Una interpretación plausibilística de los patrones ampliativos de inferencia

El razonamiento no trivial a partir de premisas contradictorias es reconocido actualmente como una de las necesidades principales de los sistemas inteligentes, como por ejemplo en los sistemas expertos, planificadores y diagramadores autónomos de tareas y sistemas de diagnóstico. Esta necesidad surge de que la evidencia o conocimiento particular disponible en estos sistemas está normalmente expuesta a la presencia de información incompleta o potencialmente falible, como pueden ser generalizaciones accidentales, opiniones equivocadas o contrapuestas, información tendenciosa o deliberadamente falsa, errores operativos o de medición, etc. El comportamiento esperado frente a una contradicción es aislarla del resto del conocimiento para no caer en la inconsistencia, o rechazar alguno de los términos contradictorios. En ambas situaciones se está estableciendo una inferencia más débil que la deducción, denominada exducción. En este trabajo buscamos aplicar la exducción no solamente para el razonamiento a partir de información contradictoria sino para el manejo de los patrones de inferencia ampliativos, como por ejemplo la abducción, la inducción, o el razonamiento no monotónico. La idea esencial es partir de una estructura epistémica que clasifica los diversos tipos de conocimiento por su justificación. Dentro de dicha estructura, una relación de importancia epistémica o plausibilidad permite asignar prioridades a cada uno de los elementos de la estructura epistémica. De esa manera, las conclusiones obtenidas por medio de inferencias ampliativas pueden representarse dentro de la estructura con la valoración o prioridad correspondienteEje: Workshop sobre Aspectos Teoricos de la Inteligencia ArtificialRed de Universidades con Carreras en Informática (RedUNCI