Sistema de razonamiento

En tecnología de la información, un sistema de razonamiento es un sistema de software que genera conclusiones a partir del conocimiento disponible mediante técnicas lógicas como la deducción y la inducción . Los sistemas de razonamiento desempeñan un papel importante en la implementación de la inteligencia artificial y los sistemas basados ​​en el conocimiento .

Según la definición común del término, todos los sistemas informáticos son sistemas de razonamiento, ya que automatizan algún tipo de lógica o decisión. Sin embargo, en el ámbito de las Tecnologías de la Información , la expresión suele reservarse para sistemas que realizan razonamientos más complejos. Por ejemplo, no se aplica a sistemas que realizan razonamientos sencillos, como calcular un impuesto sobre las ventas o un descuento para clientes, sino a aquellos que realizan inferencias lógicas sobre un diagnóstico médico o un teorema matemático. Los sistemas de razonamiento se presentan en dos modos: interactivo y por lotes. Los sistemas interactivos interactúan con el usuario para formular preguntas aclaratorias o permitirle guiar el proceso de razonamiento. Los sistemas por lotes procesan toda la información disponible de una sola vez y generan la mejor respuesta posible sin retroalimentación ni guía del usuario. ^{[ 1 ]}

Los sistemas de razonamiento tienen un amplio campo de aplicación que incluye la planificación , el procesamiento de reglas de negocio , la resolución de problemas , el procesamiento de eventos complejos , la detección de intrusiones , el análisis predictivo , la robótica , la visión artificial y el procesamiento del lenguaje natural .

Los primeros sistemas de razonamiento fueron los demostradores de teoremas, sistemas que representan axiomas y enunciados en lógica de primer orden y luego utilizan reglas de lógica como el modus ponens para inferir nuevos enunciados. Otro tipo temprano de sistema de razonamiento fueron los solucionadores de problemas generales. Estos sistemas fueron como el Solucionador de Problemas Generales diseñado por Newell y Simon . Los solucionadores de problemas generales intentaron proporcionar un motor de planificación genérico que pudiera representar y resolver problemas estructurados. Funcionaban descomponiendo los problemas en subproblemas más pequeños y manejables, resolviendo cada subproblema y ensamblando las respuestas parciales en una respuesta final. Otro ejemplo de solucionador de problemas generales fue la familia de sistemas SOAR .

En la práctica, estos demostradores de teoremas y solucionadores de problemas generales rara vez resultaban útiles para aplicaciones prácticas y requerían usuarios especializados con conocimientos de lógica para su utilización. La primera aplicación práctica del razonamiento automatizado fueron los sistemas expertos . Estos sistemas se centraban en dominios mucho mejor definidos que la resolución general de problemas, como el diagnóstico médico o el análisis de fallos en una aeronave. Los sistemas expertos también se centraban en implementaciones más limitadas de la lógica. En lugar de intentar implementar toda la gama de expresiones lógicas, se centraban típicamente en modus-ponents implementados mediante reglas IF-THEN. Centrarse en un dominio específico y permitir solo un subconjunto restringido de la lógica mejoró el rendimiento de dichos sistemas, de modo que resultaron prácticos para su uso en el mundo real y no meramente como demostraciones de investigación, como lo habían sido la mayoría de los sistemas de razonamiento automatizado anteriores. El motor utilizado para el razonamiento automatizado en los sistemas expertos se denominaba normalmente motor de inferencia . Los utilizados para la inferencia lógica más general se denominan normalmente demostradores de teoremas . ^{[ 2 ]}

Con el auge de los sistemas expertos, se aplicaron muchos tipos nuevos de razonamiento automatizado a diversos problemas en el gobierno y la industria. Algunos, como el razonamiento basado en casos, surgieron de la investigación en sistemas expertos. Otros, como los algoritmos de satisfacción de restricciones, también se vieron influenciados por campos como la tecnología de decisiones y la programación lineal. Asimismo, un enfoque completamente diferente, no basado en el razonamiento simbólico sino en un modelo conexionista, ha resultado sumamente productivo. Este último tipo de razonamiento automatizado es especialmente adecuado para problemas de reconocimiento de patrones y detección de señales, como la búsqueda de texto y el reconocimiento facial.

El término sistema de razonamiento puede aplicarse a casi cualquier tipo de sistema sofisticado de apoyo a la toma de decisiones, como se ilustra en las áreas específicas que se describen a continuación. Sin embargo, el uso más común del término sistema de razonamiento implica la representación computacional de la lógica. Diversas implementaciones muestran una variación significativa en términos de sistemas lógicos y formalidad. La mayoría de los sistemas de razonamiento implementan variaciones de la lógica proposicional y simbólica ( de predicados ). Estas variaciones pueden ser representaciones matemáticamente precisas de sistemas de lógica formal (p. ej., lógica de primer orden ) o versiones extendidas e híbridas de dichos sistemas (p. ej., lógica cortés ^{[ 3 ]} ). Los sistemas de razonamiento pueden implementar explícitamente tipos de lógica adicionales (p. ej., lógica modal , deóntica , temporal ). Sin embargo, muchos sistemas de razonamiento implementan aproximaciones imprecisas y semiformales a sistemas lógicos reconocidos. Estos sistemas suelen admitir una variedad de técnicas procedimentales y semideclarativas para modelar diferentes estrategias de razonamiento. Enfatizan el pragmatismo sobre la formalidad y pueden depender de extensiones y complementos personalizados para resolver problemas del mundo real.

Muchos sistemas de razonamiento emplean el razonamiento deductivo para inferir conclusiones a partir del conocimiento disponible. Estos motores de inferencia admiten el razonamiento hacia adelante o hacia atrás para inferir conclusiones mediante el modus ponens . Los métodos de razonamiento recursivo que emplean se denominan, respectivamente, « encadenamiento hacia adelante » y « encadenamiento hacia atrás ». Si bien los sistemas de razonamiento admiten ampliamente la inferencia deductiva, algunos emplean razonamiento abductivo , inductivo , derrotable y de otros tipos. También se pueden emplear heurísticas para determinar soluciones aceptables a problemas intratables .

Los sistemas de razonamiento pueden emplear la suposición de mundo cerrado (CWA) o la suposición de mundo abierto (OWA). La OWA se asocia frecuentemente con la representación del conocimiento ontológico y la Web Semántica . Los distintos sistemas presentan diversos enfoques para la negación . Además del complemento lógico o bit a bit , los sistemas pueden admitir formas existenciales de negación fuerte y débil, incluyendo la negación como fallo y la negación «inflacionaria» (negación de átomos no fundamentales ). Los distintos sistemas de razonamiento pueden admitir razonamiento monótono o no monótono , estratificación y otras técnicas lógicas.

Muchos sistemas de razonamiento ofrecen capacidades para razonar bajo incertidumbre . Esto es importante al construir agentes de razonamiento situados que deben lidiar con representaciones inciertas del mundo. Existen varios enfoques comunes para manejar la incertidumbre. Estos incluyen el uso de factores de certeza, métodos probabilísticos como la inferencia bayesiana o la teoría de Dempster-Shafer , la lógica multivaluada (o difusa ) y diversos enfoques conexionistas . ^{[ 4 ]}

Esta sección ofrece una categorización informal y no exhaustiva de los tipos comunes de sistemas de razonamiento. Estas categorías no son absolutas; se superponen en gran medida y comparten diversas técnicas, métodos y algoritmos .