Inferencia Ampliativa y Razonamiento no Monotónico

La necesidad de contar con modelos de razonamiento no monotónico en los sistemas inteligentes fue rápidamente reconocida en la comunidad del KR&R [1], especialmente para poder manejar los problemas originados al aplicar deducción en teorías incompletas. Entendemos aquí por no monotónico a todo aquel sistema de razonamiento que carezca de la propiedad de aditividad o monotonía. Cualquier sistema de razonamiento que utilice reglas ampliativas de inferencia tiene necesariamente la propiedad de ser no monotónico. Es decir, esta propiedad no surge solamente por el uso de reglas o condicionales derrotables, sino también por el uso de otras reglas o patrones de inferencia (por ejemplo, inducción, abducción, analogía, probabilidades, etc.). Las reglas derrotables en particular, y la inferencia ampliativa en general, pueden consi-derarse como un mecanismo heurístico de construcción de nuevo conocimiento a partir del ya disponible. Este conocimiento generado, las conclusiones de nuestro sistema, es de naturaleza tentativa, es decir, es aceptable en tanto que no 'se modifique el contexto dentro del cual fue producido. Esto también muestra por qué la no monotonicidad no va necesariamente de la mano con la inferencia ampliativa. Podemos tener sistemas de razonamiento no ampliativos (que no construyen nuevo conocimiento) y que al mismo tiempo sean no monotónicos. Esto es lo qu