Abducción, razonamiento revisable y explicación científica
- Autores
- Delrieux, Claudio
- Año de publicación
- 2000
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La necesidad de contar con modelos de razonamiento no monotónico en los sistemas inteligentes fue rápidamente reconocida en la comunidad del KR&R [3], especialmente para poder manejar los problemas originados al aplicar deducción en teorías incompletas. Las reglas derrotables en particular, y la inferencia ampliativa en general, pueden considerarse como un mecanismo heurístico para cOllstruir nuevo conocimiento a partir del conocimiento ya disponible. Este conocimiento generado es de naturaleza tentativa, es decir, es aceptable en tanto que no se modifique el contexto dentro del cual fue producido. En el razonamiento revisable surgido a partir de la década del 80 se buscó la manera de respetar la forma de la deducción por medio de esquemas de inferencia similares al modus ponens. De esa manera, representamos con una premisa 'Normalmente, cuando a sucede, entonces b también sucede' la predisposición a realizar la inferencia no monotónica de b cuando en el contexto de la teoría es posible demostrar a pero no es posible demostrar .... b. Dicha premisa asume la forma de una regla y por lo tanto se suele denominar regla revisable. Los sistemas de razonamiento no monotónico surgidos recientemente buscan solucionar el problema del encadenamiento de una línea de razonamiento, es decir, la construcción de una secuencia análoga a una demostración para una conclusión. Estas demostraciones con reglas revisables suelen denominarse argumentos o teorías.
Eje: Aspectos teóricos de inteligencia artificial
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
Abducción
explicación científica
razonamiento revisable - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/22103
Ver los metadatos del registro completo
id |
SEDICI_84ed44692c3fa54c6e45b0745e424aa6 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/22103 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Abducción, razonamiento revisable y explicación científicaDelrieux, ClaudioCiencias InformáticasARTIFICIAL INTELLIGENCEAbducciónexplicación científicarazonamiento revisableLa necesidad de contar con modelos de razonamiento no monotónico en los sistemas inteligentes fue rápidamente reconocida en la comunidad del KR&R [3], especialmente para poder manejar los problemas originados al aplicar deducción en teorías incompletas. Las reglas derrotables en particular, y la inferencia ampliativa en general, pueden considerarse como un mecanismo heurístico para cOllstruir nuevo conocimiento a partir del conocimiento ya disponible. Este conocimiento generado es de naturaleza tentativa, es decir, es aceptable en tanto que no se modifique el contexto dentro del cual fue producido. En el razonamiento revisable surgido a partir de la década del 80 se buscó la manera de respetar la forma de la deducción por medio de esquemas de inferencia similares al modus ponens. De esa manera, representamos con una premisa 'Normalmente, cuando a sucede, entonces b también sucede' la predisposición a realizar la inferencia no monotónica de b cuando en el contexto de la teoría es posible demostrar a pero no es posible demostrar .... b. Dicha premisa asume la forma de una regla y por lo tanto se suele denominar regla revisable. Los sistemas de razonamiento no monotónico surgidos recientemente buscan solucionar el problema del encadenamiento de una línea de razonamiento, es decir, la construcción de una secuencia análoga a una demostración para una conclusión. Estas demostraciones con reglas revisables suelen denominarse argumentos o teorías.Eje: Aspectos teóricos de inteligencia artificialRed de Universidades con Carreras en Informática (RedUNCI)2000-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf42-45http://sedici.unlp.edu.ar/handle/10915/22103spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T10:27:43Zoai:sedici.unlp.edu.ar:10915/22103Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:27:43.613SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Abducción, razonamiento revisable y explicación científica |
title |
Abducción, razonamiento revisable y explicación científica |
spellingShingle |
Abducción, razonamiento revisable y explicación científica Delrieux, Claudio Ciencias Informáticas ARTIFICIAL INTELLIGENCE Abducción explicación científica razonamiento revisable |
title_short |
Abducción, razonamiento revisable y explicación científica |
title_full |
Abducción, razonamiento revisable y explicación científica |
title_fullStr |
Abducción, razonamiento revisable y explicación científica |
title_full_unstemmed |
Abducción, razonamiento revisable y explicación científica |
title_sort |
Abducción, razonamiento revisable y explicación científica |
dc.creator.none.fl_str_mv |
Delrieux, Claudio |
author |
Delrieux, Claudio |
author_facet |
Delrieux, Claudio |
author_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas ARTIFICIAL INTELLIGENCE Abducción explicación científica razonamiento revisable |
topic |
Ciencias Informáticas ARTIFICIAL INTELLIGENCE Abducción explicación científica razonamiento revisable |
dc.description.none.fl_txt_mv |
La necesidad de contar con modelos de razonamiento no monotónico en los sistemas inteligentes fue rápidamente reconocida en la comunidad del KR&R [3], especialmente para poder manejar los problemas originados al aplicar deducción en teorías incompletas. Las reglas derrotables en particular, y la inferencia ampliativa en general, pueden considerarse como un mecanismo heurístico para cOllstruir nuevo conocimiento a partir del conocimiento ya disponible. Este conocimiento generado es de naturaleza tentativa, es decir, es aceptable en tanto que no se modifique el contexto dentro del cual fue producido. En el razonamiento revisable surgido a partir de la década del 80 se buscó la manera de respetar la forma de la deducción por medio de esquemas de inferencia similares al modus ponens. De esa manera, representamos con una premisa 'Normalmente, cuando a sucede, entonces b también sucede' la predisposición a realizar la inferencia no monotónica de b cuando en el contexto de la teoría es posible demostrar a pero no es posible demostrar .... b. Dicha premisa asume la forma de una regla y por lo tanto se suele denominar regla revisable. Los sistemas de razonamiento no monotónico surgidos recientemente buscan solucionar el problema del encadenamiento de una línea de razonamiento, es decir, la construcción de una secuencia análoga a una demostración para una conclusión. Estas demostraciones con reglas revisables suelen denominarse argumentos o teorías. Eje: Aspectos teóricos de inteligencia artificial Red de Universidades con Carreras en Informática (RedUNCI) |
description |
La necesidad de contar con modelos de razonamiento no monotónico en los sistemas inteligentes fue rápidamente reconocida en la comunidad del KR&R [3], especialmente para poder manejar los problemas originados al aplicar deducción en teorías incompletas. Las reglas derrotables en particular, y la inferencia ampliativa en general, pueden considerarse como un mecanismo heurístico para cOllstruir nuevo conocimiento a partir del conocimiento ya disponible. Este conocimiento generado es de naturaleza tentativa, es decir, es aceptable en tanto que no se modifique el contexto dentro del cual fue producido. En el razonamiento revisable surgido a partir de la década del 80 se buscó la manera de respetar la forma de la deducción por medio de esquemas de inferencia similares al modus ponens. De esa manera, representamos con una premisa 'Normalmente, cuando a sucede, entonces b también sucede' la predisposición a realizar la inferencia no monotónica de b cuando en el contexto de la teoría es posible demostrar a pero no es posible demostrar .... b. Dicha premisa asume la forma de una regla y por lo tanto se suele denominar regla revisable. Los sistemas de razonamiento no monotónico surgidos recientemente buscan solucionar el problema del encadenamiento de una línea de razonamiento, es decir, la construcción de una secuencia análoga a una demostración para una conclusión. Estas demostraciones con reglas revisables suelen denominarse argumentos o teorías. |
publishDate |
2000 |
dc.date.none.fl_str_mv |
2000-05 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/22103 |
url |
http://sedici.unlp.edu.ar/handle/10915/22103 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
dc.format.none.fl_str_mv |
application/pdf 42-45 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1842260115199098880 |
score |
13.13397 |