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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/22103

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