Glosario IA
El diccionario completo de la Inteligencia Artificial
Programación Lógica Inductiva (PLE)
Paradigma de aprendizaje automático que combina la programación lógica y el aprendizaje para inducir teorías lógicas, como reglas o programas, a partir de ejemplos y conocimientos de fondo.
Aprendizaje por Restricción
Marco de aprendizaje donde el modelo se construye satisfaciendo un conjunto de restricciones derivadas de los datos, a menudo utilizado para estructurar el espacio de búsqueda en problemas complejos.
Teoría de Fondo (Background Knowledge)
Conjunto de hechos, reglas y definiciones preexistentes proporcionados al sistema PLE para guiar el proceso de inducción y restringir la hipótesis aprendida.
Ejemplos Positivos y Negativos
Datos de entrenamiento en PLE donde los ejemplos positivos son instancias que el concepto objetivo debe cubrir, y los ejemplos negativos son instancias que debe evitar.
Hipótesis Inductiva
La regla o programa lógico generado por el sistema PLE que explica los ejemplos positivos siendo consistente con los ejemplos negativos y la teoría de fondo.
Regla de Cobertura (Covering Rule)
Estrategia de inducción donde una regla se aprende para cubrir un subconjunto de ejemplos positivos, luego estos ejemplos se eliminan y el proceso se repite hasta que todos los ejemplos estén cubiertos.
Especialización y Generalización
Operaciones fundamentales en PLE para navegar en el espacio de hipótesis; la generalización amplía la cobertura de una regla, mientras que la especialización la restringe para evitar ejemplos negativos.
Sesgo Inductivo
Conjunto de restricciones o suposiciones que limitan el espacio de hipótesis posibles en PLE, esencial para hacer el aprendizaje factible y guiar hacia soluciones relevantes.
Sistema PLI (Sistema ILP)
Software que implementa algoritmos de Programación Lógica Inductiva, como Progol, Aleph o TILDE, capaz de inducir lógicas a partir de datos.
Interpretación de Modelos
Ventaja clave de la PLI donde los modelos aprendidos son conjuntos de reglas lógicas explícitas y fácilmente comprensibles por los humanos, a diferencia de las cajas negras.
Aprendizaje Relacional
Subdominio del aprendizaje automático que trata datos descritos por relaciones entre objetos, para el cual la PLI está especialmente bien adaptada.
Derivación Bottom-Up
Enfoque de inducción en PLI que parte de un ejemplo positivo específico y generaliza progresivamente la cláusula para cubrir más ejemplos, como en el algoritmo GOLEM.
Derivación Top-Down
Enfoque de inducción en PLI que parte de una cláusula muy general y la especializa para excluir los ejemplos negativos, típico de sistemas como Progol.
Principio de Compresión Mínima (MDL)
Criterio de evaluación en PLI que favorece la hipótesis que ofrece el mejor equilibrio entre la complejidad de la teoría y su capacidad para codificar los datos, buscando la compresión más corta.
Aprendizaje de Programas (Síntesis de Programas)
Aplicación de la PLI que busca descubrir automáticamente un programa informático ejecutable a partir de especificaciones o ejemplos de entradas/salidas.
Revisión de Teoría
Tarea en PLI que consiste en modificar una teoría lógica existente para hacerla coherente con nuevas observaciones, añadiendo, eliminando o modificando reglas.
Aprendizaje de Definiciones Predicativas
Objetivo principal en PLI donde se busca aprender la definición lógica de un predicado objetivo (ej: `parent(X,Y)`) a partir de ejemplos y conocimiento de fondo.
Negación por Fallo (Negation as Failure)
Concepto de programación lógica donde una condición negativa se considera verdadera si la condición positiva correspondante no puede ser probada, a menudo utilizado en las hipótesis PLI.
Espacio de Búsqueda de Hipótesis
Conjunto de todas las cláusulas lógicas posibles que el algoritmo PLI puede explorar, estructurado y recorrido mediante estrategias como la generalización o la especialización.