Historia de la Lógica Transcursiva (Capítulo 83)
Cuaderno IV (páginas 495 a 500)
(Continuamos con IA)
Agentes lógicos:
Se presentan aquí los agentes basados en 'conocimiento' y se muestra cómo definir una lógica con la que los agentes pueden 'razonar' acerca del mundo. [ya desde el planteo general vemos cómo, olvidando todo lo dicho hasta ahora, se le asignan al 'agente' una serie de propiedades humanas que no posee]
- Los 'agentes inteligentes' necesitan el conocimiento acerca del mundo para tomar decisiones acertadas. [es obvio que en esta aseveración no se está hablando de un ser vivo, sino de un 'agente lógico', el cual como hemos visto antes, no cuenta con ningún elemento que permita compararlo a un ser humano o a un animal.]
- Los agentes contienen el conocimiento en forma de sentencias mediante un lenguaje de representación del conocimiento, las cuales quedan almacenadas en una base de conocimiento. [los autores pretenden con esto hacernos ver que la inteligencia es algo muy fácil de simular, porque según parece, sigue reglas muy sencillas: un lenguaje arbitrario sirve para decir 'verdades' sobre el mundo; sus sentencias son en sí mismas ¿ideas? o ¿pensamientos?; y una base de conocimiento (un archivo que no se distingue en nada de los miles que tenemos almacenados en cualquiera de nuestros computadores) sirve de memoria]
- Un agente basado en conocimiento se compone de una base de conocimiento y un mecanismo de inferencia. El agente opera almacenando las sentencias acerca del mundo en su base de conocimiento, utilizando el mecanismo de inferencia para inferir sentencias nuevas, y utilizando estas sentencias nuevas para 'decidir' qué acción tomar. [en estas pocas palabras se cree haber definido cómo funciona la 'mente'. En realidad, lo único que se ha hecho es plantear las rudimentarias bases del pensamiento lógico, que como ya se dijo, no tiene nada que ver con el pensar ni con el pensamiento en sí. Nuevamente se le asignan al 'agente' habilidades humanas que no puede ejecutar, ya que no es un 'ser' autónomo, sino que depende pura y exclusivamente de su programador, que es el único que piensa en toda esta historia.]
- Un lenguaje de representación del conocimiento se define por su sintaxis, que especifica la estructura de las sentencias, y su semántica, que define el valor de verdad de cada sentencia en cada mundo posible, o modelo. [esto es Chomsky desde el principio hasta el final, con algún condimento que viene desde las lógicas modales, pero que de igual forma, no explica absolutamente nada de todo lo que ocurre en la psiquis, cada vez que nosotros (y no una máquina) tomamos alguna decisión, por nimia que esta sea.]
- La relación de implicación entre las sentencias es crucial para nuestro entendimiento acerca del razonamiento. [razonamiento que es parte medular del pensamiento lógico, pero no de 'nuestro' razonamiento, sobre el que desconocemos absolutamente todo] Una sentencia α implica otra sentencia β, si β es verdadera en todos los mundos donde α lo es. [esto es lógica modal] Las definiciones familiares a este concepto son: la validez de la sentencia α ⇒ β [¬α ⋁ β] , y la insatisfacibilidad de la sentencia α ⋀¬ β. [estableciendo que una sentencia es válida o no de acuerdo a una regla absolutamente arbitraria. La verdad así establecida no tiene más que un valor de perogrullo]
- La inferencia es el proceso que consiste en derivar nuevas sentencias a partir de las ya existentes. Los algoritmos de inferencia sólidos solo derivan aquellas sentencias que son implicadas; los algoritmos completos derivan todas las sentencias implicadas.
- La lógica proposicional es un lenguaje muy sencillo compuesto por los símbolos proposicionales y las conectivas lógicas. De esta manera se pueden manejar proposiciones que se sabe son ciertas, falsas o completamente desconocidas. [en este 'mundo' hecho a medida, nada es desconocido, todo ya fue pensado antes, por su programador; si algo se le escapó a él, el 'agente' es incapaz de resolverlo]
- El conjunto de modelos posibles, dado un vocabulario proposicional fijado [a eso me refería anteriormente con el 'mundo hecho a medida'], es finito, y así se puede comprobar la implicación tan solo enumerando los modelos. [previamente probados] Los algoritmos de inferencia basados en la comprobación de modelos más eficientes para la lógica proposicional, entre los que se encuentran los métodos de búsqueda local y backtracking, a menudo pueden resolver problemas complejos muy rápidamente.
- Las reglas de inferencia son patrones de inferencia sólidos que se pueden utilizar para encontrar demostraciones. De la regla de resolución obtenemos un algoritmo de inferencia completo para bases de conocimiento que están expresadas en forma normal conjuntiva. El encadenamiento hacia adelante y hacia atrás son algoritmos de razonamiento [solo son meros cálculos de búsqueda básicos, que no tienen nada que ver con un razonamiento. Este no puede equipararse a ninguno de esos cálculos triviales, básicamente, porque desconocemos lo que significa en realidad.] muy adecuados para bases de conocimiento expresadas en cláusulas de Horn.
- Se pueden diseñar dos tipos de agentes que utilizan la lógica proposicional: los agentes basados en inferencia utilizan algoritmos de inferencia para guardar la pista del mundo y deducir propiedades ocultas [ninguna 'propiedad' está oculta, si así fuera, también lo estaría para el programador], mientras que los agentes basados en circuitos representan proposiciones mediante bits en registros, y los actualizan utilizando la propagación de señal de los circuitos lógicos. [¿y esto qué tiene que ver con razonamiento alguno?]
- La lógica proposicional es razonablemente efectiva para ciertas tareas de un agente, pero no se puede escalar para entornos de tamaño ilimitado, a causa de su falta de poder expresivo para manejar el tiempo de forma precisa, el espacio, o patrones genéricos de relaciones entre objetos. [es decir, volvemos al principio, debido a su incapacidad absoluta para manejar la realidad.]
[continuará ... ]
¡Nos vemos mañana!
(Continuamos con IA)
Agentes lógicos:
Se presentan aquí los agentes basados en 'conocimiento' y se muestra cómo definir una lógica con la que los agentes pueden 'razonar' acerca del mundo. [ya desde el planteo general vemos cómo, olvidando todo lo dicho hasta ahora, se le asignan al 'agente' una serie de propiedades humanas que no posee]
- Los 'agentes inteligentes' necesitan el conocimiento acerca del mundo para tomar decisiones acertadas. [es obvio que en esta aseveración no se está hablando de un ser vivo, sino de un 'agente lógico', el cual como hemos visto antes, no cuenta con ningún elemento que permita compararlo a un ser humano o a un animal.]
- Los agentes contienen el conocimiento en forma de sentencias mediante un lenguaje de representación del conocimiento, las cuales quedan almacenadas en una base de conocimiento. [los autores pretenden con esto hacernos ver que la inteligencia es algo muy fácil de simular, porque según parece, sigue reglas muy sencillas: un lenguaje arbitrario sirve para decir 'verdades' sobre el mundo; sus sentencias son en sí mismas ¿ideas? o ¿pensamientos?; y una base de conocimiento (un archivo que no se distingue en nada de los miles que tenemos almacenados en cualquiera de nuestros computadores) sirve de memoria]
- Un agente basado en conocimiento se compone de una base de conocimiento y un mecanismo de inferencia. El agente opera almacenando las sentencias acerca del mundo en su base de conocimiento, utilizando el mecanismo de inferencia para inferir sentencias nuevas, y utilizando estas sentencias nuevas para 'decidir' qué acción tomar. [en estas pocas palabras se cree haber definido cómo funciona la 'mente'. En realidad, lo único que se ha hecho es plantear las rudimentarias bases del pensamiento lógico, que como ya se dijo, no tiene nada que ver con el pensar ni con el pensamiento en sí. Nuevamente se le asignan al 'agente' habilidades humanas que no puede ejecutar, ya que no es un 'ser' autónomo, sino que depende pura y exclusivamente de su programador, que es el único que piensa en toda esta historia.]
- Un lenguaje de representación del conocimiento se define por su sintaxis, que especifica la estructura de las sentencias, y su semántica, que define el valor de verdad de cada sentencia en cada mundo posible, o modelo. [esto es Chomsky desde el principio hasta el final, con algún condimento que viene desde las lógicas modales, pero que de igual forma, no explica absolutamente nada de todo lo que ocurre en la psiquis, cada vez que nosotros (y no una máquina) tomamos alguna decisión, por nimia que esta sea.]
- La relación de implicación entre las sentencias es crucial para nuestro entendimiento acerca del razonamiento. [razonamiento que es parte medular del pensamiento lógico, pero no de 'nuestro' razonamiento, sobre el que desconocemos absolutamente todo] Una sentencia α implica otra sentencia β, si β es verdadera en todos los mundos donde α lo es. [esto es lógica modal] Las definiciones familiares a este concepto son: la validez de la sentencia α ⇒ β [¬α ⋁ β] , y la insatisfacibilidad de la sentencia α ⋀¬ β. [estableciendo que una sentencia es válida o no de acuerdo a una regla absolutamente arbitraria. La verdad así establecida no tiene más que un valor de perogrullo]
- La inferencia es el proceso que consiste en derivar nuevas sentencias a partir de las ya existentes. Los algoritmos de inferencia sólidos solo derivan aquellas sentencias que son implicadas; los algoritmos completos derivan todas las sentencias implicadas.
- La lógica proposicional es un lenguaje muy sencillo compuesto por los símbolos proposicionales y las conectivas lógicas. De esta manera se pueden manejar proposiciones que se sabe son ciertas, falsas o completamente desconocidas. [en este 'mundo' hecho a medida, nada es desconocido, todo ya fue pensado antes, por su programador; si algo se le escapó a él, el 'agente' es incapaz de resolverlo]
- El conjunto de modelos posibles, dado un vocabulario proposicional fijado [a eso me refería anteriormente con el 'mundo hecho a medida'], es finito, y así se puede comprobar la implicación tan solo enumerando los modelos. [previamente probados] Los algoritmos de inferencia basados en la comprobación de modelos más eficientes para la lógica proposicional, entre los que se encuentran los métodos de búsqueda local y backtracking, a menudo pueden resolver problemas complejos muy rápidamente.
- Las reglas de inferencia son patrones de inferencia sólidos que se pueden utilizar para encontrar demostraciones. De la regla de resolución obtenemos un algoritmo de inferencia completo para bases de conocimiento que están expresadas en forma normal conjuntiva. El encadenamiento hacia adelante y hacia atrás son algoritmos de razonamiento [solo son meros cálculos de búsqueda básicos, que no tienen nada que ver con un razonamiento. Este no puede equipararse a ninguno de esos cálculos triviales, básicamente, porque desconocemos lo que significa en realidad.] muy adecuados para bases de conocimiento expresadas en cláusulas de Horn.
- Se pueden diseñar dos tipos de agentes que utilizan la lógica proposicional: los agentes basados en inferencia utilizan algoritmos de inferencia para guardar la pista del mundo y deducir propiedades ocultas [ninguna 'propiedad' está oculta, si así fuera, también lo estaría para el programador], mientras que los agentes basados en circuitos representan proposiciones mediante bits en registros, y los actualizan utilizando la propagación de señal de los circuitos lógicos. [¿y esto qué tiene que ver con razonamiento alguno?]
- La lógica proposicional es razonablemente efectiva para ciertas tareas de un agente, pero no se puede escalar para entornos de tamaño ilimitado, a causa de su falta de poder expresivo para manejar el tiempo de forma precisa, el espacio, o patrones genéricos de relaciones entre objetos. [es decir, volvemos al principio, debido a su incapacidad absoluta para manejar la realidad.]
[continuará ... ]
¡Nos vemos mañana!