El trmino incertidumbre significa razonamiento aproximado o inexacto de la
informacin. De manera general, slo se conoce con certeza una pequea parte de un determinado dominio del mundo, la informacin restante puede ser incierta por diversas causas, tales como: imprecisin, incapacidad para tomar medidas adecuadas, falta de conocimiento, vaguedad, etc. Existe un cambio dramtico en los paradigmas de la incertidumbre durante los ltimos aos: hasta la dcada de los sesenta, la incertidumbre se relacion con significados negativos. Ningn cientfico quera tomar decisiones vagas, pues tema que su trabajo no fuera tomado con la debida seriedad, por lo que la incertidumbre fue considerada como algn disturbio que debera ser evitado en modelos, teoras y enunciados. La nica teora que trataba con incertidumbre fue la teora de probabilidad y estaba restringida a situaciones en las cuales la incertidumbre podra ser atribuida a aspectos relacionados con la aleatoriedad o el azar. A partir de la dcada de los aos 1960 esto cambi, se acept el hecho de que la incertidumbre es una parte de la realidad, la cual no se puede cambiar. Por lo tanto, fue necesario incluirla en los modelos de desarrollo. Esto ha conducido a un incremento en el nmero de teoras de incertidumbre durante las ltimas dcadas y a numerosos intentos por modificar los mtodos formales existentes de modo que se acerquen ms a la realidad y al comportamiento humano. Crear conclusiones tiles a partir de informacin incompleta o incierta no es una tarea imposible, los seres humanos realizan este proceso en casi todos los aspectos cotidianos. Los mdicos realizan diagnsticos correctos y recomiendan tratamiento a partir de sntomas ambiguos, los informticos analizan los problemas del manejo de informacin a partir de observaciones, y la mayor parte de los seres humanos comprenden el lenguaje hablado, el corporal o el lenguaje escrito a pesar de contar con frases incompletas, y tambin es posible reconocer a otras personas a travs de sus voces o gestos. De este modo para realizar el proceso de toma de decisiones se utiliza la lgica; con la lgica algunas piezas de conocimiento son utilizadas en el razonamiento y pueden ser parte de las explicaciones o conclusiones. Sin embargo, al enfrentarse a problemas tales como los de diagnstico, era inevitable tener que tratar la incertidumbre, y en aquellos aos la nica tcnica disponible, an con todas sus limitaciones, era el mtodo probabilista clsico, a veces llamado Bayes ingenuo, con el que se construyeron los primeros sistemas de diagnstico, los cuales obtuvieron un xito razonable en problemas que hoy parecen pequeos en tamao, pero que en aquella poca eran imposibles de abordar de ninguna otra forma. No obstante, el mtodo probabilista clsico presentaba dos inconvenientes principales: el primero de ellos era la dificultad de obtener las probabilidades condicionales necesarias para construir el modelo. La aplicacin del teorema de Bayes en bruto requera un nmero exponencial de parmetros, por lo que se haca necesario introducir hiptesis simplificadoras, que eran bsicamente dos: la exclusividad de los diagnsticos y la independencia condicional de los hallazgos. Aun as, el nmero de parmetros segua siendo relativamente elevado, sobre todo teniendo en cuenta que raramente haba bases de datos a partir de las cuales se pudieran obtener las probabilidades objetivas, por lo que en la mayor parte de los casos se haca necesario recurrir a estimaciones subjetivas, poco fiables. Adems, las hiptesis eran poco verosmiles, sobre todo la de independencia condicional, sobre la que se escribieron pginas y pginas en los aos 1970. Por estos motivos, la mayor parte de los investigadores estaban de acuerdo en que la probabilidad no era un mtodo adecuado para la inteligencia artificial. En paralelo con esta evolucin histrica de crisis y resurgimiento de la probabilidad, se desarroll la teora de los conjuntos difusos, frecuentemente llamada lgica difusa. La motivacin inicial no fue el estudio de la incertidumbre, sino el estudio de la vaguedad, que es algo diferente. Por ejemplo, si se sabe que Andrs mide 1.78 m., no se puede decir rotundamente que es alto, pero tampoco se puede decir que no lo es: se trata de una cuestin de grado; en este caso hay vaguedad intrnseca, pero no hay incertidumbre, con lo que se demuestra que son dos conceptos en principio independientes, aunque existe una cierta relacin en el sentido de que si se recibe una informacin imprecisa, por ejemplo, si se dice que Juan es alto, pero no se dice su estatura exacta, se tiene un cierto grado de incertidumbre. En realidad, la necesidad de tratar la vaguedad surge de una antigua paradoja, que se podra expresar de la siguiente manera: una persona que slo tiene 10 centavos de boliviano es sumamente pobre en trminos cuantitativos, ahora bien, si a esa persona que es sumamente pobre se le da otros 10 centavos de boliviano, sigue siendo sumamente pobre; aplicando esta regla repetidamente se llega a la conclusin de que una persona que tiene 1 milln de bolivianos es sumamente pobre. La solucin a esta paradoja es que el concepto de pobre o sumamente pobre no tiene un lmite completamente definido, sino que a medida que se le da 10 centavos tras otro, hasta llegar al milln de bolivianos, en el supuesto de que se tuviera esa cantidad de dinero, el grado de pobreza va disminuyendo paulatinamente: no hay un nico centavo que haga pasar a la persona de ser pobre a ser rico. Por eso, la brillante idea de Lofti Zadeh, considerado como el padre de la lgica difusa, no solo por haber tenido la idea original, sino tambin por la gran cantidad de lneas que ha abierto en el campo desde entonces, consiste en permitir que el grado de pertenencia a algunos conjuntos sea un nmero entre 0 y 1, de modo que, por ejemplo, para quien no tiene ms que 2 bolivianos, su grado de pertenencia al conjunto de personas pobres es casi 1, mientras que para quien tiene 100 millones de bolivianos es casi 0; en cambio, para una persona que tiene 500.000 bolivianos ahorrados el grado de pertenencia podra ser 0.4 o 0.5. Lamentablemente, el punto ms dbil de la lgica difusa es la carencia de una definicin operativa que permita determinar objetivamente el grado de pertenencia, con lo que toda la teora queda un tanto coja desde su nacimiento; esto no ha impedido el extraordinario desarrollo de la lgica difusa, con miles de artculos, libros, revistas y congresos dedicados al tema. Para muchos casos prcticos, las soluciones de los problemas se conducen en presencia de incertidumbre en los datos o el conocimiento Para este tipo de problemas es posible utilizar tcnicas numricas, o tambin, la incertidumbre puede ser manejada con una aproximacin lgica en forma de rastro. El razonamiento en la presencia de incertidumbre sucede en ejemplos tpicos de diagnstico y anlisis de datos. Los sistemas expertos, cuya funcin consiste en el diagnstico en sus juicios de razonamiento emplean reglas de condicin- conclusin que van acompaadas de una estimacin de certidumbre, en donde se tiene un procedimiento numrico y la necesaria revisin de la credibilidad. Razonamiento Probabilstico La principal ventaja del razonamiento probabilstico sobre el razonamiento lgico es que el primero permite tomar decisiones racionales an en los casos en que no haya suficiente informacin para probar que cualquier accin dada funcionar.