Inferencia Lógica

Inferencia es el acto o proceso de derivar conclusiones lógicas de locales conocido o

asumido para ser verdad. La conclusión también se denomina una idiomática. Se
estudian las leyes de la inferencia válida en el campo de la lógica.

Inferencia humana (es decir, cómo los seres humanos sacan conclusiones)
tradicionalmente se estudia dentro del campo de la psicología cognitiva; los
investigadores de inteligencia artificial desarrollan sistemas automatizados de inferencia
para emular la inferencia humana. Inferencia estadística permite la inferencia de datos
cuantitativos.

Contenido:

1 Definición de inferencia
2 Ejemplos de inferencia
3 Inferencia incorrecta
4 Inferencia lógica automática
4.1 Ejemplo utilizando
4.2 Uso con la web semántica
4.3 Lógica estadística y probabilidad bayesiana
4.4 Lógica

Definición de inferencia

El proceso por el cual se infiere una conclusión de varias observaciones se llama

razonamiento inductivo. La conclusión puede ser correcto o incorrecto, o correcto dentro
de un cierto grado de precisión o correcto en determinadas situaciones. Conclusiones
inferidas a partir de observaciones múltiples pueden analizarse por observaciones
adicionales.

1. Una conclusión sobre la base de evidencia y razonamiento.

2. El proceso de llegar a esa conclusión: “orden, salud y por limpieza de
inferencia”.
Ejemplos de inferencia

Filósofos griegos define una serie de silogismos, corregir tres de parte de inferencias,
que pueden utilizarse como bloques de construcción para razonamiento más complejo.
Comenzamos con el más famoso de todos ellos:

1. Todos los hombres son mortales

2. Sócrates es un hombre
3. Por lo tanto, Sócrates es mortal.

¿El lector puede comprobar que las premisas y conclusión son verdaderas, pero la
lógica se ocupa de inferencia: sigue la verdad de la conclusión de que las instalaciones?

La validez de una inferencia depende de la forma de la inferencia. Es decir, la palabra

“válido” no se refiere a la verdad de las premisas o la conclusión, sino a la forma de la
inferencia. Una inferencia puede ser válida incluso si las piezas son falsas y pueden ser
válidas incluso si las piezas son verdaderas. Pero un formulario válido con premisas
verdaderas siempre tendrá una conclusión 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 conclusión que ser necesariamente cierto, las premisas deben ser
verdaderas.

Ahora pasamos a un formulario no es válido.

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 válido, demostramos cómo puede conducir a
una conclusión falsa de premisas verdaderas.

1. Las manzanas son frutas. (Corregir)

2. Los plátanos son frutas. (Corregir)
3. Por lo tanto, plátanos son manzanas. (Mal)

Un argumento válido con premisas falsas puede llevar a una conclusión 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 válido para derivar una conclusión falsa de premisas
falsas, la inferencia es válida porque sigue la forma de una inferencia correcta.

También puede utilizarse un argumento válido para derivar una conclusión verdadera
de premisas falsas:

1. Todas las personas altas son músicos

2. John Lennon era alto
3. Por lo tanto, John Lennon fue un músico

En este caso tenemos dos premisas falsas que implican una conclusión verdadera.

Inferencia incorrecta

Una inferencia incorrecta es conocida como una falacia.

Filósofos que estudian lógica informal han recopilado listas grandes de ellos, y los
psicólogos cognitivos han documentado muchos sesgos en el razonamiento humano
que favorecen el razonamiento incorrecto.

Inferencia lógica automática

Sistemas de AI primero proporcionan inferencia lógica automatizada y una vez fueron

temas de investigación extremadamente popular, conduce a aplicaciones industriales
bajo la forma de sistemas expertos y más tarde los motores de reglas de negocio.

Trabajo del sistema de una inferencia es extender automáticamente una base de

conocimiento. Knowledge base (KB) es un conjunto de proposiciones que representan
lo que el sistema sabe sobre el mundo. Varias técnicas pueden usarse por ese sistema
para extender KB mediante inferencias válidas. Un requisito adicional es que las
conclusiones que el sistema llega a son pertinentes a su tarea.

Prop log (para «programación en lógica») es un lenguaje de programación basado en

un subconjunto del cálculo de predicados. Su principal trabajo es comprobar si una
determinada proposición puede deducirse un KB (knowledge base) usando un algoritmo
llamado encadenamiento hacia atrás.
Volvamos a nuestro Sócrates silogismo. Entramos en nuestra Base de conocimiento el
siguiente fragmento de código:

mortal(X) :- man(X).

man (socrates).

(Aquí :- puede leerse como “si”. Generalmente, si P → Q (si p entonces Q) y luego en

Pro log sería código q:-p (Q si P).)

Esto indica que todos los hombres son mortales y que Sócrates es un
hombre. Ahora podemos pedir el sistema Pro log sobre Sócrates:
?- mortal(Sócrates).

(donde ?- significa una consulta: mortal(Sócrates). se deduce el KB usando las reglas)

da la respuesta “Sí”.

Por otro lado, pidiendo el sistema Prop log lo siguiente:

?- mortal(plato).

da la respuesta “No”.

Esto es porque no sabe nada acerca de Platón Pro log y ahí por defecto a cualquier
propiedad sobre Platón ser falso (el llamado cerrado Asunción del mundo). Finalmente?-
mortal(X) (es nada mortal) resultaría en “Sí” (y en algunas implementaciones: “Sí”: X =
Sócrates)

Utilizar con la web semántica

Recientemente razonadores automáticos encontraron en la web semántica un nuevo

campo de aplicación. Se basa en la lógica de primer orden, conocimiento expresado
mediante una variante de OWL puede ser lógicamente procesado, es decir, hacer
inferencias sobre ella.

Lógica estadística y probabilidad bayesiana

Filósofos y científicos que siguen el marco Bayesiano para la inferencia utilizan las
reglas matemáticas de probabilidad para encontrar esta mejor explicación. La vista
Bayesiano tiene una serie de características deseables — uno de ellos es que incrusta
deductivo (cierta) lógica como un subconjunto (esto solicita algunos escritores llamar
probabilidad bayesiana “lógica 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 mañana” tiene un 0,9 probabilidad es decir, que considere la posibilidad
de lluvia mañana como muy probable.

A través de las reglas de probabilidad, puede calcularse la probabilidad de una

conclusión y de alternativas. La mejor explicación más a menudo se identifica con los
más probables (véase la teoría de la decisión bayesiana). Una regla central de inferencia
bayesiana es el teorema de Bayes.

Vea la inferencia bayesiana para ejemplos.

Lógica Monotonica:

Una relación de inferencia es monotónica si la adición de locales no socave previamente

alcanzadas conclusiones; de lo contrario la relación es monotonica. Inferencia
deductiva, es monótona: Si es llegar a una conclusión sobre la base de un determinado
conjunto de locales, esa conclusión todavía se mantiene si se agregan más locales.

Por el contrario, razonamiento cotidiano en su mayoría es monotonica porque implica

riesgo: saltar a conclusiones de premisas deductivamente insuficientes. Sabemos que
cuando es vale la pena o incluso necesario (por ejemplo, en el diagnóstico médico) a
asumir el riesgo. Pero también somos conscientes de que tal inferencia es retractable
— que nueva información puede socavar conclusiones viejas. Diversos tipos de
inferencia retractable pero notable éxito tradicionalmente han capturado la atención de
los filósofos (teorías de inducción).

La teoría de Peirce de secuestro, inferencia a la mejor explicación, etc.. Más

recientemente lógicos han comenzado a abordar el fenómeno desde un punto de vista
formal. El resultado es un amplio cuerpo de teorías en la interfaz de la filosofía, la lógica
y la inteligencia artificial