Ramón López de Mántaras Badia

Este concepto es una estrategia heurística de toma de decisiones: cuando la decisión óptima es prácticamente imposible de determinar debido a que existe un número demasiado elevado de posibilidades a tener en cuenta, entonces se toma una decisión suficientemente satisfactoria aunque no sea óptima.

En demostraciones complejas, este proceso de división en subobjetivos puede dar lugar a un número elevado de posibilidades (representadas mediante un árbol cuyo tronco principal es el objetivo inicial y las ramas los subobjetivos, subsubobjetivos, etc.), por lo que el programa de Gelernter usaba heurísticas para elegir el orden de demostración de los subobjetivos y descartar lo antes posible aquellas alternativas que no podían conducir a la solución del problema, debido a que alguno de los subobjetivos implicados era falso.

Es importante añadir que el GPS resuelve los subproblemas mediante recursividad. Es decir, que se llama a sí mismo cada vez que tiene que resolver un subproblema. En informática, y en particular en IA, actualmente es muy común que un programa se llame a sí mismo con la condición de que es­­ta nueva versión de sí mismo resuelva un problema más sencillo que el inicial, evitando así entrar en un bucle infinito.

Desde un punto de vista técnico, se puede afirmar que el papel del conocimiento es reducir los problemas de IA a problemas de búsqueda que se puedan resolver en tiempo razonable (Ginsberg, 1993). Como veremos en el próximo apartado, es relativamente sencillo expresar un problema de IA como una búsqueda en espacio de estados, pero esto no significa que hayamos resuelto el problema: esos espacios suelen ser extraordinariamente grandes, por lo que la búsqueda tiene muchas probabilidades de ser infructuosa (es como buscar “una aguja en un pajar”). El papel del conocimiento es reducir esos espacios de forma que la búsqueda sea efectiva en un tiempo razonable.

Dado un problema, formado por unos constituyentes elementales y unos operadores, se puede formalizar como un problema de búsqueda: la idea básica consiste en considerar una configuración concreta del problema como un estado.

Una estrategia diferente es la búsqueda bidireccional, que requiere una especificación exacta del estado final. La idea básica es buscar hacia delante desde el nodo inicial y hacia atrás desde el nodo final. Cuando las fronteras de las dos búsquedas se encuentran, se ha resuelto el problema.

Todas estas nociones se formalizaron lógicamente mediante el denominado situation calculus

Otra característica importante de Mycin era que, contrariamente a Heuristic Dendral, el mecanismo inferencial, que llevaba a cabo el encadenamiento hacia atrás de las reglas, era un programa llamado motor de inferencia, separado e independiente de las reglas que componían lo que se denomina la base de conocimientos. Esto permite reutilizar el mismo motor de inferencia para otras aplicaciones simplemente cambiando la base de conocimientos, es decir, el conjunto de reglas.

Los sistemas expertos son frágiles porque únicamente pueden resolver aquellas situaciones específicas que están representadas en sus bases de reglas. Si un problema a resolver requiere algún conocimiento que no está presente en sus reglas, entonces, a pesar de que se trate de una situación dentro de su área de especialización, fracasan estrepitosamente.

La diferencia es que las inferencias deductivas son consecuencia lógica de un conjunto de premisas y por lo tanto son conclusiones no falseables, mientras que las inferencias inductivas son solamente hipótesis susceptibles de ser falseadas según datos adicionales.