Una interpretación plausibilística de los patrones ampliativos de inferencia

Autores
Delrieux, Claudio
Año de publicación
1997
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El razonamiento no trivial a partir de premisas contradictorias es reconocido actualmente como una de las necesidades principales de los sistemas inteligentes, como por ejemplo en los sistemas expertos, planificadores y diagramadores autónomos de tareas y sistemas de diagnóstico. Esta necesidad surge de que la evidencia o conocimiento particular disponible en estos sistemas está normalmente expuesta a la presencia de información incompleta o potencialmente falible, como pueden ser generalizaciones accidentales, opiniones equivocadas o contrapuestas, información tendenciosa o deliberadamente falsa, errores operativos o de medición, etc. El comportamiento esperado frente a una contradicción es aislarla del resto del conocimiento para no caer en la inconsistencia, o rechazar alguno de los términos contradictorios. En ambas situaciones se está estableciendo una inferencia más débil que la deducción, denominada exducción. En este trabajo buscamos aplicar la exducción no solamente para el razonamiento a partir de información contradictoria sino para el manejo de los patrones de inferencia ampliativos, como por ejemplo la abducción, la inducción, o el razonamiento no monotónico. La idea esencial es partir de una estructura epistémica que clasifica los diversos tipos de conocimiento por su justificación. Dentro de dicha estructura, una relación de importancia epistémica o plausibilidad permite asignar prioridades a cada uno de los elementos de la estructura epistémica. De esa manera, las conclusiones obtenidas por medio de inferencias ampliativas pueden representarse dentro de la estructura con la valoración o prioridad correspondiente
Eje: Workshop sobre Aspectos Teoricos de la Inteligencia Artificial
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Inteligencia artificial
ARTIFICIAL INTELLIGENCE
razonamiento no monotónico
abducción
inducción
razonamiento plausible
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:10915/24073
Acceder
id SEDICI_9944be23c8c84d56e3e60e68ff51f40c
oai_identifier_str oai:sedici.unlp.edu.ar:10915/24073
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Una interpretación plausibilística de los patrones ampliativos de inferenciaDelrieux, ClaudioCiencias InformáticasInteligencia artificialARTIFICIAL INTELLIGENCErazonamiento no monotónicoabduccióninducciónrazonamiento plausibleEl razonamiento no trivial a partir de premisas contradictorias es reconocido actualmente como una de las necesidades principales de los sistemas inteligentes, como por ejemplo en los sistemas expertos, planificadores y diagramadores autónomos de tareas y sistemas de diagnóstico. Esta necesidad surge de que la evidencia o conocimiento particular disponible en estos sistemas está normalmente expuesta a la presencia de información incompleta o potencialmente falible, como pueden ser generalizaciones accidentales, opiniones equivocadas o contrapuestas, información tendenciosa o deliberadamente falsa, errores operativos o de medición, etc. El comportamiento esperado frente a una contradicción es aislarla del resto del conocimiento para no caer en la inconsistencia, o rechazar alguno de los términos contradictorios. En ambas situaciones se está estableciendo una inferencia más débil que la deducción, denominada exducción. En este trabajo buscamos aplicar la exducción no solamente para el razonamiento a partir de información contradictoria sino para el manejo de los patrones de inferencia ampliativos, como por ejemplo la abducción, la inducción, o el razonamiento no monotónico. La idea esencial es partir de una estructura epistémica que clasifica los diversos tipos de conocimiento por su justificación. Dentro de dicha estructura, una relación de importancia epistémica o plausibilidad permite asignar prioridades a cada uno de los elementos de la estructura epistémica. De esa manera, las conclusiones obtenidas por medio de inferencias ampliativas pueden representarse dentro de la estructura con la valoración o prioridad correspondienteEje: Workshop sobre Aspectos Teoricos de la Inteligencia ArtificialRed de Universidades con Carreras en Informática (RedUNCI)1997info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/24073spainfo: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:UNLP2025-09-10T11:59:05Zoai:sedici.unlp.edu.ar:10915/24073Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-10 11:59:06.196SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Una interpretación plausibilística de los patrones ampliativos de inferencia
title Una interpretación plausibilística de los patrones ampliativos de inferencia
spellingShingle Una interpretación plausibilística de los patrones ampliativos de inferencia
Delrieux, Claudio
Ciencias Informáticas
Inteligencia artificial
ARTIFICIAL INTELLIGENCE
razonamiento no monotónico
abducción
inducción
razonamiento plausible
title_short Una interpretación plausibilística de los patrones ampliativos de inferencia
title_full Una interpretación plausibilística de los patrones ampliativos de inferencia
title_fullStr Una interpretación plausibilística de los patrones ampliativos de inferencia
title_full_unstemmed Una interpretación plausibilística de los patrones ampliativos de inferencia
title_sort Una interpretación plausibilística de los patrones ampliativos de inferencia
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
Inteligencia artificial
ARTIFICIAL INTELLIGENCE
razonamiento no monotónico
abducción
inducción
razonamiento plausible
topic Ciencias Informáticas
Inteligencia artificial
ARTIFICIAL INTELLIGENCE
razonamiento no monotónico
abducción
inducción
razonamiento plausible
dc.description.none.fl_txt_mv El razonamiento no trivial a partir de premisas contradictorias es reconocido actualmente como una de las necesidades principales de los sistemas inteligentes, como por ejemplo en los sistemas expertos, planificadores y diagramadores autónomos de tareas y sistemas de diagnóstico. Esta necesidad surge de que la evidencia o conocimiento particular disponible en estos sistemas está normalmente expuesta a la presencia de información incompleta o potencialmente falible, como pueden ser generalizaciones accidentales, opiniones equivocadas o contrapuestas, información tendenciosa o deliberadamente falsa, errores operativos o de medición, etc. El comportamiento esperado frente a una contradicción es aislarla del resto del conocimiento para no caer en la inconsistencia, o rechazar alguno de los términos contradictorios. En ambas situaciones se está estableciendo una inferencia más débil que la deducción, denominada exducción. En este trabajo buscamos aplicar la exducción no solamente para el razonamiento a partir de información contradictoria sino para el manejo de los patrones de inferencia ampliativos, como por ejemplo la abducción, la inducción, o el razonamiento no monotónico. La idea esencial es partir de una estructura epistémica que clasifica los diversos tipos de conocimiento por su justificación. Dentro de dicha estructura, una relación de importancia epistémica o plausibilidad permite asignar prioridades a cada uno de los elementos de la estructura epistémica. De esa manera, las conclusiones obtenidas por medio de inferencias ampliativas pueden representarse dentro de la estructura con la valoración o prioridad correspondiente
Eje: Workshop sobre Aspectos Teoricos de la Inteligencia Artificial
Red de Universidades con Carreras en Informática (RedUNCI)
description El razonamiento no trivial a partir de premisas contradictorias es reconocido actualmente como una de las necesidades principales de los sistemas inteligentes, como por ejemplo en los sistemas expertos, planificadores y diagramadores autónomos de tareas y sistemas de diagnóstico. Esta necesidad surge de que la evidencia o conocimiento particular disponible en estos sistemas está normalmente expuesta a la presencia de información incompleta o potencialmente falible, como pueden ser generalizaciones accidentales, opiniones equivocadas o contrapuestas, información tendenciosa o deliberadamente falsa, errores operativos o de medición, etc. El comportamiento esperado frente a una contradicción es aislarla del resto del conocimiento para no caer en la inconsistencia, o rechazar alguno de los términos contradictorios. En ambas situaciones se está estableciendo una inferencia más débil que la deducción, denominada exducción. En este trabajo buscamos aplicar la exducción no solamente para el razonamiento a partir de información contradictoria sino para el manejo de los patrones de inferencia ampliativos, como por ejemplo la abducción, la inducción, o el razonamiento no monotónico. La idea esencial es partir de una estructura epistémica que clasifica los diversos tipos de conocimiento por su justificación. Dentro de dicha estructura, una relación de importancia epistémica o plausibilidad permite asignar prioridades a cada uno de los elementos de la estructura epistémica. De esa manera, las conclusiones obtenidas por medio de inferencias ampliativas pueden representarse dentro de la estructura con la valoración o prioridad correspondiente
publishDate 1997
dc.date.none.fl_str_mv 1997
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/10915/24073
url http://sedici.unlp.edu.ar/handle/10915/24073
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
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_ 1842903790063190016
score 12.993085

Publicaciones similares