Logica Abductiva y Lógica Paraconsistente Computacional - here
Logica Abductiva y Lógica Paraconsistente Computacional - here
Logica Abductiva y Lógica Paraconsistente Computacional - here
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
5.1. LÓGICA EPISTÉMICA Y ABDUCCIÓN 65<br />
más bien por asimilación de los nuevos datos. Así, al llegar un nuevo dato, se incorporan a la<br />
base de conocimientos las hipótesis capaces de explicar dicho dato.<br />
Razonamiento por defecto: El razonamiento por defecto permite la aplicación de ciertas<br />
reglas generales en ausencia de contradicciones y se emplea frecuentemente para modelizar<br />
sistemas en los que no es posible razonar según los parámetros de la lógica clásica. Como<br />
indica Peter Flach, el razonamiento por defecto puede ser contemplado abductivamente.<br />
Aprendizaje: La abducción se puede utilizar como mecanismo de aprendizaje. Cuando intentamos<br />
explicar un hecho que entra en contradicción con la teoría, deberemos modificar esta<br />
teoría, ya que ese hecho, puesto que existe y tenemos evidencia de él, tiene que ser explicado<br />
con la teoría actual.<br />
Vamos ahora a profundizar un poco más en otras aplicaciones. Comenzamos con una aplicación<br />
que permite trabajar con agentes con capacidad de razonamiento abductivo y que colaboran o<br />
compiten, desarrollada por Anna Ciampolini, Evelina Lamma, Paola Mello y Paolo Torroni de la<br />
universidad de Bologna:<br />
5.1. <strong>Lógica</strong> Epistémica y Abducción<br />
Como indicamos al estudiar la lógica epistémica de n agentes, la mayoría de los problemas reales<br />
tratan con entornos complejos que requieren sofisticadas capacidades de razonamiento y reclaman<br />
la solución de varios aspectos simultáneamente. Un planteamiento centralizado, en el que un solo<br />
agente (programa) aborde todos los aspectos del problema, resulta, en general, muy complicado y<br />
muy costoso computacionalmente. La solución más aceptable consiste en contemplar varios agentes<br />
(componentes). Estos agentes han de ser autónomos y poseer capacidades computacionales independientes<br />
y, lo que es más importante, sería deseable que tuvieran la capacidad de interactuar,<br />
colaborar y/o competir con otros agentes.<br />
El problema es cómo combinar el lenguaje de comunicación y el lenguaje de conocimiento local.<br />
Una propuesta de solución a este problema es la arquitectura denominada ALIAS (Abductive Logic<br />
Inteligent Agent System), 1 que hace uso de la lógica para modelizar la capacidad de razonamiento<br />
de los agentes y sus capacidades sociales y en la que el razonamiento local y la interacción global<br />
se especifican en un paradigma basado en programación lógica. En esta arquitectura los agentes<br />
poseen la capacidad de razonamiento abductivo, ya que se considera que la tarea contemplada no<br />
es ajena a situaciones en las que el conocimiento es incompleto, lo cual requiere por parte de los<br />
agentes la capacidad de razonamiento abductivo para poder introducir explicaciones aceptables.<br />
En este ámbito de Sistemas Inteligentes, la abducción se contempla como un modo de ampliar<br />
“dinámicamente” el conocimiento de los agentes mediante explicaciones abductivas.<br />
Podemos considerar entre los agentes dos tipos de coordinación: colaboración y competición. Pensemos,<br />
por ejemplo en sistemas de diagnóstico, donde cada agente (especialista) ha de “suponer”<br />
posibles causas de algunos síntomas. Cuando se considera un solo agente, las hipótesis son asumidas<br />
si son consistentes con el conocimiento previo del agente. Pero en la aplicación que nos ocupa, los<br />
diversos agentes pueden realizar razonamientos abductivos, y será preciso contemplar diferentes<br />
formas de combinación, dependiendo del papel de cada agente en el proceso y de la interacción de<br />
los agentes entre sí.<br />
1 De Paolo Torroni