UNIDAD 2

Unidad 2 Página 1
2 Representación del conocimiento y
razonamiento.

2.1 Mapas conceptuales.

2.2 Redes semánticas.

2.3 Razonamiento monótono.

2.4 La lógica de predicados: sintaxis,

Semántica, validez e inferencia.

2.5 La demostración y sus métodos.

2.6 El método de Resolución de Robinson

2.7 Conocimiento no-monótono y Otras

Lógicas.

2.8 Razonamiento probabilístico.

2.9 Teorema de Bayes.

Unidad 2 Página 2
 2 Representación del conocimiento y razonamiento

La representación del conocimiento es una de las áreas fundamentales de la

inteligencia artificial.

 Se en carga de estudiar como el conocimiento puede ser representado

simbólicamente y manipulado automáticamente por programas de
razonamiento

 Es el área en que se encarga de estudiar como el conocimiento contribuye

al comportamiento inteligente.

Unidad 2 Página 3
 2.1 MAPAS CONCEPTUALES

El uso de diagramas y el diseño de mapas conceptuales es una práctica

corriente en numerosas disciplinas. Desde la simple representación de un
diagrama elaborado con lápiz y papel para visualizar y ordenar una tormenta de
ideas o para organizar una argumentación, pasando por el empleo de mapas
mentales algo más elaborados, hasta la utilización de formas más complejas como
la utilización de redes semánticas en inteligencia artificial, grafos vinculados en
mecánica o ingeniería eléctrica, redes de Petri en comunicaciones y grafos
categoriales en matemáticas, todas estas formas constituyen un intento formal o
informal de representar el conocimiento de forma gráfica como una alternativa al
lenguaje natural, con el fin de hacerlo más comprensible no sólo al ojo, sino
también a la mente y la comprensión humanas.

El diseño previo de un mapa conceptual debe ser una herramienta imprescindible

para la elaboración de un hipertexto, pero también los mapas conceptuales deben
ser componentes básicos de cualquier sistema de hipertexto, complementando
texto e imágenes con diagramas formales y semiformales activos que pueden ser
presentados en pantalla para facilitar la lectura hipertextual. La ayuda del
ordenador puede suministrar una interfaz interactiva que permita asociar acciones
arbitrarias a nodos como enlaces de hipertexto a otros mapas y documentos.

Unidad 2 Página 4
 Como hemos afirmado, el término mapa conceptual se emplea para abarcar
una amplia gama de representaciones esquemáticas del conocimiento. Ni el
término concepto ni el término mapa poseen definiciones exactas ya que cada
término se emplea en el lenguaje común con diferentes significados y además
poseen una gran variedad de precisiones diferentes al utilizarse como términos
técnicos en diferentes disciplinas. El término compuesto mapa conceptual hereda
connotaciones de toda esta variedad de usos y además tiene los suyos propios.

Unidad 2 Página 5
El uso de mapas conceptuales en los sistemas de hipertexto permite 4 objetivos
fundamentales:

Diseñar el hipertexto:
Facilitar la navegación
Representar el conocimiento
Evaluar dicho conocimiento

Unidad 2 Página 6
 2.2 Redes semánticas

Una red semántica o esquema de representación en Red es una forma de

representación de conocimiento lingüístico en la que los conceptos y sus
interrelaciones se representan mediante un grafo. En caso de que no existan
ciclos, estas redes pueden ser visualizadas como árboles. Las redes semánticas
son usadas, entre otras cosas, para representar mapas conceptuales y mentales.

En un grafo o red semántica los elementos semánticos se representan por nodos.

Dos elementos semánticos entre los que se admite se da la relación semántica
que representa la red, estarán unidos mediante una línea, flecha o enlace o arista.
Cierto tipo de relaciones no simétricas requieren grafos dirigidos que usan flechas
en lugar de líneas.

Unidad 2 Página 7
 Es un lenguaje muy adaptado para el desarrollo de aplicaciones en
Inteligencia Artificial. Un problema básico en este tipo de aplicaciones es
representar el conocimiento de un dominio concreto en un ordenador, de forma
que pueda ser interpretado correctamente. Uno de los métodos de representación,
basado en modelos de psicología cognitiva, son las redes semánticas. Las redes
semánticas son grafos orientados que proporcionan una representación
declarativa de objetos, propiedades y relaciones. Los nodos se utilizan para
representar objetos o propiedades. Los arcos representan relaciones entre nodos
del tipo, es_un, es_parte_de, etc. El mecanismo de inferencia básico en las redes
semánticas es la herencia de propiedades. La figura representa
esquemáticamente un ejemplo de red semántica:

Unidad 2 Página 8
 2.3 RAZONAMIENTO MONOTONO

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

A veces se escriben las premisas pensando más en el proceso que en su

semántica declarativa. Es necesario asegurarse de que el proceso será
exactamente el que estamos pensando. Un ejemplo es la regla 5 , que puede
parecer contradictoria («si no está endosado, entonces está endosado» ). Desde
el punto de vista declarativo, veremos en que es lógicamente equivalente a decir
«siempre está endosado». Pero naturalmente no estamos pensando así al
enunciar la regla: suponemos que en el proceso puede darse la situación de que
el cheque, aunque completo, no esté endosado; la regla dice que en tal caso se
pedirá la firma (se supone que esta acción da siempre un resultado positivo) y el
cheque pasará a estar endosado. Ahora bien, declarativamente (lógicamente), la
regla es equivalente a la conjunción de estas dos:

(5a) Si talón_cumplimentado y NO taló n_endosado entonces pedir firma

(5b) Si talón_cumplimentado entonces talón_endosado

Y es evidente que el resultado es incorrecto si se aplica (5b) antes que (5a).

Unidad 2 Página 9
 2.4 La lógica de predicados

SINTAXIS
Un buen lenguaje de representación de conocimientodebe de combinar las
ventajas de los lenguajes naturales ( español, quechua, ingles, etc) y lenguajes
formales(C, pascal, lisp, etc):
 Debe ser lo suficiente expresivo y conciso para que nos permita expresar
de manera sucinta todo lo que hay que decir.
 Debe ser inequívoco (no ambiguo) e independiente del contexto para su
interpretación.
 Debe ser eficiente en el sentido de que debe existir un procedimiento de
inferencia que permita obtener nuevas inferencias a partir de oraciones en
nuestro idioma.

SEMÁNTICA
 En lógica, el significado de una oración es aquello que se afirma del mundo,
que el mundo sea de una forma.
 Una vez que mediante la semántica se interpreta una oración, ésta puede
ser cierta o falsa.
 Una oración es cierta dentro de una interpretación determinada si el estado
de asuntos que representa es cierta.
 El significado de una oración depende tanto de la oración como del
contexto en que se produce.

III LÓGICA PROPOSICIONAL

La lógica proposicional es una rama de la lógica clásica que estudia las
proposiciones o sentencias lógicas, sus posibles evaluaciones de verdad y en el
caso ideal, su nivel absoluto de verdad.
La lógica proposicional se preocupa por la manera de representar las cosas.
Proposición: se define una proposición como un enunciado declarativo que
puede ser verdadero o falso, pero no ambos a la vez. Las proposiciones se
representan mediante variables proposicionales simbolizadas mediante letras.
SINTAXIS DE LA LÓGICA DE PROPOSICIONAL
Los patrones o expresiones de la lógica proposicional se construyen a partir de un
alfabeto que consta de los siguientes símbolos:
 Las constantes lógicas Verdadero ( ) y Falso ( ). También pueden ser V
oF
 Los símbolos de variables tales como P y Q.
 Los conectivos lógicos Ù , Ú , Û , Þ , y Ø
 Símbolos de puntuación: paréntesis ( ), corchetes [ ] y llaves { } para evitar
ambigüedades

Unidad 2 Página 10
Todas las oraciones se forman combinando los símbolos anteriores
mediante ciertas reglas.
 Las constantes lógicas Verdadero y Falso constituyen oraciones en sí mismas
 Las variables proposicionales P, Q, R,… son oraciones
 Encerrar entre paréntesis una oración produce también una oración, por
ejemplo

(P Ù Q).

Combinar oraciones con los conectadores lógicos siguientes forma una

oración

Oraciones: son Un conjunto de palabras con sentido gramatical.

 La oración es la mínima unidad comunicacional, con significado completo.
 La oración en la lógica, es la unidad de análisis fundamental.
 Conjunción (Λ) (y). A la oración cuyo conector principal es Ù (y) se le llama
conjunción, y a sus partes se les llama coyuntos.
 Disyunción (V) (o). A la oración cuyo conector principal es Ú (o) se le llama
disyunción, y a sus partes se les llama disyuntos.
 Implicación (Þ ). Una oración como P Þ R se conoce como implicación (o
condicional), su premisa o antecedente es P y su conclusión o consecuente
es R. A las implicaciones también se les llama reglas o aseveraciones si-
entonces.
 Premisas. Son los antecedentes de una implicación.
 Equivalencia.

Dos sentencias α y β son equivalentes lógicamente si es que son verdaderas con

el mismo conjunto de hechos.

 Negación (Ø ) (no).

Unidad 2 Página 11
A una oración como Ø P se le llama negación de P. Øes el único de los
conectores que funcionan como una sola oración.

EJERCICIOS
FORMALIZAR LOS RAZONAMIENTOS:
1. " Si el resultado obtenido es superior al previsto en 5 unidades, será debido a
no haber realizado el proceso a la temperatura adecuada o a la existencia de
errores en los cálculos finales."

Solución
p = Resultado obtenido menor al previsto en 5 unidades.
q = Haber realizado el proceso a la temperatura adecuada.
r = Existencia de errores en los cálculos finales.
q rp
2) " El análisis realizado, innecesario si nos dejamos llevar por la precipitación, se
torna necesario si nos paramos a reflexionar sobre el mensaje que se pretende
transmitir."
Solución
p = Análisis realizado es necesario.
q = Nos dejamos llevar por la precipitación.
r = Nos paramos a reflexionar sobre el mensaje que se pretende transmitir.
q pr p
3)" El cáncer no logrará curarse a no ser que se logre determinar su causa y se
consiga encontrar fármacos adecuados o bien para prevenirlo o para curarlo."
Solución
p = El cáncer logrará curarse.
q = Se logra determinar su causa.
r = Se consigue encontrar fármacos adecuados para prevenirlo.
s = Se consigue encontrar fármacos adecuados para curarlo.
q r sp

Unidad 2 Página 12
SEMÁNTICA DE LA LÓGICA DEL PROPOSICIONAL
 Una interpretación asocia cada variable proposicional con una proposición
sobre el mundo. Porque las proposiciones son o verdades o falso, podemos
también especificar una interpretación asignando los valores de verdad
VERDAD y FALSO directamente a las variables proposicionales, sin
importar qué proposición cada uno denota.
 Cada conector lógico es definido por una tabla de verdad
Dado una interpretación de las variables proposicionales, nosotros
podemos utilizar una tabla de verdad para calcular el valor de verdad de
cualquier oración bajo esa interpretación
 En términos generales, una semántica permite atribuir un significado a las
expresiones del lenguaje simbólico considerado. En el caso de un lenguaje
de programación como C, esta semántica es procedural y consiste en
describir el efecto que produce el programa sobre sus estructuras de datos.
Para un lenguaje de representación, lo que interesa es capturar una
descripción del universo modelado. La lógica permite hacer esto
asignando un valor de verdad a cada expresión del lenguaje.
La semántica de un lenguaje proposicional depende
1. De la interpretación de los conectivos lógicos, que tienen el mismo significado
en todos los dominios,
2. De los valores de verdad asignados a las variables proposicionales, distintos
según la situación reflejada

TABLAS DE VERDAD
Se emplean en la lógica para determinar los posibles valores de verdad de una
expresión o proposición. O si un esquema de inferencia, como argumento, es
formalmente válido mostrando que, efectivamente, es una tautología.
La tabla de verdad de una sentencia es una tabla en la que se presentan todas las
posibles interpretaciones de las variables proposicionales que constituyen la
sentencia y el valor de verdad de la sentencia para cada interpretación.
Dado que en el cálculo proposicional se opera sólo sobre dos valores de verdad,
para cualquier expresión existe un número finito de valuaciones posibles que se
pueden tabular.

Unidad 2 Página 13
La tabla de verdad de una expresión con n variables proposicionales tiene
2n filas
Semántica
 Negación Consiste en cambiar el valor de verdad de una variable
proposicional.

V F

F V
 Disyunción: La sentencia será verdadera cuando una o ambas variables
proposicionales sean verdaderas.

p q

V V V

V F V

F V V

F F F
 Conjunción: La sentencia será verdadera sólo cuando ambas variables
proposicionales sean verdaderas.

p q

V V V

V F F

F V F

F F F

Unidad 2 Página 14
 Condicional

La sentencia será verdadera cuando se cumpla si es válido p entonces lo es q.

p q

V V V

V F F

F V V

F F V

 Bicondicional

La sentencia será verdadera cuando ambas variables proposicionales sean

iguales.

p q

V V V

V F F

F V F

F F V
 Disyunción exclusiva

La sentencia será verdadera sólo cuando sólo una de las dos variables
proposicionales sea verdadera, pero no las dos.

P q

Unidad 2 Página 15
 V V F

V F V

F V V

F F F

3.7 VALIDEZ E INFERENCIA

Los términos "razonamiento" e "inferencia" son utilizados para referirse a cualquier
proceso mediante el que se obtienen conclusiones.
Las tablas de verdad sirven no solo para definir los conectores, sino también para
probar la validez de las oraciones. Si se desea considerar una oración, se
construye una tabla de verdad con una hilera por cada una de las posibles
combinaciones de valores de verdad correspondientes a los signos proposititos de
la oración. Se calcula el valor de verdad de toda la oración, en cada una de las
hileras. Si la oración es verdadera en cada una de las hileras. La oración es valida.
Las tablas nos manifiestan los valores de verdad de cualquier proposición, así
como el análisis de los mismos, encontrándonos con los siguientes casos:
 Tautología o validez:

Se entiende por proposición tautológica, o tautología, aquella proposición que en

todos los casos posibles de su tabla de verdad su valor siempre es V.
 Contradicción:

Se entiende por proposición contradictoria, o contradicción, aquella proposición

que en todos los casos posibles de su tabla de verdad su valor siempre es F
 Contingencia (verdad indeterminada)

Se entiende por verdad contingente, o verdad de hecho, aquella proposición que

puede ser verdadera o falsa, o no se tiene suficiente información para llegar a una
conclusión
 Satisfabilidad.

Si en la tabla de verdad se obtiene al menos una VERDAD

Unidad 2 Página 16
EJERCICIOS
1. ((P Ú H) Ù Ø P ) Þ P
Solución

Respuesta: sí es valida
2. Determinar La Validez De La Siguiente oración compleja
 Si no llueve salgo al campo. Si salgo al campo respiro. Por tanto, respiro si
y sólo si no llueve."

Respuesta:
NO es válido, puedo salir al campo, lloviendo y respirar. Luego no se deduce
que respire si y solo si no llueve.
 Si ha nevado será difícil conducir. Si no es fácil conducir llegaré tarde si no
salgo temprano. Ha nevado. Luego saldré temprano.

Respuesta
El razonamiento NO es válido porque puede darse el caso de NO salir
temprano y llegar tarde habiendo nevado y siendo difícil conducir.
Cumpliéndose todas las premisas.
3.9 REGLAS DE INFERENCIA
• Existen ciertos patrones de inferencia que se presentan una y otra vez, lo
que permite establecer de una vez por todas su confiabilidad.
• La regla permite evitar pasar por las tablas de verdad.
3. A partir de una implicación y la premisa de la implicación, se puede
inferir la
conclusión.

Unidad 2 Página 17
Modus ponens o implicación-Eliminación:

A partir de una conjunción se puede inferir cuales son los coyuntos(elementos)

Y- Eliminación: (eliminación de ^ )

A partir de una lista de oraciones es posible inferir su conjunción

Y- Introducción (Introducción del ^)

A partir de una oración es posible inferir su disyunción con todo lo demás.

O- Introducción (Introducción del Ú )

A partir de una oración doblemente negada, es posible inferir una oración positiva

Eliminación de la doble negación:

A partir de una disyunción, si uno de los disyuntos es falso, entonces se puede

inferir que el otro es verdadero.

Resolución unitaria

Es la mas difícil. Puesto que B no puede ser al mismo tiempo verdadera ni falsa,
uno de los otros disyuntos debe ser en una de las premisas. O también, que la
implicación es transitiva.

Unidad 2 Página 18
 EJERCICIOS
 Utilice la tabla de verdad para determinar para demostrar que la
siguiente oración es válida y que por lo tanto la equivalencia es
correcta

P^ (q rp ^ q) ( p^ r)]

p q r P ^ (q r) p ^ q) ( p^ r)

V V V V V V V V F F V V

V V F V F F V V F F F F

V F V V V V V V V VV V

V F F V V V V V V VV F

F V V F F V V F F F F F

F V F F F F V F F F F F

Unidad 2 Página 19
 2.6 Resolución de Robinson

La Programación Lógica tiene sus orígenes más cercanos en los trabajos de

prueba automática de teoremas de los años sesenta. J. A. Robinson propone en
1965 una regla de inferencia a la que llama resolución, mediante la cual la
demostración de un teorema puede ser llevada a cabo de manera automática.

La resolución es una regla que se aplica sobre cierto tipo de fórmulas del Cálculo
de Predicados de Primer Orden, llamadas cláusulas y la demostración de
teoremas bajo esta regla de inferencia se lleva a cabo por reducción al absurdo.

Otros trabajos importantes de esa época que influyeron en la programación lógica,

fueron los de Loveland, Kowalski y Green. Este último, por ejemplo, diseña un
probador de teoremas que extrae de la prueba, el valor de las variables para las
cuales el teorema es válido.

Estos mecanismos de prueba fueron trabajados con mucho entusiasmo durante

una época, pero, por su ineficiencia, fueron relegados hasta el nacimiento de
Prolog, que surge en 1971 en la Universidad de Marsella, Francia, en el seno de
un grupo de investigación en el campo de la Inteligencia Artificial Colmerauer 73.

La Lógica de Primer Orden, es uno de los formalismos más utilizados para

representar conocimiento en IA. La Lógica cuenta con un lenguaje formal
mediante el cual es posible representar fórmulas llamadas axiomas, que permiten
describir fragmentos del conocimiento y, además consta de un conjunto de reglas
de inferencia que aplicadas a los axiomas, permiten derivar nuevo conocimiento.

Unidad 2 Página 20
Resolución de primer orden

Tal como en Lógica Proposicional (LP), nos interesa encontrar un algoritmo

implementable que permita hacer demostraciones de teoremas de primer orden en
forma automática.

El método es bastante parecido al de resolución de LP.

Supongamos que tenemos las siguientes dos cláusulas de primer orden:

P(x)∨Q(y,z)∨R(x,ƒ(w))

y la clausula
S(y) ∨ ¬P(u)

Observemos que:

Las variables en ambas cláusulas aparecen como libres.

Buscamos encontrar una correspondencia entre resolución y consecuencia lógica

por lo cual supondremos que todas las fórmulas están implícitamente
cuantificadas universalmente (no queremos variables libres).

Dado que la primera fórmula se cumple para todo x, podríamos inferir que,
particular, se cumple para un objeto cualquiera C.

Si lo mismo decimos acerca de la segunda cláusula tendremos que, se cumple

que:
P© ∨ Q(y, z) ∨ R(C, ƒ(w))

y la cláusula
S (y) ∨ ¬P©

Dada tal sustitución, podemos utilizar la regla de resolución que ya conocemos y

generar la siguiente cláusula:
S (y) ∨ Q(y, z) ∨ R(C, ƒ(w))

Unidad 2 Página 21
¿Por qué?

El proceso de asignar un valor a una variable, reemplazándola en toda la forma se

llama sustitución.

Si θ= {x/b, y/ƒ(a)} y φ es una formula, entonces φθ corresponde a la misma

fórmula con todas las ocurrencias de x reemplazadas por b y todas las ocurrencias
de y reemplazadas por ƒ(a).

Formalmente, una sustitución es una función parcialmente definida θ: Var → T(S),

donde T(S) es el conjunto de términos de un conjunto de símbolos S.

Una sustitución que hace que dos fórmulas atómicas se hagan iguales se conoce
como unificador.

Ejemplo

La sustitución θ = {x/f(A), y/g(u), z/A} es un unificador para los literales (Nota):

L1 ≡ R(x, g(u)) L1 ≡ R(ƒ(z), y)

Porque L1θ ≡ L2θ.

Nota: Tal como en LP, un literal es una fórmula atómica o la negación de una.

El sentido de igualdad (≡) usado aquí es meramente sintáctico y quiere decir que
las expresiones son iguales caracter a caracter.

Si θ es unificador, se usa
{E1,E2, . . . ,En}θ

para expresar el conjunto

{E1θ,E2θ, . . . ,Enθ}

Dos literales que unifican, pueden ser hechos unificar por muchas sustituciones.

En nuestro ejemplo anterior, todas las siguientes sustituciones son unificadores de

L1 y L2:

Unidad 2 Página 22
 θ1 = {x/ƒ(A), y/g(u), z/A}

θ2 = {x/ƒ(z), y/g(u)}

θ3 = {x/ƒ(ƒ(B)), y/g(A), z/ƒ(B), u/A}

De todos los unificadores posibles siempre existe al menos uno que es el menos
restrictivo, en el sentido que es el que menos restringe futuras unificaciones.

Este tipo de unificador se conoce como unificador más general (UMG).

Un UMG asigna la menor cantidad de sustituciones posibles.

Formalmente, un UMGθ de el conjunto de expresiones E es tal que cualquier otro

unificador θ´ de E se puede obtener primero mediante la aplicación de θ y después
de alguna otra sustitución τ. Es decír,
Eθ´ = Eθτ

En nuestro ejemplo, θ2 es el unificador más general. De hecho, si E= {R(x,

g(u)),R(ƒ(z), y)},
Eθ1 = (Eθ2){z/A}

Eθ3 = (Eθ2){z/ƒ(B), u/A}

Ahora estamos listos para formalizar una regla de resolución:

Sean l1 ∨ l2 ∨ . . . ln y l´1 ∨ l´2∨ . . . l´m cláusulas de primer orden. La regla de

resolución es aplicable si existen li(1 ≤ i ≤ n) y l´k (1 ≤ k ≤ m) tales que liθ y l´k θ
son uno la negación del otro (literales complementarios).

En este caso, la regla de resolución es la siguiente:

l1 ∨ l2 ∨ . . . ln

l´1 ∨ l´2 ∨ . . . l´m

_______________________________________

Unidad 2 Página 23
 Vi∈{1,…,n} − {j}liθ ∨ Vi∈{1,…,m} − {k}l´iθ

Hasta el momento, tenemos un método de resolución sirve para fórmulas de

primer orden cuantificadas universalmente.

¿Que podemos hacer cuando queremos demostrar un hecho a partir de un

conjunto de formulas con cuantificadores existenciales?

La respuesta está en transformar una fórmula con cuantificadores varios a una

que sólo tenga cuantificadores universales.

Esto se puede hacer mediante skolemización.

Unidad 2 Página 24
 2.7 Conocimiento no- monótono y otras lógicas

Una lógica no monotónica, o lógica no monótona, es un sistema lógico cuya

relación de consecuencia lógica es no monotónica. La mayoría de los sistemas
lógicos tienen una relación de consecuencia monotónica, lo que quiere decir que
el agregar una fórmula a una teoría nunca se produce una reducción de su
conjunto de consecuencias. Intuitivamente, la monotonicidad indica que el agregar
nuevos conocimientos no se reduce el conjunto de las cosas conocidas.
Simbólicamente:

Si , entonces

Donde A es una fórmula cualquiera y Γ y Δ son conjuntos de fórmulas

cualesquiera.

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

La lógica (clásica) de Primer Orden sólo es un modelo adecuado para el

razonamiento matemático.

A pesar del poder expresivo y rigor sin par de la lógica de predicados clásica,
muchos investigadores la han encontrado insatisfactoria o insuficiente para ajustar
ese modelo a nuestras intuiciones acerca del razonamiento “natural”, de este
modo surgen las Lógicas no clásicas.

Los objetivos que impulsan a las lógicas no clásicas son:

Resolución de las “paradojas de la implicación”.

Ampliación de la potencia expresiva del lenguaje lógico:

Razonamiento hipotético.
Razonamiento temporal.
Razonamiento epistémico
Razonamiento no-monótono

Unidad 2 Página 25
 Superación de la semántica bivalente:
Razonamiento impreciso.
Razonamiento sometido a incertidumbre.

Las lógicas no-clásicas son más adecuadas para la modelización cognitiva que la
clásica.

La lógica clásica se toma siempre como referencia.

Respecto a la aportación de la lógica a la computación decir que se ha hecho

evidente que estos diferentes sistemas no clásicos de razonamiento, surgidos de
antiguos debates filosóficos, son especialmente apropiados, por motivos muy
concretos:

Para las aplicaciones a la computación.

La inteligencia artificial, la especificación de código.

La informática nos obliga a plantear, por ejemplo, como modelar la interacción de

sistemas con diferentes, y limitados conceptos de la realidad (agentes
independientes, robots) con finalidades opuestas (en el área de la seguridad),
como actuar con información parcial o borrosa, o como tomar en cuenta las
propiedades efímeras o eventuales (lógica temporal y modal). El estudio del
desarrollo y la depuración del software o del comportamiento de un programa nos
obliga a distinguir entre el desarrollo posible o necesario de algunos estados
(lógica modal y dinámica).

Unidad 2 Página 26
 2.8 Razonamiento probabilístico
Las investigaciones sobre razonamiento han proliferado hasta el punto de crearse
revistas y libros en los que se trata sobre este proceso. En España, esto ha sido
más tardío pero, a pesar de esto, está cambiando el contexto, ya que en
psicología cognitiva se está tratando este tema. Paralelamente a esto, se han
elaborado libros de texto, como el de Carlos Santamaría, espec íficos del
razonamiento. También, en revistas de psicología españolas, aparecen artículos
sobre este tema.

En cuanto al concepto de razonamiento, no hay una definición unitaria. Para

intentar definir el razonamiento en esta asignatura, podemos categorizar las
distintas definiciones que han dado los autores en torno a este tema.

Concepción tradicional.

Históricamente, el razonamiento se ha entendido como una facultad exclusiva de

los seres humanos. El razonamiento era lo que delimitaba las diferencias entre ser
humano o no serlo. Esta postura era la que mantenía Descartes y, hoy en día, la
siguen manteniendo algunas personas. Sin embargo, esto se cuestiona con la
teoría de la evolución y, a partir de aquí, algunos autores adoptan esta
concepción.

Concepción evolucionista.

Para el evolucionismo, el razonamiento es “una actividad inferencial, más que

compartismo con algunos animales de nuestra escala evolutiva”. La teoría de la
evolución dice que no somos una especie al margen de las otras especies.
Algunas investigaciones han mostrado que los chimpancés son capaces de llevar
a cabo procesos inferenciales. Se cuestiona la concepción tradicional. No
obstante, hay una limitación en el tipo de inferencias que pueden llevar a cabo los
animales.

Byrne es antropóloga y dedica un capítulo al estudio de los chimpancés y observa

que los animales llevan a cabo inferencias.

Concepción cognitiva.

Para esta concepción, el razonamiento es “aquella actividad que tiene un objetivo

preciso pero que no suele usar procedimientos rutinarios” (Jonson-Laird.) Los
procesos deductivos no se realizan, generalmente, de forma automática. Es
independiente del sustrato físico. Aunque animales y humanos realicen

Unidad 2 Página 27
inferencias, es independiente del sustrato físico, ya que los ordenadores resuelven
problemas de lógica, tanto inductivos como deductivos.

Tipos de razonamiento.

A pesar de la disparidad de opiniones en torno a la definición del “razonamiento”,

en lo que respecta a los tipos de razonamiento, hay un mayor acuerdo entre los
teóricos. Hay dos tipos de razonamiento: inductivo y deductivo.

Tradicionalmente, el razonamiento deductivo, se ha considerado que va de lo

general a lo particular y, el inductivo, en sentido inverso. Actualmente, esta
definición es pobre. Hay otros conceptos que diferencian ambos tipos de
razonamiento:

Se utiliza el concepto de validez para el razonamiento deductivo y, para el

inductivo, el concepto de probabilidad.

Un razonamiento es deductivo si la conclusión se sigue necesariamente de las

premisas. Cuando se deriva necesariamente de las premisas es válido y, si es
válido, significa que, siendo las premisas verdaderas, las conclusiones, también lo
serán. El razonamiento deductivo es proposicional, de tipo silogístico, de
relaciones... De este tipo de razonamiento, se pueden obtener razonamientos
válidos e inválidos. Son validos si, cuando son las premisas verdaderas, las
conclusiones también lo son. De lo contrario, los razonamientos serían inválidos.
Un argumento es válido cuando es imposible que su conclusión sea falsa, siendo
sus premisas verdaderas. Véase como ejemplo, el siguiente silogismo:

Todos los artistas son banqueros.

Todos los banqueros son cantantes.

Conclusión: Todos los artistas son cantantes.

Lo que se dice en la conclusión, estaba en las premisas, por tanto, no se

incrementa la información semántica. Esto es una característica de este
razonamiento. La conclusión, ya implícitamente, estaba en las premisas. Con este
tipo de razonamiento, no se crea conocimiento, mientras que en el inductivo sí. Un
ejemplo de razonamiento inductivo sería el siguiente:

La mayoría de los cisnes son blancos.

Esto es un cisne.

Unidad 2 Página 28
Podríamos concluir que el cisne es blanco, pero, que la mayoría sean blancos, no
quiere decir que lo sean todos. De este modo, también podríamos concluir que es
negro, yendo más allá de las premisas. No hay certeza absoluta, hay,
simplemente, probabilidad. En el razonamiento deductivo, la certeza es del 100%,
pero no en el inductivo. En el razonamiento inductivo, se va más allá de las
premisas.

2.9 Teorema de Bayes

El teorema de Bayes, enunciado por Thomas Bayes, en la teoría de la
probabilidad, es el resultado que da la distribución de probabilidad condicional de
un evento aleatorio A dado B en términos de la distribución de probabilidad
condicional del evento B dado A y la distribución de probabilidad marginal de sólo
A.

Sea {A1,A3,...,Ai,...,An} un conjunto de sucesos mutuamente excluyentes y

exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta de cero.
Sea B un suceso cualquiera del que se conocen las probabilidades condicionales
P(B | Ai). Entonces, la probabilidad P (Ai | B) viene dada por la expresión:

Donde:

 P (Ai ) son las probabilidades a priori.

 P (B | Ai ) es la probabilidad de B en la hipótesis Ai .
 P (Ai | B) son las probabilidades a posteriori.

Esto se cumple

Además, unido a la definición de Probabilidad condicionada, obtenemos la

Fórmula de Bayes, también conocida como la Regla de Bayes:

Unidad 2 Página 29
Aplicaciones

El teorema de Bayes es válido en todas las aplicaciones de la teoría de la

probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades
que emplea. En esencia, los seguidores de la estadística tradicional sólo admiten
probabilidades basadas en experimentos repetibles y que tengan una confirmación
empírica mientras que los llamados estadísticos bayesianos permiten
probabilidades subjetivas. El teorema puede servir entonces para indicar cómo
debemos modificar nuestras probabilidades subjetivas cuando recibimos
información adicional de un experimento. La estadística bayesiana está
demostrando su utilidad en ciertas estimaciones basadas en el conocimiento
subjetivo a priori y el hecho de permitir revisar esas estimaciones en función de la
evidencia empírica es lo que está abriendo nuevas formas de hacer conocimiento.
Una aplicación de esto son los clasificadores bayesianos que son frecuentemente
usados en implementaciones de filtros de correo basura o spam, que se adaptan
con el uso.

Como observación, se tiene y su demostración resulta trivial.

Unidad 2 Página 30
Bibliografía

http://www.hipertexto.info/documentos/maps_concep.htm

http://www.nebrija.es/~cmalagon/ia/ejercicios/Ejercicios_redes_semanticas.pdf

http://es.wikipedia.org/wiki/Red_sem%C3%A1ntica

http://www.gsi.dit.upm.es/~gfer/ssii/rcsi/rcsisu16.html

http://www.monografias.com/trabajos51/inteligencia-artificial/inteligencia-
artificial2.shtml

http://campusvirtual.unex.es/cala/epistemowikia/index.php?title=L%C3%B3gicas_n
o-cl%C3%A1sicas

http://es.wikipedia.org/wiki/Teorema_de_Bayes

Unidad 2 Página 31