Un punto principal y tal vez la mayor debilidad de la lgica proposicional es su carcter
monotnico, la cual si recordamos, es aquella regla que nos dice que si agregamos un nuevo conocimiento o una nueva sentencia, dicha sentencia solo refuerza pero no modifica ni disminuye el conjunto de sentencias que componen nuestro modelo. El problema con esto, es que este tipo de pensamiento no es prctico para representar el conocimiento de una inteligencia artificial que interacte y aprenda en el mundo real. Sabemos que en el mundo real, las cosas cambian con increble rapidez, lo que el da de hoy sabemos y damos por sentado, el da de maana resulta que es incierto, ayer (bueno hace algunos aos) aprendimos que el sistema solar tena nueve planetas, ahora tenemos que aprender que solo son 8. De tal forma que el conocimiento es no monotnica, es decir, cada nuevo conocimiento que adquirimos viene a modificar e incluso invalidar los conocimientos previos que tenamos almacenados Existen varios tipos de razonamientos que la lgica monotnica no es capaz de representar entre estos tenemos: El razonamiento por defecto Es aquel en el que tomamos algo por cierto, ante el problema de la falta de evidencias o pruebas que demuestren lo contario. En este caso una vez que ocurra o se adquieran las pruebas que refuten el hecho tomado por cierto, este debe ser modificado o eliminado en su caso El razonamiento abductivo Este es el que est basado en las explicaciones ms comunes, es decir, lo que apoya la evidencia, pero en algunos casos la explicacin ms lgica no es la correcta. La revisin de creencias Sabemos que una creencia es un conocimiento que es tomado como cierto, sin solicitar ninguna comprobacin, pero una nueva creencia introducida en el modelo puede ser inconsistente con las creencias existentes lo cual viene a obligar a modificar o eliminar un conjunto de creencias.
Como hemos podido ver, la mayor parte del conocimiento humano emplea una lgica no monotnica.