten Este proceso se lo denomina guiado por los datos o
de encadenamiento progresivo (forward chainning)
Se puede seleccionar una posible solucioacuten y tratar de probar su validez buscando
evidencia que la apoye Este proceso se denomina guiado por el objetivo o
de encadenamiento regresivo (backward chainning)
Razonamiento Progresivo
En el caso del razonamiento progresivo se empieza a partir de un conjunto de datos
colectados a traveacutes de observacioacuten y se evoluciona hacia una conclusioacuten Se chequea
cada una de las reglas para ver si los datos observados satisfacen las premisas de alguna
de las reglas Si una regla es satisfecha es ejecutada derivando nuevos hechos que
pueden ser utilizados por otras reglas para derivar hechos adicionales Este proceso de
chequear reglas para ver si pueden ser satisfechas se denomina interpretacioacuten de reglas
La interpretacioacuten de reglas es realizada por una maacutequina de inferencia en un sistema
basado en conocimiento La interpretacioacuten de reglas o inferencia en el razonamiento
progresivo involucra la repeticioacuten de los pasos que se indican en la siguiente figura
Razonamiento Progresivo
Unificacioacuten (Matching)- En este paso en las reglas en la base de conocimientos se
prueban los hechos conocidos al momento para ver cuaacuteles son las que resulten
satisfechas Para decir que una regla ha sido satisfecha se requiere que todas las
premisas o antecedentes de la regla resuelvan a verdadero
Resolucioacuten de Conflictos- Es posible que en la fase de unificacioacuten resulten satisfechas
varias reglas La resolucioacuten de conflictos involucra la seleccioacuten de la regla que tenga la
maacutes alta prioridad de entre el conjunto de reglas que han sido satisfechas
Ejecucioacuten- El uacuteltimo paso en la interpretacioacuten de reglas es la ejecucioacuten de la regla La
ejecucioacuten puede dar lugar a uno o dos resultados posibles nuevo hecho (o hechos)
pueden ser derivados y antildeadidos a la base de hechos o una nueva regla (o reglas)
pueden ser antildeadidas al conjunto de reglas (base de conocimiento) que el sistema
considera para ejecucioacuten
En esta forma la ejecucioacuten de las reglas procede de una manera progresiva (hacia
adelante) hacia los objetivos finales
Un conjunto de aplicaciones adecuadas al razonamiento progresivo incluye supervisioacuten
y diagnoacutestico en sistemas de control de procesos en tiempo real donde los datos estaacuten
continuamente siendo adquiridos modificados y actualizados Estas aplicaciones tienen
2 importantes caracteriacutesticas
Necesidad de respuesta raacutepida a los cambios en los datos de entrada
Existencia de pocas relaciones predeterminadas entre los datos de entrada y las
conclusiones derivadas
Otro conjunto de aplicaciones adecuadas para el razonamiento progresivo estaacute formado
por disentildeo planeamiento y calendarizacioacuten donde ocurre la siacutentesis de nuevos hechos
basados en las conclusiones de las reglas En estas aplicaciones hay potencialmente
muchas soluciones que pueden ser derivadas de los datos de entrada
Debido a que estas soluciones no pueden ser enumeradas las reglas expresan
conocimiento como patrones generales y las conexiones precisas entre estas reglas no
pueden ser predeterminadas
Razonamiento Regresivo
El mecanismo de inferencia o interprete de reglas para el razonamiento regresivo
difiere significativamente del mecanismo de razonamiento progresivo Si bien es cierto
ambos procesos involucran el examen y aplicacioacuten de reglas el razonamiento regresivo
empieza con la conclusioacuten deseada y decide si los hechos que existen pueden dar lugar a
la obtencioacuten de un valor para esta conclusioacuten El razonamiento regresivo sigue un
proceso muy similar a la buacutesqueda primero en profundidad
El sistema empieza con un conjunto de hechos conocidos que tiacutepicamente estaacute vaciacuteo Se
proporciona una lista ordenada de objetivos (o conclusiones) para las cuales el sistema
trata de derivar valores El proceso de razonamiento regresivo utiliza esta lista de
objetivos para coordinar su buacutesqueda a traveacutes de las reglas de la base de conocimientos
Esta buacutesqueda consiste de los siguientes pasos
1 Conformar una pila inicialmente compuesta por todos los objetivos prioritarios
definidos en el sistema
2 Considerar el primer objetivo de la pila Determinar todas las reglas capaces de
satisfacer este objetivo es decir aquellas que mencionen al objetivo en su
conclusioacuten
Si todos los antecedentes de la regla son satisfechos (esto es cada paraacutemetro de la
premisa tiene su valor especificado dentro de la base de datos) entonces ejecutar esta
regla para derivar sus conclusiones Debido a que se ha asignado un valor al objetivo
actual removerlo de la pila y retornar al paso (2)
Si alguna premisa de la regla no puede ser satisfecha buscar reglas que permitan
derivar el valor especificado para el paraacutemetro utilizado en esta premisa
Si en el paso (b) no se puede encontrar una regla para derivar el valor especificado para
el paraacutemetro actual entonces preguntar al usuario por dicho valor y antildeadirlo a la base
de datos Si este valor satisface la premisa actual entonces continuar con la siguiente
premisa de la regla Si la premisa no es satisfecha considerar la siguiente regla
Si todas las reglas que pueden satisfacer el objetivo actual se han probado y todas no
han podido derivar un valor entonces este objetivo quedaraacute indeterminado Removerlo
de la pila y retornar al paso (2) Si la pila estaacute vaciacutea parar y anunciar que se ha terminado
el proceso
El razonamiento regresivo es mucho maacutes adecuado para aplicaciones que tienen mucho
mayor nuacutemero de entradas que de soluciones posibles La habilidad de la loacutegica
regresiva para trazar desde las pocas conclusiones hacia las muacuteltiples entradas la hace
maacutes eficiente que el encadenamiento progresivo
Una excelente aplicacioacuten para el razonamiento regresivo es el diagnoacutestico donde el
usuario dialoga directamente con el sistema basado en conocimiento y proporciona los
datos a traveacutes del teclado Problemas de clasificacioacuten tambieacuten son adecuados para ser
resuelto mediante el razonamiento regresivo
CLASES DE RAZONAMIENTO
La mejor manera de entender la inferencia abductiva puede ser compararla con la
deduccioacuten y la induccioacuten en relacioacuten con sus diferentes
papeles en los procesos de descubrimiento cientiacutefico
En palabras del mismo Peirce
no hay sino tres clases elementales de razonamiento
La primera que yo llamo abduccioacuten [ligada al acto de
descubrimiento y generacioacuten de explicaciones cientiacuteficas]
consiste en examinar una masa de hechos y en permitir que
estos hechos sugieran una teoriacutea De este modo ganamos
nuevas ideas pero el razonamiento no tiene fuerza
La segunda clase de razonamiento es la deduccioacuten o
razonamiento necesario [ligada a las escuelas
racionalistas] Soacutelo es aplicable a un estado ideal de cosas o a un estado de cosas en
tanto que puede conformarse con un ideal Simplemente da un nuevo aspecto a las
premisas
El tercer modo de razonamiento es la induccioacuten o investigacioacuten experimental [ligada a
las escuelas empiristas] Su procedimiento es eacuteste
Cuando la abduccioacuten sugiere una teoriacutea empleamos la deduccioacuten para deducir a partir
de esa teoriacutea ideal una promiscua variedad de consecuencias a tal efecto que si
realizamos ciertos actos nos encontraremos a nosotros mismos enfrentados con ciertas
experiencias
Cuando procedemos a intentar esos experimentos y si las predicciones de la teoriacutea se
verifican tenemos una confianza proporcionada en que los experimentos que auacuten no se
han intentado confirmaraacuten la teoriacutea
Yo afirmo que estos tres son los uacutenicos modos elementales de razonamiento que hay
Razonamiento Deductivo
En loacutegica una deduccioacuten es un argumento donde
la conclusioacuten se infiere necesariamente de las premisas1 En su definicioacuten formal una
deduccioacuten es una secuencia finita de foacutermulas de las cuales la uacuteltima es designada
como la conclusioacuten (la conclusioacuten de la deduccioacuten) y todas las foacutermulas en la secuencia
son o bien axiomas o bien premisas o bien inferencias directas a partir de
foacutermulas previas en la secuencia por medio de reglas de inferencia1 2
Por ejemplo la siguiente es una deduccioacuten de la foacutermula en el sistema de la loacutegica
proposicional
Q es la incoacutegnita que es la respuesta y p es la pregunta Una pregunta puede tener
varias respuestas por lo cual puede tener varias incoacutegnitas esto quiere decir que (P = Q
X) esto se deduce a partir de la loacutegica
Razonamiento Inductivo
El propoacutesito de la loacutegica inductiva es el estudio de las pruebas que permiten medir la
probabilidad de los argumentos asiacute como de las reglas para construir argumentos
inductivos fuertes A diferencia del razonamiento deductivo en el razonamiento
inductivo no existe acuerdo sobre cuaacutendo considerar un argumento como vaacutelido De
este modo se hace uso de la nocioacuten de fuerza inductiva que hace referencia al grado
de probabilidad de que una conclusioacuten sea verdadera cuando sus premisas son
verdaderas Asiacute un argumento inductivo es fuerte cuando es altamente improbable que
su conclusioacuten sea falsa si las premisas son verdaderas
Razonamiento abductivo
La abduccioacuten es un tipo de razonamiento descrito por primera ver por Aristoacuteteles Tal
razonamiento opera con una especie de silogismo en donde la premisa mayor es
considerada cierta mientras que la premisa menor es solo probable por este motivo la
conclusioacuten a la que se puede llegar tiene el mismo grado de probabilidad que la premisa
menor
En abduccioacuten se empieza por una conclusioacuten y se procede a derivar las condiciones que
podriacutean hacer a esta conclusioacuten vaacutelida En otras palabras se trata de encontrar una
explicacioacuten para la conclusioacuten Es un meacutetodo de razonamiento comuacutenmente utilizado
para generar explicaciones A diferencia de la induccioacuten la abduccioacuten no garantiza que
se puedan lograr conclusiones verdaderas por lo tanto no es un meacutetodo soacutelido de
inferencia
Charles S Peirce introdujo la abduccioacuten en la loacutegica moderna
y la definioacute asiacute
Abduccioacuten es el proceso por el que se forma una hipoacutetesis
explicativa Es la uacutenica operacioacuten loacutegica que introduce una
idea nueva
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
INTRODUCCION
El presente trabajo llevara a tener un conocimiento general de algunos aspectos
importantes sobre el Razonamiento en la Inteligencia Artificial El trabajo brinda
informacioacuten de coacutemo el recurso maacutes importante que posee la raza humana es
conocimiento o sea informacioacuten
En el presente trabajo se realizoacute con el objetivo de generar maacutes conocimiento
sobre el Razonamiento en la Inteligencia Artificial en la que el uso de internet
influye en ella y a su vez en la Inteligencia Artificial
Inteligencia Artificial Razonamiento
El razonamiento es una operacioacuten loacutegica mediante la cual partiendo de uno o maacutes
juicios se deriva la validez la posibilidad o la falsedad de otro juicio distinto Por lo
general los juicios en que se basa un razonamiento expresan conocimientos ya
adquiridos o por lo menos postulados como hipoacutetesis
Cuando la operacioacuten se realiza rigurosamente y el juicio derivado se desprende con
necesidad loacutegica de los juicios antecedentes el razonamiento recibe el nombre de
inferencia Los juicios que sirven como punto de partida son denominados premisas y
desempentildean la funcioacuten de ser las condiciones de la inferencia El resultado que se
obtiene o sea el juicio inferido como consecuencia es llamado conclusioacuten
La inferencia permite extraer de los conocimientos ya establecidos otro conocimiento
que se encuentre impliacutecito en las premisas o que resulte posible de acuerdo ellas
Cuando en la conclusioacuten se llega a un conocimiento menos general que el expresado en
las premisas se habraacute efectuado una inferencia deductiva Cuando la conclusioacuten
constituye una siacutentesis de las premisas y por consiguiente un conocimiento de mayor
generalidad se habraacute practicado una inferencia inductiva Y cuando la conclusioacuten tiene
el mismo grado de generalidad o de particularidad que las premisas entonces se habraacute
ejecutado una inferencia transductiva La ejecucioacuten de las inferencias se realiza
conforme a ciertas reglas que han sido dilucidadas en la experiencia y formuladas de un
modo estricto por la loacutegica
En todo caso lo que se obtiene como conclusioacuten de una inferencia es simplemente un
juicio de posibilidad o lo que es lo mismo una hipoacutetesis
RAZONAMIENTO LOacuteGICO
Los razonamientos pueden ser vaacutelidos (correctos) o no vaacutelidos (incorrectos) En general
se considera vaacutelido un razonamiento cuando sus premisas ofrecen soporte suficiente a
su conclusioacuten Puede discutirse el significado de soporte suficiente aunque cuando se
trata de un razonamiento no deductivo el razonamiento es vaacutelido si la verdad de las
premisas hace probable la verdad de la conclusioacuten En el caso del razonamiento
deductivo el razonamiento es vaacutelido cuando la verdad de las premisas implica
necesariamente la verdad de la conclusioacuten
Los razonamientos no vaacutelidos que sin embargo parecen serlo se denominan falacias
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
El termino razonamiento es el punto de separacioacuten entre el instinto y el pensamiento el
instinto es la reaccioacuten de cualquier ser vivo Por otro lado el razonar nos hace analizary
desarrollar un criterio propio el razonar es a su vez la separacioacuten entre un ser vivo y el
hombre
RAZONAMIENTO NO-LOacuteGICO
Existe otro tipo de razonamiento denominado razonamiento no-loacutegico o informal el
cual no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento
loacutegico-formal el descrito anteriormente) sino que es maacutes amplio en cuanto a
soluciones basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes
altos suelen usar el razonamiento loacutegico aunque no es excluyente Algunos autores
llaman a este tipo de razonamiento argumentacioacuten Como ejemplo para ilustrar estos
dos tipos de razonamiento podemos situarnos en el caso de una clasificacioacuten de
alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes pescados fruta
etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico seguacuten lo vaya
cogiendo de la tienda etc
En este razonamiento se generaliza para todos los elementos de un conjunto la
propiedad observada en un nuacutemero finito de casos Ahora bien la verdad de las
premisas (10000 observaciones favorables) no convierte en verdadera la conclusioacuten ya
que en cualquier momento podriacutea aparecer una excepcioacuten De ahiacute que la conclusioacuten de
un razonamiento inductivo soacutelo pueda considerarse probable y de hecho la
informacioacuten que obtenemos por medio de esta modalidad de razonamiento es siempre
una informacioacuten incierta y discutible El razonamiento soacutelo es una siacutentesis incompleta de
todas las premisas
En un razonamiento inductivo vaacutelido por tanto es posible afirmar las premisas y
simultaacuteneamente negar la conclusioacuten sin contradecirse Acertar en la conclusioacuten seraacute
una cuestioacuten de probabilidades
EL PROCESO DE RAZONAMIENTO
El proceso de razonamiento en un sistema basado en reglas es una progresioacuten desde un
conjunto inicial de afirmaciones y reglas hacia una solucioacuten respuesta o conclusioacuten
Como se llega a obtener el resultado sin embargo puede variar significativamente
Se puede partir considerando todos los datos conocidos y luego ir progresivamente
avanzando hacia la solucioacuten Este proceso se lo denomina guiado por los datos o
de encadenamiento progresivo (forward chainning)
Se puede seleccionar una posible solucioacuten y tratar de probar su validez buscando
evidencia que la apoye Este proceso se denomina guiado por el objetivo o
de encadenamiento regresivo (backward chainning)
Razonamiento Progresivo
En el caso del razonamiento progresivo se empieza a partir de un conjunto de datos
colectados a traveacutes de observacioacuten y se evoluciona hacia una conclusioacuten Se chequea
cada una de las reglas para ver si los datos observados satisfacen las premisas de alguna
de las reglas Si una regla es satisfecha es ejecutada derivando nuevos hechos que
pueden ser utilizados por otras reglas para derivar hechos adicionales Este proceso de
chequear reglas para ver si pueden ser satisfechas se denomina interpretacioacuten de reglas
La interpretacioacuten de reglas es realizada por una maacutequina de inferencia en un sistema
basado en conocimiento La interpretacioacuten de reglas o inferencia en el razonamiento
progresivo involucra la repeticioacuten de los pasos que se indican en la siguiente figura
Razonamiento Progresivo
Unificacioacuten (Matching)- En este paso en las reglas en la base de conocimientos se
prueban los hechos conocidos al momento para ver cuaacuteles son las que resulten
satisfechas Para decir que una regla ha sido satisfecha se requiere que todas las
premisas o antecedentes de la regla resuelvan a verdadero
Resolucioacuten de Conflictos- Es posible que en la fase de unificacioacuten resulten satisfechas
varias reglas La resolucioacuten de conflictos involucra la seleccioacuten de la regla que tenga la
maacutes alta prioridad de entre el conjunto de reglas que han sido satisfechas
Ejecucioacuten- El uacuteltimo paso en la interpretacioacuten de reglas es la ejecucioacuten de la regla La
ejecucioacuten puede dar lugar a uno o dos resultados posibles nuevo hecho (o hechos)
pueden ser derivados y antildeadidos a la base de hechos o una nueva regla (o reglas)
pueden ser antildeadidas al conjunto de reglas (base de conocimiento) que el sistema
considera para ejecucioacuten
En esta forma la ejecucioacuten de las reglas procede de una manera progresiva (hacia
adelante) hacia los objetivos finales
Un conjunto de aplicaciones adecuadas al razonamiento progresivo incluye supervisioacuten
y diagnoacutestico en sistemas de control de procesos en tiempo real donde los datos estaacuten
continuamente siendo adquiridos modificados y actualizados Estas aplicaciones tienen
2 importantes caracteriacutesticas
Necesidad de respuesta raacutepida a los cambios en los datos de entrada
Existencia de pocas relaciones predeterminadas entre los datos de entrada y las
conclusiones derivadas
Otro conjunto de aplicaciones adecuadas para el razonamiento progresivo estaacute formado
por disentildeo planeamiento y calendarizacioacuten donde ocurre la siacutentesis de nuevos hechos
basados en las conclusiones de las reglas En estas aplicaciones hay potencialmente
muchas soluciones que pueden ser derivadas de los datos de entrada
Debido a que estas soluciones no pueden ser enumeradas las reglas expresan
conocimiento como patrones generales y las conexiones precisas entre estas reglas no
pueden ser predeterminadas
Razonamiento Regresivo
El mecanismo de inferencia o interprete de reglas para el razonamiento regresivo
difiere significativamente del mecanismo de razonamiento progresivo Si bien es cierto
ambos procesos involucran el examen y aplicacioacuten de reglas el razonamiento regresivo
empieza con la conclusioacuten deseada y decide si los hechos que existen pueden dar lugar a
la obtencioacuten de un valor para esta conclusioacuten El razonamiento regresivo sigue un
proceso muy similar a la buacutesqueda primero en profundidad
El sistema empieza con un conjunto de hechos conocidos que tiacutepicamente estaacute vaciacuteo Se
proporciona una lista ordenada de objetivos (o conclusiones) para las cuales el sistema
trata de derivar valores El proceso de razonamiento regresivo utiliza esta lista de
objetivos para coordinar su buacutesqueda a traveacutes de las reglas de la base de conocimientos
Esta buacutesqueda consiste de los siguientes pasos
1 Conformar una pila inicialmente compuesta por todos los objetivos prioritarios
definidos en el sistema
2 Considerar el primer objetivo de la pila Determinar todas las reglas capaces de
satisfacer este objetivo es decir aquellas que mencionen al objetivo en su
conclusioacuten
Si todos los antecedentes de la regla son satisfechos (esto es cada paraacutemetro de la
premisa tiene su valor especificado dentro de la base de datos) entonces ejecutar esta
regla para derivar sus conclusiones Debido a que se ha asignado un valor al objetivo
actual removerlo de la pila y retornar al paso (2)
Si alguna premisa de la regla no puede ser satisfecha buscar reglas que permitan
derivar el valor especificado para el paraacutemetro utilizado en esta premisa
Si en el paso (b) no se puede encontrar una regla para derivar el valor especificado para
el paraacutemetro actual entonces preguntar al usuario por dicho valor y antildeadirlo a la base
de datos Si este valor satisface la premisa actual entonces continuar con la siguiente
premisa de la regla Si la premisa no es satisfecha considerar la siguiente regla
Si todas las reglas que pueden satisfacer el objetivo actual se han probado y todas no
han podido derivar un valor entonces este objetivo quedaraacute indeterminado Removerlo
de la pila y retornar al paso (2) Si la pila estaacute vaciacutea parar y anunciar que se ha terminado
el proceso
El razonamiento regresivo es mucho maacutes adecuado para aplicaciones que tienen mucho
mayor nuacutemero de entradas que de soluciones posibles La habilidad de la loacutegica
regresiva para trazar desde las pocas conclusiones hacia las muacuteltiples entradas la hace
maacutes eficiente que el encadenamiento progresivo
Una excelente aplicacioacuten para el razonamiento regresivo es el diagnoacutestico donde el
usuario dialoga directamente con el sistema basado en conocimiento y proporciona los
datos a traveacutes del teclado Problemas de clasificacioacuten tambieacuten son adecuados para ser
resuelto mediante el razonamiento regresivo
CLASES DE RAZONAMIENTO
La mejor manera de entender la inferencia abductiva puede ser compararla con la
deduccioacuten y la induccioacuten en relacioacuten con sus diferentes
papeles en los procesos de descubrimiento cientiacutefico
En palabras del mismo Peirce
no hay sino tres clases elementales de razonamiento
La primera que yo llamo abduccioacuten [ligada al acto de
descubrimiento y generacioacuten de explicaciones cientiacuteficas]
consiste en examinar una masa de hechos y en permitir que
estos hechos sugieran una teoriacutea De este modo ganamos
nuevas ideas pero el razonamiento no tiene fuerza
La segunda clase de razonamiento es la deduccioacuten o
razonamiento necesario [ligada a las escuelas
racionalistas] Soacutelo es aplicable a un estado ideal de cosas o a un estado de cosas en
tanto que puede conformarse con un ideal Simplemente da un nuevo aspecto a las
premisas
El tercer modo de razonamiento es la induccioacuten o investigacioacuten experimental [ligada a
las escuelas empiristas] Su procedimiento es eacuteste
Cuando la abduccioacuten sugiere una teoriacutea empleamos la deduccioacuten para deducir a partir
de esa teoriacutea ideal una promiscua variedad de consecuencias a tal efecto que si
realizamos ciertos actos nos encontraremos a nosotros mismos enfrentados con ciertas
experiencias
Cuando procedemos a intentar esos experimentos y si las predicciones de la teoriacutea se
verifican tenemos una confianza proporcionada en que los experimentos que auacuten no se
han intentado confirmaraacuten la teoriacutea
Yo afirmo que estos tres son los uacutenicos modos elementales de razonamiento que hay
Razonamiento Deductivo
En loacutegica una deduccioacuten es un argumento donde
la conclusioacuten se infiere necesariamente de las premisas1 En su definicioacuten formal una
deduccioacuten es una secuencia finita de foacutermulas de las cuales la uacuteltima es designada
como la conclusioacuten (la conclusioacuten de la deduccioacuten) y todas las foacutermulas en la secuencia
son o bien axiomas o bien premisas o bien inferencias directas a partir de
foacutermulas previas en la secuencia por medio de reglas de inferencia1 2
Por ejemplo la siguiente es una deduccioacuten de la foacutermula en el sistema de la loacutegica
proposicional
Q es la incoacutegnita que es la respuesta y p es la pregunta Una pregunta puede tener
varias respuestas por lo cual puede tener varias incoacutegnitas esto quiere decir que (P = Q
X) esto se deduce a partir de la loacutegica
Razonamiento Inductivo
El propoacutesito de la loacutegica inductiva es el estudio de las pruebas que permiten medir la
probabilidad de los argumentos asiacute como de las reglas para construir argumentos
inductivos fuertes A diferencia del razonamiento deductivo en el razonamiento
inductivo no existe acuerdo sobre cuaacutendo considerar un argumento como vaacutelido De
este modo se hace uso de la nocioacuten de fuerza inductiva que hace referencia al grado
de probabilidad de que una conclusioacuten sea verdadera cuando sus premisas son
verdaderas Asiacute un argumento inductivo es fuerte cuando es altamente improbable que
su conclusioacuten sea falsa si las premisas son verdaderas
Razonamiento abductivo
La abduccioacuten es un tipo de razonamiento descrito por primera ver por Aristoacuteteles Tal
razonamiento opera con una especie de silogismo en donde la premisa mayor es
considerada cierta mientras que la premisa menor es solo probable por este motivo la
conclusioacuten a la que se puede llegar tiene el mismo grado de probabilidad que la premisa
menor
En abduccioacuten se empieza por una conclusioacuten y se procede a derivar las condiciones que
podriacutean hacer a esta conclusioacuten vaacutelida En otras palabras se trata de encontrar una
explicacioacuten para la conclusioacuten Es un meacutetodo de razonamiento comuacutenmente utilizado
para generar explicaciones A diferencia de la induccioacuten la abduccioacuten no garantiza que
se puedan lograr conclusiones verdaderas por lo tanto no es un meacutetodo soacutelido de
inferencia
Charles S Peirce introdujo la abduccioacuten en la loacutegica moderna
y la definioacute asiacute
Abduccioacuten es el proceso por el que se forma una hipoacutetesis
explicativa Es la uacutenica operacioacuten loacutegica que introduce una
idea nueva
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
Inteligencia Artificial Razonamiento
El razonamiento es una operacioacuten loacutegica mediante la cual partiendo de uno o maacutes
juicios se deriva la validez la posibilidad o la falsedad de otro juicio distinto Por lo
general los juicios en que se basa un razonamiento expresan conocimientos ya
adquiridos o por lo menos postulados como hipoacutetesis
Cuando la operacioacuten se realiza rigurosamente y el juicio derivado se desprende con
necesidad loacutegica de los juicios antecedentes el razonamiento recibe el nombre de
inferencia Los juicios que sirven como punto de partida son denominados premisas y
desempentildean la funcioacuten de ser las condiciones de la inferencia El resultado que se
obtiene o sea el juicio inferido como consecuencia es llamado conclusioacuten
La inferencia permite extraer de los conocimientos ya establecidos otro conocimiento
que se encuentre impliacutecito en las premisas o que resulte posible de acuerdo ellas
Cuando en la conclusioacuten se llega a un conocimiento menos general que el expresado en
las premisas se habraacute efectuado una inferencia deductiva Cuando la conclusioacuten
constituye una siacutentesis de las premisas y por consiguiente un conocimiento de mayor
generalidad se habraacute practicado una inferencia inductiva Y cuando la conclusioacuten tiene
el mismo grado de generalidad o de particularidad que las premisas entonces se habraacute
ejecutado una inferencia transductiva La ejecucioacuten de las inferencias se realiza
conforme a ciertas reglas que han sido dilucidadas en la experiencia y formuladas de un
modo estricto por la loacutegica
En todo caso lo que se obtiene como conclusioacuten de una inferencia es simplemente un
juicio de posibilidad o lo que es lo mismo una hipoacutetesis
RAZONAMIENTO LOacuteGICO
Los razonamientos pueden ser vaacutelidos (correctos) o no vaacutelidos (incorrectos) En general
se considera vaacutelido un razonamiento cuando sus premisas ofrecen soporte suficiente a
su conclusioacuten Puede discutirse el significado de soporte suficiente aunque cuando se
trata de un razonamiento no deductivo el razonamiento es vaacutelido si la verdad de las
premisas hace probable la verdad de la conclusioacuten En el caso del razonamiento
deductivo el razonamiento es vaacutelido cuando la verdad de las premisas implica
necesariamente la verdad de la conclusioacuten
Los razonamientos no vaacutelidos que sin embargo parecen serlo se denominan falacias
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
El termino razonamiento es el punto de separacioacuten entre el instinto y el pensamiento el
instinto es la reaccioacuten de cualquier ser vivo Por otro lado el razonar nos hace analizary
desarrollar un criterio propio el razonar es a su vez la separacioacuten entre un ser vivo y el
hombre
RAZONAMIENTO NO-LOacuteGICO
Existe otro tipo de razonamiento denominado razonamiento no-loacutegico o informal el
cual no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento
loacutegico-formal el descrito anteriormente) sino que es maacutes amplio en cuanto a
soluciones basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes
altos suelen usar el razonamiento loacutegico aunque no es excluyente Algunos autores
llaman a este tipo de razonamiento argumentacioacuten Como ejemplo para ilustrar estos
dos tipos de razonamiento podemos situarnos en el caso de una clasificacioacuten de
alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes pescados fruta
etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico seguacuten lo vaya
cogiendo de la tienda etc
En este razonamiento se generaliza para todos los elementos de un conjunto la
propiedad observada en un nuacutemero finito de casos Ahora bien la verdad de las
premisas (10000 observaciones favorables) no convierte en verdadera la conclusioacuten ya
que en cualquier momento podriacutea aparecer una excepcioacuten De ahiacute que la conclusioacuten de
un razonamiento inductivo soacutelo pueda considerarse probable y de hecho la
informacioacuten que obtenemos por medio de esta modalidad de razonamiento es siempre
una informacioacuten incierta y discutible El razonamiento soacutelo es una siacutentesis incompleta de
todas las premisas
En un razonamiento inductivo vaacutelido por tanto es posible afirmar las premisas y
simultaacuteneamente negar la conclusioacuten sin contradecirse Acertar en la conclusioacuten seraacute
una cuestioacuten de probabilidades
EL PROCESO DE RAZONAMIENTO
El proceso de razonamiento en un sistema basado en reglas es una progresioacuten desde un
conjunto inicial de afirmaciones y reglas hacia una solucioacuten respuesta o conclusioacuten
Como se llega a obtener el resultado sin embargo puede variar significativamente
Se puede partir considerando todos los datos conocidos y luego ir progresivamente
avanzando hacia la solucioacuten Este proceso se lo denomina guiado por los datos o
de encadenamiento progresivo (forward chainning)
Se puede seleccionar una posible solucioacuten y tratar de probar su validez buscando
evidencia que la apoye Este proceso se denomina guiado por el objetivo o
de encadenamiento regresivo (backward chainning)
Razonamiento Progresivo
En el caso del razonamiento progresivo se empieza a partir de un conjunto de datos
colectados a traveacutes de observacioacuten y se evoluciona hacia una conclusioacuten Se chequea
cada una de las reglas para ver si los datos observados satisfacen las premisas de alguna
de las reglas Si una regla es satisfecha es ejecutada derivando nuevos hechos que
pueden ser utilizados por otras reglas para derivar hechos adicionales Este proceso de
chequear reglas para ver si pueden ser satisfechas se denomina interpretacioacuten de reglas
La interpretacioacuten de reglas es realizada por una maacutequina de inferencia en un sistema
basado en conocimiento La interpretacioacuten de reglas o inferencia en el razonamiento
progresivo involucra la repeticioacuten de los pasos que se indican en la siguiente figura
Razonamiento Progresivo
Unificacioacuten (Matching)- En este paso en las reglas en la base de conocimientos se
prueban los hechos conocidos al momento para ver cuaacuteles son las que resulten
satisfechas Para decir que una regla ha sido satisfecha se requiere que todas las
premisas o antecedentes de la regla resuelvan a verdadero
Resolucioacuten de Conflictos- Es posible que en la fase de unificacioacuten resulten satisfechas
varias reglas La resolucioacuten de conflictos involucra la seleccioacuten de la regla que tenga la
maacutes alta prioridad de entre el conjunto de reglas que han sido satisfechas
Ejecucioacuten- El uacuteltimo paso en la interpretacioacuten de reglas es la ejecucioacuten de la regla La
ejecucioacuten puede dar lugar a uno o dos resultados posibles nuevo hecho (o hechos)
pueden ser derivados y antildeadidos a la base de hechos o una nueva regla (o reglas)
pueden ser antildeadidas al conjunto de reglas (base de conocimiento) que el sistema
considera para ejecucioacuten
En esta forma la ejecucioacuten de las reglas procede de una manera progresiva (hacia
adelante) hacia los objetivos finales
Un conjunto de aplicaciones adecuadas al razonamiento progresivo incluye supervisioacuten
y diagnoacutestico en sistemas de control de procesos en tiempo real donde los datos estaacuten
continuamente siendo adquiridos modificados y actualizados Estas aplicaciones tienen
2 importantes caracteriacutesticas
Necesidad de respuesta raacutepida a los cambios en los datos de entrada
Existencia de pocas relaciones predeterminadas entre los datos de entrada y las
conclusiones derivadas
Otro conjunto de aplicaciones adecuadas para el razonamiento progresivo estaacute formado
por disentildeo planeamiento y calendarizacioacuten donde ocurre la siacutentesis de nuevos hechos
basados en las conclusiones de las reglas En estas aplicaciones hay potencialmente
muchas soluciones que pueden ser derivadas de los datos de entrada
Debido a que estas soluciones no pueden ser enumeradas las reglas expresan
conocimiento como patrones generales y las conexiones precisas entre estas reglas no
pueden ser predeterminadas
Razonamiento Regresivo
El mecanismo de inferencia o interprete de reglas para el razonamiento regresivo
difiere significativamente del mecanismo de razonamiento progresivo Si bien es cierto
ambos procesos involucran el examen y aplicacioacuten de reglas el razonamiento regresivo
empieza con la conclusioacuten deseada y decide si los hechos que existen pueden dar lugar a
la obtencioacuten de un valor para esta conclusioacuten El razonamiento regresivo sigue un
proceso muy similar a la buacutesqueda primero en profundidad
El sistema empieza con un conjunto de hechos conocidos que tiacutepicamente estaacute vaciacuteo Se
proporciona una lista ordenada de objetivos (o conclusiones) para las cuales el sistema
trata de derivar valores El proceso de razonamiento regresivo utiliza esta lista de
objetivos para coordinar su buacutesqueda a traveacutes de las reglas de la base de conocimientos
Esta buacutesqueda consiste de los siguientes pasos
1 Conformar una pila inicialmente compuesta por todos los objetivos prioritarios
definidos en el sistema
2 Considerar el primer objetivo de la pila Determinar todas las reglas capaces de
satisfacer este objetivo es decir aquellas que mencionen al objetivo en su
conclusioacuten
Si todos los antecedentes de la regla son satisfechos (esto es cada paraacutemetro de la
premisa tiene su valor especificado dentro de la base de datos) entonces ejecutar esta
regla para derivar sus conclusiones Debido a que se ha asignado un valor al objetivo
actual removerlo de la pila y retornar al paso (2)
Si alguna premisa de la regla no puede ser satisfecha buscar reglas que permitan
derivar el valor especificado para el paraacutemetro utilizado en esta premisa
Si en el paso (b) no se puede encontrar una regla para derivar el valor especificado para
el paraacutemetro actual entonces preguntar al usuario por dicho valor y antildeadirlo a la base
de datos Si este valor satisface la premisa actual entonces continuar con la siguiente
premisa de la regla Si la premisa no es satisfecha considerar la siguiente regla
Si todas las reglas que pueden satisfacer el objetivo actual se han probado y todas no
han podido derivar un valor entonces este objetivo quedaraacute indeterminado Removerlo
de la pila y retornar al paso (2) Si la pila estaacute vaciacutea parar y anunciar que se ha terminado
el proceso
El razonamiento regresivo es mucho maacutes adecuado para aplicaciones que tienen mucho
mayor nuacutemero de entradas que de soluciones posibles La habilidad de la loacutegica
regresiva para trazar desde las pocas conclusiones hacia las muacuteltiples entradas la hace
maacutes eficiente que el encadenamiento progresivo
Una excelente aplicacioacuten para el razonamiento regresivo es el diagnoacutestico donde el
usuario dialoga directamente con el sistema basado en conocimiento y proporciona los
datos a traveacutes del teclado Problemas de clasificacioacuten tambieacuten son adecuados para ser
resuelto mediante el razonamiento regresivo
CLASES DE RAZONAMIENTO
La mejor manera de entender la inferencia abductiva puede ser compararla con la
deduccioacuten y la induccioacuten en relacioacuten con sus diferentes
papeles en los procesos de descubrimiento cientiacutefico
En palabras del mismo Peirce
no hay sino tres clases elementales de razonamiento
La primera que yo llamo abduccioacuten [ligada al acto de
descubrimiento y generacioacuten de explicaciones cientiacuteficas]
consiste en examinar una masa de hechos y en permitir que
estos hechos sugieran una teoriacutea De este modo ganamos
nuevas ideas pero el razonamiento no tiene fuerza
La segunda clase de razonamiento es la deduccioacuten o
razonamiento necesario [ligada a las escuelas
racionalistas] Soacutelo es aplicable a un estado ideal de cosas o a un estado de cosas en
tanto que puede conformarse con un ideal Simplemente da un nuevo aspecto a las
premisas
El tercer modo de razonamiento es la induccioacuten o investigacioacuten experimental [ligada a
las escuelas empiristas] Su procedimiento es eacuteste
Cuando la abduccioacuten sugiere una teoriacutea empleamos la deduccioacuten para deducir a partir
de esa teoriacutea ideal una promiscua variedad de consecuencias a tal efecto que si
realizamos ciertos actos nos encontraremos a nosotros mismos enfrentados con ciertas
experiencias
Cuando procedemos a intentar esos experimentos y si las predicciones de la teoriacutea se
verifican tenemos una confianza proporcionada en que los experimentos que auacuten no se
han intentado confirmaraacuten la teoriacutea
Yo afirmo que estos tres son los uacutenicos modos elementales de razonamiento que hay
Razonamiento Deductivo
En loacutegica una deduccioacuten es un argumento donde
la conclusioacuten se infiere necesariamente de las premisas1 En su definicioacuten formal una
deduccioacuten es una secuencia finita de foacutermulas de las cuales la uacuteltima es designada
como la conclusioacuten (la conclusioacuten de la deduccioacuten) y todas las foacutermulas en la secuencia
son o bien axiomas o bien premisas o bien inferencias directas a partir de
foacutermulas previas en la secuencia por medio de reglas de inferencia1 2
Por ejemplo la siguiente es una deduccioacuten de la foacutermula en el sistema de la loacutegica
proposicional
Q es la incoacutegnita que es la respuesta y p es la pregunta Una pregunta puede tener
varias respuestas por lo cual puede tener varias incoacutegnitas esto quiere decir que (P = Q
X) esto se deduce a partir de la loacutegica
Razonamiento Inductivo
El propoacutesito de la loacutegica inductiva es el estudio de las pruebas que permiten medir la
probabilidad de los argumentos asiacute como de las reglas para construir argumentos
inductivos fuertes A diferencia del razonamiento deductivo en el razonamiento
inductivo no existe acuerdo sobre cuaacutendo considerar un argumento como vaacutelido De
este modo se hace uso de la nocioacuten de fuerza inductiva que hace referencia al grado
de probabilidad de que una conclusioacuten sea verdadera cuando sus premisas son
verdaderas Asiacute un argumento inductivo es fuerte cuando es altamente improbable que
su conclusioacuten sea falsa si las premisas son verdaderas
Razonamiento abductivo
La abduccioacuten es un tipo de razonamiento descrito por primera ver por Aristoacuteteles Tal
razonamiento opera con una especie de silogismo en donde la premisa mayor es
considerada cierta mientras que la premisa menor es solo probable por este motivo la
conclusioacuten a la que se puede llegar tiene el mismo grado de probabilidad que la premisa
menor
En abduccioacuten se empieza por una conclusioacuten y se procede a derivar las condiciones que
podriacutean hacer a esta conclusioacuten vaacutelida En otras palabras se trata de encontrar una
explicacioacuten para la conclusioacuten Es un meacutetodo de razonamiento comuacutenmente utilizado
para generar explicaciones A diferencia de la induccioacuten la abduccioacuten no garantiza que
se puedan lograr conclusiones verdaderas por lo tanto no es un meacutetodo soacutelido de
inferencia
Charles S Peirce introdujo la abduccioacuten en la loacutegica moderna
y la definioacute asiacute
Abduccioacuten es el proceso por el que se forma una hipoacutetesis
explicativa Es la uacutenica operacioacuten loacutegica que introduce una
idea nueva
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
El termino razonamiento es el punto de separacioacuten entre el instinto y el pensamiento el
instinto es la reaccioacuten de cualquier ser vivo Por otro lado el razonar nos hace analizary
desarrollar un criterio propio el razonar es a su vez la separacioacuten entre un ser vivo y el
hombre
RAZONAMIENTO NO-LOacuteGICO
Existe otro tipo de razonamiento denominado razonamiento no-loacutegico o informal el
cual no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento
loacutegico-formal el descrito anteriormente) sino que es maacutes amplio en cuanto a
soluciones basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes
altos suelen usar el razonamiento loacutegico aunque no es excluyente Algunos autores
llaman a este tipo de razonamiento argumentacioacuten Como ejemplo para ilustrar estos
dos tipos de razonamiento podemos situarnos en el caso de una clasificacioacuten de
alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes pescados fruta
etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico seguacuten lo vaya
cogiendo de la tienda etc
En este razonamiento se generaliza para todos los elementos de un conjunto la
propiedad observada en un nuacutemero finito de casos Ahora bien la verdad de las
premisas (10000 observaciones favorables) no convierte en verdadera la conclusioacuten ya
que en cualquier momento podriacutea aparecer una excepcioacuten De ahiacute que la conclusioacuten de
un razonamiento inductivo soacutelo pueda considerarse probable y de hecho la
informacioacuten que obtenemos por medio de esta modalidad de razonamiento es siempre
una informacioacuten incierta y discutible El razonamiento soacutelo es una siacutentesis incompleta de
todas las premisas
En un razonamiento inductivo vaacutelido por tanto es posible afirmar las premisas y
simultaacuteneamente negar la conclusioacuten sin contradecirse Acertar en la conclusioacuten seraacute
una cuestioacuten de probabilidades
EL PROCESO DE RAZONAMIENTO
El proceso de razonamiento en un sistema basado en reglas es una progresioacuten desde un
conjunto inicial de afirmaciones y reglas hacia una solucioacuten respuesta o conclusioacuten
Como se llega a obtener el resultado sin embargo puede variar significativamente
Se puede partir considerando todos los datos conocidos y luego ir progresivamente
avanzando hacia la solucioacuten Este proceso se lo denomina guiado por los datos o
de encadenamiento progresivo (forward chainning)
Se puede seleccionar una posible solucioacuten y tratar de probar su validez buscando
evidencia que la apoye Este proceso se denomina guiado por el objetivo o
de encadenamiento regresivo (backward chainning)
Razonamiento Progresivo
En el caso del razonamiento progresivo se empieza a partir de un conjunto de datos
colectados a traveacutes de observacioacuten y se evoluciona hacia una conclusioacuten Se chequea
cada una de las reglas para ver si los datos observados satisfacen las premisas de alguna
de las reglas Si una regla es satisfecha es ejecutada derivando nuevos hechos que
pueden ser utilizados por otras reglas para derivar hechos adicionales Este proceso de
chequear reglas para ver si pueden ser satisfechas se denomina interpretacioacuten de reglas
La interpretacioacuten de reglas es realizada por una maacutequina de inferencia en un sistema
basado en conocimiento La interpretacioacuten de reglas o inferencia en el razonamiento
progresivo involucra la repeticioacuten de los pasos que se indican en la siguiente figura
Razonamiento Progresivo
Unificacioacuten (Matching)- En este paso en las reglas en la base de conocimientos se
prueban los hechos conocidos al momento para ver cuaacuteles son las que resulten
satisfechas Para decir que una regla ha sido satisfecha se requiere que todas las
premisas o antecedentes de la regla resuelvan a verdadero
Resolucioacuten de Conflictos- Es posible que en la fase de unificacioacuten resulten satisfechas
varias reglas La resolucioacuten de conflictos involucra la seleccioacuten de la regla que tenga la
maacutes alta prioridad de entre el conjunto de reglas que han sido satisfechas
Ejecucioacuten- El uacuteltimo paso en la interpretacioacuten de reglas es la ejecucioacuten de la regla La
ejecucioacuten puede dar lugar a uno o dos resultados posibles nuevo hecho (o hechos)
pueden ser derivados y antildeadidos a la base de hechos o una nueva regla (o reglas)
pueden ser antildeadidas al conjunto de reglas (base de conocimiento) que el sistema
considera para ejecucioacuten
En esta forma la ejecucioacuten de las reglas procede de una manera progresiva (hacia
adelante) hacia los objetivos finales
Un conjunto de aplicaciones adecuadas al razonamiento progresivo incluye supervisioacuten
y diagnoacutestico en sistemas de control de procesos en tiempo real donde los datos estaacuten
continuamente siendo adquiridos modificados y actualizados Estas aplicaciones tienen
2 importantes caracteriacutesticas
Necesidad de respuesta raacutepida a los cambios en los datos de entrada
Existencia de pocas relaciones predeterminadas entre los datos de entrada y las
conclusiones derivadas
Otro conjunto de aplicaciones adecuadas para el razonamiento progresivo estaacute formado
por disentildeo planeamiento y calendarizacioacuten donde ocurre la siacutentesis de nuevos hechos
basados en las conclusiones de las reglas En estas aplicaciones hay potencialmente
muchas soluciones que pueden ser derivadas de los datos de entrada
Debido a que estas soluciones no pueden ser enumeradas las reglas expresan
conocimiento como patrones generales y las conexiones precisas entre estas reglas no
pueden ser predeterminadas
Razonamiento Regresivo
El mecanismo de inferencia o interprete de reglas para el razonamiento regresivo
difiere significativamente del mecanismo de razonamiento progresivo Si bien es cierto
ambos procesos involucran el examen y aplicacioacuten de reglas el razonamiento regresivo
empieza con la conclusioacuten deseada y decide si los hechos que existen pueden dar lugar a
la obtencioacuten de un valor para esta conclusioacuten El razonamiento regresivo sigue un
proceso muy similar a la buacutesqueda primero en profundidad
El sistema empieza con un conjunto de hechos conocidos que tiacutepicamente estaacute vaciacuteo Se
proporciona una lista ordenada de objetivos (o conclusiones) para las cuales el sistema
trata de derivar valores El proceso de razonamiento regresivo utiliza esta lista de
objetivos para coordinar su buacutesqueda a traveacutes de las reglas de la base de conocimientos
Esta buacutesqueda consiste de los siguientes pasos
1 Conformar una pila inicialmente compuesta por todos los objetivos prioritarios
definidos en el sistema
2 Considerar el primer objetivo de la pila Determinar todas las reglas capaces de
satisfacer este objetivo es decir aquellas que mencionen al objetivo en su
conclusioacuten
Si todos los antecedentes de la regla son satisfechos (esto es cada paraacutemetro de la
premisa tiene su valor especificado dentro de la base de datos) entonces ejecutar esta
regla para derivar sus conclusiones Debido a que se ha asignado un valor al objetivo
actual removerlo de la pila y retornar al paso (2)
Si alguna premisa de la regla no puede ser satisfecha buscar reglas que permitan
derivar el valor especificado para el paraacutemetro utilizado en esta premisa
Si en el paso (b) no se puede encontrar una regla para derivar el valor especificado para
el paraacutemetro actual entonces preguntar al usuario por dicho valor y antildeadirlo a la base
de datos Si este valor satisface la premisa actual entonces continuar con la siguiente
premisa de la regla Si la premisa no es satisfecha considerar la siguiente regla
Si todas las reglas que pueden satisfacer el objetivo actual se han probado y todas no
han podido derivar un valor entonces este objetivo quedaraacute indeterminado Removerlo
de la pila y retornar al paso (2) Si la pila estaacute vaciacutea parar y anunciar que se ha terminado
el proceso
El razonamiento regresivo es mucho maacutes adecuado para aplicaciones que tienen mucho
mayor nuacutemero de entradas que de soluciones posibles La habilidad de la loacutegica
regresiva para trazar desde las pocas conclusiones hacia las muacuteltiples entradas la hace
maacutes eficiente que el encadenamiento progresivo
Una excelente aplicacioacuten para el razonamiento regresivo es el diagnoacutestico donde el
usuario dialoga directamente con el sistema basado en conocimiento y proporciona los
datos a traveacutes del teclado Problemas de clasificacioacuten tambieacuten son adecuados para ser
resuelto mediante el razonamiento regresivo
CLASES DE RAZONAMIENTO
La mejor manera de entender la inferencia abductiva puede ser compararla con la
deduccioacuten y la induccioacuten en relacioacuten con sus diferentes
papeles en los procesos de descubrimiento cientiacutefico
En palabras del mismo Peirce
no hay sino tres clases elementales de razonamiento
La primera que yo llamo abduccioacuten [ligada al acto de
descubrimiento y generacioacuten de explicaciones cientiacuteficas]
consiste en examinar una masa de hechos y en permitir que
estos hechos sugieran una teoriacutea De este modo ganamos
nuevas ideas pero el razonamiento no tiene fuerza
La segunda clase de razonamiento es la deduccioacuten o
razonamiento necesario [ligada a las escuelas
racionalistas] Soacutelo es aplicable a un estado ideal de cosas o a un estado de cosas en
tanto que puede conformarse con un ideal Simplemente da un nuevo aspecto a las
premisas
El tercer modo de razonamiento es la induccioacuten o investigacioacuten experimental [ligada a
las escuelas empiristas] Su procedimiento es eacuteste
Cuando la abduccioacuten sugiere una teoriacutea empleamos la deduccioacuten para deducir a partir
de esa teoriacutea ideal una promiscua variedad de consecuencias a tal efecto que si
realizamos ciertos actos nos encontraremos a nosotros mismos enfrentados con ciertas
experiencias
Cuando procedemos a intentar esos experimentos y si las predicciones de la teoriacutea se
verifican tenemos una confianza proporcionada en que los experimentos que auacuten no se
han intentado confirmaraacuten la teoriacutea
Yo afirmo que estos tres son los uacutenicos modos elementales de razonamiento que hay
Razonamiento Deductivo
En loacutegica una deduccioacuten es un argumento donde
la conclusioacuten se infiere necesariamente de las premisas1 En su definicioacuten formal una
deduccioacuten es una secuencia finita de foacutermulas de las cuales la uacuteltima es designada
como la conclusioacuten (la conclusioacuten de la deduccioacuten) y todas las foacutermulas en la secuencia
son o bien axiomas o bien premisas o bien inferencias directas a partir de
foacutermulas previas en la secuencia por medio de reglas de inferencia1 2
Por ejemplo la siguiente es una deduccioacuten de la foacutermula en el sistema de la loacutegica
proposicional
Q es la incoacutegnita que es la respuesta y p es la pregunta Una pregunta puede tener
varias respuestas por lo cual puede tener varias incoacutegnitas esto quiere decir que (P = Q
X) esto se deduce a partir de la loacutegica
Razonamiento Inductivo
El propoacutesito de la loacutegica inductiva es el estudio de las pruebas que permiten medir la
probabilidad de los argumentos asiacute como de las reglas para construir argumentos
inductivos fuertes A diferencia del razonamiento deductivo en el razonamiento
inductivo no existe acuerdo sobre cuaacutendo considerar un argumento como vaacutelido De
este modo se hace uso de la nocioacuten de fuerza inductiva que hace referencia al grado
de probabilidad de que una conclusioacuten sea verdadera cuando sus premisas son
verdaderas Asiacute un argumento inductivo es fuerte cuando es altamente improbable que
su conclusioacuten sea falsa si las premisas son verdaderas
Razonamiento abductivo
La abduccioacuten es un tipo de razonamiento descrito por primera ver por Aristoacuteteles Tal
razonamiento opera con una especie de silogismo en donde la premisa mayor es
considerada cierta mientras que la premisa menor es solo probable por este motivo la
conclusioacuten a la que se puede llegar tiene el mismo grado de probabilidad que la premisa
menor
En abduccioacuten se empieza por una conclusioacuten y se procede a derivar las condiciones que
podriacutean hacer a esta conclusioacuten vaacutelida En otras palabras se trata de encontrar una
explicacioacuten para la conclusioacuten Es un meacutetodo de razonamiento comuacutenmente utilizado
para generar explicaciones A diferencia de la induccioacuten la abduccioacuten no garantiza que
se puedan lograr conclusiones verdaderas por lo tanto no es un meacutetodo soacutelido de
inferencia
Charles S Peirce introdujo la abduccioacuten en la loacutegica moderna
y la definioacute asiacute
Abduccioacuten es el proceso por el que se forma una hipoacutetesis
explicativa Es la uacutenica operacioacuten loacutegica que introduce una
idea nueva
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
EL PROCESO DE RAZONAMIENTO
El proceso de razonamiento en un sistema basado en reglas es una progresioacuten desde un
conjunto inicial de afirmaciones y reglas hacia una solucioacuten respuesta o conclusioacuten
Como se llega a obtener el resultado sin embargo puede variar significativamente
Se puede partir considerando todos los datos conocidos y luego ir progresivamente
avanzando hacia la solucioacuten Este proceso se lo denomina guiado por los datos o
de encadenamiento progresivo (forward chainning)
Se puede seleccionar una posible solucioacuten y tratar de probar su validez buscando
evidencia que la apoye Este proceso se denomina guiado por el objetivo o
de encadenamiento regresivo (backward chainning)
Razonamiento Progresivo
En el caso del razonamiento progresivo se empieza a partir de un conjunto de datos
colectados a traveacutes de observacioacuten y se evoluciona hacia una conclusioacuten Se chequea
cada una de las reglas para ver si los datos observados satisfacen las premisas de alguna
de las reglas Si una regla es satisfecha es ejecutada derivando nuevos hechos que
pueden ser utilizados por otras reglas para derivar hechos adicionales Este proceso de
chequear reglas para ver si pueden ser satisfechas se denomina interpretacioacuten de reglas
La interpretacioacuten de reglas es realizada por una maacutequina de inferencia en un sistema
basado en conocimiento La interpretacioacuten de reglas o inferencia en el razonamiento
progresivo involucra la repeticioacuten de los pasos que se indican en la siguiente figura
Razonamiento Progresivo
Unificacioacuten (Matching)- En este paso en las reglas en la base de conocimientos se
prueban los hechos conocidos al momento para ver cuaacuteles son las que resulten
satisfechas Para decir que una regla ha sido satisfecha se requiere que todas las
premisas o antecedentes de la regla resuelvan a verdadero
Resolucioacuten de Conflictos- Es posible que en la fase de unificacioacuten resulten satisfechas
varias reglas La resolucioacuten de conflictos involucra la seleccioacuten de la regla que tenga la
maacutes alta prioridad de entre el conjunto de reglas que han sido satisfechas
Ejecucioacuten- El uacuteltimo paso en la interpretacioacuten de reglas es la ejecucioacuten de la regla La
ejecucioacuten puede dar lugar a uno o dos resultados posibles nuevo hecho (o hechos)
pueden ser derivados y antildeadidos a la base de hechos o una nueva regla (o reglas)
pueden ser antildeadidas al conjunto de reglas (base de conocimiento) que el sistema
considera para ejecucioacuten
En esta forma la ejecucioacuten de las reglas procede de una manera progresiva (hacia
adelante) hacia los objetivos finales
Un conjunto de aplicaciones adecuadas al razonamiento progresivo incluye supervisioacuten
y diagnoacutestico en sistemas de control de procesos en tiempo real donde los datos estaacuten
continuamente siendo adquiridos modificados y actualizados Estas aplicaciones tienen
2 importantes caracteriacutesticas
Necesidad de respuesta raacutepida a los cambios en los datos de entrada
Existencia de pocas relaciones predeterminadas entre los datos de entrada y las
conclusiones derivadas
Otro conjunto de aplicaciones adecuadas para el razonamiento progresivo estaacute formado
por disentildeo planeamiento y calendarizacioacuten donde ocurre la siacutentesis de nuevos hechos
basados en las conclusiones de las reglas En estas aplicaciones hay potencialmente
muchas soluciones que pueden ser derivadas de los datos de entrada
Debido a que estas soluciones no pueden ser enumeradas las reglas expresan
conocimiento como patrones generales y las conexiones precisas entre estas reglas no
pueden ser predeterminadas
Razonamiento Regresivo
El mecanismo de inferencia o interprete de reglas para el razonamiento regresivo
difiere significativamente del mecanismo de razonamiento progresivo Si bien es cierto
ambos procesos involucran el examen y aplicacioacuten de reglas el razonamiento regresivo
empieza con la conclusioacuten deseada y decide si los hechos que existen pueden dar lugar a
la obtencioacuten de un valor para esta conclusioacuten El razonamiento regresivo sigue un
proceso muy similar a la buacutesqueda primero en profundidad
El sistema empieza con un conjunto de hechos conocidos que tiacutepicamente estaacute vaciacuteo Se
proporciona una lista ordenada de objetivos (o conclusiones) para las cuales el sistema
trata de derivar valores El proceso de razonamiento regresivo utiliza esta lista de
objetivos para coordinar su buacutesqueda a traveacutes de las reglas de la base de conocimientos
Esta buacutesqueda consiste de los siguientes pasos
1 Conformar una pila inicialmente compuesta por todos los objetivos prioritarios
definidos en el sistema
2 Considerar el primer objetivo de la pila Determinar todas las reglas capaces de
satisfacer este objetivo es decir aquellas que mencionen al objetivo en su
conclusioacuten
Si todos los antecedentes de la regla son satisfechos (esto es cada paraacutemetro de la
premisa tiene su valor especificado dentro de la base de datos) entonces ejecutar esta
regla para derivar sus conclusiones Debido a que se ha asignado un valor al objetivo
actual removerlo de la pila y retornar al paso (2)
Si alguna premisa de la regla no puede ser satisfecha buscar reglas que permitan
derivar el valor especificado para el paraacutemetro utilizado en esta premisa
Si en el paso (b) no se puede encontrar una regla para derivar el valor especificado para
el paraacutemetro actual entonces preguntar al usuario por dicho valor y antildeadirlo a la base
de datos Si este valor satisface la premisa actual entonces continuar con la siguiente
premisa de la regla Si la premisa no es satisfecha considerar la siguiente regla
Si todas las reglas que pueden satisfacer el objetivo actual se han probado y todas no
han podido derivar un valor entonces este objetivo quedaraacute indeterminado Removerlo
de la pila y retornar al paso (2) Si la pila estaacute vaciacutea parar y anunciar que se ha terminado
el proceso
El razonamiento regresivo es mucho maacutes adecuado para aplicaciones que tienen mucho
mayor nuacutemero de entradas que de soluciones posibles La habilidad de la loacutegica
regresiva para trazar desde las pocas conclusiones hacia las muacuteltiples entradas la hace
maacutes eficiente que el encadenamiento progresivo
Una excelente aplicacioacuten para el razonamiento regresivo es el diagnoacutestico donde el
usuario dialoga directamente con el sistema basado en conocimiento y proporciona los
datos a traveacutes del teclado Problemas de clasificacioacuten tambieacuten son adecuados para ser
resuelto mediante el razonamiento regresivo
CLASES DE RAZONAMIENTO
La mejor manera de entender la inferencia abductiva puede ser compararla con la
deduccioacuten y la induccioacuten en relacioacuten con sus diferentes
papeles en los procesos de descubrimiento cientiacutefico
En palabras del mismo Peirce
no hay sino tres clases elementales de razonamiento
La primera que yo llamo abduccioacuten [ligada al acto de
descubrimiento y generacioacuten de explicaciones cientiacuteficas]
consiste en examinar una masa de hechos y en permitir que
estos hechos sugieran una teoriacutea De este modo ganamos
nuevas ideas pero el razonamiento no tiene fuerza
La segunda clase de razonamiento es la deduccioacuten o
razonamiento necesario [ligada a las escuelas
racionalistas] Soacutelo es aplicable a un estado ideal de cosas o a un estado de cosas en
tanto que puede conformarse con un ideal Simplemente da un nuevo aspecto a las
premisas
El tercer modo de razonamiento es la induccioacuten o investigacioacuten experimental [ligada a
las escuelas empiristas] Su procedimiento es eacuteste
Cuando la abduccioacuten sugiere una teoriacutea empleamos la deduccioacuten para deducir a partir
de esa teoriacutea ideal una promiscua variedad de consecuencias a tal efecto que si
realizamos ciertos actos nos encontraremos a nosotros mismos enfrentados con ciertas
experiencias
Cuando procedemos a intentar esos experimentos y si las predicciones de la teoriacutea se
verifican tenemos una confianza proporcionada en que los experimentos que auacuten no se
han intentado confirmaraacuten la teoriacutea
Yo afirmo que estos tres son los uacutenicos modos elementales de razonamiento que hay
Razonamiento Deductivo
En loacutegica una deduccioacuten es un argumento donde
la conclusioacuten se infiere necesariamente de las premisas1 En su definicioacuten formal una
deduccioacuten es una secuencia finita de foacutermulas de las cuales la uacuteltima es designada
como la conclusioacuten (la conclusioacuten de la deduccioacuten) y todas las foacutermulas en la secuencia
son o bien axiomas o bien premisas o bien inferencias directas a partir de
foacutermulas previas en la secuencia por medio de reglas de inferencia1 2
Por ejemplo la siguiente es una deduccioacuten de la foacutermula en el sistema de la loacutegica
proposicional
Q es la incoacutegnita que es la respuesta y p es la pregunta Una pregunta puede tener
varias respuestas por lo cual puede tener varias incoacutegnitas esto quiere decir que (P = Q
X) esto se deduce a partir de la loacutegica
Razonamiento Inductivo
El propoacutesito de la loacutegica inductiva es el estudio de las pruebas que permiten medir la
probabilidad de los argumentos asiacute como de las reglas para construir argumentos
inductivos fuertes A diferencia del razonamiento deductivo en el razonamiento
inductivo no existe acuerdo sobre cuaacutendo considerar un argumento como vaacutelido De
este modo se hace uso de la nocioacuten de fuerza inductiva que hace referencia al grado
de probabilidad de que una conclusioacuten sea verdadera cuando sus premisas son
verdaderas Asiacute un argumento inductivo es fuerte cuando es altamente improbable que
su conclusioacuten sea falsa si las premisas son verdaderas
Razonamiento abductivo
La abduccioacuten es un tipo de razonamiento descrito por primera ver por Aristoacuteteles Tal
razonamiento opera con una especie de silogismo en donde la premisa mayor es
considerada cierta mientras que la premisa menor es solo probable por este motivo la
conclusioacuten a la que se puede llegar tiene el mismo grado de probabilidad que la premisa
menor
En abduccioacuten se empieza por una conclusioacuten y se procede a derivar las condiciones que
podriacutean hacer a esta conclusioacuten vaacutelida En otras palabras se trata de encontrar una
explicacioacuten para la conclusioacuten Es un meacutetodo de razonamiento comuacutenmente utilizado
para generar explicaciones A diferencia de la induccioacuten la abduccioacuten no garantiza que
se puedan lograr conclusiones verdaderas por lo tanto no es un meacutetodo soacutelido de
inferencia
Charles S Peirce introdujo la abduccioacuten en la loacutegica moderna
y la definioacute asiacute
Abduccioacuten es el proceso por el que se forma una hipoacutetesis
explicativa Es la uacutenica operacioacuten loacutegica que introduce una
idea nueva
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
Unificacioacuten (Matching)- En este paso en las reglas en la base de conocimientos se
prueban los hechos conocidos al momento para ver cuaacuteles son las que resulten
satisfechas Para decir que una regla ha sido satisfecha se requiere que todas las
premisas o antecedentes de la regla resuelvan a verdadero
Resolucioacuten de Conflictos- Es posible que en la fase de unificacioacuten resulten satisfechas
varias reglas La resolucioacuten de conflictos involucra la seleccioacuten de la regla que tenga la
maacutes alta prioridad de entre el conjunto de reglas que han sido satisfechas
Ejecucioacuten- El uacuteltimo paso en la interpretacioacuten de reglas es la ejecucioacuten de la regla La
ejecucioacuten puede dar lugar a uno o dos resultados posibles nuevo hecho (o hechos)
pueden ser derivados y antildeadidos a la base de hechos o una nueva regla (o reglas)
pueden ser antildeadidas al conjunto de reglas (base de conocimiento) que el sistema
considera para ejecucioacuten
En esta forma la ejecucioacuten de las reglas procede de una manera progresiva (hacia
adelante) hacia los objetivos finales
Un conjunto de aplicaciones adecuadas al razonamiento progresivo incluye supervisioacuten
y diagnoacutestico en sistemas de control de procesos en tiempo real donde los datos estaacuten
continuamente siendo adquiridos modificados y actualizados Estas aplicaciones tienen
2 importantes caracteriacutesticas
Necesidad de respuesta raacutepida a los cambios en los datos de entrada
Existencia de pocas relaciones predeterminadas entre los datos de entrada y las
conclusiones derivadas
Otro conjunto de aplicaciones adecuadas para el razonamiento progresivo estaacute formado
por disentildeo planeamiento y calendarizacioacuten donde ocurre la siacutentesis de nuevos hechos
basados en las conclusiones de las reglas En estas aplicaciones hay potencialmente
muchas soluciones que pueden ser derivadas de los datos de entrada
Debido a que estas soluciones no pueden ser enumeradas las reglas expresan
conocimiento como patrones generales y las conexiones precisas entre estas reglas no
pueden ser predeterminadas
Razonamiento Regresivo
El mecanismo de inferencia o interprete de reglas para el razonamiento regresivo
difiere significativamente del mecanismo de razonamiento progresivo Si bien es cierto
ambos procesos involucran el examen y aplicacioacuten de reglas el razonamiento regresivo
empieza con la conclusioacuten deseada y decide si los hechos que existen pueden dar lugar a
la obtencioacuten de un valor para esta conclusioacuten El razonamiento regresivo sigue un
proceso muy similar a la buacutesqueda primero en profundidad
El sistema empieza con un conjunto de hechos conocidos que tiacutepicamente estaacute vaciacuteo Se
proporciona una lista ordenada de objetivos (o conclusiones) para las cuales el sistema
trata de derivar valores El proceso de razonamiento regresivo utiliza esta lista de
objetivos para coordinar su buacutesqueda a traveacutes de las reglas de la base de conocimientos
Esta buacutesqueda consiste de los siguientes pasos
1 Conformar una pila inicialmente compuesta por todos los objetivos prioritarios
definidos en el sistema
2 Considerar el primer objetivo de la pila Determinar todas las reglas capaces de
satisfacer este objetivo es decir aquellas que mencionen al objetivo en su
conclusioacuten
Si todos los antecedentes de la regla son satisfechos (esto es cada paraacutemetro de la
premisa tiene su valor especificado dentro de la base de datos) entonces ejecutar esta
regla para derivar sus conclusiones Debido a que se ha asignado un valor al objetivo
actual removerlo de la pila y retornar al paso (2)
Si alguna premisa de la regla no puede ser satisfecha buscar reglas que permitan
derivar el valor especificado para el paraacutemetro utilizado en esta premisa
Si en el paso (b) no se puede encontrar una regla para derivar el valor especificado para
el paraacutemetro actual entonces preguntar al usuario por dicho valor y antildeadirlo a la base
de datos Si este valor satisface la premisa actual entonces continuar con la siguiente
premisa de la regla Si la premisa no es satisfecha considerar la siguiente regla
Si todas las reglas que pueden satisfacer el objetivo actual se han probado y todas no
han podido derivar un valor entonces este objetivo quedaraacute indeterminado Removerlo
de la pila y retornar al paso (2) Si la pila estaacute vaciacutea parar y anunciar que se ha terminado
el proceso
El razonamiento regresivo es mucho maacutes adecuado para aplicaciones que tienen mucho
mayor nuacutemero de entradas que de soluciones posibles La habilidad de la loacutegica
regresiva para trazar desde las pocas conclusiones hacia las muacuteltiples entradas la hace
maacutes eficiente que el encadenamiento progresivo
Una excelente aplicacioacuten para el razonamiento regresivo es el diagnoacutestico donde el
usuario dialoga directamente con el sistema basado en conocimiento y proporciona los
datos a traveacutes del teclado Problemas de clasificacioacuten tambieacuten son adecuados para ser
resuelto mediante el razonamiento regresivo
CLASES DE RAZONAMIENTO
La mejor manera de entender la inferencia abductiva puede ser compararla con la
deduccioacuten y la induccioacuten en relacioacuten con sus diferentes
papeles en los procesos de descubrimiento cientiacutefico
En palabras del mismo Peirce
no hay sino tres clases elementales de razonamiento
La primera que yo llamo abduccioacuten [ligada al acto de
descubrimiento y generacioacuten de explicaciones cientiacuteficas]
consiste en examinar una masa de hechos y en permitir que
estos hechos sugieran una teoriacutea De este modo ganamos
nuevas ideas pero el razonamiento no tiene fuerza
La segunda clase de razonamiento es la deduccioacuten o
razonamiento necesario [ligada a las escuelas
racionalistas] Soacutelo es aplicable a un estado ideal de cosas o a un estado de cosas en
tanto que puede conformarse con un ideal Simplemente da un nuevo aspecto a las
premisas
El tercer modo de razonamiento es la induccioacuten o investigacioacuten experimental [ligada a
las escuelas empiristas] Su procedimiento es eacuteste
Cuando la abduccioacuten sugiere una teoriacutea empleamos la deduccioacuten para deducir a partir
de esa teoriacutea ideal una promiscua variedad de consecuencias a tal efecto que si
realizamos ciertos actos nos encontraremos a nosotros mismos enfrentados con ciertas
experiencias
Cuando procedemos a intentar esos experimentos y si las predicciones de la teoriacutea se
verifican tenemos una confianza proporcionada en que los experimentos que auacuten no se
han intentado confirmaraacuten la teoriacutea
Yo afirmo que estos tres son los uacutenicos modos elementales de razonamiento que hay
Razonamiento Deductivo
En loacutegica una deduccioacuten es un argumento donde
la conclusioacuten se infiere necesariamente de las premisas1 En su definicioacuten formal una
deduccioacuten es una secuencia finita de foacutermulas de las cuales la uacuteltima es designada
como la conclusioacuten (la conclusioacuten de la deduccioacuten) y todas las foacutermulas en la secuencia
son o bien axiomas o bien premisas o bien inferencias directas a partir de
foacutermulas previas en la secuencia por medio de reglas de inferencia1 2
Por ejemplo la siguiente es una deduccioacuten de la foacutermula en el sistema de la loacutegica
proposicional
Q es la incoacutegnita que es la respuesta y p es la pregunta Una pregunta puede tener
varias respuestas por lo cual puede tener varias incoacutegnitas esto quiere decir que (P = Q
X) esto se deduce a partir de la loacutegica
Razonamiento Inductivo
El propoacutesito de la loacutegica inductiva es el estudio de las pruebas que permiten medir la
probabilidad de los argumentos asiacute como de las reglas para construir argumentos
inductivos fuertes A diferencia del razonamiento deductivo en el razonamiento
inductivo no existe acuerdo sobre cuaacutendo considerar un argumento como vaacutelido De
este modo se hace uso de la nocioacuten de fuerza inductiva que hace referencia al grado
de probabilidad de que una conclusioacuten sea verdadera cuando sus premisas son
verdaderas Asiacute un argumento inductivo es fuerte cuando es altamente improbable que
su conclusioacuten sea falsa si las premisas son verdaderas
Razonamiento abductivo
La abduccioacuten es un tipo de razonamiento descrito por primera ver por Aristoacuteteles Tal
razonamiento opera con una especie de silogismo en donde la premisa mayor es
considerada cierta mientras que la premisa menor es solo probable por este motivo la
conclusioacuten a la que se puede llegar tiene el mismo grado de probabilidad que la premisa
menor
En abduccioacuten se empieza por una conclusioacuten y se procede a derivar las condiciones que
podriacutean hacer a esta conclusioacuten vaacutelida En otras palabras se trata de encontrar una
explicacioacuten para la conclusioacuten Es un meacutetodo de razonamiento comuacutenmente utilizado
para generar explicaciones A diferencia de la induccioacuten la abduccioacuten no garantiza que
se puedan lograr conclusiones verdaderas por lo tanto no es un meacutetodo soacutelido de
inferencia
Charles S Peirce introdujo la abduccioacuten en la loacutegica moderna
y la definioacute asiacute
Abduccioacuten es el proceso por el que se forma una hipoacutetesis
explicativa Es la uacutenica operacioacuten loacutegica que introduce una
idea nueva
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
la obtencioacuten de un valor para esta conclusioacuten El razonamiento regresivo sigue un
proceso muy similar a la buacutesqueda primero en profundidad
El sistema empieza con un conjunto de hechos conocidos que tiacutepicamente estaacute vaciacuteo Se
proporciona una lista ordenada de objetivos (o conclusiones) para las cuales el sistema
trata de derivar valores El proceso de razonamiento regresivo utiliza esta lista de
objetivos para coordinar su buacutesqueda a traveacutes de las reglas de la base de conocimientos
Esta buacutesqueda consiste de los siguientes pasos
1 Conformar una pila inicialmente compuesta por todos los objetivos prioritarios
definidos en el sistema
2 Considerar el primer objetivo de la pila Determinar todas las reglas capaces de
satisfacer este objetivo es decir aquellas que mencionen al objetivo en su
conclusioacuten
Si todos los antecedentes de la regla son satisfechos (esto es cada paraacutemetro de la
premisa tiene su valor especificado dentro de la base de datos) entonces ejecutar esta
regla para derivar sus conclusiones Debido a que se ha asignado un valor al objetivo
actual removerlo de la pila y retornar al paso (2)
Si alguna premisa de la regla no puede ser satisfecha buscar reglas que permitan
derivar el valor especificado para el paraacutemetro utilizado en esta premisa
Si en el paso (b) no se puede encontrar una regla para derivar el valor especificado para
el paraacutemetro actual entonces preguntar al usuario por dicho valor y antildeadirlo a la base
de datos Si este valor satisface la premisa actual entonces continuar con la siguiente
premisa de la regla Si la premisa no es satisfecha considerar la siguiente regla
Si todas las reglas que pueden satisfacer el objetivo actual se han probado y todas no
han podido derivar un valor entonces este objetivo quedaraacute indeterminado Removerlo
de la pila y retornar al paso (2) Si la pila estaacute vaciacutea parar y anunciar que se ha terminado
el proceso
El razonamiento regresivo es mucho maacutes adecuado para aplicaciones que tienen mucho
mayor nuacutemero de entradas que de soluciones posibles La habilidad de la loacutegica
regresiva para trazar desde las pocas conclusiones hacia las muacuteltiples entradas la hace
maacutes eficiente que el encadenamiento progresivo
Una excelente aplicacioacuten para el razonamiento regresivo es el diagnoacutestico donde el
usuario dialoga directamente con el sistema basado en conocimiento y proporciona los
datos a traveacutes del teclado Problemas de clasificacioacuten tambieacuten son adecuados para ser
resuelto mediante el razonamiento regresivo
CLASES DE RAZONAMIENTO
La mejor manera de entender la inferencia abductiva puede ser compararla con la
deduccioacuten y la induccioacuten en relacioacuten con sus diferentes
papeles en los procesos de descubrimiento cientiacutefico
En palabras del mismo Peirce
no hay sino tres clases elementales de razonamiento
La primera que yo llamo abduccioacuten [ligada al acto de
descubrimiento y generacioacuten de explicaciones cientiacuteficas]
consiste en examinar una masa de hechos y en permitir que
estos hechos sugieran una teoriacutea De este modo ganamos
nuevas ideas pero el razonamiento no tiene fuerza
La segunda clase de razonamiento es la deduccioacuten o
razonamiento necesario [ligada a las escuelas
racionalistas] Soacutelo es aplicable a un estado ideal de cosas o a un estado de cosas en
tanto que puede conformarse con un ideal Simplemente da un nuevo aspecto a las
premisas
El tercer modo de razonamiento es la induccioacuten o investigacioacuten experimental [ligada a
las escuelas empiristas] Su procedimiento es eacuteste
Cuando la abduccioacuten sugiere una teoriacutea empleamos la deduccioacuten para deducir a partir
de esa teoriacutea ideal una promiscua variedad de consecuencias a tal efecto que si
realizamos ciertos actos nos encontraremos a nosotros mismos enfrentados con ciertas
experiencias
Cuando procedemos a intentar esos experimentos y si las predicciones de la teoriacutea se
verifican tenemos una confianza proporcionada en que los experimentos que auacuten no se
han intentado confirmaraacuten la teoriacutea
Yo afirmo que estos tres son los uacutenicos modos elementales de razonamiento que hay
Razonamiento Deductivo
En loacutegica una deduccioacuten es un argumento donde
la conclusioacuten se infiere necesariamente de las premisas1 En su definicioacuten formal una
deduccioacuten es una secuencia finita de foacutermulas de las cuales la uacuteltima es designada
como la conclusioacuten (la conclusioacuten de la deduccioacuten) y todas las foacutermulas en la secuencia
son o bien axiomas o bien premisas o bien inferencias directas a partir de
foacutermulas previas en la secuencia por medio de reglas de inferencia1 2
Por ejemplo la siguiente es una deduccioacuten de la foacutermula en el sistema de la loacutegica
proposicional
Q es la incoacutegnita que es la respuesta y p es la pregunta Una pregunta puede tener
varias respuestas por lo cual puede tener varias incoacutegnitas esto quiere decir que (P = Q
X) esto se deduce a partir de la loacutegica
Razonamiento Inductivo
El propoacutesito de la loacutegica inductiva es el estudio de las pruebas que permiten medir la
probabilidad de los argumentos asiacute como de las reglas para construir argumentos
inductivos fuertes A diferencia del razonamiento deductivo en el razonamiento
inductivo no existe acuerdo sobre cuaacutendo considerar un argumento como vaacutelido De
este modo se hace uso de la nocioacuten de fuerza inductiva que hace referencia al grado
de probabilidad de que una conclusioacuten sea verdadera cuando sus premisas son
verdaderas Asiacute un argumento inductivo es fuerte cuando es altamente improbable que
su conclusioacuten sea falsa si las premisas son verdaderas
Razonamiento abductivo
La abduccioacuten es un tipo de razonamiento descrito por primera ver por Aristoacuteteles Tal
razonamiento opera con una especie de silogismo en donde la premisa mayor es
considerada cierta mientras que la premisa menor es solo probable por este motivo la
conclusioacuten a la que se puede llegar tiene el mismo grado de probabilidad que la premisa
menor
En abduccioacuten se empieza por una conclusioacuten y se procede a derivar las condiciones que
podriacutean hacer a esta conclusioacuten vaacutelida En otras palabras se trata de encontrar una
explicacioacuten para la conclusioacuten Es un meacutetodo de razonamiento comuacutenmente utilizado
para generar explicaciones A diferencia de la induccioacuten la abduccioacuten no garantiza que
se puedan lograr conclusiones verdaderas por lo tanto no es un meacutetodo soacutelido de
inferencia
Charles S Peirce introdujo la abduccioacuten en la loacutegica moderna
y la definioacute asiacute
Abduccioacuten es el proceso por el que se forma una hipoacutetesis
explicativa Es la uacutenica operacioacuten loacutegica que introduce una
idea nueva
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
resuelto mediante el razonamiento regresivo
CLASES DE RAZONAMIENTO
La mejor manera de entender la inferencia abductiva puede ser compararla con la
deduccioacuten y la induccioacuten en relacioacuten con sus diferentes
papeles en los procesos de descubrimiento cientiacutefico
En palabras del mismo Peirce
no hay sino tres clases elementales de razonamiento
La primera que yo llamo abduccioacuten [ligada al acto de
descubrimiento y generacioacuten de explicaciones cientiacuteficas]
consiste en examinar una masa de hechos y en permitir que
estos hechos sugieran una teoriacutea De este modo ganamos
nuevas ideas pero el razonamiento no tiene fuerza
La segunda clase de razonamiento es la deduccioacuten o
razonamiento necesario [ligada a las escuelas
racionalistas] Soacutelo es aplicable a un estado ideal de cosas o a un estado de cosas en
tanto que puede conformarse con un ideal Simplemente da un nuevo aspecto a las
premisas
El tercer modo de razonamiento es la induccioacuten o investigacioacuten experimental [ligada a
las escuelas empiristas] Su procedimiento es eacuteste
Cuando la abduccioacuten sugiere una teoriacutea empleamos la deduccioacuten para deducir a partir
de esa teoriacutea ideal una promiscua variedad de consecuencias a tal efecto que si
realizamos ciertos actos nos encontraremos a nosotros mismos enfrentados con ciertas
experiencias
Cuando procedemos a intentar esos experimentos y si las predicciones de la teoriacutea se
verifican tenemos una confianza proporcionada en que los experimentos que auacuten no se
han intentado confirmaraacuten la teoriacutea
Yo afirmo que estos tres son los uacutenicos modos elementales de razonamiento que hay
Razonamiento Deductivo
En loacutegica una deduccioacuten es un argumento donde
la conclusioacuten se infiere necesariamente de las premisas1 En su definicioacuten formal una
deduccioacuten es una secuencia finita de foacutermulas de las cuales la uacuteltima es designada
como la conclusioacuten (la conclusioacuten de la deduccioacuten) y todas las foacutermulas en la secuencia
son o bien axiomas o bien premisas o bien inferencias directas a partir de
foacutermulas previas en la secuencia por medio de reglas de inferencia1 2
Por ejemplo la siguiente es una deduccioacuten de la foacutermula en el sistema de la loacutegica
proposicional
Q es la incoacutegnita que es la respuesta y p es la pregunta Una pregunta puede tener
varias respuestas por lo cual puede tener varias incoacutegnitas esto quiere decir que (P = Q
X) esto se deduce a partir de la loacutegica
Razonamiento Inductivo
El propoacutesito de la loacutegica inductiva es el estudio de las pruebas que permiten medir la
probabilidad de los argumentos asiacute como de las reglas para construir argumentos
inductivos fuertes A diferencia del razonamiento deductivo en el razonamiento
inductivo no existe acuerdo sobre cuaacutendo considerar un argumento como vaacutelido De
este modo se hace uso de la nocioacuten de fuerza inductiva que hace referencia al grado
de probabilidad de que una conclusioacuten sea verdadera cuando sus premisas son
verdaderas Asiacute un argumento inductivo es fuerte cuando es altamente improbable que
su conclusioacuten sea falsa si las premisas son verdaderas
Razonamiento abductivo
La abduccioacuten es un tipo de razonamiento descrito por primera ver por Aristoacuteteles Tal
razonamiento opera con una especie de silogismo en donde la premisa mayor es
considerada cierta mientras que la premisa menor es solo probable por este motivo la
conclusioacuten a la que se puede llegar tiene el mismo grado de probabilidad que la premisa
menor
En abduccioacuten se empieza por una conclusioacuten y se procede a derivar las condiciones que
podriacutean hacer a esta conclusioacuten vaacutelida En otras palabras se trata de encontrar una
explicacioacuten para la conclusioacuten Es un meacutetodo de razonamiento comuacutenmente utilizado
para generar explicaciones A diferencia de la induccioacuten la abduccioacuten no garantiza que
se puedan lograr conclusiones verdaderas por lo tanto no es un meacutetodo soacutelido de
inferencia
Charles S Peirce introdujo la abduccioacuten en la loacutegica moderna
y la definioacute asiacute
Abduccioacuten es el proceso por el que se forma una hipoacutetesis
explicativa Es la uacutenica operacioacuten loacutegica que introduce una
idea nueva
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
Por ejemplo la siguiente es una deduccioacuten de la foacutermula en el sistema de la loacutegica
proposicional
Q es la incoacutegnita que es la respuesta y p es la pregunta Una pregunta puede tener
varias respuestas por lo cual puede tener varias incoacutegnitas esto quiere decir que (P = Q
X) esto se deduce a partir de la loacutegica
Razonamiento Inductivo
El propoacutesito de la loacutegica inductiva es el estudio de las pruebas que permiten medir la
probabilidad de los argumentos asiacute como de las reglas para construir argumentos
inductivos fuertes A diferencia del razonamiento deductivo en el razonamiento
inductivo no existe acuerdo sobre cuaacutendo considerar un argumento como vaacutelido De
este modo se hace uso de la nocioacuten de fuerza inductiva que hace referencia al grado
de probabilidad de que una conclusioacuten sea verdadera cuando sus premisas son
verdaderas Asiacute un argumento inductivo es fuerte cuando es altamente improbable que
su conclusioacuten sea falsa si las premisas son verdaderas
Razonamiento abductivo
La abduccioacuten es un tipo de razonamiento descrito por primera ver por Aristoacuteteles Tal
razonamiento opera con una especie de silogismo en donde la premisa mayor es
considerada cierta mientras que la premisa menor es solo probable por este motivo la
conclusioacuten a la que se puede llegar tiene el mismo grado de probabilidad que la premisa
menor
En abduccioacuten se empieza por una conclusioacuten y se procede a derivar las condiciones que
podriacutean hacer a esta conclusioacuten vaacutelida En otras palabras se trata de encontrar una
explicacioacuten para la conclusioacuten Es un meacutetodo de razonamiento comuacutenmente utilizado
para generar explicaciones A diferencia de la induccioacuten la abduccioacuten no garantiza que
se puedan lograr conclusiones verdaderas por lo tanto no es un meacutetodo soacutelido de
inferencia
Charles S Peirce introdujo la abduccioacuten en la loacutegica moderna
y la definioacute asiacute
Abduccioacuten es el proceso por el que se forma una hipoacutetesis
explicativa Es la uacutenica operacioacuten loacutegica que introduce una
idea nueva
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
Seguacuten este filoacutesofo la abduccioacuten es algo maacutes que una suerte de silogismo es una de las
tres formas de razonamiento junto a la deduccioacuten y la induccioacuten
La idea principal de Peirce con respecto a la abduccioacuten fue dar un instrumento a la
loacutegica de la invencioacuten Debe haber buenas o malas razones para producir sugerir o
aceptar una hipoacutetesis y no otra Peirce distingue el razonar hacia una hipoacutetesis del
razonar desde una hipoacutetesis Justamente la abduccioacuten es el razonamiento hacia la
hipoacutetesis esto es desde los hechos hacia la hipoacutetesis que les sentildeala su causa o los
explica
Para el semioacutetico Umberto Eco el razonar abductivo es el razonar del detective en
cuanto en ella se pueden relacionar diversos indicios dentro de una hipoacutetesis explicativa
vaacutelida
ESTE ES EL EJEMPLO MAS CLARO
Ejemplos
Deduccioacuten
Regla Todas las bolas de la bolsa x son blancas
Caso Estas bolas provienen de la bolsa x
Deduccioacuten Estas bolas son blancas
Induccioacuten
Caso Estas bolas proceden de la bolsa x
Caso Estas bolas son blancas
Induccioacuten En la bolsa x todas las bolas son blancas
Abduccioacuten
Regla Todos las bolas de la bolsa x son blancas
Caso Estas bolas son blancas
Abduccioacuten Estas bolas proceden de la bolsa x
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
RAZONAMIENTO E INCERTIDUMBRE DENTRO DE LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO
El razonamiento es una operacioacuten loacutegica mediante la
cual partiendo de uno o maacutes juicios se deriva la
validez la posibilidad o la falsedad de otro juicio
distinto Por lo general los juicios en que se basa un
razonamiento expresan conocimientos ya adquiridos
o por lo menos postulados como hipoacutetesis
RAZONAMIENTO LOGICO
Los razonamientos pueden ser vaacutelidos (correctos) o
no vaacutelidos (incorrectos) En general se considera vaacutelido un razonamiento cuando sus
premisas ofrecen soporte suficiente a su conclusioacuten
Un razonamiento loacutegico en definitiva es un proceso mental que implica la aplicacioacuten de
la loacutegica A partir de esta clase de razonamiento se puede partir de una o de varias
premisas para arribar a una conclusioacuten que puede determinarse como verdadera falsa
o posible
RAZONAMIENTO NO-LOGICO
no soacutelo se basa en premisas con una uacutenica alternativa correcta (razonamiento loacutegico-
formal el descrito anteriormente) sino que es maacutes amplio en cuanto a soluciones
basaacutendose en la experiencia y en el contexto Los niveles educativos maacutes altos suelen
usar el razonamiento loacutegico aunque no es excluyente
Ejemplo
clasificacioacuten de alimentos el de tipo loacutegico-formal los ordenaraacute por verduras carnes
pescados fruta etc en cambio el tipo informal lo haraacute seguacuten lo ordene en el frigoriacutefico
seguacuten lo vaya cogiendo de la tienda etc
INCERTIDUMBRE
Incertidumbre e impresioacuten hasta ahora se ha manejado conocimiento categoacuterico
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
Conocimiento siempre era verdadero o falso
Razonamiento ldquoexactordquo (reglas hechos y conclusiones no ambiguos)
En el ldquomundo realrdquo
El conocimiento es dudoso yo incompleto
El sistema inteligente puede no tener acceso a toda la informacioacuten necesaria
El razonamiento es inexacto (hechos yo reglas inciertas)
Incertidumbre falta de informacioacuten adecuada para tomar una decisioacuten o Realizar
un razonamiento
Puede impedir llegar a una conclusioacuten correcta
CAUSAS
Falta de conocimiento (o conocimiento incompleto)
No es posible identificar o manejar todo el conocimiento relevante
EJEMPLO DE INCERTIDUMBRE
forallx tieneF iebre(x) rarr tieneGripe(x) No es necesariamente cierto en todos los
casos Una persona con fiebre puede tener catarro bronquitis etc Una forma
ldquomaacutes correctardquo (pero poco uacutetil) seria forallx tieneF iebre(x) rarr tieneGripe(x) or
tieneCatarro(x) or tieneBronquitis(x) or
CONCLUCIONES
El razonamiento nos permite ampliar nuestros conocimientos sin tener que apelar a la
experiencia Tambieacuten sirve para justificar o aportar razones en favor de lo que
conocemos o creemos conocer En algunos casos como en las matemaacuteticas el
razonamiento nos permite demostrar lo que sabemos es que aquiacute hace falta el
razonamiento cuantitativo
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml
REFERENCIAS
httpwwwmonografiascomtrabajos10trabajostrabajosshtmlPRORAZixzz3
s9Ancrkn
httpswwwemazecomALCQWWRIrazonamiento-e-incertidumbre-dentro-de-la-
inteligencia-artificial
httpingenieriacusablogspotpe201007inteligencia-artificial-razonamientohtml
httpwwwtaringanetpostofftopic18036805Tipos-de-razonamientoshtml