Ejemplos de inferencia Filsofos griegos define una serie de silogismos, corregir tres de parte de inferencias, que pueden utilizarse

como bloques de construccin para razonamiento ms complejo. Comenzamos con el ms famoso de todos ellos:
1.Todos los hombres son mortales 2.Scrates es un hombre 3.Por lo tanto, Scrates es mortal.

El lector puede comprobar que las premisas y conclusin son verdaderas, pero la lgica se ocupa de inferencia: sigue la verdad de la conclusin de que las instalaciones? La validez de una inferencia depende de la forma de la inferencia. Es decir, la palabra vlido no se refiere a la verdad de las premisas o la conclusin, sino a la forma de la inferencia. Una inferencia puede ser vlida incluso si las piezas son falsas y pueden ser vlidas incluso si las piezas son verdaderas. Pero un formulario vlido con premisas verdaderas siempre tendr una conclusin verdadera. Por ejemplo, considere la forma de la siguiente symbological pista:
1. Todas las frutas son dulces. 2.Una banana es una fruta. 3.Por lo tanto, una banana es dulce.

Para que la conclusin que ser necesariamente cierto, las premisas deben ser verdaderas. Ahora pasamos a un formulario no es vlido.
1.Todos los a son B. 2.C es un B. 3.Por lo tanto, C es un A.

Para mostrar que este formulario no es vlido, demostramos cmo puede conducir a una conclusin falsa de premisas verdaderas.
1.Las manzanas son frutas. (Corregir) 2.Los pltanos son frutas. (Corregir) 3.Por lo tanto, pltanos son manzanas. (Mal)

Un argumento vlido con premisas falsas puede llevar a una conclusin falsa:
1.Todas las personas altas son griegos.

2.John Lennon era alto. 3.Por lo tanto, John Lennon era griego.

Cuando se utiliza un argumento vlido para derivar una conclusin falsa de premisas falsas, la inferencia es vlida porque sigue la forma de una inferencia correcta. Tambin puede utilizarse un argumento vlido para derivar una conclusin verdadera de premisas falsas:
1.Todas las personas altas son msicos 2.John Lennon era alto 3.Por lo tanto, John Lennon fue un msico

En este caso tenemos dos premisas falsas que implican una conclusin verdadera. Inferencia incorrecta Una inferencia incorrecta es conocida como una falacia. Filsofos que estudian lgica informal han recopilado listas grandes de ellos, y los psiclogos cognitivos han documentado muchos sesgos en el razonamiento humano que favorecen el razonamiento incorrecto. Inferencia lgica automtica Sistemas de AI primero proporcionan inferencia lgica automatizada y una vez fueron temas de investigacin extremadamente popular, conduce a aplicaciones industriales bajo la forma de sistemas expertos y ms tarde los motores de reglas de negocio. Trabajo del sistema de una inferencia es extender automticamente una base de conocimiento. Knowledge base (KB) es un conjunto de proposiciones que representan lo que el sistema sabe sobre el mundo. Varias tcnicas pueden usarse por ese sistema para extender KB mediante inferencias vlidas. Un requisito adicional es que las conclusiones que el sistema llega a son pertinentes a su tarea. Ejemplo utilizando Prolog Prolog (para programacin en lgica) es un lenguaje de programacin basado en un subconjunto del clculo de predicados. Su principal trabajo es comprobar si una determinada proposicin puede deducirse un KB (knowledge base) usando un algoritmo llamado encadenamiento hacia atrs. Volvamos a nuestro Scrates silogismo. Entramos en nuestra Base de conocimiento el siguiente fragmento de cdigo:
mortal(X) :man(X).

man(socrates). (Aqu :- puede leerse como si. Generalmente, si P Q (si p entonces Q) y luego en Prolog sera cdigo q:-p (Q si P).)
Esto indica que todos los hombres son mortales y que Scrates es un hombre. Ahora podemos pedir el sistema Prolog sobre Scrates: ?- mortal(socrates).

(donde ?- significa una consulta: mortal(socrates). se deduce el KB usando las reglas) da la respuesta S. Por otro lado, pidiendo el sistema Prolog lo siguiente:
?- mortal(plato).

da la respuesta No. Esto es porque no sabe nada acerca de Platn Prolog y ah por defecto a cualquier propiedad sobre Platn ser falso (el llamado cerrado Asuncin del mundo). Finalmente?-mortal(X) (es nada mortal) resultara en S (y en algunas implementaciones: S: X = Scrates)
Prolog puede utilizarse para tareas mucho ms complicadas de la inferencia. Consulte el artculo correspondiente para ms ejemplos.

Utilizar con la web semntica Recientemente razonadores automticos encontraron en la web semntica un nuevo campo de aplicacin. Se basa en la lgica de primer orden, conocimiento expresado mediante una variante de OWL puede ser lgicamente procesado, es decir, hacer inferencias sobre ella. Lgica estadstica y probabilidad bayesiana Filsofos y cientficos que siguen el marco Bayesiano para la inferencia utilizan las reglas matemticas de probabilidad para encontrar esta mejor explicacin. La vista Bayesiano tiene una serie de caractersticas deseables uno de ellos es que incrusta deductivo (cierta) lgica como un subconjunto (esto solicita algunos escritores llamar probabilidad bayesiana lgica de probabilidad, siguiendo a E. T. Jaynes). Bayesians identificar probabilidades con grados de creencias, con cierto proposiciones tienen probabilidad 1 y ciertamente falsas proposiciones tener

probabilidad 0. Para decir que va a llover maana tiene un 0,9 probabilidad es decir, que considere la posibilidad de lluvia maana como muy probable. A travs de las reglas de probabilidad, puede calcularse la probabilidad de una conclusin y de alternativas. La mejor explicacin ms a menudo se identifica con los ms probables (vase la teora de la decisin bayesiana). Una regla central de inferencia bayesiana es el teorema de Bayes. Vea la inferencia bayesiana para ejemplos. Lgica nonmonotonic[[] 2 [] Una relacin de inferencia es monotnica si la adicin de locales no socave previamente alcanzadas conclusiones; de lo contrario la relacin es nonmonotonic. Inferencia deductiva, es montona: Si es llegar a una conclusin sobre la base de un determinado conjunto de locales, esa conclusin todava se mantiene si se agregan ms locales. Por el contrario, razonamiento cotidiano en su mayora es nonmonotonic porque implica riesgo: saltar a conclusiones de premisas deductivamente insuficientes. Sabemos que cuando es vale la pena o incluso necesario (por ejemplo, en el diagnstico mdico) a asumir el riesgo. Pero tambin somos conscientes de que tal inferencia es retractable que nueva informacin puede socavar conclusiones viejas. Diversos tipos de inferencia retractable pero notable xito tradicionalmente han capturado la atencin de los filsofos (teoras de induccin)., la teora de Peirce de secuestro, inferencia a la mejor explicacin, etc.. Ms recientemente lgicos han comenzado a abordar el fenmeno desde un punto de vista formal. El resultado es un amplio cuerpo de teoras en la interfaz de la filosofa, la lgica y la inteligencia artificial.