La inferencia es la acción o acciones que nos permiten deducir algo de otro algo obteniendo un resultado o conclusión. De otra forma: Es el proceso por el cual se derivan conclusiones a partir de premisas (Antecedente) o proposiciones anteriores a la conclusión (Consecuente).
Recorriendo rápidamente su origen, los sumerios utilizaban la lógica como método de razonamiento, posteriormente los chinos y griegos fueron quienes aportaron más en este camino que fue consolidado por los árabes y posteriormente por la Europa en el final de la edad media. Las relaciones que la inferencia tiene con la lógica, la filosofía, la sicología y otras áreas obligan a ser pragmáticos y reducir el ámbito de explicación.
Los métodos estudiados de inferencia (razonar), de la perspectiva temática de las páginas de Numerentur, son tres distintos pero estrechamente relacionados.:
- Deducción (Razonamiento necesario). Se basada en la certeza lógica de un principio general y luego infiere algo sobre casos específicos. Si las premisas son verdaderas, la conclusión es necesariamente verdadera.
- Inducción (Investigación experimental). Es la aceptación de las hipótesis por medio de pruebas. Lo utiliza Aristóteles como premisa mayor de un silogismo.
- Abducción (Lógica de la ciencia). Es el proceso mediante el cual se engendran nuevas ideas, hipótesis y teorías científicas. Una de las primeras referencias es la realizada por Aristóteles, indica que son silogismos donde las premisas solo brindan cierto grado de probabilidad a la conclusión. En 1.903 Charles Sanders Peirce expone su teoría de la Abducción diciendo: Abducción es el proceso por el que se forma una hipótesis explicativa. Es la única operación lógica que introduce una “idea nueva” y busca relaciones de causa y efecto.
La proposición de Peirce fue y sigue siendo controvertida. Un poco de historia: Para Gottlob Frege la lógica es sinónimo de lógica matemática o lógica deductiva y las nuevas ideas no son fruto de la lógica, no son deducibles. Para Sanders Peirce la lógica es teoría del razonamiento, y aunque también contribuyó a la lógica deductiva, su mayor aportación se basa en la formación de hipótesis para explicar hechos y que todo conocimiento procede de la transformación o perfeccionamiento de conocimientos previos.
La inferencia tiene 9 reglas de inferencia elementales y otras derivadas que nos permiten manejar la incertidumbre e imprecisión, para ello se desarrollan los denominados “motor de inferencia” que son capaces de extraer conclusiones que nos facilitaran:
- Examinar los hechos y reglas, pudiendo añadir nuevos hechos.
- Decidir el orden en cual se hacen las inferencias.
Las estrategias de inferencia que más se emplean están basadas en la aplicación de reglas lógicas denominadas:
- Modus Ponens (Razonamiento Directo). Formaliza el razonamiento deductivo y es la más utilizada, obtiene conclusiones simples analizando la premisa de la regla y si esta premisa es cierta, la conclusión se añade al conocimiento. Por ejemplo: “Si P es cierto, entonces Q es cierto”, sabiendo que P es cierto la conclusión es clara “Q es cierto”. En forma matemática sería: si p implica q, y p es verdadero, entonces q también debe ser verdadero
- Modus Tollens (Razonamiento Indirecto). Utiliza el camino contrario, examina la conclusión y si es falsa concluye que la premisa también es falsa. Por ejemplo: “Si P es cierto, entonces Q es cierto”, pero sabemos que “Q es falso”, entonces “P es falso”. En este caso se puede llegar a saber que la premisa “P” es falsa, pero con la regla Modus Ponens no. En forma matemática sería: si p implica q, y q es falso, entonces p también debe ser falso.
Relación de la inferencia con la inteligencia artificial y redes neuronales.
Las propiedades básicas Modus Ponens y Modus Tollens son altamente influyentes en el ámbito de la lógica difusa (borrosa) y la creación de funciones difusas son necesarias en la inteligencia artificial y más concretamente en las redes neuronales.
Las dos reglas de inferencia más importantes y aplicables en este campo son:
- T(x, I(x, y)) ≤ y para todo x, y ∈ [0, 1]
- T(N(y), I(x, y)) ≤ N(x) para todo x, y ∈ [0, 1]
donde:
T es una t-norma
I es una función de implicación difusa
N es una negación
t-norma operación de intersección en los conjuntos difusos. (Mínimo, producto, producto acotado (máx{0,x+y–1}), producto drástico, diferencia de Lukasiewick, …).
Por el lado de los algoritmos, existen actualmente dos ramas fundamentales apoyadas en las estrategias de inferencia vistas anteriormente:
- Progresivo o encadenamiento hacia delante / dirigida por datos. Utiliza razonamiento deductivo, dirigido por hechos, fundamentado en Modus Ponens.
- Regresivo o encadenamiento hacia atrás / dirigida a un objetivo. Utiliza razonamiento Inductivo, dirigido por objetivos, fundamentado en Modus Tollens. Empieza con la conclusión deseada y decide si los hechos que existen pueden dar lugar a la obtención de un valor para esa conclusión.
Por el lado de los dispositivos electrónicos. Después de haber entrenado la red neuronal ésta se implementa basándose en la inferencia y, después ahora, con las nuevas tendencias de empotrado de reglas y conocimiento en los microprocesadores FPGA (Field/programmable gate array) que aceleran la respuesta cuando se enfrentan a grandes cantidades de datos. Esto se realiza, entre otras cosas, con el uso de números en punto flotante de precisión media (16 bits) que pueden ser más rápidos que la doble precisión y en una red con conexiones que el usuario puede programar* determinando el comportamiento lógico del dispositivo.
*En este caso, cuando digo programar, me refiero a describir un circuito digital con un lenguaje específico y tras cargarlo en el circuito integrado, este se creada físicamente en el chip pudiéndose reprogramar. Todo esto no es nuevo, pero ahora sí se le está sacando rendimiento.