Razonamiento del conocimiento en la inteligencia artificial
La representación del conocimiento y el razonamiento (KRR, KR&R, KR²) es el campo de la inteligencia artificial (IA) dedicado a representar la información sobre el mundo de forma que un sistema informático pueda utilizarla para resolver tareas complejas, como diagnosticar una enfermedad o mantener un diálogo en un lenguaje natural. La representación del conocimiento incorpora los hallazgos de la psicología[1] sobre cómo los humanos resuelven problemas y representan el conocimiento para diseñar formalismos que faciliten el diseño y la construcción de sistemas complejos. La representación del conocimiento y el razonamiento también incorporan hallazgos de la lógica para automatizar varios tipos de razonamiento, como la aplicación de reglas o las relaciones de conjuntos y subconjuntos.
Algunos ejemplos de formalismos de representación del conocimiento son las redes semánticas, la arquitectura de sistemas, los marcos, las reglas y las ontologías. Entre los ejemplos de motores de razonamiento automatizados se encuentran los motores de inferencia, los demostradores de teoremas y los clasificadores.
Los primeros trabajos de representación del conocimiento por ordenador se centraron en los solucionadores de problemas generales, como el sistema General Problem Solver (GPS) desarrollado por Allen Newell y Herbert A. Simon en 1959. Estos sistemas presentaban estructuras de datos para la planificación y la descomposición. El sistema comenzaba con un objetivo. A continuación, descomponía ese objetivo en subobjetivos y se disponía a construir estrategias que pudieran cumplir cada subobjetivo.
Razonamiento no monótono en inteligencia artificial slideshare
Desde su introducción en 1956, la inteligencia artificial (IA) ha recorrido un largo camino y se ha convertido en una parte integral de nuestro día a día. Hoy en día, la tecnología es utilizada por varios programas y máquinas para realizar numerosas tareas como la evaluación, la predicción, la resolución de problemas y mucho más. Eso no es todo, las organizaciones de todo el mundo están invirtiendo en esta tecnología para que sus operaciones sean más rápidas, inteligentes, competitivas y eficientes. Sin embargo, para realizar estas tareas la Inteligencia Artificial utiliza tres componentes cruciales:
Cada uno de ellos se cruza con el otro y permite que las máquinas y los sistemas de inteligencia artificial realicen tareas con una precisión y una velocidad equiparables a las de los humanos. Hoy hablaremos de uno de estos componentes, el razonamiento, para comprender su importancia y el papel que desempeña en la Inteligencia Artificial.
Asociado al pensamiento, al intelecto y a la cognición, el razonamiento es una forma de inferencia y de técnicas lógicas que se expresa a través de palabras (razonamiento cualitativo) y de otros símbolos (razonamiento cuantitativo) de manera que se pueda evaluar la legitimidad del proceso en caso necesario. Además, es una forma a través de la cual el pensamiento pasa de una idea a otra idea relacionada.
Razonamiento por defecto en la inteligencia artificial punto tutorial
La IA está interesada en la formalización de todas las formas de razonamiento. Obviamente, el mayor interés es el razonamiento en dominios específicos importantes para la IA, como el razonamiento en bases de conocimiento, que puede ser modelado en Lógica Descriptiva, el razonamiento sobre la acción, o el razonamiento sobre normas. Pero, también son de interés las formas de razonamiento independientes del dominio, como la Lógica Multivaluada, Constructiva, No Monótona y Probabilística. En este segundo grupo podemos situar también la formalización de la argumentación, un tema que conecta este SIG con el SIG AI, Ética y Derecho. Muchos investigadores de la Universidad de Utrecht investigan y utilizan la lógica, y el SIG espera reunir a estos investigadores a través de sus actividades.
La lógica también es fundamental para el estudio de los agentes que toman decisiones, lo que conecta este SIG con el SIG Sistemas Inteligentes Autónomos. La investigación en este ámbito se refiere a la modelización lógica de fenómenos importantes en el contexto de los agentes, lo que ha dado lugar, por ejemplo, a la Lógica BDI, la Lógica Dinámica y numerosas lógicas epistémicas. Aunque se utilizan para modelar fenómenos muy diferentes, estas lógicas, así como las mencionadas anteriormente, tienen muchas propiedades en común y un método desarrollado para una sola lógica resulta a menudo aplicable también a muchas otras lógicas. Esto hace que el intercambio de ideas y métodos entre los investigadores de estas áreas sea muy deseable, y el SIG espera facilitar dicho intercambio.
Razonamiento deductivo en ai
Razonamiento de sentido común, Razonamiento monotónico, Razonamiento no monotónico, Ventajas y desventajas del razonamiento monotónico, Ventajas y desventajas del razonamiento no monotónico, Diferencia entre razonamiento inductivo y deductivo.
El razonamiento de la inteligencia artificial puede dividirse en dos tipos: el razonamiento inductivo y el razonamiento deductivo. Ambos modos de razonamiento contienen premisas y conclusiones, pero son incompatibles entre sí. A continuación se presenta una lista de comparaciones entre el razonamiento inductivo y el deductivo: