Ejemplos de inferencia Filósofos griegos define una serie de silogismos, corregir tres de parte de inf erencias, 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 l as 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. 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. Ejemplo utilizando Prolog Prolog (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 Prolog 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 si stema Prolog sobre Sócrates: ?- mortal(socrates). (donde ?- significa una consulta: mortal(socrates). se deduce el KB usando las reglas) da la respuesta “Sí”. Por otro lado, pidiendo el sistema Prolog lo siguiente:
?- mortal(plato). da la respuesta “No”. Esto es porque no sabe nada acerca de Platón Prolog y ahí por defecto a cualquier propiedad sobre Platón ser falso (el llamado cerrado Asunción del mundo). Finalmente?-mortal(X) Finalmente?-mortal(X) (es nada mortal) resultaría en “Sí” (y en algunas implementaciones: “Sí”: X = Sócrates)
Prolog puede utilizarse para tareas mucho más complicadas de la inferencia. Consulte el artículo correspondiente para más ejemplos. 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 f alsas 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 nonmonotonic[[] 2 [] Una relación de inferencia es m onotónica si la adición de locales no socave so cave previamente alcanzadas conclusiones; de lo contrario la relación es nonmonotonic. Inferencia deductiva, es monótona: Si es llegar a una conclusión sobre la base de un determinado conjunto de locales, esa conclusión todavía se m antiene si se agregan más locales. Por el contrario, razonamiento cotidiano en su mayoría es nonmonotonic porque implica riesgo: saltar a conclusiones de premisas deductivamente insuf icientes. 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 f ilósofos (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.
