CURSO

El problema con esto, es que esste tipo de pensamiento no es practico para representar el conocimiento de una inteligencia artificial que interactue y aprenda en el mundo real.

Sabemos que en el mundo real, las cosas cambian con increible rapidez, lo que el dia de hoy sabemos y damos por sentado, el dia de mañana resulta que es incierto, ayer (bueno hace algunos años) aprendimos que el sistema solar tenia nueve planetas, ahora tenemos que aprender que solo son 8.

De tal forma que el conocimiento es no monotonico, es decir, cada nuevo conocimiento que adquirimos viene a modificar e incluso invalidar los conocimientos previos que teniamos almacenados

existen varios tipos de razonamientos que la logica monotonica no es capaz de representar entre estos tenemos:

EJEMPLOS

Descomposición de problemas: Piénsese en la función de calculo derivada. La ley de la cadena dice que la derivada de una función anidada f(g(x)) es igual al producto de las derivadas individuales, f(x) * g(x) por lo que el problema puede subdividirse en dos subproblemas independientes. Sin embargo, piense en una algoritmo que enseñe a un robot a vestir un maniquí, el problema no puede resolverse simplemente en subproblemas para poner cada prenda, pues hay combinaciones que bloquean otras, por ejemplo si se ponen primero los zapatos antes que los calcetines.

Los Sistemas Parcialmente conmutativos y los Monótonos tienen las siguientes características en común:

Son adecuados para resolver problemas ignorables (un problema ignorable es una formulación natural conduce a acciones que pueden posteriormente ignorarse).

Son adecuados para problemas que implican la creación de nuevos objetos más que el cambio de los viejos.

Se utilizan procesos creativos (Demostración de teoremas, Deducciones a partir de hechos conocidos).

No regresa hacia estados pasados cuando ha seguido un camino incorrecto.

La base de datos no se regenera.

Los Sistemas Parcialmente conmutativos y no monótonos tienen las siguientes características:

Se adecuan a aquellos problemas en los que se realizan cambios pero éstos son reversibles y en el que el orden de las operaciones no es crítico. Son ideales para problemas de manipulación física Navegación de robots.

Los Sistemas no parcialmente conmutativos tiene las siguientes características:

Son adecuados para muchos problemas en los que los cambios son irreversibles (p. ejemp. Compuestos químicos).

Es menos probable que se llegue al mismo nodo varias veces durante el proceso de búsqueda.

Es importante tomar las decisiones correctas desde la primera vez.

...