PRESENTACION:
Nombre:
Domingo Hernández Hernández
Matricula:
08-EIS1-1-015
Materia:
Inteligencia artificial
Tema:
TAREA V: El Razonamiento
Profesor:
Lucas Caonabo Reyes Salas
26 de junio del 2024
Santiago de los caballeros, Rep. Dom
Definición de razonamiento.
Se entiende por razonamiento al proceso mental a través del cual una persona utiliza la
información disponible para llegar de manera lógica a una conclusión, solución, o idea.
El razonamiento se basa en la capacidad de procesar información, conectar ideas y
utilizar la lógica para llegar a conclusiones válidas.
Paradigmas de razonamiento.
Sistemas basados en conocimiento: Sistemas de reglas e inferencia
Hay muchos casos en los que podemos resolver situaciones complejas haciendo uso
de reglas deterministas, hasta el punto de que su uso consigue sistemas automáticos
que se comportan como humanos expertos en un dominio particular permitiendo tomar
decisiones delicadas como son sistemas de control de tráfico, transacciones bancarias,
o diagnóstico de enfermedades.
Entre las opciones disponibles, los sistemas basados en reglas se han convertido en
una de las herramientas más eficientes para tratar de manera eficiente una buena
colección de problemas, ya que las reglas deterministas constituyen la más sencilla de
las metodologías utilizadas en sistemas expertos. En estos sistemas, la base de
conocimiento de la que se parte contiene las variables y el conjunto de reglas que
definen el problema, y el motor de inferencia es capaz de extraer conclusiones
aplicando métodos de la lógica clásica sobre esta base. Una regla en este contexto es
una proposición lógica que relaciona dos o más objetos del dominio e incluye dos
partes, la premisa y la conclusión, que se suele escribir normalmente como “Si
premisa, entonces conclusión”. Cada una de estas partes es una expresión lógica
con una o más afirmaciones objeto-valor conectadas mediante operadores lógicos
(y, o, o no).
El Motor de Inferencia
Como hemos comentado, las bases de conocimiento se conforman a partir de dos tipos
de elementos básicos, por una parte, los datos (también conocidos
como hechos o evidencias), y por otra el conocimiento (representado por el conjunto
de reglas que rigen las relaciones entre los datos). Pero una vez tenemos esta
información almacenada, necesitamos un mecanismo para manipular automáticamente
sus componentes y extraer conclusiones.
A este mecanismo se le denomina motor de inferencia, que a partir de la base de
conocimiento obtiene nuevas conclusiones, ampliando de esta forma el conjunto de
hechos de la propia base de conocimiento. Por ejemplo, si la premisa de una regla es
cierta, entonces aplicando la regla lógica de Modus Ponens, la conclusión de la regla
debe ser también cierta, y de esta forma los datos iniciales se incrementan
incorporando las nuevas conclusiones. Por ello, tanto los hechos iniciales o datos de
partida como las conclusiones derivadas de ellos forman parte de los hechos o datos
de que se dispone en un instante dado, obteniendo un proceso dinámico en el que el
conocimiento se va generando por etapas.
Para obtener conclusiones, se pueden utilizar diferentes tipos de reglas y estrategias
de inferencia y control, pero nosotros mostraremos aquí las más básicas y
universales: Modus Ponens y Modus Tollens como sistemas básicos de inferencia,
y encadenamiento de reglas hacia adelante y encadenamiento de reglas hacia
atrás (orientado por objetivos), como estrategias de inferencia.
El Modus Ponens y Modus Tollens se corresponden con los siguientes esquemas
básicos de inferencia. Obsérvese que el Modus Tollens se deduce del Modus Ponens
teniendo en cuenta que la lógica que usamos es bivaluada (una afirmación, o es
verdadera o es falsa, no hay una tercera opción).
Encadenamiento hacia delante / Encadenamiento hacia atrás
El encadenamiento de reglas hacia delante puede utilizarse cuando las premisas de
algunas reglas coinciden con las conclusiones de otras, de forma que al aplicarlas
sucesivamente sobre los hechos iniciales podemos obtener nuevos hechos. A medida
que obtenemos más hechos, podemos repetir el proceso hasta que no pueden
obtenerse más conclusiones.
El encadenamiento de reglas hacia atrás parte del hecho que se quiere concluir y
mira qué reglas lo tienen como conclusión, se toman las premisas de estas reglas y se
consideran como objetivos parciales que se quieren verificar. Por medio de un proceso
de comparación con los hechos de la base de conocimiento y un proceso de
backtracking, se va decidiendo cuáles de los objetivos parciales se van cumpliendo y
cuáles quedan pendientes.
Razonamiento borroso
Inferencias y Aprendizaje
