1

UNIVERSIDAD MAYOR DE SAN SIMÓN

FACULTAD DE CIENCIAS Y TECNOLOGÍA

CARRERA DE INGENIERÍA DE SISTEMAS

NOMBRES: BARRIENTOS JALDIN DIEGO

COCA VARGAS MANUEL RODRIGO

FLORES SORIA MIRIAN

DOCENTE: LIC. CARMEN ROSA GARCIA PEREZ

MATERIA: SISTEMAS EXPERTOS

Mayo, 29 de 2013

2

Contenido 1. INTRODUCCIÓN AL RAZONAMIENTO NO MONÓTONO ................................................................ 3

2. LÓGICAS PARA RAZONAMIENTOS NO MONÓTONOS ................................................................... 4

2.1. Razonamiento por defecto ...................................................................................................... 4

Lógica no monótona (NML) ........................................................................................................ 5

Lógica por defecto (DL) ............................................................................................................... 5

Abducción ................................................................................................................................... 5

Herencia ...................................................................................................................................... 6

2.2. Razonamiento minimalista ..................................................................................................... 6

Aspectos lógicos que aparecen cuando se elimina la limitación a cláusulas se Horn: La

suposición de un mundo cerrado ............................................................................................... 6

Circunscripción ............................................................................................................................ 7

3. CUESTIONES SOBRE LA IMPLEMENTACIÓN DEL RAZONAMIENTO NO MONÓTONO .................. 8

4. APLICACIÓN DEL RESOLUTOR DE PROBLEMAS.............................................................................. 9

Razonar hacia atrás ........................................................................................................................ 9

Razonar hacia adelante ................................................................................................................ 10

5. IMPLEMENTACIÓN: BÚSQUEDA PRIMERO EN PROFUNDIDAD .................................................. 11

5.1. Vuelta atrás dirigida por dependencias ................................................................................ 11

5.2. Sistemas de mantenimiento de la verdad basados en justificaciones ................................ 12

5.3 Sistemas de mantenimiento de la verdad basados en la lógica ........................................... 13

6. IMPLEMENTACIÓN: BÚSQUEDA PRIMERO EN ANCHURA........................................................... 13

3

1. INTRODUCCIÓN AL RAZONAMIENTO NO MONÓTONO

El razonamiento no monótono, en el cual los axiomas y/o las reglas de inferencia se extienden

para que sea posible razonar con información incompleta. Sin embargo estos sistemas conservan

la propiedad de que en un determinado, una sentencia puede pensarse que es cierta, puede

pensarse que es falsa, o puede pensarse que no es ninguna de las dos.

Los sistemas convencionales de razonamiento, como la lógica de predicados de primer orden,

están diseñados para trabajar con información que cumplen tres importantes propiedades:

- La información es completa con respecto al dominio de interés. En otras palabras, todos

los hechos para resolver el problema o están presentes en el sistema o pueden derivarse

de ellos mediante reglas convencionales de la lógica de primer orden.

- La información es inconsistente.

- La única forma en que puede cambiar la información es que se añadan nuevos hechos

conforme estén disponibles. Si estos nuevos hechos son consistentes con todos los demás

hechos que ya se han afirmado, entonces ninguno de los hechos pertenecientes al

conjunto que eran ciertos puedan refutarse. Esta propiedad se denomina monotonía.

Por otro lado los sistemas de razonamiento no monótono, por otro lado, se diseñan para que

puedan resolverse problemas en los que quizá no aparezca de estas propiedades. Para poder

lograrlo, se deben tratar varios aspectos clave, entre los que se encuentran los siguientes:

1. ¿De qué forma puede extenderse la base de conocimiento para permitir inferencias

realizadas tanto sobre la base de una falta de conocimiento como sobre una presencia del

mismo?

En este nuevo sistema, a una inferencia que depende de la falta de algún conocimiento se

le denomina inferencia no monótona. Los sistemas de razonamiento no monótonos

derivan su nombre del hecho de que como las inferencias depende de la falta de

conocimiento, las bases de conocimiento no crecen monótonamente conforme se hacen

nuevas aserciones. La adición de una aserción nueva puede invalidar una inferencia que

dependía de la ausencia de esa aserción.

2. ¿De qué forma puede actualizarse correctamente la base de conocimiento cuando se

añade un nuevo hecho o cuando se elimina otra anterior?

En concreto, como la adición de un hecho en un sistema no monótono puede causar que

algunas demostraciones previamente descubiertas pasen a ser inválidas, ¿Cómo puede

encontrase estas demostraciones y todas las conclusiones que dependen de ellas? La

solución más usual a este problema consiste en tomar nota de las demostraciones, que

con frecuencia se denominan justificaciones. Esto permite encontrar todas las

justificaciones que dependen de la ausencia de un nuevo hecho y, por lo tanto, estas

demostraciones pueden marcarse como invalidas. Este mecanismo de almacenamiento

también hace posible soportar un razonamiento convencional monótono en aquellos

casos en que los axiomas pueden ocasionalmente eliminarse para reflejar cambios en el

mundo que se desea modelar.

4

3. ¿Cómo puede usarse el conocimiento para ayudar a resolver los conflictos que surgen

cuando se pueden usar varias inferencias no monótonas inconsistentes?

En los sistemas no monótonos con frecuencia existen partes de la base de conocimiento

que son localmente consistentes pero mutuamente o globalmente inconsistentes.

Para hacer esto, se necesitan métodos adicionales que resuelvan estos conflictos de forma que

sean los más apropiados para el problema específico que se quiere resolver.

2. LÓGICAS PARA RAZONAMIENTOS NO MONÓTONOS

Las lógicas para el razonamiento no monótono sería deseable encontrar un formalismo que

realizaran lo siguiente:

- Definición de un conjunto de posibles mundos que podrían existir dados los hechos que

tenemos. De forma más precisa, definiremos una interpretación de un conjunto de fbf

para ser un dominio D, junto con una función que asigne: a cada predicado, una relación a

cada función de aridad n, un operador que relacione 𝐷𝑛 con D; y para constante un

elemento de D. Un modelo de un conjunto de fbf.

- Proporcione una forma de decir que preferimos creer en algunos modelos en lugar de en

otros.

- Proporcione la base para una implementación práctica de este tipo de razonamiento.

- Se corresponda con nuestra intuición sobre la forma de trabajar de este tipo de

razonamiento. En otras palabras, no es deseable que los caprichos sintácticos tengan un

impacto significativo en las conclusiones que el sistema puede producir.

2.1. Razonamiento por defecto

Se quiere usar el razonamiento no monótono para llevar a cabo lo que comúnmente se denomina

razonamiento por defecto. Se pretende llegar a unas conclusiones basadas en lo que es más

probable que sea cierto.

Para esto se explica las siguientes lógicas:

La lógica no monótona.

Lógica por defecto.

Y las dos clases más comunes de razonamiento no monótono que puede definirse en estas lógicas:

Abducción.

Herencia.

5

Lógica no monótona (NML)

Es un sistema que proporciona una base para razonar por omisión, en donde el lenguaje de la

lógica de predicados de primer orden se aumenta con un operador modal M, que se lee como “es

consistente” por ejemplo:

∀𝑥, 𝑦 ∶ 𝑃𝑎𝑟𝑖𝑒𝑛𝑡𝑒𝑠 𝑥, 𝑦 ˄ 𝑀 𝐸𝑠𝑡𝑎𝑑𝑒𝑎𝑐𝑢𝑒𝑟𝑑𝑜 𝑥 ,𝑦 → 𝐷𝑒𝑓𝑒𝑛𝑑𝑒𝑟𝑎 𝑥, 𝑦

Se lee “Para todo x e y, si x e y son parientes y si el hecho de que x se haya puesto de acuerdo con

y es consistente con el resto de las suposiciones, entonces se concluye que x defenderá a y”

Lógica por defecto (DL)

Es una lógica alternativa para llevar a cabo un razonamiento basado en omisiones en la que se

introduce un nuevo tipo de reglas de inferencia. Este enfoque permite reglas de inferencia de la

siguiente forma:

𝐴: 𝐵

𝐶

Se lee “Si A es probable y es consistente asumir B, entonces se concluye que C”.

El propósito es muy similar al de las expresiones no monótonas de la NML, sin embargo existen

diferencias importantes entre las dos teorías.

La primera es que en la DL las nuevas reglas de inferencia se usan como base para

calcular un conjunto de extensiones plausibles de la base de conocimiento. La lógica

entonces admite como teorema cualquier expresión valida en alguna extensión, si es

necesario decidirse entre las extensiones para poder resolver el problema, debe

proporcionarse algún otro mecanismo.

La segunda es que en la DL, las expresiones no monótonas son reglas de inferencia en

lugar de expresiones del lenguaje, es decir, no pueden manipularse mediante otras

reglas de inferencia, esto conduce a algunos resultados no esperados. Por ejemplo:

𝐴: 𝐵

𝐵 ⌝𝐴: 𝐵

𝐵

Sin ninguna aserción sobre A, no se puede llegar a ninguna conclusión sobre B, ya

que no se aplica ninguna regla de inferencia.

Abducción

El proceso de razonamiento por abducción puede describirse con más precisión de la siguiente

forma, “Dadas dos fbf (A → B) y (B), para cualquier expresión A y B, si es consiste asumir A,

hacerlo”.

El razonamiento por abducción es particularmente útil en muchos dominios si se asigna alguna

medida a las expresiones resultantes. Estas medidas de certeza cuantifican el peligro de que el

6

razonamiento por abducción sea incorrecto, lo cual sucederá cuando existan otros antecedentes

aparte a A que podrían producir B.

El razonamiento Abdicativo no es un tipo de lógica del estilo de la DL y la NML, pero se puede describir sobre cualquiera de ellas, pero es una tipo de razonamiento no monótono muy útil. Herencia

El razonamiento no monótono se utiliza con mucha frecuencia en la herencia de los valores de los

atributos desde la descripción prototipo de una clase hacia las entidades individuales que

pertenecen a la clase.

El funcionamiento de este algoritmo se describe como sigue: “Un objeto hereda valores de los

atributos de todas las clases de las que sea miembro a no ser que al hacerlo se llegue a una

contradicción, en cuyo caso un valor de una clase más restringida tiene preferencia sobre un valor

de una clase más amplia”.

2.2. Razonamiento minimalista

Hasta esta este momento hablamos de métodos que proporcionan formas de describir cosas que

son ciertas. Ahora hablaremos de métodos que se referirán a un tipo específico y útil de cosas que

son ciertas. Estos métodos están basados en un modelo mínimo.

El modelo mínimo es la diferenciación, no existe otro modelo en los que las cosas sean menos

ciertas. El uso de modelos mínimos como base para el razonamiento no monótono, sobre el

mundo es la siguiente: Existen sentencias menos ciertas que falsas. Si una sentencia es cierta e

importante entonces esta sentencia debe añadirse a la base del conocimiento. Y para que estas

sentencias se mantengan en la base del conocimiento deben ser ciertas.

Cláusulas de Horn son instrucciones ejecutables de PROLOG, tiene el siguiente aspecto:

Hija (*A, *B) <- mujer (*A), padre (*B, *A). Que podría leerse: A es hija de B si A es mujer y B es el

padre de A.

Aspectos lógicos que aparecen cuando se elimina la limitación a cláusulas se Horn: La suposición

de un mundo cerrado

Conocido en inglés como CWA. Reiter en 1978 sugiere una sencilla forma de razonamiento

minimalista. Dice que la CWA es muy poderosa como base para razonar con bases de datos, los

cuales describen las propiedades de los objetos. La CWA indica que los únicos objetos que

satisfacen un predicado son aquellos que deben hacerlo. Por ejemplo: Una base de datos de una

empresa sobre el personal puede listar todos los empleados de la empresa. Si alguien pregunta si

María trabaja para la empresa, se puede responder no, a no ser que aparezca explícitamente en la

lista de los empleados.

7

Aunque la CWA es sencilla y poderosa, puede dar errores en la generación de respuestas

apropiadas por dos razones: La primera es que la suposición no es cierta en el mundo real. Por

ejemplo la Historia del asesinato. Abbott, Babbit y Cabot los sospechosos de un caso de asesinato.

Abbott tiene la coartada, en el registro del hotel de Albany. Babbit también tiene una coartada, de

la visita de su cuñado en Brooklyn y Cabot también defiende su coartada asegurando que se

encontraba viendo la televisión en Catskills. En el momento del crimen los tres hacían alguna

actividad. Sabemos que Abbott no cometió el crimen, Babbit tampoco lo hizo, Cabot tampoco lo

hizo y que ninguno de los tres cometió el crimen, no estamos seguros.

Existen hechos en investigación que todavía no se han descubierto, por tanto aun no están en la

base del conocimiento. La CWA producirá resultados siempre y cuando la suposición sea cierta

para que todos los hechos positivos relevantes estén en la base del conocimiento.

La segunda es que la CWA surge del hecho de que es un proceso de razonamiento sintáctico. Sus

resultados dependen de la forma en que se proporcionan las afirmaciones. Ejemplo, suponer que

se define un predicado soltero y se crea la siguiente base de conocimiento:

Soltero (Juan), Soltero (María) ---> Soltero (Joel)

Si preguntan por Joel, la CWA producirá la respuesta como Soltero (Joel).

Circunscripción

Como la CWA tiene la idea de que algo que no es necesariamente cierto es asumido como falso.

Por tanto, posee dos limitaciones esenciales:

Opera sobre predicados individuales sin considerar iteraciones entre los predicados

definidos en la base del conocimiento.

Asume que todos los predicados tienen listadas todas las sentencias. Esto es cierta en

bases de datos pero no en bases de conocimiento. Por ejemplo, el predicado tiene-una-

camiseta verde se considera como abierta porque no especifica todos los detalles.

Para manipular estos problemas se han propuesto distintas teorías sobre circunscripción.

Mc Carttry en 1980-1986 y Lifschitz en 1985 proponen añadir nuevos axiomas a la base de

conocimiento existente. El afecto de estos axiomas consiste en forzar la interpretación mínima

sobre una parte del conocimiento, cada axioma específico describe una forma de delimitar el

conjunto de valores para que un axioma particular sea cierto. Ejemplo, sencilla aserción:∀𝑥:

Adulto(x) y~𝐴𝐵 (x, aspecto 1) ----> sabe leer (x)

Circunscribiendo AB nos preguntamos lo que debe ser el predicado AB. El predicado AB no

sabemos ni tenemos idea de que puede ser; todo lo que se sabe es su nombre AB. Para saber que

es, es necesario saber para qué valores es cierto y solo uno de tantos valores ciertos es AB.

8

La circunscripción produce el mismo resultado que la CWA. En Ambos, los únicos modelos

admitidos son aquellos en los que no existen individuos que sean anómalos en aspecto 1, es decir,

AB debe ser el predicado falso. Ejemplo: A (Joe) y B (Joe)

Cuando solo se circunscribe A, la aserción describe aquellos modelos en los que A no es cierto para

nadie y B es cierto al menos para Joe. Si se circunscribe solo B, entonces se aceptaran los modelos

en los que B no sea cierto para nadie y A sea cierto al menos para Joe. Si se circunscribe tanto A

como B, entonces solo se admitirán aquellos modelos en los que A solo sea cierto para Joe y B

para nadie o aquellos en los que B solo sea cierto para Joe y A para nadie.

De esta forma a diferencia de CWA la circunscripción nos permite describir la relación lógica entre

A y B.

3. CUESTIONES SOBRE LA IMPLEMENTACIÓN DEL RAZONAMIENTO NO MONÓTONO

En los programas de resolución de problemas, la base para la implementación del razonamiento

no monótono no es suficiente. Todos presentan alguna debilidad como sistemas lógicos. Y suelen

fallar al tratar con cuatro problemas importantes que surgen en los sistemas reales.

1) Consiste en la forma de derivar exactamente aquellas conclusiones no monótonas que son

relevante para resolver el problema mientras no se agote el tiempo, no sean necesarias y no

merezcan que se gaste tiempo.

2) Es como actualizar gradualmente el conocimiento conforme progrese la resolución del

problema. La definición de un sistema lógico nos dice como decidir sobre el estado de una

proposición respecto a un estado de certeza dado para el resto de la base de conocimiento. Como

el procedimiento que realiza esta tarea es global, un cambio en la base del conocimiento puede

tener consecuencias de largo alcance.

3) Consiste que en los sistemas de razonamiento no monótonos, con frecuencia ocurre que las

reglas de inferencia disponibles permiten más de una interpretación de los hechos conocidos.

Según la terminología de Reiter, un sistema no monótono dado puede tener distintas extensiones

a la vez, aunque muchas de ellas se van eliminando eventualmente conforme se dispone de nuevo

conocimiento.

4) Consiste en que, estas teorías son computacionalmente ineficaces. Ninguna de ellas es

decidible. Algunas de ellas son semidecidibles pero solo en su forma proposicional, y todas son

ineficientes.

Ahora se hablara de soluciones computacionales a todos estos problemas. En todos estos sistemas

el proceso de razonamiento se separa en dos partes: Un resolutor de problema que utiliza

cualquier mecanismo que llegue a conclusiones conformes sean necesarias y un sistema de

mantenimiento de la verdad cuyo trabajo consiste en ir memorizando lo necesario para

proporcionar una solución al Segundo Problema.

9

Los distintos aspectos lógicos, al igual que los heurísticos (técnicas de localización de inferencia no

monótonas) son aspectos pertenecientes al diseño del resolutor de problemas. Donde las técnicas

heurísticas se dividen en dos clases que se determinan por el enfoque que se da al problema del

control de búsqueda: Primero en Profundidad y Primero en anchura.

4. APLICACIÓN DEL RESOLUTOR DE PROBLEMAS

La resolución de un problema que utiliza conocimiento incierto no es una excepción. Existen dos

enfoques básicos para este tipo de resolución de problemas: razonamiento hacia adelante o

razonamiento hacia atrás.

Razonar hacia atrás

Los sistemas de razonamiento no monótono que soporta este tipo de razonamiento pueden

proporcionar alguna o todas las siguientes características:

Permita clausulas por defecto en las reglas hacia atrás. Los conflictos entre ellas se

resuelve con la misma estrategia de control utilizada en otros tipos de razonamiento.

Que soporte algún tipo de debate en el que se intenta producir argumentos tanto en favor

de P como en su contra. Para poder determinar qué posibilidad es más fuerte, se necesita

algún tipo de conocimiento adicional aplicado a los argumentos.

Funciona de manera representada, siempre que estén presentes los hechos que se necesitan

cuando se invocan las reglas.

En el caso de razonamiento hacia atrás, se intenta demostrar una expresión P. Suponer que

tenemos la base del conocimiento formado por las reglas hacia atrás.

Ejemplo: Reglas hacia atrás que usan A-NO-SER-QUE.

Sospechoso (x) <----se_beneficia (x)

A-NO-SER-QUE Coartada (x)

Cuartada (x) <---- en-algun_otro_sitio(x)

En-algun_otro_sitio(x) <---- registrado_en_hotel(x,y) y lejos (y)

A_NO-SER-QUE registro_falsificado(y)

Coartada (x) <---- defiende (x,y)

A_NO-SER-QUE mediante (x)

En_algun_otro_sitio(x) <---- fotografía(x,y) y lejos(y)

Contradicción <---- TRUE

A-NO-SER-QUE ∃𝑥 : sospechoso (x)

Se_beneficia(Abboth)

Se_beneficia(Babbitt)

Se_beneficia(Cabot)

El resultor del problema que utiliza esta base de conocimiento emplea una estructura de control

del estilo PROLOG en el que estas reglas se consideran de arriba a abajo y de izquierda a derecha.

10

Si se pregunta ¿Sospechoso (x)? el programa responde a Abbott que es sospechoso. Si se añaden

los hechos:

registrado_en_hotel(Abbott,Albany)

Lejos (Albany)

Entonces el programa concluye que Abbott no es un sospechoso y concluye como sopechoso

aBabbit. En el caso de la historia del asesinato, por ejemplo se considera tres sospechosos.

Entonces se intenta hacer algún tipo de elección entre argumentos. En este caso podríamos

disponer de una regla que diga que es mejor mentir para defenderse de los demás. Y otra regla

que indique que preferimos creer en el registro de un hotel que de la gente. Al usar estas dos

reglas, el resultor del problema concluye que el sospechoso más creible es Cabot.

En las reglas hacia atrás se concluye que Abbott es nuestro sospechoso y más tarde nos indica que

estuvo registrado en un hotel Albany, las reglas hacia atrás no son capaces de detectar que algo ha

cambiado.

Razonar hacia adelante

Esa partir de lo que se conoce. Los sistemas de razonamiento no monótono que soportan este tipo

de razonamiento permiten que las reglas estándar de encadenamiento hacia delante se extiendan

con cláusulas A-NO-SER-QUE, proporcionan la base del razonamiento por defecto. Se trata de las

demás decisiones de control que realiza el sistema (cualquiera que esta sea, por ejemplo mediante

petición de reglas o el uso de metareglas). Por tanto con las reglas hacia adelante el

comportamiento del sistema se ve influenciado por los datos.

Ejemplo: Reglas hacia delante que usan A-NO-SER-QUE.

Si_se _beneficia(x)

A-NO-SER-QUE Coartada (x)

entonces sospechoso (x)

si: En_algun_otro_sitio(x)

entonces Cuartada (x)

si: Registrado_en_hotel(x,y), y lejos (y)

A_NO-SER-QUE registro_falsificado(x)

entonces en-algun_sitio (x)

Se defiende (x,y)

A_NO-SER-QUE mediante (y)

Entonces Cuartada(x)

Si: fotografía(x,y) y lejos(y)

entonces en-algun_sitio (x)

SI CIERTO

A-NO-SER-QUE ∃𝑥 : sospechoso (x)

11

entonces contradicción ()

Se_beneficia(Abboth)

Se_beneficia(Babbitt)

Se_beneficia(Cabot)

5. IMPLEMENTACIÓN: BÚSQUEDA PRIMERO EN PROFUNDIDAD

5.1. Vuelta atrás dirigida por dependencias

En contraste al Método de vuelta atrás cronológica, en el que se invalidan hechos que no

dependen de que haya existido una contradicción que descarte el hecho principal del que fueron

derivados, el Método de vuelta atrás dirigida por dependencias trata de evitar esto (y por

consiguiente elimina el esfuerzo realizado en vano) porque lo conveniente sería, en realidad,

eliminar las sentencias basándose en la responsabilidad sobre la consistencia, en lugar de hacerlo

sobre la base del orden en que se generaron las mismas.

Para usar vuelta atrás dirigida por dependencias, es necesario seguir las siguientes acciones:

Asociar a cada nodo una o más justificaciones. Cada justificación se corresponde con un

proceso de derivación que conduce al nodo.

Proporcionar un mecanismo que cuando se produzca una contradicción entre el nodo y su

justificación genere el conjunto de suposiciones “malas”.

Proporcionar un mecanismo que considere el conjunto “malas” y elija una suposición para

retirar.

Proporcionar un mecanismo que propague el resultado de la retirada de una suposición.

12

Vuelta atrás sin dependencias.

5.2. Sistemas de mantenimiento de la verdad basados en justificaciones

Un Sistema de Mantenimiento de la Verdad basado en Justificaciones (JTMS) es una forma de

proporcionar la habilidad de trabajar con una vuelta atrás dirigida por dependencias para poder

soportar el razonamiento no monótono.

Una justificación.

En la figura la suposición Abbot sospechoso tiene asociada una justificación JTMS. Cada

justificación está formada por dos partes: una lista-IN y una lista-OUT. Las aserciones de la lista-IN

13

se conectan a la justificación mediante enlaces “+”, mientras que las de la lista-OUT lo hacen

mediante enlaces “-”. En la justificación que se está mostrando, hay exactamente una aserción en

cada lista. Abbot se beneficia está en la lista-IN y Abbot tiene coartada se encuentra en la lista-

OUT. La justificación indica que Abbot debería ser un sospechoso si se piensa que es un

beneficiario y no se cree que tenga una coartada.

Las aserciones de una red de dependencias JTMS se creen cuando tienen una justificación válida.

Una justificación es válida si se cree en cada aserción de la lista-IN y no se creen en ninguna de las

de la lista-OUT.

En una red JTMS los nodos se etiquetan con un estatus de creencia. Si tuviera que creerse en la

aserción entonces se etiqueta como IN, si no existe una buena razón para creer en la aserción,

entonces se etiqueta como OUT. Entonces, una justificación es válida si cada nodo de su lista-IN

tiene la etiqueta IN y cada nodo de la lista-OUT tiene etiqueta OUT.

Nodos etiquetados.

5.3 Sistemas de mantenimiento de la verdad basados en la lógica

Un Sistema de Mantenimiento de la Verdad basado en la Lógica (LTMS) es muy similar a un JTMS,

pero se diferencia en un aspecto muy importante: un LTMS es capaz de detectar contradicciones

de forma automática ya que existen relaciones entre los nodos de la red. Es decir, en un LTMS no

se podría etiquetar simultáneamente a P y ¬P como IN, pero esto sí es posible en un JTMS.

6. IMPLEMENTACIÓN: BÚSQUEDA PRIMERO EN ANCHURA

Otra alternativa de implementar el razonamiento no monótono son los Sistemas de

Mantenimiento de la Verdad basados en Suposiciones (ATMS). En JTMS y LTMS se sigue una sola

línea de razonamiento en cada momento, y cuando es necesario cambiar las suposiciones del

sistema, surge una vuelta atrás dirigida por dependencias. En un ATMS se mantienen en paralelo

varios caminos alternativos. La vuelta hacia atrás se evita con el mantenimiento de varios

contextos, cada uno de los cuales contiene un conjunto de suposiciones consistentes. En esencia,

mientras que un ATMS funciona en anchura, los sistemas JTMS y LTMS funcionan en profundidad.

14

Los ATMS funcionan en conjunto con Resolutores de Problemas, ambos cumplen funciones por

separado:

Resolutor de Problemas:

Crear los nodos de las aserciones.

Asociar a cada nodo justificaciones.

Informar al ATMS de los contextos inconsistentes.

ATMS:

Propagar las inconsistencias de forma que se excluyan los contextos que contengan

subcontextos que se sabe que son inconsistentes.

Etiquetar cada nodo del resolutor de problemas con el contexto que tiene una justificación

válida.

Los contextos se eliminan como consecuencia de que el resolutor de problemas encuentra

inconsistencias y el ATMS las propaga.