Inferencia
De Wikipedia, la enciclopedia libre
  (Redirigido desde Inferir )
Saltar a navegación Saltar a búsqueda
Para el álbum de 1992 de la pianista Marilyn Crispell y el saxofonista Tim Berne, consulte Inference (álbum) . Para conocer el proceso de estadística y aprendizaje automático, consulte Inferencia estadística .

Las inferencias son pasos en el razonamiento , pasando de premisas a consecuencias lógicas ; Etimológicamente, la palabra inferir significa "llevar adelante". La inferencia se divide teóricamente tradicionalmente en deducción e inducción , una distinción que en Europa se remonta al menos a Aristóteles (300 a. C.). La deducción es una inferencia que deriva conclusiones lógicas de premisas conocidas o asumidas como verdaderas , y las leyes de la inferencia válida se estudian en lógica . La inducción es una inferencia de premisas particulares a unconclusión universal . A veces se distingue un tercer tipo de inferencia, en particular por Charles Sanders Peirce , que contrasta la abducción de la inducción.

Varios campos estudian cómo se realiza la inferencia en la práctica. La inferencia humana (es decir, cómo los humanos extraen conclusiones) se estudia tradicionalmente dentro de los campos de la lógica, los estudios de la argumentación y la psicología cognitiva ; Los investigadores de inteligencia artificial desarrollan sistemas de inferencia automatizados para emular la inferencia humana. La inferencia estadística utiliza las matemáticas para sacar conclusiones en presencia de incertidumbre. Esto generaliza el razonamiento determinista, con la ausencia de incertidumbre como caso especial. La inferencia estadística utiliza datos cuantitativos o cualitativos (categóricos) que pueden estar sujetos a variaciones aleatorias.

Definición

El proceso por el cual se infiere una conclusión a partir de múltiples observaciones se denomina razonamiento inductivo . La conclusión puede ser correcta o incorrecta, o correcta con un cierto grado de precisión, o correcta en determinadas situaciones. Las conclusiones inferidas a partir de múltiples observaciones pueden probarse mediante observaciones adicionales.

Esta definición es discutible (debido a su falta de claridad. Ref: Diccionario de inglés de Oxford: "inducción ... 3. Lógica la inferencia de una ley general a partir de instancias particulares." [ Aclaración necesaria ] ) La definición dada por lo tanto se aplica sólo cuando el "conclusión" es general.

Dos posibles definiciones de "inferencia" son:

  1. Una conclusión a la que se llegó sobre la base de pruebas y razonamientos.
  2. El proceso para llegar a tal conclusión.

Ejemplos de

Ejemplo de definición n. ° 1

Los filósofos griegos antiguos definieron una serie de silogismos , inferencias correctas en tres partes, que pueden usarse como bloques de construcción para un razonamiento más complejo. Comenzamos con un ejemplo famoso:

  1. Todos los humanos son mortales.
  2. Todos los griegos son humanos.
  3. Todos los griegos son mortales.

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

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 partes son falsas y puede ser inválida incluso si algunas partes son verdaderas. Pero una forma válida con premisas verdaderas siempre tendrá una conclusión verdadera.

Por ejemplo, considere la forma de la siguiente pista simbológica :

  1. Toda la carne proviene de animales.
  2. Toda la carne es carne.
  3. Por tanto, toda la carne procede de animales.

Si las premisas son verdaderas, entonces la conclusión también es necesariamente verdadera.

Ahora pasamos a una forma inválida.

  1. Todos A son B.
  2. Todos los C son B.
  3. Por lo tanto, todos los C son A.

Para demostrar que esta forma no es válida, demostramos cómo puede conducir de premisas verdaderas a una conclusión falsa.

  1. Todas las manzanas son frutas. (Cierto)
  2. Todos los plátanos son frutas. (Cierto)
  3. Por tanto, todos los plátanos son manzanas. (Falso)

Un argumento válido con una premisa falsa puede llevar a una conclusión falsa (este y los siguientes ejemplos no siguen el silogismo griego):

  1. Todas las personas altas son francesas. (Falso)
  2. John Lennon era alto. (Cierto)
  3. Por tanto, John Lennon era francés. (Falso)

Cuando se usa un argumento válido para derivar una conclusión falsa a partir de una premisa falsa, la inferencia es válida porque sigue la forma de una inferencia correcta.

También se puede usar un argumento válido para derivar una conclusión verdadera a partir de una premisa falsa:

  1. Todas las personas altas son músicos. (Válido, Falso)
  2. John Lennon era alto. (Válido, Verdadero)
  3. Por tanto, John Lennon era músico. (Válido, Verdadero)

En este caso tenemos una premisa falsa y una premisa verdadera donde se ha inferido una conclusión verdadera.

Ejemplo de definición n. ° 2

Evidencia: estamos a principios de la década de 1950 y usted es un estadounidense destinado en la Unión Soviética . Lees en el periódico de Moscú que un equipo de fútbol de una pequeña ciudad de Siberia empieza a ganar partido tras partido. El equipo incluso derrota al equipo de Moscú. Inferencia: La pequeña ciudad de Siberia ya no es una ciudad pequeña. Los soviéticos están trabajando en su propio programa de armas nucleares o secretas de alto valor.

Sabe: La Unión Soviética es una economía dirigida : a las personas y al material se les dice adónde ir y qué hacer. La pequeña ciudad era remota e históricamente nunca se había distinguido; su temporada de fútbol era típicamente corta debido al clima.

Explicación: En una economía dirigida , las personas y los materiales se trasladan a donde se necesitan. Las grandes ciudades pueden presentar buenos equipos debido a la mayor disponibilidad de jugadores de alta calidad; y se puede esperar razonablemente que los equipos que pueden practicar más tiempo (clima, instalaciones) sean mejores. Además, pones lo mejor y más brillante en los lugares donde pueden hacer el mayor bien, como en programas de armas de alto valor. Es una anomalía para una ciudad pequeña tener un equipo tan bueno. La anomalía (es decir, los puntajes de fútbol y el gran equipo de fútbol) describió indirectamente una condición por la cual el observador infirió un nuevo patrón significativo: que la pequeña ciudad ya no era pequeña. ¿Por qué pondrías una gran ciudad de tu mejor y más brillante en el medio de la nada? Para esconderlos, por supuesto.

Inferencia incorrecta

Una inferencia incorrecta se conoce como falacia . Los filósofos que estudian la lógica informal han compilado grandes listas de ellos, y los psicólogos cognitivos han documentado muchos sesgos en el razonamiento humano que favorecen el razonamiento incorrecto.

Aplicaciones

Motores de inferencia

Artículos principales: sistema de razonamiento , motor de inferencia , sistema experto y motor de reglas de negocio

Los sistemas de inteligencia artificial primero proporcionaron inferencias lógicas automatizadas y estos fueron una vez temas de investigación extremadamente populares, lo que llevó a aplicaciones industriales bajo la forma de sistemas expertos y luego motores de reglas comerciales . El trabajo más reciente sobre la demostración automatizada de teoremas ha tenido una base más sólida en la lógica formal.

El trabajo de un sistema de inferencia es ampliar una base de conocimientos automáticamente. La base de conocimiento (KB) es un conjunto de proposiciones que representan lo que el sistema sabe sobre el mundo. Ese sistema puede utilizar varias técnicas para ampliar KB mediante inferencias válidas. Un requisito adicional es que las conclusiones a las que llega el sistema sean relevantes para su tarea.

Motor de prólogo

Prolog (para "Programación en lógica") es un lenguaje de programación basado en un subconjunto del cálculo de predicados . Su trabajo principal es verificar si una determinada proposición se puede inferir de una KB (base de conocimiento) utilizando un algoritmo llamado encadenamiento hacia atrás .

Volvamos a nuestro silogismo de Sócrates . Ingresamos en nuestra Base de Conocimiento el siguiente código:

mortal (X): - hombre (X).
hombre (sócrates).

(Aquí : - puede leerse como "si". Generalmente, si P Q (si P entonces Q) entonces en Prolog codificaríamos Q : - P (Q si P).)
Esto establece que todos los hombres son mortales y que Sócrates es un hombre. Ahora podemos preguntarle al sistema Prolog sobre Sócrates:

? - mortal (sócrates).

( ¿ Dónde ? - Significa una pregunta: ¿Puede mortal (Sócrates). deducirse de la KB usando las reglas) da la respuesta "Sí".

Por otro lado, preguntando al sistema Prolog lo siguiente:

? - mortal (plato).

da la respuesta "No".

Esto se debe a que Prolog no sabe nada sobre Platón y, por lo tanto, adopta por defecto cualquier propiedad sobre la falsedad de Platón (el supuesto supuesto del mundo cerrado ). ¿Finalmente? - mortal (X) (Es algo mortal) resultaría en "Sí" (y en algunas implementaciones: "Sí": X = sócrates)
Prolog se puede usar para tareas de inferencia mucho más complicadas. Consulte el artículo correspondiente para obtener más ejemplos.

Web semántica

Recientemente, los razonadores automáticos encontraron en la web semántica un nuevo campo de aplicación. Al estar basado en la lógica de descripción , el conocimiento expresado usando una variante de OWL se puede procesar lógicamente, es decir, se pueden hacer inferencias sobre él.

Estadística bayesiana y lógica de probabilidad

Artículo principal: inferencia bayesiana

Los filósofos y científicos que siguen el marco bayesiano para la inferencia usan las reglas matemáticas de probabilidad para encontrar esta mejor explicación. La visión bayesiana tiene una serie de características deseables, una de ellas es que incorpora la lógica deductiva (cierta) como un subconjunto (esto lleva a algunos escritores a llamar a la probabilidad bayesiana "lógica de probabilidad", siguiendo a ET Jaynes ).

Los bayesianos identifican probabilidades con grados de creencias, con proposiciones ciertamente verdaderas que tienen probabilidad 1, y proposiciones ciertamente falsas que tienen probabilidad 0. Decir que "va a llover mañana" tiene una probabilidad de 0.9 es decir que consideras la posibilidad de lluvia mañana como extremadamente probable.

Mediante las reglas de probabilidad, se puede calcular la probabilidad de una conclusión y de alternativas. La mejor explicación se identifica con mayor frecuencia con la más probable (consulte la teoría de la decisión bayesiana ). Una regla central de la inferencia bayesiana es el teorema de Bayes .

Lógica difusa

Artículo principal: lógica difusa

Lógica no monótona

Artículo principal: lógica no monótona

[1]

Una relación de inferencia es monótona si la adición de premisas no socava las conclusiones alcanzadas previamente; de lo contrario, la relación no es monótona . La inferencia deductiva es monótona: si se llega a una conclusión sobre la base de un determinado conjunto de premisas, esa conclusión aún se mantiene si se agregan más premisas.

Por el contrario, el razonamiento cotidiano es en su mayoría no monótono porque implica riesgo: sacamos conclusiones precipitadas de premisas deductivamente insuficientes. Sabemos cuándo vale la pena o incluso cuándo es necesario (por ejemplo, en el diagnóstico médico) correr el riesgo. Sin embargo, también somos conscientes de que tal inferencia es derrotable: que la nueva información puede socavar las viejas conclusiones. Diversos tipos de inferencias derrotables pero notablemente exitosas han captado tradicionalmente la atención de los filósofos (teorías de la inducción, teoría de la abducción de Peirce , inferencia a la mejor explicación, etc.). Más recientemente, los lógicos han comenzado a abordar el fenómeno desde un punto de vista formal. El resultado es un gran cuerpo de teorías en la interfaz de la filosofía, la lógica y la inteligencia artificial.

Ver también

  • A priori y a posteriori
  • Razonamiento abductivo
  • Razonamiento deductivo
  • Razonamiento inductivo
  • Vinculación
  • Epilogismo
  • Analogía
  • Sistema Axiom
    • Axioma
  • Inferencia inmediata
  • Programación inferencial
  • Consulta
  • Lógica
  • Lógica de la información
  • Afirmación lógica
  • Gráfico lógico
  • Regla de inferencia
  • Lista de reglas de inferencia
  • Teorema
  • Transducción (aprendizaje automático)

Referencias

  1. ^ Fuhrmann, André. Lógica no monotónica (PDF) . Archivado desde el original (PDF) el 9 de diciembre de 2003.

Otras lecturas

  • Hackeo, Ian (2001). Introducción a la probabilidad y la lógica inductiva . Prensa de la Universidad de Cambridge. ISBN 978-0-521-77501-4.
  • Jaynes, Edwin Thompson (2003). Teoría de la probabilidad: la lógica de la ciencia . Prensa de la Universidad de Cambridge. ISBN 978-0-521-59271-0. Archivado desde el original el 11 de octubre de 2004 . Consultado el 29 de noviembre de 2004 .
  • McKay, David JC (2003). Teoría de la información, inferencia y algoritmos de aprendizaje . Prensa de la Universidad de Cambridge. ISBN 978-0-521-64298-9.
  • Russell, Stuart J .; Norvig, Peter (2003), Inteligencia artificial: un enfoque moderno (2a ed.), Upper Saddle River, Nueva Jersey: Prentice Hall, ISBN 0-13-790395-2
  • Tijms, Henk (2004). Comprensión de la probabilidad . Prensa de la Universidad de Cambridge. ISBN 978-0-521-70172-3.

Inferencia inductiva:

  • Carnap, Rudolf; Jeffrey, Richard C., eds. (1971). Estudios de Probabilidad y Lógica Inductiva . 1 . Prensa de la Universidad de California.
  • Jeffrey, Richard C., ed. (1980). Estudios de Probabilidad y Lógica Inductiva . 2 . Prensa de la Universidad de California. ISBN 9780520038264.
  • Angluin, Dana (1976). Una aplicación de la teoría de la complejidad computacional al estudio de la inferencia inductiva (Ph.D.). Universidad de California en Berkeley.
  • Angluin, Dana (1980). "Inferencia inductiva de lenguajes formales a partir de datos positivos" (PDF) . Información y control . 45 (2): 117-135. doi : 10.1016 / s0019-9958 (80) 90285-5 .
  • Angluin, Dana; Smith, Carl H. (septiembre de 1983). "Inferencia inductiva: teoría y métodos" (PDF) . Encuestas de Computación . 15 (3): 237–269. doi : 10.1145 / 356914.356918 . S2CID  3209224 .
  • Gabbay, Dov M .; Hartmann, Stephan; Woods, John, eds. (2009). Lógica inductiva . Manual de Historia de la Lógica. 10 . Elsevier.
  • Goodman, Nelson (1983). Realidad, ficción y previsión . Prensa de la Universidad de Harvard. ISBN 9780674290716.

Inferencia abductiva:

  • O'Rourke, P .; Josephson, J., eds. (1997). Secuestro automatizado: Inferencia a la mejor explicación . AAAI Press.
  • Psillos, Stathis (2009). Gabbay, Dov M .; Hartmann, Stephan; Woods, John (eds.). Un explorador en terreno inexplorado: Peirce sobre el secuestro (PDF) . Manual de Historia de la Lógica. 10 . Elsevier. págs. 117-152.
  • Ray, Oliver (diciembre de 2005). Aprendizaje inductivo abductivo híbrido (Ph.D.). Universidad de Londres, Imperial College. CiteSeerX  10.1.1.66.1877 .

Investigaciones psicológicas sobre el razonamiento humano:

  • deductivo:
    • Johnson-Laird, Philip Nicholas ; Byrne, Ruth MJ (1992). Deducción . Erlbaum.
    • Byrne, Ruth MJ; Johnson-Laird, PN (2009). " " Si "y los problemas del razonamiento condicional" (PDF) . Tendencias en ciencias cognitivas . 13 (7): 282-287. doi : 10.1016 / j.tics.2009.04.003 . PMID  19540792 . S2CID  657803 . Archivado desde el original (PDF) el 7 de abril de 2014 . Consultado el 9 de agosto de 2013 .
    • Knauff, Markus; Fangmeier, Thomas; Ruff, Christian C .; Johnson-Laird, PN (2003). "Razonamiento, modelos e imágenes: medidas de comportamiento y actividad cortical" (PDF) . Revista de neurociencia cognitiva . 15 (4): 559–573. CiteSeerX  10.1.1.318.6615 . doi : 10.1162 / 089892903321662949 . PMID  12803967 . S2CID  782228 . Archivado desde el original (PDF) el 18 de mayo de 2015 . Consultado el 9 de agosto de 2013 .
    • Johnson-Laird, Philip N. (1995). Gazzaniga, MS (ed.). Modelos mentales, razonamiento deductivo y cerebro (PDF) . Prensa del MIT. págs. 999–1008.
    • Khemlani, Sangeet; Johnson-Laird, PN (2008). "Inferencias ilusorias sobre disyunciones incrustadas" (PDF) . Actas de la 30ª Conferencia Anual de la Sociedad de Ciencias Cognitivas. Washington / DC . págs. 2128–2133.
  • estadístico:
    • McCloy, Rachel; Byrne, Ruth MJ; Johnson-Laird, Philip N. (2009). "Comprensión del riesgo acumulativo" (PDF) . The Quarterly Journal of Experimental Psychology . 63 (3): 499–515. doi : 10.1080 / 17470210903024784 . PMID  19591080 . S2CID  7741180 . Archivado desde el original (PDF) el 18 de mayo de 2015 . Consultado el 9 de agosto de 2013 .
    • Johnson-Laird, Philip N. (1994). "Modelos mentales y pensamiento probabilístico" (PDF) . Cognición . 50 (1-3): 189-209. doi : 10.1016 / 0010-0277 (94) 90028-0 . PMID  8039361 . S2CID  9439284 .,
  • analógico:
    • Burns, BD (1996). "Transferencia metaanalógica: transferencia entre episodios de razonamiento analógico". Revista de psicología experimental: aprendizaje, memoria y cognición . 22 (4): 1032–1048. doi : 10.1037 / 0278-7393.22.4.1032 .
  • espacial:
    • Jahn, Georg; Knauff, Markus; Johnson-Laird, PN (2007). "Modelos mentales preferidos en el razonamiento sobre relaciones espaciales" (PDF) . Memoria y cognición . 35 (8): 2075-2087. doi : 10.3758 / bf03192939 . PMID  18265622 . S2CID  25356700 .
    • Knauff, Markus; Johnson-Laird, PN (2002). "Las imágenes visuales pueden obstaculizar el razonamiento" (PDF) . Memoria y cognición . 30 (3): 363–371. doi : 10.3758 / bf03194937 . PMID  12061757 . S2CID  7330724 .
    • Waltz, James A .; Knowlton, Barbara J .; Holyoak, Keith J .; Boone, Kyle B .; Mishkin, Fred S .; de Menezes Santos, Marcia; Thomas, Carmen R .; Miller, Bruce L. (marzo de 1999). "Un sistema de razonamiento relacional en la corteza prefrontal humana" . Ciencia psicológica . 10 (2): 119-125. doi : 10.1111 / 1467-9280.00118 . S2CID  44019775 .
  • moral:
    • Bucciarelli, Monica; Khemlani, Sangeet; Johnson-Laird, PN (febrero de 2008). "La psicología del razonamiento moral" (PDF) . Juicio y toma de decisiones . 3 (2): 121-139.

enlaces externos

  • Inferencia en PhilPapers
  • Ejemplo y definición de inferencia
  • Inferencia en el Proyecto de Ontología de Filosofía de Indiana
Obtenido de " https://en.wikipedia.org/w/index.php?title=Inference&oldid=1045489787 "
Contribute a better translation