RAZONAMIENTO

Objetivo:
El alumno podr construir sistemas de Razonamiento Lgico y con
Incertidumbre

1. Razonamiento
Progresivo

2. Razonamiento Regresivo

3. Razonamiento con
Incertidumbre
 RAZONAMIENTO

INTRODUCCIN
Se refiere a un conjunto de actividades mentales consistentes en
conectar unas ideas con otras de acuerdo a ciertas reglas

En sentido amplio, se entiende por razonamiento:

La facultad humana que permite resolver problemas.

El Razonamiento:
Se refiere al uso de entendimiento, Pasar de unas proposiciones a otras,
partiendo de lo ya conocido o de lo que creemos conocer a lo desconocido o
menos conocido.
La habilidad humana del razonamiento se compone de diversos componentes:
1. Razonamiento lgico o Quasi-lgico: que incluye Razonamiento
inductivo y Razonamiento deductivo.
2. Razonamiento no-lgico, que tendra que ver con el uso e
interpretacin del lenguaje, la lgica difusa, los sentimientos, etc.
3. Razonamiento cuantitativo, relacionado con la habilidad de
comparar, comprender y sacar conclusiones sobre cantidades,
conservacin de la cantidad, etc.
 RAZONAMIENTO

Razonamiento lgico
Los razonamientos pueden ser vlidos (correctos) o no vlidos (incorrectos).

En general, se considera vlido un razonamiento cuando sus premisas ofrecen soporte suficiente a
su conclusin. Aunque cuando se trata de un razonamiento no deductivo, el razonamiento es
vlido si la verdad de las premisas hace probable la verdad de la conclusin. En el caso del
razonamiento deductivo, el razonamiento es vlido cuando la verdad de las premisas implica
necesariamente la verdad de la conclusin.

Razonamiento no deductivo
El razonamiento no deductivo es una modalidad de razonamiento en el cual la verdad de las
premisas no convierte en verdadera la conclusin, sino que la conclusin de un razonamiento no
deductivo slo es probable.
As pues, en un razonamiento no deductivo pueden afirmarse las premisas y, simultneamente,
negar la conclusin sin contradecirse.
Razonamos de manera no deductiva
1. Cuando generalizamos a partir de la observacin de algunos casos (razonamiento inductivo),
2. Cuando establecemos comparaciones (razonamiento analgico) y, tambin,
3. Cuando obtenemos conclusiones particulares a partir de la informacin (parcial o insuficiente)
de la que disponemos.
"Hay nubes, por lo tanto llover".

Mediante el razonamiento no deductivo ampliamos nuestro conocimiento, aunque se trata de un

conocimiento probable. Acertar en la conclusin de un razonamiento no deductivo es una cuestin
de probabilidades.
 RAZONAMIENTO

Razonamiento inductivo
consiste en obtener
El Razonamiento inductivo es una modalidad del razonamiento no deductivo que
conclusiones generales a partir de premisas que contienen datos particulares. Por
ejemplo, de la observacin repetida de objetos o acontecimientos de la misma ndole se establece una conclusin para
todos los objetos o eventos de dicha naturaleza.

Ej.
Premisas:
He observado el cuervo nmero 1 y era de color negro. Conclusin:
El cuervo nmero 2 tambin era negro. Por lo tanto, todos los cuervos son
El cuervo nmero 3 tambin (y as sucesivamente hasta 10.000 cuervos). negros.

En este razonamiento se generaliza para todos los elementos de un conjunto la propiedad

observada en un nmero finito de casos.

Ahora bien, la verdad de las premisas (10.000 observaciones favorables) no convierte en

verdadera la conclusin, ya que en cualquier momento podra aparecer una excepcin.

De ah que la conclusin de un razonamiento inductivo slo pueda considerarse probable y, de

hecho, la informacin que obtenemos por medio de esta modalidad de razonamiento es siempre
una informacin incierta y discutible.

En un razonamiento inductivo vlido, por tanto, es posible afirmar las premisas y,

simultneamente, negar la conclusin sin contradecirse. Acertar en la conclusin ser una
cuestin de probabilidades.
 RAZONAMIENTO

Razonamiento inductivo
Dentro del razonamiento inductivo se distinguen dos tipos:
Completo: se acerca a un razonamiento deductivo por que la
conclusin no aporta ms informacin que la ya dada por las premisas
Por ejemplo
HECHOS:
Bruno y Lupita tienen cuatro hijos, Mara, Juan,
Pedro, y Jorge. CONCLUSION:
Mara es rubia, por lo tanto todos los hijos de
Juan es rubio, Bruno y Lupita son rubios.
Pedro es rubio,
Jorge es rubio,
Incompleto: la conclusin va ms all de los datos que dan las
premisas. A mayor datos mayor probabilidad. La verdad de las premisas
no garantiza la verdad de la conclusin.
Por ejemplo
HECHOS:
Maria es rubia, CONCLUSION:
Juan es rubio, por lo que todas las personas
Pedro es rubio, son rubias.
Jorge es rubio,
 RAZONAMIENTO

Razonamiento deductivo
En un razonamiento deductivo vlido, la conclusin debe
derivarse necesariamente de las premisas. Esto quiere decir que,
si las premisas del razonamiento son verdaderas, la conclusin ha
de ser verdadera. No podemos afirmar las premisas y negar la
conclusin sin contradecirnos.
Por ejemplo: Otro ejemplo:
Si aceptamos que todos los glips son glups y Premisas:
X es glip, Si sale el sol, la ropa tendida se seca.
La conclusin lgicamente es que X es glup. sale el sol.
Conclusin:
Por lo tanto, la ropa tendida se seca.

En este ejemplo se advierte claramente que, si las premisas son verdaderas,

la conclusin tambin ha de ser verdadera.
No podemos considerar buenas las premisas y, a un tiempo, negar la
conclusin. Dicho de otro modo, la conclusin se deduce necesariamente a
partir de las premisas.
Por medio de un razonamiento de estas caractersticas se concede la
mxima solidez a la conclusin, las premisas implican lgicamente la
conclusin. Y la conclusin es una consecuencia lgica de las premisas.
 RAZONAMIENTO

Unificacin

Es el proceso de realizar las sustituciones apropiadas que permitan

determinar si dos expresiones lgicas, ya sean predicados o patrones,
coinciden.

El proceso de unificacin involucra los siguientes pasos:

1.Todo predicado que no contenga variables en sus argumentos, deben tener un axioma
que se identifique totalmente, para considerarlo como verdadero.
2.Si un predicado contiene una variable, esta debe ser asociada a un valor determinado.
Esta asociacin se realiza buscando en la base de axiomas y seleccionando todos
aquellos que se identifican con el patrn en todo, excepto por la variable. La variable es
asociada con el valor en la posicin correspondiente del axioma. Si ms de un axioma se
identifica con el predicado dado, todos los valores asociados son considerados y son
tratados separadamente.
3.El proceso de identificacin continua asumiendo que el valor de la variable es el valor
asociado, en cualquier lugar que esta aparezca.
4.Los conectivos lgicos son aplicados a todos los predicados, para determinar la
veracidad de la sentencia dada.
 RAZONAMIENTO

INFERENCIA Y RAZONAMIENTO
Inferir es concluir o decidir a partir de algo conocido o asumido; llegar a una conclusin.
A su vez, razonar es pensar coherente y lgicamente; establecer inferencias o conclusiones a partir
de hechos conocidos o asumidos.
El proceso de razonamiento, por lo tanto, involucra la realizacin de inferencias, a partir de
hechos conocidos.
Realizar inferencias significa derivar nuevos hechos a partir de un conjunto de hechos conocidos
como verdaderos. La lgica de predicados proporciona un grupo de reglas slidas, con las cuales
se pueden realizar inferencias. Las principales Reglas de Inferencia son:

Modus ponens.- Afirmando Afirmo

Es la ms importante, en los sistemas basados en conocimiento. Establece que:
Si las sentencias p y ( q p ) se conocen que son verdaderas,
entonces se puede inferir que q tambin es verdadera.
Ej:
Si est soleado, entonces es de da.
Est soleado.
Por lo tanto, es de da.

Modus tollens.- Negando Niego

Esta regla establece que:
Si la sentencia ( q p ) es verdadera y q es falsa,
entonces se puede inferir que p tambin es falsa.
Ej:
Si est soleado, entonces es de da.
No es de da.
Por lo tanto, no est soleado.
 RAZONAMIENTO

RAZONAMIENTO MEDIANTE REGLAS DE PRODUCCIN

Los sistemas basados en reglas son los ms comnmente utilizados. Su

simplicidad y similitud con el razonamiento humano, han contribuido para
su popularidad en diferentes dominios.
Las reglas son un importante paradigma de representacin del
conocimiento.

Las reglas representan el conocimiento utilizando un formato SI-ENTONCES (IF-

THEN), es decir tienen 2 partes:
La parte SI (IF), es el antecedente, premisa, condicin o situacin; y
La parte ENTONCES (THEN), es el consecuente, conclusin, accin o
respuesta.

Las reglas pueden ser utilizadas para expresar un amplio rango de

asociaciones,
Por ejemplo:
1.SI est manejando un vehculo Y se aproxima una ambulancia, ENTONCES baje la
velocidad Y hgase a un lado para permitir el paso de la ambulancia.
2.SI su temperatura corporal es de 39 C, ENTONCES tiene fiebre.
3.SI el drenaje del lavabo est tapado Y la llave de agua est abierta, ENTONCES se puede
inundar el piso.
 RAZONAMIENTO

RAZONAMIENTO MEDIANTE REGLAS DE PRODUCCIN

Una declaracin de que algo es verdadero o es un hecho conocido, es una

afirmacin (fact).
El conjunto de afirmaciones se conoce a menudo con el nombre de
memoria de trabajo o base de afirmaciones.
De igual forma, al conjunto de reglas se lo denomina base de reglas.
Un sistema basado en reglas utiliza el modus ponens para manipular las
afirmaciones y las reglas durante el proceso de inferencia.
Mediante tcnicas de bsqueda y procesos de unificacin, los
sistemas basados en reglas automatizan sus mtodos de razonamiento y
proporcionan una progresin lgica desde los datos iniciales, hasta las
conclusiones deseadas.
Esta progresin hace que se vayan conociendo nuevos hechos o
descubriendo nuevas afirmaciones, a medida que va guiando hacia la
solucin del problema.
Los sistemas basados en reglas difieren de la representacin basada en lgica en las
siguientes caractersticas principales:
Son en general no-monotnicos, es decir hechos o afirmaciones derivadas, pueden
ser retractados, en el momento en que dejen de ser verdaderos.
Pueden aceptar incertidumbre en el proceso de razonamiento.
 RAZONAMIENTO

RAZONAMIENTO MEDIANTE REGLAS DE PRODUCCIN

El proceso de razonamiento en un sistema basado en reglas es una

progresin desde un conjunto inicial de afirmaciones y reglas hacia una
solucin, respuesta o conclusin.
Como se llega a obtener el resultado, sin embargo, puede variar
significativamente:

1. Se puede partir considerando todos los datos conocidos y

luego ir progresivamente avanzando hacia la solucin.
Este proceso se le denomina guiado por los datos o de
encadenamiento progresivo (forward chainning).

2. Se puede seleccionar una posible solucin y tratar de probar

su validez buscando evidencia que la apoye.
Este proceso se denomina guiado por el objetivo o de
encadenamiento regresivo (backward chainning).
 RAZONAMIENTO

Razonamiento Progresivo

En el caso del razonamiento progresivo:

1.Se empieza a partir de un conjunto de datos colectados a travs de

observacin y se evoluciona hacia una conclusin.
2.Se verifica cada una de las reglas para ver si los datos observados
satisfacen las premisas de alguna de las reglas.
3.Si una regla es satisfecha, es ejecutada derivando nuevos hechos que
pueden ser utilizados por otras reglas para derivar hechos adicionales.
4.Este proceso de verificar reglas para ver si pueden ser satisfechas se
denomina interpretacin de reglas.

La interpretacin de reglas es realizada por una mquina de inferencia en un

sistema basado en conocimiento. La interpretacin de reglas, o inferencia,
en el razonamiento progresivo involucra la repeticin de los pasos anteriores.
 RAZONAMIENTO

Razonamiento Progresivo

1. Unificacin (Matching).- En este paso, en las reglas en la base de

conocimientos se prueban los hechos conocidos al momento para ver cules son las
que resulten satisfechas. Para decir que una regla ha sido satisfecha, se requiere que
todas las premisas o antecedentes de la regla resuelvan a verdadero.
2. Resolucin de Conflictos.- Es posible que en la fase de unificacin resulten
satisfechas varias reglas. La resolucin de conflictos involucra la seleccin de la regla
que tenga la ms alta prioridad de entre el conjunto de reglas que han sido satisfechas.
3. Ejecucin.- El ltimo paso en la interpretacin de reglas es la ejecucin de la
regla. La ejecucin puede dar lugar a uno o dos resultados posibles: nuevo hecho (o
hechos) pueden ser derivados y aadidos a la base de hechos, o una nueva regla (o
reglas) pueden ser aadidas al conjunto de reglas (base de conocimiento) que el
sistema considera para ejecucin.
 RAZONAMIENTO

Razonamiento Progresivo
En esta forma, la ejecucin de las reglas procede de una manera progresiva
(hacia adelante) hacia los objetivos finales.

Un conjunto de aplicaciones adecuadas al razonamiento progresivo incluye

supervisin y diagnstico en sistemas de control de procesos en
tiempo real, donde los datos estn continuamente siendo adquiridos,
modificados y actualizados. Estas aplicaciones tienen 2 importantes
caractersticas:

1. Necesidad de respuesta rpida a los cambios en los datos de entrada.

2. Existencia de pocas relaciones predeterminadas entre los datos de entrada y las
conclusiones derivadas.

Otro conjunto de aplicaciones adecuadas para el razonamiento progresivo

est formado por: diseo, planeamiento y calendarizacin, donde ocurre
la sntesis de nuevos hechos basados en las conclusiones de las
reglas. En estas aplicaciones hay potencialmente muchas soluciones que
pueden ser derivadas de los datos de entrada.
 RAZONAMIENTO

Razonamiento Progresivo
Ejemplo : UNIFICACION SENCILLA
REGLAS
R1 : IF h1 AND h2 THEN h3
R2 : IF h4 AND h5 THEN h7
R3 : IF h7 THEN h8
R4 : IF h8 THEN h11
R5 : IF h11 AND h12 AND h13 THEN h14
R6 : IF h3 AND h6 THEN h15
R7 : IF h6 AND h8 THEN h16
R8 : IF h8 AND h10 THEN h17
R9 : IF h10 AND h14 THEN h18
R10 : IF h15 AND h16 THEN h19
R11 : IF h16 AND h17 THEN h20
R12 : IF h17 AND h18 THEN h21
R13 : IF h19 AND h20 THEN h22
R14 : IF h20 AND h21 THEN h23
R15 : IF h22 AND h23 THEN h24
HECHOS
h1 = true
h2 = true
h4 = true
h5 = true
h10 = true
h6 = true
 RAZONAMIENTO

Razonamiento Progresivo
Ejemplo : UNIFICACION SENCILLA
REGLAS
R1: IF A AND E THEN W
R2: IF D AND W THEN A
R3: IF F AND B THEN Z
R4: IF A AND G THEN D
R5: IF W AND B THEN K
R6: IF H AND W THEN Z
R7: IF C AND D THEN F
R8: IF K AND G THEN M

HECHOS
A, E, H, G, C, B.
 RAZONAMIENTO

Razonamiento Progresivo
Ejemplo Con UNIFICACION de VARIABLES

REGLAS
R1 : IF (con1) AND [X<5] AND [Y>1] THEN [X=Y+10]

R2 : IF [X>6] AND [Y>1] THEN (con1=false)

R3 : IF [Y>1] THEN [X=X+1]

R4 : IF (!con1) THEN (Y=9)

R5 : IF (con1) AND [Y<10] THEN [X=X+5]

R6 : IF [X>5] AND [X<10] THEN (con1=false)

R7 : IF [X>1] AND [Y>8] THEN (con1=true)

HECHOS
X =0
Y =2
Con1 = true
 RAZONAMIENTO

Razonamiento Regresivo

El mecanismo de inferencia, o interprete de reglas para el razonamiento

regresivo, difiere significativamente del mecanismo de razonamiento
progresivo.
Si bien es cierto ambos procesos involucran el examen y aplicacin de
reglas, el razonamiento regresivo empieza con la conclusin deseada y
decide si los hechos que existen pueden dar lugar a la obtencin de un valor
para esta conclusin.
El razonamiento regresivo sigue un proceso muy similar a la bsqueda
primero en profundidad.

El sistema empieza con un conjunto de hechos conocidos que tpicamente

est vaco. Se proporciona una lista ordenada de objetivos (o conclusiones),
para las cuales el sistema trata de derivar valores. El proceso de
razonamiento regresivo utiliza esta lista de objetivos para coordinar su
bsqueda a travs de las reglas de la base de conocimientos.
 RAZONAMIENTO

Razonamiento Regresivo - Algortimo

1. Conformar una pila inicialmente compuesta por todos los objetivos prioritarios
definidos en el sistema.
2. Considerar el primer objetivo de la pila. Determinar todas las reglas capaces de
satisfacer este objetivo, es decir aquellas que mencionen al objetivo en su
conclusin.
3. Para cada una de estas reglas examinar en turno sus antecedentes:
A. Si todos los antecedentes de la regla son satisfechos (esto es, cada
parmetro de la premisa tiene su valor especificado dentro de la base de
datos), entonces ejecutar esta regla para derivar sus conclusiones. Debido a
que se ha asignado un valor al objetivo actual, removerlo de la pila y retornar
al paso (2).
B. Si alguna premisa de la regla no puede ser satisfecha, buscar reglas que
permitan derivar el valor especificado para el parmetro utilizado en esta
premisa.
C. Si en el paso (B) no se puede encontrar una regla para derivar el valor
especificado para el parmetro actual, entonces preguntar al usuario por
dicho valor y aadirlo a la base de datos. Si este valor satisface la premisa
actual entonces continuar con la siguiente premisa de la regla. Si la premisa
no es satisfecha, considerar la siguiente regla.
4. Si todas las reglas que pueden satisfacer el objetivo actual se han probado y todas
no han podido derivar un valor, entonces este objetivo quedar indeterminado.
Removerlo de la pila y retornar al paso (2). Si la pila est vaca parar y anunciar
que se ha terminado el proceso.
 RAZONAMIENTO

Razonamiento Regresivo

El razonamiento regresivo es mucho ms adecuado para aplicaciones que

tienen mucho mayor nmero de entradas, que de soluciones posibles.

La habilidad de la lgica regresiva para trazar desde las pocas

conclusiones hacia las mltiples entradas la hace ms eficiente que el
encadenamiento progresivo.

Una excelente aplicacin para el razonamiento regresivo es el

Diagnstico, donde el usuario dialoga directamente con el sistema
basado en conocimiento y proporciona los datos a travs del teclado.
Problemas de clasificacin tambin son adecuados para ser resuelto
mediante el razonamiento regresivo.
 RAZONAMIENTO

Razonamiento Regresivo
Ejemplo
REGLAS
R1 : IF A AND B THEN C
R2 : IF D AND E AND F THEN G
R3 : IF H AND I THEN J
R4 : IF C AND G THEN K
R5 : IF G AND J THEN L
R6 : IF K OR L THEN M

HECHOS
D = true
E = true
F = true
L = true

NODO OBJETIVO

M
 RAZONAMIENTO

Arquitectura de un Sistema Basado en Conocimiento

 Shell EXSYS

Ejemplo a realizar

considere una situacin en la que un usuario (por ejemplo, un cliente)

desea sacar dinero de su cuenta mediante un cajero automtico (CA). En
cuanto el usuario introduce la tarjeta en el CA, la maquina la lee y la
verifica. Si la tarjeta no es verificada con xito (por ejemplo, porque no es
legible), el CA devuelve la tarjeta al usuario con el mensaje de error
correspondiente. En otro caso, el CA pide al usuario su numero de
identificacin personal (NIP). Si el numero fuese incorrecto, se dan tres
oportunidades de corregirlo. Si el NIP es correcto, el CA pregunta al
usuario cuanto dinero desea sacar. Para que el pago se autorice, la
cantidad solicitada no debe exceder de una cierta cantidad limite diaria,
adems de haber suficiente dinero en su cuenta.
En este caso se tienen siete objetos, y cada objeto puede tomar uno y
solo un
valor de entre sus posibles valores. La Tabla 1 muestra estos objetos y
sus posibles valores. Existen siete reglas que gobiernan la estrategia que
el CA debe seguir cuando un usuario intenta sacar dinero de su cuenta.
 2) Shell EXSYS

Ejemplo a realizar
 RAZONAMIENTO
PROYECTO FINAL

Objetivo: Realizar en EXSYS un sistema experto que considere al menos 30

reglas sobre cualquier tema que se pueda extraer y representar el
conocimiento especificando la Base de Reglas y Hechos a considerar, el
equipo ser de mximo 4 o individual.