Lógica e Inteligencia Artificial. Problemas del razonamiento retractable en Pollock

FACULTAD DE FILOSOFÍA GRADO EN FILOSOFÍA Lógica e Inteligencia artificial. Problemas del razonamiento retractable en Pollock. Trabajo Fin de Grado presentado por Nerea Muñiz Castro, siendo la tutora del mismo la profesora Dra. Dª Cristina Bares Gómez Sevilla. Agosto de 2022 GRADO EN FILOSOFÍA FACULTAD DE FILOSOFÍA TRABAJO FIN DE GRADO CURSO ACADÉMICO [2021-2022] TÍTULO: Lógica e Inteligencia artificial. Problemas del razonamiento retractable en Pollock. AUTOR: Nerea Muñiz Castro TUTOR: Dra. Dª Cristina Bares Gómez DEPARTAMENTO: FILOSOFÍA Y LÓGICA Y FILOSOFÍA D ELA CIENCIA ÁREA DE CONOCIMIENTO: Lógica y Filosofía de la Ciencia RESUMEN: En este trabajo veremos el estudio sobre el razonamiento retractable realizado por John L. Pollock. Pollock une IA y Filosofía para crear una teoría sobre un razonamiento dinámico que partiendo de entradas de percepción va desarrollando un conjunto de creencias que irán siendo retractadas, reforzadas o desechadas por la llegada de nuevas informaciones. Pollock elaborará una teoría de la garantía donde se mostrará como el razonamiento procediendo mediante el uso de argumentos, a través de reglas inferencia se llevan a cabo estos cambios donde las creencias seguirán siendo invictas o serán derrotadas. La teoría de Pollock es computacional, el le da importancia a que la teoría pueda ser implementada en agentes artificiales, por lo que, acabará creando un marco de representación del funcionamiento del razonamiento retractable llamado OSCAR donde se mostrará de forma gráfica como debe actuar un agente inteligente capaz de llevar a cabo un razonamiento retractable. PALABRAS CLAVE: Conocimiento, Razonamiento, IA, Pollock, Lógica ABSTRACT: In this work we will see the study on defeasible reasoning carried out by John L. Pollock. Pollock links AI and Philosophy to create a theory about a dynamic reasoning that, starting from perception inputs, develops a set of beliefs that will be retracted, reinforced or discarded according to new information. Pollock will develop a theory of guarantee where it will be shown how reasoning proceeds through the use of arguments, through inference rules these changes are carried out where beliefs will remain undefeated or will be defeated. Pollock's theory is computational, he attaches importance to the fact that this theory can be implemented in artificial agents, so he will end up creating a representation framework for the operation of retractable reasoning called OSCAR, where it will be shown graphically how an intelligent agent should act in order to be able of defeasible reasoning. KEYWORDS: Knowledge, Reasoning, AI, Pollock, Logic TFG-Grado de Filosofía. Lógica e Inteligencia artificial. Problemas del razonamiento retractable. Problemas razonamiento retractable en Pollock. - I - ÍNDICE 1 INTRODUCCIÓN ................................................................................................... 3 1.1 ¿QUÉ ES LA INTELIGENCIA ARTIFICIAL? ................................................... 3 1.2 LÓGICA E INTELIGENCIA ARTIFICIAL ......................................................... 4 1.2.1 Problemas y metas de la IA ..................................................................... 4 2 RAZONAMIENTO RETRACTABLE ....................................................................... 6 2.1 CONOCIMIENTO ........................................................................................... 6 2.2 RAZONAMIENTO RETRACTABLE EN POLLOCK ....................................... 13 2.2.1 Teoría de la Garantía ............................................................................. 13 2.2.2 OSCAR .................................................................................................. 20 3 CRÍTICA A LA TEORÍA DE RAZONAMIENTO RETRACTABLE DE POLLOCK .. 25 3.1 John Spohn: Teoría de la clasificación vs Teoría del razonamiento retractable 25 3.2 Objeciones del exterismo .............................................................................. 27 4 CONCLUSIONES ................................................................................................ 28 5 BIBLIOGRAFÍA .................................................................................................... 29 TFG-Grado de Filosofía. Lógica e Inteligencia artificial. Problemas del razonamiento retractable. Problemas razonamiento retractable en Pollock. - 3 - 1 INTRODUCCIÓN 1.1 ¿QUÉ ES LA INTELIGENCIA ARTIFICIAL? La Inteligencia Artificial es una de las ciencias más recientes en la actualidad. Surgió después de la Segunda Guerra Mundial y recibió su nombre al ser sugerido por John McCarthy en los años cincuenta. No hay una única definición de lo que es la IA. Como la IA trata diferentes aspectos de la inteligencia cada investigador suele dar una definición asociada al campo que trabaja. En (Russell, Norving,1978) se dan cuatro definiciones sacadas de ocho textos diferentes en la Figura 1.1 1 : La IA es una ciencia que trata de dar respuesta a la pregunta formulada en (Turing,1950). Alan Turing es considerado el padre de la IA. Turing sugirió una prueba para considerar o no inteligente a una máquina, ésta consiste en tener una conversación con un interlocutor que no vemos, si este interlocutor es capaz de hacer que creamos que es una persona, entonces se puede entender que es una computadora inteligente. Según (Delgado,1996), Mc Culloch en un artículo titulado Cálculo lógico de las ideas inmanentes en la actividad nerviosa proponía que una red de neuronas trabaja como una máquina de Turing que usando un sistema de códigos binario puede realizar cualquier operación. Es decir, el cerebro puede ser visto como un ordenador. Esta idea contribuyó al desarrollo de la IA y de la Ciencia de la Información, aunque con el tiempo fue decayendo. El nacimiento de la Inteligencia Artificial se suele situar en 1956, en la llamada Conferencia de Dartmouth. En esta conferencia se reunieron científicos de diferentes 1 Este cuadro se encuentra en Rusell, S.J; Norving, Inteligencia Artificial. Un enfoque Moderno.,P.p.2. Estas definiciones pertenecen a Bellman, R.E (1978) Artificial Intelligence: Can Computers Think?, Nilsson, N.J. (1998), Artificial Intelligence: A New Synthesis, Rich, E. and Knight. K (1991) Artificial Intelligence (second edition) y Winston, P. H (1992) Artificial Intelligence (Third Edition) Muñiz Castro, Nerea - 4 - disciplinas: neurólogos, psicólogos, ingenieros eléctricos y matemáticos. Aunque pertenecían a distintas disciplinas todos estaban usando computadoras para tratar ciertos aspectos de la inteligencia humana. La conferencia fue organizada por John McCarthy, Marvin L. Minsky, Nathaniel Rochester y Claude E. Shannon. Los objetivos de esta conferencia era examinar los distintos aspectos de la inteligencia de forma tan precisa que se pudiera construir una máquina que la simulara. Así nace la IA, que como veremos en el siguiente apartado, junto con la Lógica, acabarán cooperando para lograr avanzar en sus objetivos a través del estudio de la inteligencia y del razonamiento humano. 1.2 LÓGICA E INTELIGENCIA ARTIFICIAL La IA como hemos visto del punto de vista computacional y hay muchos desarrollos que siguen éste, pero, la base es el estudio del razonamiento y la observación del comportamiento racional. El primer estudio del razonamiento, o más bien de la validez de los argumentos fue tratado por Aristóteles, el fundador del silogismo. Los silogismos son esquemas de argumentos que representan la argumentación correcta, donde partiendo de premisas verdaderas se llegan a conclusiones necesariamente verdaderas. De aquí partió la lógica. Como se cuenta en (Carnota, 2005), en un principio la IA y la Lógica eran campos independientes unos de otros, pero a finales de los años setenta y comienzo de los años ochenta se comenzó a tener interés por otros campos que antes no se tomaban en cuenta. Entonces, la IA empezó a utilizar resultados de la Lógica y los proyectos de la IA motivaron a la Lógica a buscar respuestas sobre ciertas preguntas. A pesar de que la lógica clásica ya no es los silogismos aristotélicos, sigue una estructura de razonamiento que no permite un razonamiento cercano a los agentes reales. La lógica clásica partía de un contexto vacío, recursos ilimitados por parte del agente para procesar información e inferencias infalibles. Pero el mundo real cambia, hay limitaciones y los agentes crean nueva información, también la descubren y la intercambian. Pero al partir la Lógica Clásica de unas premisas para llegar a la conclusión, al añadir nuevas premisas, al obtener nueva información, no se podía revocar la conclusión. Surge entonces la necesidad de nuevas lógicas que contemplen esto. Crear sistemas que permitan la revisión de creencias, las lógicas no-monótonas, lógicas dinámicas que permitan manejar el cambio de las inferencias, lógicas lineales que toman la memoria y las limitaciones que tenemos para razonar. Esto lleva a un nuevo concepto de racionalidad que es lo que ha promovido muchos de los avances en Lógica y en IA, aunque también es fuente de muchos problemas abiertos. 1.2.1 Problemas y metas de la IA La IA tiene distintas áreas de investigación, la cuales, tienen distintos objetivos y conllevan una serie de problemas. Siguiendo a (Delgado, 1996) vamos a ver algunas áreas de la IA. Una de estas áreas recibe el nombre de “Game Playing”. Esta área se encarga de desarrollar programas de ordenador capaces de jugar a juegos intelectuales de alto nivel como podría ser el ajedrez. Se considera que tiene comienzo en los sesenta con Arthur L. Samuels. Intentó emplear la capacidad y la velocidad de un ordenador para realizar secuencias de movimientos propios de las partidas de ajedrez. Esto solo llegó a funcionar con juegos más básicos como el tres en raya. Esto se debe a que en el tres en raya las posibilidades de juego son muy reducidas, entonces el ordenador puede analizar cada una de ellas, pero, en los juegos más complejos como el ajedrez las posibilidades aumentan a un número considerable que la máquina no puede analizar. Por eso surge la necesidad de añadir a estos programas la capacidad de aprendizaje y el “conocimiento experto”. De este modo, se logran reducir las posibilidades a tratar de un modo similar al del razonamiento humano. Este tipo de TFG-Grado de Filosofía. Lógica e Inteligencia artificial. Problemas del razonamiento retractable. Problemas razonamiento retractable en Pollock. - 5 - programas suele superar a los humanos cuando juegan con un tiempo limitado, pero, inversamente, si no hay límite de tiempo, suelen acabar ganando los humanos. Otra área para tratar por la IA es la Lógica y la demostración de teoremas. El interés por esta área ha ido creciendo a lo largo de los años. Las técnicas de mecanización de la Lógica varían de la forma en que trabaja el razonamiento humano en ciertos aspectos. El método elaborado por John Alan Robinson nombrado como “Método de Resolución” es uno de los más populares, aunque cuando los conjuntos de posibilidades son muy grandes, la búsqueda comienza a dar problemas en el camino de la deducción. Vuelve a surgir la necesidad que vimos en los juegos de ordenador, se necesita reducir la búsqueda a niveles más factibles incorporando otros métodos. La Resolución de problemas es una de las disciplinas que más ha interesado porque parece requerir un grado de inteligencia. Al final, el objetivo no se ha centrado tanto en la resolución de problemas, sino, más bien, en la representación del conocimiento y en desarrollar estrategias para dar soluciones. Ahora vamos a hablar de los “Sistemas Expertos”, los cuales, están basados en el conocimiento. Por lo general, estos sistemas usan el conocimiento para poder, dentro de un dominio concreto, resolver distintos problemas como lo haría, por ejemplo, un experto en su materia. Además, por lo general, no solo tienen que ser capaces de resolver los problemas, sino que, además, deben ser capaces de explicar los pasos razonamiento que ha llevado a cabo hasta llegar a resolverlos y de los datos que ha usado para ello. Pero hay algunos sistemas de este tipo que no tiene que dar estas explicaciones, son sistemas basados en conocimiento que no son explicativos. Otro campo muy importante es el de Aprendizaje automático, el cual, desde la práctica puede justificarse por los avances en los procesos de adquisición de conocimiento, aunque, desde el punto formal, el desarrollo de la capacidad de aprendizaje es uno de los más importantes de cara a conseguir proporcionar inteligencia a las máquinas, puesto que, es una parte crucial en la inteligencia humana. El problema es que de esto hay poca información, como veremos próximamente cuando hablemos del conocimiento, hay distintas teorías acerca del conocimiento, de su estructura y de la forma de obtenerlo, por lo que se dificulta el desarrollo de sistemas de aprendizaje automático. Otra dificultad para estos sistemas viene del poco conocimiento de la memoria humana. Las máquinas tienen una memoria distinta a la humana y son capaces de encontrar información en ésta al momento, pero, los humanos, tenemos problemas para hacerlo, pero, somos capaces en dividir la información según su relevancia y de hacer uso de información incompleta o incluso contaminada, cosa que cuesta trasladar a los sistemas, ya que, no sabemos muy bien acerca del funcionamiento de estos procesos. También es importante de cara a crear un sistema inteligente hacer que la máquina sea capaz de crear frases y de comprender el lenguaje. De esto se encargan áreas que investigan el proceso del lenguaje natural. Esto es complejo puesto que, aunque teóricamente se establecen algunas reglas para el uso del lenguaje, el uso que se lleva a cabo realmente no las sigue y puede llevar a ambigüedades, o en ocasiones, incluso hacemos un uso incorrecto de éste. En los primeros programas de traducción se observó precisamente, que para llevar a cabo una interpretación del lenguaje no es suficiente con tener un vocabulario y una gramática. Para llevar a cabo una traducción es necesario poder comprender el texto que se ha de traducir. Muchos dieron por imposible la creación de un programa que fuera capaz de llevar a cabo una traducción automática. Pero R. Shank propuso que se creara una especie de intermediario que representara el sentido del texto y luego el programa tradujera esta representación. Por lo tanto, hacían fata dos programas; el Analizador, que ha de comprender el texto, y el Muñiz Castro, Nerea - 12 - Es decir, R es un derrotador para P como razón prima facie para Q si y solo si P es una razón para que S crea Q y R es lógicamente consistente con P, pero (P&R) no es una razón para que S crea Q. Volviendo al caso anterior, si hubiera una luz encima del objeto que vemos como rojo que hiciera que lo viéramos así, la creencia “x está iluminada por una luz roja” sería un derrotador de “veo x rojo” y, por lo tanto, ya no estaríamos justificados para creer que “x es rojo”. Decir que P es una razón prima facie para que S crea que Q quiere decir que mientras S no tenga otra información está justificado para creer que no sería cierto P a menos que fuera cierto Q, es decir, para creer que P→Q. Un derrotador para este condicional de subjuntivo sería una razón para que S creyera que este condicional es falso, es decir, ~(P→Q). Hay dos tipos de derrotadores para negar un condicional. Los derrotadores de tipo I derrotan la verdad del condicional. Si P es una razón prima facie para que S crea que Q, entonces cualquier razón para que crea que Q es falsa, independientemente de que P sea verdadera, es un derrotador. En el caso de “x me parece rojo” luego “x es rojo”, si un amigo de confianza me dijera “x no es rojo” podría ser suficiente para negar “x es rojo” siendo entonces derrotado el condicional P→Q. Este condicional se construye porque la mayoría de los objetos que nos parecen rojos son rojos. Creamos un vínculo y hacemos una generalización. Para que un condicional se cumpla la teoría lingüística según (Pollock, 1976) tiene que haber unas leyes físicas y unas circunstancias. La conjunción L^C^P implicaría Q. Si un amigo de confianza me dice que “x no es rojo”, se convierte en una razón para ~Q y pensar que la generalización no se cumple ~(P→Q). La conexión se rompe si las circunstancias y las leyes físicas no se cumplen. Los derrotadores de tipo II atacan a la conexión entre P y Q haciendo que saber P no tenga que llevar a Q. Es el caso por ejemplo en el que hay una luz roja sobre el objeto que vemos rojo. No es suficiente para saber que x no es rojo, pero si para romper con que si x me parece rojo entonces x es rojo. En (Pollock,1976) habla de que es cierto que en algunos condicionales de subjuntivo existe conexión entre el antecedente y el consecuente y que tal conexión es condición suficiente para la verdad del subjuntivo, pero, esta conexión no es necesaria. Hay otros tipos de subjuntivos donde no existe esta conexión entre el antecedente y el consecuente, sino que precisamente porque el consecuente ya es verdadero y no existe conexión con el antecedente el condicional se cumple. Los derrotadores de tipo II atacarían a los condicionales de subjuntivos simples donde si existe esa conexión. En la inducción, los derrotadores de tipo II consisten en razones para pensar que la muestra de la inducción no es justa, es decir, que su análisis no constituye una buena forma de averiguar si el predicado se satisface de forma universal. Un ejemplo puede ser el buscar demostrar que ningún gato tiene pelo mirando solo a los gatos esfinge y descubrir luego que esta es una raza muy particular y que el resto de raza de gatos tienen pelo. Para que un derrotador actúe como tal no es necesario que la creencia de S en este sea justificada. Si P es una razón prima facie para que S crea Q, si S cree una proposición R, de forma justificada o no, que lleva a ~(P→Q), es suficiente para que sea derrotado y P no sea una buena razón para Q. Esto podría llevar a pensar que, si S tiene una buena razón para creer en un derrotador, pero no lo hace esto puede ser una buena razón para evitar la creencia de Q. Pero no debiera darse, puesto que, sería irracional que S no creyera en R siendo una buena razón, si lo hiciera, debería deberse a la ignorancia de esa buena razón para creer en el derrotador R y siendo así, S está justificado para creer Q. TFG-Grado de Filosofía. Lógica e Inteligencia artificial. Problemas del razonamiento retractable. Problemas razonamiento retractable en Pollock. - 13 - En este apartado hemos hablado sobre el conocimiento, los distintos tipos de razones, la justificación y sobre los derrotadores. Las razones prima facie y los derrotadores son los responsables del carácter no monótono del razonamiento. Ahora en el siguiente apartado vamos a pasar hablar del razonamiento retractable y los problemas ligados a este. 2.2 RAZONAMIENTO RETRACTABLE EN POLLOCK En este apartado vamos a pasar a hablar del razonamiento retractable y de los problemas que hay con respecto a este desde John L. Pollock . A lo largo de los siglos se le ha otorgado una gran importancia al razonamiento deductivo, se buscaba el llegar a unas conclusiones que fueran inamovibles. Pero ocurre que, como hemos visto, nuestro conocimiento no es absoluto ni cerrado. Vamos adquiriendo conocimiento, se trata de algo que va renovándose, se añaden creencias, se corrigen otras, se refuerzan o incluso se desechan. Como hemos visto en el apartado anterior, podemos tener unas creencias de forma justificada hasta este momento, con el conocimiento que tengo actualmente, pero, si añadimos información puede ser que ya no estemos justificados para creer en ciertas creencias. El razonamiento retractable consiste en esto, tengo una serie de creencias y si hay algún cambio en el contexto porque obtengo nueva información, la información que tengo cambia o pierdo alguna información, puedo desechar algunas creencias. Pollock dice que el razonamiento retractable es algo similar al razonamiento nomonótono. En IA el razonamiento no-monótono se convirtió en un tema de gran interés casi al mismo tiempo en el que se comenzaron a desarrollar teorías sobre el razonamiento retractable. Según (Morado,2004) hay muchas personas que cometen el error de tratar el razonamiento no-monótono y el razonamiento retractable como si fueran lo mismo. Morado dice que no se debe reducir a lo mismo, puesto que, el razonamiento no-monótono lleva a retractar una conclusión debido a un aumento de información, mientras que, en el razonamiento retractable la puede retractar por distintos cambios en el contexto, no solo por un incremento de información, sino también por perdida o cambio de ésta. De hecho, la mayoría de las reglas default, por ejemplo, son no-monótonas, pero, algunas no son retractables. Las inferencias default están ligadas al contexto, por eso cuando ocurre un cambio en éste cambia el grado de razonabilidad. El razonamiento sigue unas reglas, pero la retractabilidad no quiere decir que estas reglas estén mal o se haya llevado a cabo un mal uso de estas, sino que esas reglas ya no son aplicables, quedan desactivadas. El conocimiento es incompleto, se modifica y se aumenta, es por eso que somos susceptibles de cometer errores y, por lo tanto, nuestras conclusiones y creencias han de poder ser revisadas y desechadas. Del mismo modo que los humanos cometemos errores, los sistemas artificiales también los cometen, por eso, es necesario que estos sean capaces de revisar sus interpretaciones frente a la llegada de nuevos datos. 2.2.1 Teoría de la Garantía El razonamiento humano comienza partiendo de estados de entradas, percepciones, inputs. Con ayuda de la memoria se construyen argumentos, de los cuales surgen creencias y partiendo de estas se llega a otras creencias y así sucesivamente. A través del razonamiento podemos llegar a una creencia y luego llegar a rechazarla porque se rechazó otra creencia en la que se apoyaba. Pollock elabora una teoría del razonamiento en (Pollock, 1987) basándose en un ideal de máquina donde no hay límites. Existen argumentos lineales e indirectos. Los argumentos lineales son secuencias de proposiciones finitas donde cada una de esas proposiciones describen Muñiz Castro, Nerea - 14 - la base epistémica o base de datos, o, donde el conjunto de miembros anteriores de la secuencia constituye una razón para esto. Los argumentos indirectos actúan tomando como premisas unas suposiciones para llegar a conclusiones, luego, esas premisas son descargadas usando alguna regla como la reducción al absurdo o la condicionalización, dejando así, de depender de las suposiciones. Se dice que un argumento apoya la conclusión P si y solo si P es apoyada por alguna línea de argumento. Los argumentos se forman usando unas reglas de inferencia donde se justifica. Pollock define dos reglas de inferencia, la regla F y la regla R: “Rule F: Foundations If P expresses a doundation state contained in the epistemic basis, <P,F,Ø> can be entered as any line of the argument. Rule R: Closure under reasons If {P1,…,Pn } is a reason for Q and <P1,…>,…,<Pn,…> occur as lines i1,…,in of an argument, <Q,R,{i1,…,in}> can be entere don any later line.” (Pollock,1987, p.491) La justificación siempre es relativa a la base epistémica. Se ha de pasar un proceso donde argumentos tratan de derrotarse unos a otros. Los argumentos van ascendiendo del nivel 0 hacia arriba según van superando el proceso sin ser derrotados por argumentos de distintos niveles, es decir, en un principio todos pertenecen al nivel 0, si un argumento sube al nivel 1 significa que ningún argumento de nivel 0 ha podido derrotarlo, si pasa al nivel 2 significa que ningún argumento de nivel 1 ha podido derrotarlo y así sucesivamente. Cuando llegamos a un punto en el que el argumento ha pasado por todo esto y no ha podido ser derrotado se dice que la conclusión está justificada. Sin embargo, si a través del uso de una regla de inferencia llegamos a un argumento que es una razón prima facie para llegar a una conclusión, si otro argumento llega a negar la conclusión o niega alguna inferencia por la que el otro argumento llega a la conclusión, entonces el argumento queda derrotado. Pollock lo define así: “(4.1) <η,j> defeats <σ,i> if and only if <σ,i> is obtained by rule R using {P1,…,Pn} as a prima facie reason for Q, and ηj is either ~Q or [(P1&…&Pn)→Q]” (Pollock,1987, p.491) Pero en ocasiones ocurre lo que Pollock llama “derrota colectiva”. Sucede que a veces tenemos argumentos para apoyar una conclusión y para negarla. Es decir, siendo Q una proposición en la que creemos y P un conjunto de proposiciones, tenemos argumentos para creer P, pero a su vez, dentro de cada P en P hay un subconjunto finito Pp cuya conjunción con Q proporciona un argumento para ~P. P y ~P tienen el mismo valor y no son derrotadas por ningún otro argumento, solo pueden derrotarse por su interacción. Esto llevaría que no podríamos creer razonablemente en ninguno de los dos, ninguno estaría justificado siguiendo el modo de justificación de argumentos que habíamos establecido, pues, hay argumentos de nivel 0 que respaldan P pero a su vez se pueden combinar para crear nuevos argumentos de nivel 0 que derroten P. Pollock en (Pollock,1987) hablará de dos paradojas del razonamiento retractable donde tienen lugar derrotas colectivas. La primera paradoja es conocida como “la paradoja de la lotería”. Tenemos una lotería que sortea un número n de boletos, donde uno de estos será seleccionado al azar y resultará ganador. Entonces, tenemos en primer lugar la creencia P, la cual dice, hay una lotería justa donde se sortea n boletos y uno de ellos será ganador. Pero ocurre que, las probabilidades de que el boleto 1 salga es mucho menor que la probabilidad de que no salga, y lo mismo se repite con cada uno de los boletos de la lotería. Esto hace que estemos prima facie justificados para pensar que el boleto 1 no saldrá, que el boleto 2 no saldrá y así con cada uno de los boletos. Si existen razones para pensar que los boletos no saldrán, entonces, estamos justificados para pensar que la lotería no es justa. Veámoslo más detenidamente, creemos P porque nos TFG-Grado de Filosofía. Lógica e Inteligencia artificial. Problemas del razonamiento retractable. Problemas razonamiento retractable en Pollock. - 15 - lo han dicho y lo que nos dicen mayoritariamente suele ser verdad. Entonces, tenemos un argumento σ que apoya P. Por otro lado, tenemos la proposición “se sacará el boleto x” que representaremos con Bx. Si alargamos el argumento σ podemos llegar a un argumento η que lleve a ~P. Es decir, de (~B1, ~B2,…,~Bn) llegamos al argumento η que dice ~Bn, el cual lleva a ~P, puesto que, si no se saca ningún boleto, no es una lotería justa. Los argumentos σ y η , se derrotan entre sí P y ~P. La segunda paradoja es llamada “la paradoja de la inducción estadística”. Esta consiste en, si observamos un número de elementos n en A, de los cuales se observa que r son B, llegamos por inducción estadística a que probablemente (Bx/Ax) ≈ r/n. La inducción estadística consiste en que si una proporción de elementos en A han sido B podemos llegar a la conclusión de que la probabilidad de que A sea una B es aproximadamente la misma proporción. Suponemos que r/n es alto. Si observamos un conjunto k de elementos que son A, sin saber si son B, podemos inferir por silogismo que cada uno de ellos es B. Aplicando nuevamente la inducción estadística llegamos a que probablemente (Bx/Ax)≈(r+k)/(n+k). Si resulta que k es lo suficientemente grande llegamos a (n+k)/(r+k)≠r/n y podemos inferir que probablemente (Bx/Ax)≠r/n. Podemos ejemplificarlo de la siguiente forma. Tenemos algunas cajas cerradas. Cogemos 7 de ellas y las abrimos. Al abrirlas, vemos que hay 5 cajas que están llenas de naranjas en buen estado y hay 2 cajas de naranjas en mal estado. Por inducción estadística podemos inferir que la probabilidad de que una caja esté llena de naranjas en buen estado es de 5/7 y la probabilidad de que esté llena de naranjas en mal estado es de 2/7. Podemos observar que la probabilidad de encontrarnos con cajas llenas de naranjas en buen estado es bastante mayor que la probabilidad de encontrarnos con cajas de naranjas en mal estado. Por lo tanto, si abrimos otras 7, debido a esta probabilidad estamos prima facie justificados para pensar que las cajas van a estar llenas de naranjas en buen estado. Ahora tenemos 14 cajas de naranjas y suponemos que 12 de ellas van a estar llenas de naranja en buen estado, es decir, la probabilidad ahora es de 12/14. Esto quiere decir, que la probabilidad no es 5/7 como habíamos dicho al principio. Llegamos entonces a una contradicción de la conclusión por lo que el razonamiento ha quedado destruido. Sin embargo, esto se ve intuitivamente erróneo. Se ha llegado a una derrota colectiva. Pollock dice que esto parece demostrar una insuficiencia en la teoría de la garantía. Comenzábamos con un argumento suponiendo una conclusión P. Extendemos el argumento para llegar a otro argumento η donde se apoya ~P. A simple vista vemos que P debería estar garantizada, pero, dice Pollock que debido a (4.1) llegamos a una derrota colectiva. Pollock cree que esto se debe a que el argumento η ha de ser defectuoso porque, siendo un subargumento dentro de un argumento, ataca el argumento al que pertenece. Como el argumento es auto-derrotable no se ha de dejar que entre en conflicto con otros argumentos. Pollock define esto de la siguiente forma: “(4.5) σ is self-defeating if and only if σ supports a defeater for one of its own defeasible steps, that is, for some i and j, <σ,i> defeats <σ,j>.”(Pollock, 1987, p.495) Así las paradojas no acabarían en derrota colectiva debido a que los argumentos autoderrotables son defectuosos y no pueden entrar en un conflicto. Se requiere que los argumentos de nivel 0 no sean defectuosos, no pueden atacarse a sí mismos. Un argumento es autoderrotable si apoya a un derrotador dentro de sus propios pasos. Siguiendo el ejemplo de (Koons, 2005) si Robert dice que el elefante a su lado es rosa pero la visión del color de Robert se vuelve poco confiable en presencia de elefantes rosas, normalmente la creencia de que Robert dice que el elefante a su lado es rosa apoyaría a la conclusión de que el elefante es rosa, pero la conclusión es socavada por la creencia de que la visión del color de Robert se vuelve poco confiable en presencia de elefantes rosa socava la conclusión. Muñiz Castro, Nerea - 16 - Hasta aquí la teoría de la garantía había tomado únicamente argumentos lineales, por lo que, ahora vamos a introducir argumentos indirectos donde se pueden tomar premisas como suposiciones. Esto añade dificultad. Hay que decidir cómo se integraran argumentos subsidiarios en sus argumentos adjuntos. Solemos incorporar al argumento subsidiario las conclusiones respaldadas por el argumento adjunto sin defenderlo puesto que sería volver a repetir el argumento. Pero Pollock dice que hay que poner algunas restricciones a esto. Supongamos que tenemos un argumento subsidiario que procede de la suposición P, pero, el argumento adjunto es ~P. No podemos incorporar tal cual ~P sin hacerlo autoderrotable. No podemos incorporar al argumento subsidiario ningún derrotador para ningún paso para obtener aquello que respalda el argumento adjunto. Para evitar esto, Pollock dice que es mejor volver a repetir el argumento al añadirse al argumento subsidiario y así evitamos equivocarnos. Para los argumentos no lineales tendremos que modificar las reglar R y F de la siguiente forma: “Rule F: Foundations If P expresses a foundation state contained in the epistemic basis, and Γ is any finite set of propoditions, <Γ,P,F,Ø> can be entered as any line of the argument. Rule R: Clousure under reasons If {P1,…,Pn} is a reason for Q and <Γ, P1,…> ,…, <Γ,Pn,…> occur as lines i1,…,in o fan argument, <Γ,Q,R,{ i1,…,in}> can be entere don any later line.” (Pollock, 1987, p.497) Además, debemos añadir dos reglas para los argumentos indirectos: “Rule P: Premise introduction For any finite set Γ and any P in Γ, <Γ,P,P,Ø> can be entered as any line of the argument. Rule C: Conditionalization If <ΓՍ{P},Q,…> occurs as the line of an argument then <Γ,(PϽQ),C, {i}> can be entere don any later line.” (Pollock, 1987, p.497) La condicionalización es una forma de inferencia muy generalizada. Existen condicionales de distintas clases y cada uno de ellos puede inferirse mediante una forma de condicionalización. Además, existe la condicionalización débil, la cual, requiere la ejecución de cada una de las suposiciones a la vez. Pollock va a tomar los condicionales que se relacionan con la socavación de los derrotadores a través de la siguiente regla: “Rule WC: Weak conditionalization If <{P}, Q, …> occurs as the line of an argument then <Ø,P→Q, SC, {i}> can be entered on any line.” (Pollock, 1987, p.498) Todas estas reglas de inferencias constituyen solo una pequeña parte de las reglas que son usadas para inferir por los humanos, pero, son las que necesitaremos para continuar con la teoría de la garantía de Pollock. Esta teoría nos permite demostrar que los conjuntos de proposiciones garantizadas tienen una serie de propiedades que son importantes. Para simbolizar que una proposición está justificada en relación a la base epistémica usaremos “I=>EP”. Para que un conjunto Γ I=>EP tiene que haber un argumento invicto en la base epistémica que contenga <Γ,P,…>. P será una consecuencia deductiva de Γ si en Γ hay un argumento deductivo principal que lleva a la conclusión P, entonces, Γ I=>EP . Pollock hace uso del razonamiento deductivo porque piensa que hay razones concluyentes que se lo permiten. Un conjunto de proposiciones será consistentemente deducible si y solo si no hay una consecuencia deductiva que sea una contradicción. Si se derivara una contradicción del conjunto de proposiciones justificadas, el razonamiento de algunas de TFG-Grado de Filosofía. Lógica e Inteligencia artificial. Problemas del razonamiento retractable. Problemas razonamiento retractable en Pollock. - 17 - esas proposiciones derrotaría a otras proposiciones del conjunto, por lo que, no estarían justificadas. Si en Γ todo P I=>EP y Q es una consecuencia de P, Q I=>EP. Supongamos P1,P2, Pn como argumentos garantizados y Q como una consecuencia deductiva de estos. Basándonos en esto, podemos construir mediante la combinación de P1,P2,Pn un argumento secundario Q, siempre que, añadamos al final del razonamiento un paso donde se cree un argumento donde de P1,P2, Pn se deduzca Q. Para que Q no estuviera garantizado debería haber un derrotador para alguno de los pasos del razonamiento. Los últimos pasos no son anulables, por lo que los derrotadores deberían atacar a los argumentos P1,P2, Pn, pero, P1,P2, Pn están garantizados, lo que quiere decir que , no hay derrotadores, por lo tanto, Q debe estar garantizado. De aquí se puede deducir según Pollock el teorema de deducción estándar de la lógica clásica que contrasta con la lógica no-monotona de McDermott y Doyle (1980): “(5.7) If ΓՍ{P}I=> EQ then Г I=> E(PϽQ).” (Pollock, 1987, p.499) Ahora que hemos introducido los argumentos indirectos el principio de derrota colectiva sigue funcionando en la teoría de la garantía, pero, este solo se refería a casos en los que los argumentos apoyan tanto a la conclusión P como a ~P. Existe también el principio de derrota colectiva por socavación. Este consiste en que si estamos justificados para creer R y existe un conjunto Г donde tenemos argumentos igualmente buenos para creer cada proposición dentro del conjunto, tenemos un argumento de apoyo que implica un paso retractable que procede de algunas premisas S1,…,Sn a una conclusión Q en cada P de Г, hay en Г un subconjunto ГP cuya conjunción entre cada uno de sus miembros y R proporciona un argumento deductivo para ~[(S1,…,Sn)→T] igual de fuerte como el argumento inicial P, y ninguno de los argumentos tiene derrotadores, solo se pueden derrotar al interactuar entre ellos, entonces, ninguna de las proposiciones dentro del conjunto Г está garantizada en la base de estos argumentos retractables. Pollock (1987) pone el siguiente ejemplo, tenemos un argumento R que nos dice que por lo general la gente dice la verdad, tenemos la premisa P donde Jones dice que Smith no es confiable y la premisa Q donde Smith dice que Jones no es confiable. La conjunción entre P y R constituye una razón prima facie para creer que Smith no es confiable, lo cual simbolizaremos con S. La conjunción entre Q y R constituye una razón prima facie para creer que Jones no es confiable. Simbolizaremos “Jones no es confiable” con J. Es decir, tenemos por un lado (P&R)→S y por otro lado tenemos (Q&R)→J. Pero, J es un derrotador socavador para S y S un derrotador socavador para J, es decir si tomamos J no podemos confiar en Smith, que es lo que nos dice S, y si tomamos S no podemos confiar en Jones, que es lo que dice J. Por lo tanto, parece que no deberíamos confiar en que ninguno de los dos diga la verdad, tenemos, por lo tanto, una derrota colectiva por socavación. En ocasiones ocurre que nos encontramos una disyunción garantizada de dos derrotadores, pero los derrotadores individualmente no están garantizados. Supongamos que tenemos una razón prima facie P para creer Q y una razón prima facie R para creer S. Por otra parte, tenemos T que dice ~(P→Q) y V que dice ~(R→S), las cuales no están garantizadas. Si tenemos (T ν U) de forma garantizada, existe un principio de derrota conjunta que dice que podemos tomar cualquiera de las dos razones a pesar de que no estén garantizadas. Entonces el argumento queda invicto siguiendo la regla R. En IA han estudiado el razonamiento no monótono centrándose en razonamientos que parten de suposiciones predeterminadas, sin embargo, la monoticidad del razonamiento retractable se debe al uso de razones prima facie, los cuales, pueden verse como Muñiz Castro, Nerea - 18 - suposiciones, pero, no en el sentido de creencias. Las razones prima facie no tienen que aparecer representadas de forma explícita en el razonamiento, no tengo que pensar que “si x me parece rojo, entonces es rojo”. En IA el papel de esas suposiciones es similar al de las creencias que se mantienen hasta que son derrotadas. Pollock cree en la existencia de proposiciones justificadas prima facie. Una proposición está prima facie justificada si en relación con toda base epistémica, está justificada en ausencia de una razón que lleve a su negación. Dice que esto se ve de forma clara si tenemos una razón prima facie para Q y formamos el condicional (P→Q) partiendo de la regla WC, a menos que tengamos un derrotador que la derrote. Pero en realidad, es irrelevante que haya o no un derrotador para (P→Q), el derrotador niega la razón, pero la formación del condicional está justificada. En un principio Pollock creía que las bases epistémicas incluían proposiciones prima facie justificadas, pero, luego vio que no era así, concluyendo que probablemente las únicas proposiciones prima facie justificadas son condicionales, como el que hemos visto, que se derivan de razones prima facie. Las proposiciones prima facie justificadas son muy parecidas a la interpretación que hacen de las suposiciones predeterminadas en IA y aunque probablemente solo se encuentren en forma de condicional, pueden ser usadas para llevar a cabo la formalización del lenguaje cotidiano. Se podría pensar en crear una máquina donde se almacenen condicionales prima facie justificados y se razone de forma deductiva mediante modus ponens partiendo de estos. Pero esto derivaría en el uso de razones en forma de esquemas, los cuales tienen una cantidad de posibilidades enormes, requiriéndose entonces un almacenamiento de condicionales prima facie justificados demasiado grande para ser posible. También cabría pensar en realizar generalizaciones universales para reducirlos, pero, las generalizaciones universales se rompen con encontrar un solo caso en el que no se de la generalización. En el momento que el universal quede anulado por ese caso la generalización no volverá a usarse con el resto de los objetos. Pero para que esto pasara de forma legítima se deberían encontrar muchos casos en los que no se cumpla el esquema. Por lo tanto, no parece buena idea llevar a cabo la implantación de un razonamiento basado en proposiciones prima facie en lugar de un razonamiento retractable. Ocurre que del mismo modo que veíamos en Gettier donde se demostraba que podíamos tener creencias justificadas que no son verdaderas, también podemos tener creencias no garantizadas, al menos no de la forma que hemos estado hablando hasta ahora. La forma de razonamiento que hemos estado tratando hasta ahora está bien de cara a un ideal con memoria infinita y una capacidad de procesamiento muy superior a la que tenemos. En la realidad una persona no puede comparar cada argumento contenido en su conocimiento para poder creer algo, ni entrar en un ciclo infinito de argumentos derrotados y reincorporados al llegar a una derrota colectiva. Debemos razonar sobre aquello que nos es más inmediato, aquello que nos es más accesible en la situación epistémica. Se dice que el uso de esas reglas internas que tenemos para razonar es lo que hace que nuestras creencias estén justificadas, pero puede darse el caso de que esto no se cumpla. El razonamiento aspira a llevar a cabo la justificación de la forma ideal que hemos visto, pero, está limitado. Nuestras reglas para formar creencias justificadas presuponen que hemos hecho un buen razonamiento. Solemos suponer que las reglas de formación de creencias nos llevan a formar nuevas creencias si ya tenemos unas creencias que están bien relacionadas. Pero no tenemos por qué crear una nueva creencia cada vez que ocurre esto. Tenemos la posibilidad, pero, no la obligación. Podemos tener una creencia, pero no tenemos que creer todo lo que se infiere de ellas. Normalmente llevamos a cabo este tipo de inferencias cuando es de nuestro interés. Es por lo que Pollock dice que este modus ponens debería llamarse algo así como “regla de permiso”. Pero, aunque las reglas no nos obliguen, TFG-Grado de Filosofía. Lógica e Inteligencia artificial. Problemas del razonamiento retractable. Problemas razonamiento retractable en Pollock. - 19 - tampoco deben dejarnos hacer lo que queramos. Ha de haber una regla que nos diga en qué circunstancias debemos realizar esas inferencias y construir las nuevas creencias. Además, debería mostrarnos cuales de las creencias que tenemos son de nuestro interés para llevar a cabo la nueva inferencia. Entonces dice Pollock que debe haber unas tres reglas. Una regla que nos diga que debemos adoptar nuevas creencias si tenemos argumentos de las que inferirlas y tenemos interés en saber de ellas. Otra regla que cancela que lleguemos a estas nuevas creencias si existen argumentos que derroten a los que teníamos. Y, por último, una regla que los reincorpore si se encuentran argumentos que derroten a los que actúan como derrotadores de los argumentos que apoyaban a las nuevas creencias. Para formalizar estas reglas Pollock hace una serie de propuestas. Para la primera propone dos opciones. La primera opción es simple. Si tenemos unas proposiciones P1, P2, Pn que sean razones para creer Q, te interesa Q y no hay argumentos que derroten esas razones, debes creer Q. La segunda opción incluye el hecho de que creamos de forma justificada, por lo que se dirá que, si crees de forma justificada en P1, P2, Pn las cuales son razones para creer en Q, no hay ningún argumento que derrote estas razones y Q te interesa entonces deberías creer Q. Pero esta segunda opción al introducir la justificación ya llevaría a indagar en qué justifica P1, P2, Pn y así sucesivamente llevando a una regresión infinita. Esto se puede evitar si las reglas son locales, es decir, no es necesario formar primero otras creencias porque respondemos de forma directa. Los humanos no rastrean cada uno de los argumentos que le llevan a creer en algo, solo asume que las creencias están justificadas hasta que algún argumento diga lo contrario. Un sistema artificial que esté programado para razonar debe funcionar de forma similar, porque si no llegaría al mismo problema que hemos visto con anterioridad en distintas circunstancias, la búsqueda sería inmensa debido a que su memoria se abarrotaría. Es por esto que Pollock cree que la regla que utilizamos para formar creencias debe ser como la primera opción. Para la segunda regla que se refiere a la derrota del argumento debido a al descubrimiento de derrotadores para este, primero sugiere una opción que será rechazada debido a que vuele a incurrir en la necesidad del seguimiento de las creencias y de los argumentos que las sostienen. Eso como vimos al analizar la segunda opción de la primera regla, no es práctico, no hacemos eso. Esta opción propuesta por Pollock dice que si creemos Q en base a una línea de argumento que ha sido obtenida por la regla R partiendo de (P1,P2,…,Pn) como razón prima facie para Q, si adoptas una razón R que lleva a ~Q o a ~[( P1,P2,…,Pn)→Q], entonces, debemos dejar de creer en Q. Otra opción consiste en que, si creemos que creemos Q sobre la base de un argumento, en el cual hay una línea que se obtiene del uso de una razón prima facie P para creer en Q, y creemos en un derrotador, entonces, debemos dejar de creer en Q. Pero esto implica que la derrota tenga un proceso de orden superior en los razonamientos y los humanos solemos hacer la derrota de forma automática. Si tengo una razón R que derrota a P automáticamente dejo de creer en Q. Esto es uno de los problemas que trata de solucionar Pollock. En un principio dio por imposible crear reglas de derrota que funcionaran de forma automática, pero en (Pollock,1987) cuando trata el problema de construir un marco general del razonamiento retractable creando una teoría de argumento retractable basada en algunos supuestos intenta crear reglas de este tipo. En el siguiente apartado vamos a pasar a ver cómo funciona el marco general de razonamiento retractable creado por Pollock basándonos en (Pollock,1987) y (Pollock,1995). Recibe el nombre de OSCAR y según Pollock es una representación del Muñiz Castro, Nerea - 20 - funcionamiento del razonamiento retractable que, además, podría ser usado para crear un sistema inteligente que razonara de esta forma. Pollock va variando OSCAR hasta llegar a la creación de “asignación de estado parcial” con la que logra solventar la mayoría de los problemas con los que se encuentra. 2.2.2 OSCAR Pollock crea un sistema llamado OSCAR donde primero toma unos supuestos simplificadores y luego se eliminarán esas simplificaciones. Primero volverá a tomar argumentos lineales únicamente, se interesará por todo para poder sacar el máximo de combinaciones posibles, aunque, habrá que tener cuidado con los esquemas de razón que se les dará para que no haya un exceso y se sature, y todos los argumentos van a tener el mismo valor, por lo que al llegar a argumentos contradictorios se llegará a una derrota colectiva. Siguiendo estos supuestos va a pasar un sistema de reglas que deberá ser modificado posteriormente. Se debe crear un sistema de razonamiento que no acabe derivando al infinito llegando a una combinación combinatoria. Un razonamiento ha de llevarse a cabo en un periodo de tiempo no muy elevado, por lo que han de elevarse búsquedas enormes en el razonamiento. Algunos sistemas en IA como el de Jon Doyle (1979) lleva al sistema a poder seguir los argumentos, almacenarlos y tener acceso a ellos para poder derrotarlo y reincorporarlos. Entonces, la memoria se llena demasiado, puesto que, tiene que guardar las creencias y los argumentos que llevan a esta, que además suelen ser cada vez más largos. Esto implicaría hacer una búsqueda inmensamente imposible. Esto, como vimos en la introducción, es lo que tratan de hacer los sistemas expertos de tipo explicativo. Estos sistemas cuando llegan a unas conclusiones han de poder explicarte los pasos del razonamiento que han dado y mostrarte los datos que han usado. Si para el razonamiento tuviera que llevarse a cabo una cantidad inmensa de pasos y los datos fueran tan elevados esto no se podría llevar a cabo. Para que esto no ocurra, se pueden almacenar las creencias recién obtenidas de las creencias que ya se contienen, así se partiría directamente de las nuevas creencias para llevar a cabo el nuevo razonamiento que se deba realizar. Los humanos no retoman cada una de las creencias que contienen, toman las más actualizadas. Por lo tanto, OSCAR tendría, por un lado, un conjunto donde estarían almacenadas todas las creencias que se han adquirido, y por otro, un conjunto que contenga las creencias más recientes que se han adoptado. Cuando se lleva a cabo un nuevo razonamiento, las creencias que se encontraban en el conjunto donde se almacenan las últimas creencias adoptadas pasan al conjunto donde se contienen todas las creencias y nuevas creencias llenan de nuevo el conjunto de las creencias recién adoptadas. Pero el problema de no almacenar los argumentos radica en cómo llevar a cabo la derrota. Puede ser una solución el almacenamiento del último paso del argumento. Pero también tenemos que realizar un seguimiento de si la razón es concluyente o retractable haciendo que tengamos que hacer que la derrota trabaje de cierta manera. Si S cree Q sobre X quiere decir que cree Q sobre la base de la razón retractable X. Por otro lado, Si S cree Q con X quiere decir que cree Q sobre la razón concluyente X. También hay que seguir las bases que llevan a la derrota de las razones. Si X es un conjunto de proposiciones que constituye una razón prima facie para creer en Q, y ^X es el conjunto de todos los miembros (P1,P2,…,Pn) de X. Al ser derrotada por la subvaloración, S cree ahora ~(^X→Q), quedando la base almacenada en inicio, el conjunto inicial de premisas. La reincorporación se llevará a cabo cuando S encuentre algo para retractarse de ~(^X→Q). Rebatir la derrota es más complicado. Si tenemos una razón prima facie {P} para creer Q y una razón prima facie {R} para creer S, al llegar a una derrota colectiva no es tan fácil como negar ambas conclusiones, ya que ha de ser posible que se reincorpore una TFG-Grado de Filosofía. Lógica e Inteligencia artificial. Problemas del razonamiento retractable. Problemas razonamiento retractable en Pollock. - 21 - de los dos si una es derrotada. Es decir, si se encuentra un derrotador para {R} como razón para S, entonces debiera de poder creer Q sobre la base de la razón prima facie {P}. Pero solo buscamos creencias más recientes. Puesto que el argumento de que {P} es una razón para creer Q ya no pertenece a el conjunto en el que se encuentran las creencias más recientes, no podemos inferirlo directamente. Por lo tanto, debemos almacenar las proposiciones de la derrota colectiva y el conjunto de los últimos pasos de los argumentos. En este caso {<Q, {P}>, <S,{R}>}. Luego hay que retomar los últimos pasos del razonamiento que son desechables y refutarlos. Pollock define que en un caso donde las razones son todas conjuntos unitarios, q es un antecedente no derrotable de una creencia p si y solo si hay una secuencia de creencias < p1,…,pn> (i>1) donde p=pn y q=p1, para la cual i<n,< pi+1, {pi}> ϵconset . Para que un par <r,{s}> sea el ancestro no derrotable más inmediato de p, r tiene que ser un ancestro no derrotable de p y <r{s}> ϵconset.. Los razonamientos lineales pueden expresarse mediante estructuras secuenciales o sobre grafos de inferencia según Pollock (1995). La estructura secuencial expresa el razonamiento de forma secuencial codificando las secuencias de inferencia. Tomemos el ejemplo que pone Pollock en este mismo libro: 1. (P&Q) 2. P por eliminación de la conjunción de 1 3. Q por eliminación de la conjunción de 1 4. Q&P por introducción de la conjunción de 2 y 3 1. (P&Q) 2. Q por eliminación de la conjunción de 1 3. P por eliminación de la conjunción de 1 4. Q&P por introducción de la conjunción de 2 y 3 Mediante Grafos de inferencias se elabora una representación gráfica que codifica las relaciones de dependencia. Pollock lo muestra así: (P&Q) P Q Q&P (Pollock, 1995, p.87) Los razonamientos suposicionales pueden codificarse en grafos de inferencia como el que hemos observado en el ejemplo. Cada nodo en el grafo de inferencia se representa con <X,p> siendo X una suposición y p una proposición que es una conclusión. El grafo avanza mediante reglas de inferencia que son descritas por Pollock (1995): Para añadir premisas, si tenemos un grafo G y una premisa p, para una suposición X podemos añadir un nuevo nodo <X,p> a G creando así un nuevo grafo de inferencia. Si tenemos en G un conjunto X de suposiciones donde p está contenido podemos formar un nuevo nodo <X,p< en G creando un nuevo grafo de inferencia. Si G tiene un nodo <X U {p}, q> entonces podemos añadir un nuevo nodo formado por <X (p Ͻq)> con un ancestro inmediato <X U {p}, q>. Esto último es una condicionalización. Para hacer un razonamiento por caso en un grafo G, este tiene que tener varios nodos <X (pvq)>, <X Muñiz Castro, Nerea - 28 - 4 CONCLUSIONES El enfoque sobre el razonamiento retractable de Pollock consiste en enumerar un conjunto de reglas que son computables con el objetivo de describir la forma en que un agente cognitivo ideal construye un conjunto de creencias partiendo de una base de datos muy básica. El razonamiento es algo no estático que va cambiando según recibimos nuevas entradas, nueva información. Al no tener un conocimiento completo y cerrado la información que vamos adquiriendo hace que tengamos que llevar a cabo una revisión de aquello que creemos y revisemos si con la nueva información seguimos creyendo lo mismo, lo modificamos o lo desechamos aparte de añadir nuevas creencias. Define las nociones de razones prima facie y derrotadores, los cuales, son los principales causantes del razonamiento retractable. Aquello que tengo en este momento como razón para una creencia puede dejar de serlo al ser derrotado, es por eso que se crea la asignación de estado parcial que asigna a un argumento el estado de “derrotado” o “no derrotado” pudiéndose revisar y cambiar su estado. Para que una creencia esté garantizada en relación con una base epistémica debe estar apoyada por un argumento que haya resultado invicto, es decir, que no haya podido ser derrotado por ningún otro argumento, y que pertenezca a la base epistémica. Pollock elabora una teoría de la garantía y luego crea un marco representativo donde se representa la estructura de forma gráfica mediante grafos de inferencia. Mediante reglas de combinación se irán añadiendo nodos al grafo de inferencia. Pollock tuvo que enfrentarse a diferentes problemas, por lo que, tuvo que ir modificando su teoría para poder solventarlos. Pollock, como se dice en (Bringsjord; Govindarajulu, 2018) parecía intentar crear un intelecto artificial donde se comprobará su teoría, ya que, para este, como dijimos con anterioridad, es importante que las teorías puedan aplicarse a un agente racional autónomo para comprobarla. Esto que hace Pollock muestra, como se dice en (Bringsjord; Govindarajulu, 2018), como la IA puede nutrirse de la filosofía y a través del uso de las técnicas y herramientas de estas llegar a tratar temas encontrando algunas soluciones que pueden ser comprobadas a posteriori al intentar implementarlas en un programa computacional. Aunque la IA no sea filosofía puede ayudarse de ésta, al fin y al cabo, para la IA es crucial el estudio del razonamiento y la observación del comportamiento racional, y que mejor que ayudarse entonces de ramas como la Filosofía de la Mente, la Epistemología, la Filosofía del Lenguaje o la Lógica. De igual forma, la Filosofía puede razonar sobre temas de IA como, por ejemplo, la IA “Fuerte” o la IA “Débil”. La IA “Débil” busca crear máquinas que procesen información que parezcan tener el repertorio mental de los humanos. La IA “Fuerte” trata de crear personas artificiales que realmente tengan el repertorio mental de los humanos. John Searle, por ejemplo, trató de derrocar la postura de la IA mediante el experimento mental de la habitación china perteneciente a (Searle,1980). Pollock escribió “A Blueprint for How to Build a Person” (1995) pero OSCAR no tiene las capacidades de los seres humanos. OSCAR es capaz de llevar a cabo un razonamiento retractable bastante sofisticado, aunque tenga algunos problemas como comentamos anteriormente. El trabajo de Pollock fue esencial en IA para el tratamiento del razonamiento no monotónico y aunque OSCAR quedó estancado tras el fallecimiento del filósofo parece según (Bringsjord; Govindarajulu, 2018) que Kevin O’Neill ha recuperado OSCAR y se están llevando a cabo experimentos con este. TFG-Grado de Filosofía. Lógica e Inteligencia artificial. Problemas del razonamiento retractable. Problemas razonamiento retractable en Pollock. - 29 - 5 BIBLIOGRAFÍA Armstrong, D. M. (1963). Is Introspective Knowledge Incorrigible? The Philosophical Review, Vol.72. No. 4, pp. 417–432. Bringsjord, S y Govindarajulu, N. S. (2018) “Artificial Intelligence” The Stanford Encyclopedia of Philosophy (Winter 2019 Edition), Edward N. Zalta (ed.), https://plato.stanford.edu/archives/win2019/entries/artificial-intelligence/ Carnota, R. J. (1995,2005,2013) Lógica. Enciclopedia Iberoamericana de Filosofía. Ed. Trotta. CSIC. Vol. 7 pp. 143-181. Delgado, M. (1996) La Inteligencia Artificial. Realidad de un Mito Moderno. Discurso de apertura Universidad de Granada curso académico 1996-1997. DeVries, W. (2011), "Wilfrid Sellars", The Stanford Encyclopedia of Philosophy (Winter 2019 Edition), Edward N. Zalta (ed.), https://plato.stanford.edu/archives/win2019/entries/sellars/ Gettier, E. L. (1963) Is Justified True Belief Knowledge? Analysis, Vol. 23, No. 6, pp. 121-123 https://www.jstor.org/stable/3326922 Grimaltos, T. y Iranzo, V. (2009) “Externismo/Internismo en la justificación epistémica” Cuestiones de Teoría del Conocimiento. Quesada D.(ed.) Madrid, Tecnos, pp. 33-76 Koons, R. (2005) “Defeasible Reasoning” The Stanford Encyclopedya of Philosophy, Edward N. Zalta (ed.), https://plato.stanford.edu/archives/sum2022/entries/reasoningdefeasible/ Mc Dermott, D. y Doyle, J. (1980) Nonmonotonic Logic I, Artificial Intelligence Vol. 13, pp. 41–72. Doyle, J. (1979) “A truth maintenance system” Artificial Intelligence. Vol.12, No. 3, pp. 231-272, https://doi.org/10.1016/0004-3702(79)90008-0 Morado, R. (2004) Problemas filosóficos de la Lógica no monotónica. Enciclopedia Iberoamericana de Filosofía. Ed. Trotta. CSIC. Vol.27, pp. 313-344. Pollock, J. L. (1975) Knowledge ad Justification. Princeton University Press. Princeton, New Jersey. Pollock, J. L. (1976) Subjuntive Reasoning. Philosophical studies series in philosophy Vol. 8 Pollock, J. L. (1987) “Defeasible Reasoning” Cognitive Science Vol. 11, pp. 481-518. Pollock, J. L. (1995) Cognitive Carpentry: A Blueprint for How to Build a Person, MIT Press RussellL, S. J. y Norving, P. (2004) Inteligencia Artificial, Un enfoque Moderno. Pearson Educación, S.A., Madrid (2004) Searle, J. (1980) The Begavioral and Brain Sciences. Vol 3 (1980) pp. 417-424. Spohn, W. (2002) A Brief Comparison Of Pollock's Defeasible Reasoning And Ranking Functions. First publ. In : Synthese 131 (2002), pp. 39-56 , http://dx.doi.org/10.1023/A:1015004212541 Turing, A. (1950) Computing Machines and Intelligence. Mind a quaterly review, Vol. 59. 236, pp. 433-460.