Actualización de bases de conocimiento en el contexto de horn como lenguaje de representación

Abstract

Dentro del campo de la Inteligencia Artificial, existen diferentes áreas que tratan de modelar el razonamiento humano. En particular, la Teoría de Cambio de Creencias busca caracterizar la dinámica del conocimiento, esto es, como debería ser la actitud epistémica de un agente racional frente a ciertas creencias ante la llegada de nueva información. Esta información externa puede implicar la incorporación o el abandono de ciertas creencias –mediante ciertas operaciones de cambio– generando de este modo un nuevo estado epistémico. Este trabajo presenta un análisis de la aplicación del modelo AGM (Alchourrón, Gärdenfors y Makinson) de cambio de creencias sobre Bases de Conocimiento finitas, a partir de la utilización de cláusulas Horn como lenguaje de representación (inicial) y resolución-SLD como mecanismo de prueba. Distintas funciones de expansión y contracción son expuestas, y modelos alternativos son considerados con el objetivo de satisfacer, por un lado, la claridad y declaratividad de una base actualizada, y por el otro, garantizar la mínima pérdida de información en un cambio epistémico y la composicionalidad de las operaciones de cambio. Se analizan los problemas suscitados en la satisfacción de ciertos postulados AGM y las soluciones propuestas, junto con determinadas propiedades adicionales que se verifican para un sistema particular de actualización formulado (en base al lenguaje elegido). Este sistema se caracteriza por incluir excepciones en el conjunto de las creencias derivadas y por satisfacer un criterio diferente del concepto de máxima conservación del conocimiento luego de un cambio, que el considerado por AGM. Asimismo, las limitaciones de Horn como lenguaje de representación de conocimiento son establecidas y una extensión propia es propuesta, a la vez que los sistemas de cambio de creencias previamente formulados son analizados para el nuevo contexto.