CG: nm
CA: Filosofía – Teoría del conocimiento; Informática – Inteligencia artificial.
CT: Si los investigadores de inteligencia artificial están de acuerdo en algo es en que un artefacto inteligente debe ser capaz de razonar sobre el mundo que habita. El artefacto debe poseer varias formas de conocimiento y creencias sobre su mundo y debe usar esa información para inferir más información sobre el mundo a fin de tomar decisiones, planear y llevar a cabo sus acciones, responder a otros agentes, etc. El problema técnico de inteligencia artificial es caracterizar los patrones de razonamiento requeridos de tal artefacto inteligente y realizarlos computacionalmente. Existe un amplio cuadro de tales patrones de razonamiento necesarios para la conducta inteligente. Entre ellos:
- Razonamiento probabilístico, en el cual se asocian probabilidades con diferentes ítemes de información. El razonamiento requiere, en parte, computar probabilidades adecuadas para la información inferida, basándose en las probabilidades de la información usada para apoyar la inferencia.
- Razonamiento borroso, diseñado para caracterizar conceptos vagos como «alto» o «viejo» y asignar grados de vaguedad a las conclusiones inferidas usando tales conceptos.
- Razonamiento inductivo, que se entiende con la determinación de generalizaciones plausibles a partir de un número finito de observaciones.
- Razonamiento deductivo, el interés de la lógica matemática, el cual caracteriza, entre otras cosas, el método axiomático en las matemáticas.
F: AEI – http://goo.gl/rPJMos (consulta: 4.06.2014)
DEF: Estimación de la probabilidad de ocurrencia de un evento en función de un conocimiento determinado.
F: http://www4.ujaen.es/~cparedes/Documentos/T5Pens_08_09pub.ppt (consulta: 24.07.2014)
N: 1. razonamiento (nm): Sustantivo derivado del nombre razón, que procede del latín ratĭo, -ōnis.
probabilístico (adj): Adjetivo que deriva del sustantivo probalidad, del latín probabilĭtas, -ātis.
2. Según el CREA, el término se recoge en el año 1989, en una publicación de Francisco Javier Girón titulada El concepto de probabilidad.
3. El razonamiento probabilístico responde a la necesidad de adaptarnos a un mundo siempre cambiante.
4. El razonamiento probabilístico habría surgido como un proceso de selección y adaptación al medio. Por tanto animales humanos como no humanos desarrollarían cierta capacidad de razonamiento probabílístico.
5. Distintas teorías de la probabilidad han intentado establecer la relación matemática entre las predicciones y el conocimiento previo (i.e., Teorema de Bayes).
6. La principal ventaja del razonamiento probabilístico sobre el razonamiento lógico es que el primero permite tomar decisiones racionales aun en los casos en que no haya suficiente información para probar que cualquier acción dada funcionará.
7. El razonamiento probabilístico es un caso dentro del razonamiento no monótono. Cuando la probabilidad que la verdad de una oración haya cambiado con respecto a su valor inicial, otras oraciones que anteriormente tenían alta probabilidad pueden decaer hasta tener probabilidad pequeña o nula. Cuando se configuran los modelos probabilísticos, esto es, cuando se define el espacio para una muestra de “eventos” susceptibles de recibir diferentes valores de probabilidad, se está apelando a un razonamiento no-monótono más general, pero la convención es que esto no lo hace la computadora sino una persona que razona informalmente.
F: 1. DRAE@; LBR. 2. CREA (consulta: 22.11.2014). 3, 4 y 5. http://www4.ujaen.es/~cparedes/Documentos/T5Pens_08_09pub.ppt (consulta: 24.07.2014). 6. www.unlu.edu.ar/~ogarcia/ia/doc/SistProb.ppt (consulta: 24.07.2014). 7. http://inteligenciaartificialselem.obolog.es/unidad-2-representacion-conocimiento-razonamiento-1043965 (consulta: 24.07.2014).
SIN:
F:
RC: informática, inteligencia artificial.
IL: El papel del razonamiento probabilístico en la inteligencia artificial (audio de Radio UNED).
F: http://www.youtube.com/watch?v=ggMr_Q_Ztpw (consulta: 22.11.2014)
