Frecuentemente, cuando se habla de inteligencia artificial, se entiende la mecanización de actividades normalmente asociadas al pensamiento humano, como son la toma de decisiones, la resolución de problemas y el aprendizaje. Por otro lado, el razonamiento es fundamental en el pensamiento humano. Es natural, entonces, asumir que el razonamiento también sea fundamental en la inteligencia artificial. Sin embargo, es importante señalar, que los seres humanos, no siempre razonamos de manera correcta. Hola, te voy a guiar en este curso que se llama: "Razonamiento Artificial" y tiene un material fascinante. Supongamos que queremos comprar una calculadora, vamos a una tienda y nos dicen que cuesta $ 15. Luego, nos dicen que la calculadora está más barata a diez pesos en otra tienda que queda, digamos, a 20 minutos caminando. La mayoría de las personas a las que se les planteó esta situación, sí estuvieron dispuestas a ir a la otra tienda para ahorrar cinco pesos. Ahora supongamos que queremos comprar un saco que cuesta $ 125 y de igual manera nos dicen que está cinco pesos más barato en otra tienda. Al contrario del caso de la calculadora, cuando a las personas se les decía que era el saco el que costaba $ 120 en lugar de 125, en la otra tienda, pocas personas estuvieron dispuestas a ir. ¿Por qué es esto? La diferencia de dinero es igual en ambos casos, cinco pesos. Si lo único que nos interesara, además de querer comprar un saco y una calculadora fuera el dinero, nos debería dar igual ahorrar cinco pesos en el saco o en la calculadora; es decir, deberíamos actuar de la misma manera en ambos casos. Tal parecería que muchas personas miden su ahorro, no en forma absoluta, sino en relación al precio de lo que van a comprar. Cuando hablamos de razonamiento, entonces, es importante distinguir entre el razonamiento correcto, que también podemos llamar normativo o prescriptivo, del razonamiento que hacemos los humanos, que podemos llamar descriptivo. Nosotros en este curso vamos a estar más interesados en el razonamiento correcto. El estudio del pensamiento se ha desarrollado en dos direcciones paralelas: la lógica por un lado y la teoría de la probabilidad por otro. La lógica se ha concentrado, más bien, en el estudio de la verdad y la deducción. La teoría de la probabilidad, en cambio, es el lenguaje de la incertidumbre. Hay varias maneras de decir lo que es la lógica. Una, es que es el estudio de cuándo una consecuencia sigue de un conjunto de suposiciones. Otra, es que estudia cuándo un conjunto de creencias es consistente. Equivalentemente, se ha definido como el estudio del razonamiento y la inferencia. La lógica tiene orígenes muy antiguos, podemos encontrar antecedentes en India y en China en los siglos VII y V antes de nuestra era. Después, Aristóteles y la escuela de los estoicos, alrededor del año 300 antes de nuestra era, sentaron las bases de la lógica. Ese trabajo fue tan deslumbrante, que sucedió lo mismo que con mucho del pensamiento de Aristóteles, nadie lo cuestionó durante mucho tiempo. Tenemos que ir hasta Leibniz para ver nuevos avances. Leibniz imaginó que en el futuro podríamos construir una máquina que razonara correctamente, que llamó Characteristica Universalis, sin embargo, Leibniz no publicó sus resultados y quedaron olvidados. No fue sino hasta el siglo XIX que apareció el trabajo fundamental de Boole. Poco después, Frege hizo contribuciones enormes a la lógica moderna buscando basar todas las matemáticas en la lógica. Russell tiene múltiples aportaciones, una de ellas es una carta a Frege observando una falla en el trabajo de Frege poco antes de que se publicara ese trabajo. Goedel, más tarde, encontró otra falla importante en la lógica. Poco después la lógica se ramificó en muchas direcciones. Una de estas direcciones es la lógica modal desarrollada por varios investigadores, entre ellos Kripke. Más recientemente y pensando en inteligencia artificial, podemos mencionar dos áreas de estudio que son dinámicas actualmente: la verificación de modelos y los resolvedores SAT. Vamos a cubrir una introducción a estos dos temas en este curso. La lógica ha tenido una influencia enorme, pero es importante colocarla en contexto. Podríamos decir, que la lógica es un intento de formalizar el pensamiento consciente, que entre otras cosas, es secuencial. Sin embargo, es deseable ahora, estar abiertos a otros tipos de pensamiento. Hay quienes ven en la lógica un remanente de la dualidad cuerpo-alma, en la que la lógica refleja el concepto de alma, que podría existir sin interactuar con el mundo físico. Ahora sabemos que la interacción con el mundo físico es vital para la inteligencia artificial. Además, podemos ver a la lógica como representante de la escuela racionalista de filosofía, pero también está la escuela empirista. Mencionamos el intento de basar todas las matemáticas en la lógica, pero actualmente hay otras ramas de las matemáticas que se consideran más adecuadas para esto. Por último, hubo una corriente de investigadores que trataron de basar la inteligencia artificial completamente en la lógica. Pero, ahora, estos mismos investigadores han reconocido que la lógica solo debe ser una parte de la inteligencia artificial. Aún así, la lógica es fundamental para la inteligencia artificial. Como vamos a ver en este curso, hay problemas que solo se han podido resolver, usando herramientas de lógica. La segunda parte de este curso está dedicada a la teoría de la probabilidad. La teoría de la probabilidad es más reciente que la lógica. Los primeros indicios se atribuyen a Al-Kindi, que vivió en el siglo IX de nuestra era. Un gigante del renacimiento es Cardano, sin embargo, su libro de Juegos del azar, no se publicó sino hasta unos 100 años después de que lo escribiera. La teoría de la probabilidad moderna surgió de la correspondencia entre Fermat y Pascal en el siglo XVII. Un poco más adelante, un miembro de la familia Bernoulli, hizo contribuciones enormes. Después apareció el teorema de Bayes, después vino Markov que sacó sus contribuciones antes de la Revolución Rusa. Kolmogórov, que trabajó justo después de la Revolución, estableció las bases teóricas de la probabilidad moderna. Ya enfocados en la inteligencia artificial, podemos mencionar a Bellman, que entre muchas otras cosas, desarrolló los procesos de decisión de Markov. Y, por último, mencionamos a Pearl, que inició el estudio de las redes bayesianas. En este curso, vamos a cubrir estos dos modelos gráficos.
