Opciones de Razonamiento en IA
por Jubel Crispan
1. Lógica Simbólica
1.1. Definición: Basada en símbolos y reglas formales (ej: matemáticas, silogismos).
1.1.1. Lógica de Primer Orden: Cuantificadores (∀, ∃).
1.1.2. Lógica Proposicional: Operadores booleanos (AND/OR).
1.2. Casos de Uso: Sistemas expertos (ej: diagnóstico médico), demostradores de teoremas.
1.3. Ventajas: Precisión y estructura formal.
1.4. Limitaciones: Rigidez ante incertidumbre.
1.5. Comparación: Contraste con lógica difusa (manejo de ambigüedad).
2. Razonamiento Deductivo
2.1. Definición: Conclusiones específicas de premisas generales (ej: silogismos).
2.2. Ejemplo: "Todos los humanos son mortales. Sócrates es humano → Sócrates es mortal".
2.3. Aplicaciones: Sistemas legales, matemáticas.
2.4. Ventajas: Conclusiones válidas si premisas son verdaderas.
2.5. Limitaciones: Dependencia de premisas exactas.
3. Razonamiento Inductivo
3.1. Definición: Generalizaciones a partir de observaciones (ej: aprendizaje estadístico).
3.2. Ejemplo: Predecir el clima basado en datos históricos.
3.3. Aplicaciones: Modelos predictivos (ML), análisis de tendencias.
3.4. Ventajas: Adaptabilidad a datos nuevos.
3.5. Limitaciones: Riesgo de sobreajuste (overfitting).
3.6. Comparación: Vs. deductivo (certeza vs. probabilidad).
4. Razonamiento Abductivo
4.1. Definición: Inferir la mejor explicación posible (ej: diagnóstico médico).
4.2. Ejemplo: Un paciente con fiebre → posible gripe.
4.3. Aplicaciones: Diagnósticos técnicos, investigación forense.
4.4. Ventajas: Útil en escenarios incompletos.
4.5. Limitaciones: Conclusiones plausibles, pero no seguras.
5. Algoritmos de Búsqueda
5.1. Subramas:
5.1.1. Informados: A*, heurísticas (ej: GPS).
5.1.2. No informados: BFS, DFS (ej: laberintos).
5.2. Aplicaciones: Pathfinding en videojuegos, resolución de puzzles.
5.3. Ventajas: Eficacia en espacios estructurados.
5.4. Limitaciones: Costo computacional en grandes espacios.
5.5. Conexión: Vinculado a Planificación (STRIPS).
6. Algoritmos Evolutivos
6.1. Definición: Inspirados en evolución biológica (ej: algoritmos genéticos).
6.2. Aplicaciones: Optimización de rutas, diseño industrial.
6.3. Ventajas: Exploración de múltiples soluciones.
6.4. Limitaciones: Alto costo computacional.
6.5. Comparación: Vs. búsqueda tradicional (exploración vs. explotación).
7. 7. Lógica Difusa
7.1. Definición: Maneja valores entre "verdadero/falso" (ej: 0.7 de verdad).
7.2. Aplicaciones: Sistemas de control (aire acondicionado), reconocimiento de patrones.
7.3. Ventajas: Flexibilidad en ambigüedad.
7.4. Limitaciones: Complejidad en modelado.
7.5. Conexión: Complementa lógica simbólica en sistemas híbridos.
8. 8. Agentes Inteligentes
8.1. Subramas:
8.1.1. Deliberativos: Planificación (ej: robots autónomos).
8.1.2. Reactivos: Respuestas inmediatas (ej: Roomba).