UNIVERSIDAD DE GUADALAJARA

CENTRO UNIVERSITARIO DE LA CIÉNEGA

“A10 Lógica y representación del conocimiento”

PRESENTA(N):
Edson Geovanni Gama Flores (216631736)

Álvaro Eliverto Briseño Solis 216199354

Oscar Adrián Ascencio Mendoza 211624502

Profesora

Kleophe Alfaro Castellanos

6to semestre.

Ocotlán, Jalisco a 12 de marzo de 2022

Introducción: ¿Por qué la Lógica?
La inteligencia artificial tiene como objetivo construir sistemas que tengan la capacidad de replicar acciones
que sean consideradas como inteligentes, pero sin necesidad de irnos tan técnicos, tiene el objetivo de
replicar las acciones del ser humano. La creación de estas maquinas lleva desde hace demasiado tiempo en
civilizaciones atrás, pero ha sido hasta la era tecnológica que dejó de ser algo imposible y se convirtió en
parte de la realidad. La inteligencia artificial tiene diferentes interpretaciones y formas de ver, pero todas
tienen en común un solo problema, que es la representación del conocimiento. Para nosotros, razonar es
obtener conclusiones a partir de ciertos hechos, que consideramos correctos, por lo que, si la forma de
razonar siempre devuelve conclusiones correctas, entonces podría decirse que el razonamiento de un
sistema está completo.
El lenguaje y la semántica sirven para representar el conocimiento, también llamado lógica.
Un ejemplo de lógica podría ser el de “Los hombres son Los hombres son mortales; Sócrates es un hombre;
entonces, Sócrates es mortal.”, por lo que a una maquina para poder enseñarle a obtener conclusiones, es
necesario representar esta frase como un conjunto de símbolos y variables.

2.2 Lógica proposicional

La lógica proposicional es el lenguaje lógico más sencillo, este lenguaje está basado en un conjunto
numerable de proposiciones llamadas AP, junto a formulas bien formadas.

2.2.1 Sintaxis y semántica

El lenguaje de la lógica proposicional está basado en un conjunto de proposiciones, así como también con un
conjunto de conectivas.
El primer problema que se tiene a la hora de usar una lógica es el de distinguir entre una fórmula que está
bien formada y otra que no, es posible encontrar técnicas y algoritmos útiles para esta tarea. Por lo que la
solución dada es buscar si una frase o conjunto de símbolos, pertenece o no a las frases que pueden ser
producidas por una gramática dada.
Una proposición es una expresión escrita en el lenguaje natural y que puede ser falsa o verdadera, siendo
únicamente aplicable si y solo si la respuesta es verdadero o falso.
Se dice que dos formulas son equivalentes si ambas tienen el mismo conjunto de modelo, esta propiedad es
muy importante para el razonamiento automático, por lo que cualquier fórmula LP es equivalente si cumple
con esta característica.
Algunas formulas tienen condiciones especiales, una tautología o verdad es una formula que siempre es
verdadera, la negación a una tautología es algo falso, pues es una contradicción.
Los métodos deductivos están formados por dos clases, métodos sintácticos que busca demostrar si una
formula es valida a partir de las reglas impuestas y los métodos semánticos que buscan esto de igual manera,
pero de una forma más práctica.
2.2.2 Poder expresivo y límites de la Lógica Proposicional
Por lo que podemos decir que la lógica proposicional permite expresar razonamientos aptos para la
implementación, además de que nos garantiza decidir entre la validez que pueden tener formulas y conjuntos
de ellos en LP. Pero también es importante identificar los limites que esta tiene, por lo cual, a continuación, se
describen metidos para decidir sobre la validez de una formula en LP

2.2.3 Métodos deductivos semánticos y coste computacional

El método del árbol semántico:
Uno de los métodos más importantes para decidir la validez de una fórmula en LP es el método del árbol
semántico, también conocido como tablero semántico o simplemente tableau. una posible técnica para
demostrar que φ es una fórmula válida consiste en demostrar que ¬φ es una fórmula para la cual no hay
modelos posibles que la satisfacen. Esto significa que, cada vez que intentamos construir un modelo para ¬φ
asignando valores de verdad, nos encontramos con alguna contradicción.
El método del árbol semántico es un método no determinista: esto significa que se elige de forma casual entre
varias posibilidades, y se intenta completar la asignación de valores de verdad; si esto es posible, entonces
hemos encontrado un modelo que la satisface, mientras que, si se encuentra una contradicción, volvemos
atrás e intentamos otra posibilidad. Si hemos terminado todas las posibilidades sin encontrar ninguna
asignación completa, podemos concluir que la fórmula no es satisfacible. Las reglas dependen directamente
de la semántica de las distintas conectivas:

• Conectivas conjuntivas, es decir, ¬¬ y ∧, expanden la rama actual: por ejemplo, si estamos

evaluando φ ∧ ψ, entonces, en la misma rama, evaluaremos φ y ψ.
• Conectivas disyuntivas, es decir, ∨, →, ↔, abren distintas ramas: por ejemplo, si estamos
evaluando φ∨ψ, entonces, elegimos seguir o bien una rama en la que evaluamos φ, o bien una en
que evaluamos ψ.
Cada vez que una fórmula (o un nodo) se expande, su estado cambia, pasando de activo a no activo.
El método de resolución:
Cuando nos encontramos con dos fórmulas de LP, digamos φ y ψ, éstas (como se puede verificar de forma
muy sencilla) podrían tener significado opuesto, es decir, desde el punto de vista semántico podrían ser φ =
¬ψ, pero sintácticamente podrían tener una forma muy distinta. Por ejemplo, tenemos que φ = ¬ψ donde φ =
p → q y ψ = p ∧ ¬q. El método de la resolución está basado en el reconocimiento de pares (fórmula,
negación); por lo tanto, es necesario utilizar reglas adecuadas de transformación que nos permitan llegar a
una forma común para las fórmulas de LP en la que estamos interesados. Las reglas más importantes son:

• φ ↔ ψ = φ → ψ ∧ ψ → φ;
• φ → ψ = ¬φ ∨ ψ;
• ¬(φ ∧ ψ) = ¬φ ∨ ¬ψ (ley de De Morgan);
• ¬(φ ∨ ψ) = ¬φ ∧ ¬ψ (ley de De Morgan);
• ¬¬φ = φ;
• φ ∧ (ψ ∨ φ)=(φ ∧ ψ) ∨ (φ ∧ φ);
• φ ∨ (ψ ∧ φ) = (φ ∨ ψ) ∧ (φ ∨ φ);
Optimizar la resolución: cláusulas de Horn.
La complejidad de LP se puede mejorar pagando el precio de tener una menor expresividad. Existen
aplicaciones de IA para las cuales no es necesario utilizar toda la expresividad de LP. Es posible demostrar
que, si en un conjunto de cláusulas todas tienen una forma llamada de Horn, entonces el problema de la
satisfacibilidad tiene una complejidad inferior. Una cláusula de Horn es:

• Un átomo.
• Una implicación tal que el antecedente es una conjunción de literales positivos, y el consecuente es
un solo literal positivo.
• Una implicación tal que el antecedente es una conjunción de literales negativos, y el consecuente es
vacío.

Por ejemplo, p, p∧q∧r → s son cláusulas de Horn, mientras que p∧q no lo es. Es posible demostrar que la
deducción con cláusulas de Horn es lineal (O(n)). Con cláusulas de Horn, el método basado en la resolución
puede optimizarse de varias maneras; un ejemplo es el método de encadenamiento hacia delante. En
concreto, al tener cláusulas del tipo p1 ∧ ...pk−1 → pk, cada vez que tenemos en nuestra base de
conocimiento el conjunto de hechos {p1,...,pk−1}, podemos deducir el hecho pk, y añadirlo a la base de
conocimiento.

Lógica de primer orden.

En esta sección, nos centraremos en la clásica extensión del lenguaje LP, es decir en el lenguaje de la lógica
de primer orden o lógica de predicado, que denotaremos como LPO. Después de presentar su sintaxis y su
semántica, nos centraremos en su poder expresivo y en los métodos deductivos más importantes.
Sintaxis y semántica.
La lógica de primer orden es una extensión de LP, en la cual se introducen variables para denotar elementos
del dominio, cuantificadores y predicados. Una gramática abstracta para generar formulas bien formuladas
puede ser la siguiente:
T ::= a | x | f(t1,...,tk)
φ ::= p(t1,...,tn) | ¬φ | φ ∧ ψ | ∃xφ(x)
Donde el predicado p es de aridad n. Si φ es una fórmula de LPO, entonces con φ(x1,...,xn) se denota una
fórmula que presenta exactamente n variables libres (o sea, que no se encuentran en el ámbito de algún
cuantificador). Los elementos denotados con t1,...,tk son llamados términos, y, como se puede ver en la
gramática abstracta que los genera, pueden contener símbolos como f (también g,h,. . . ) llamados functores o
símbolos funcionales. La presencia de símbolos funcionales en el lenguaje aumenta el poder expresivo de
LPO. En la literatura, se le suele denominar lógica de primer orden a LPO en cuyo lenguaje no aparecen
símbolos funcionales, y lógica de primer orden con funciones a LPO. Todas las conectivas de LP también
forman parte del lenguaje de LPO.
Considérese el siguiente ejemplo.
El robot se encuentra con el brazo mecánico vacío. Si el robot está sujetando algo en el brazo mecánico, no
puede levantar nada más desde el suelo. Si existe un objeto que se encuentra en el suelo, entonces el robot
tiene que levantarlo o pasar a su lado. Si el robot encuentra un obstáculo y no puede levantarlo, entonces
tiene que pasar a su lado, dejar lo que tiene en el brazo en el punto P, y volver a por el objeto que ha
encontrado, hasta que todos los objetos están en el punto P.
Mediante LPO, somos capaces de formalizar el párrafo anterior de manera muy sencilla. La propiedad vacio
del brazo puede ser indicada con p. levantar un objeto, o sujetarlo es un predicado unario q(x) donde el
parámetro x indica el objeto sujetado, entonces tenemos: ∃x(q(x) → ¬p).
Poder expresivo y límites de la lógica de primer orden.
Un problema de la IA es qué expresar y como expresarlo. La lógica LPO proporciona un lenguaje uniforme
con el que se puede formalizar el conocimiento sobre la parte de la realidad que nos interesa. El primer paso
siempre consiste en conceptualizar el conocimiento en términos de objetos, funciones y relaciones. Luego
utilizamos las formulas y las expresiones cuyo significado involucra a los objetos, funciones y relaciones.
Finalmente, nos preguntamos sobre la satisfacibilidad de las fórmulas teniendo en cuenta únicamente los
modelos que respetan ciertas características de nuestro interés.
Métodos deductivos y coste computacional.
El método del árbol semántico: los métodos de deducción para el lenguaje LPO son extensiones de los
métodos para el lenguaje de LP. En el método del árbol semántico debemos de tener en cuenta que, en
general no es posible dar una metodología de decisión para LPO que termine en todos los casos. No existe
ningún algoritmo que cumpla las condiciones: (1) es correcto, (2) es completo, (3) es terminante. infinito). Los
límites de las metodologías para LPO están en el carácter no finito de los dominios; de hecho, no es difícil
escribir una fórmula en el lenguaje de LPO que sólo admita modelos infinitos; supongamos por ejemplo que el
predicado < ha sido formalizado sobre un orden lineal en el dominio (véase el último ejemplo de la sección
2.3.1), y consideremos la fórmula:
∃x(p(x)) ∧ ∀x(p(x) → ∃y(x<y ∧ p(y))).
Se ve claramente que para satisfacer la fórmula anterior es necesario tener un dominio infinito. A pesar de
esta limitación en los algoritmos de deducción, el problema de la satisfactibilidad de la lógica LPO se
encuentra en una clase de problemas no demasiado complicados.
El método del árbol semántico para el lenguaje de LPO contiene las mismas reglas que en el caso de LP, mas
las siguientes reglas precisas para los cuantificadores:
Cuantificador universal, es decir, ∀xφ(x): en este caso, para todas las constantes a que han sido utilizadas en
la rama considerada evaluaremos la fórmula φ(a), teniendo en cuenta que la fórmula ∀x(p(x)) permanece
activa.
Cuantificador existencial, es decir, ∃xφ(x): en este caso, es preciso introducir una constante a nueva (que no
haya sido utilizada en ninguna rama abierta hasta el momento), y evaluar la fórmula φ(a).

Método de resolución: el método de resolución en el caso de LPO es más complicado que en LP. Hay dos
problemas nuevos respecto al caso proporcional:
1. Los cuantificadores en la fase de transformación de la formula de salida en forma clausal.
2. El reconocimiento de las formulas atomicas contradictorias, cuando estas contengan variables o
términos.
El algoritmo que permite esta transformación debe tener en cuenta tanto las reglas utilizadas en LPO, mas
algunas reglas que permiten poner todos los cuantificadores en la parte izquierda de la formula. Las formulas
con esta estructura están en forma prenezca. Para cierta fórmula φ de LPO ya hemos aplicado las reglas
proposicionales que permiten eliminar todas las ocurrencias de los operadores → y ↔, y poner todos los
operadores ¬ delante de las fórmulas atómicas, las reglas que permiten poner φ en forma prenexa son las
siguientes:
1. ψ ◦ Qxφ(x) = Qx(ψ ◦ φ(x)) (donde x no aparece libre en ψ)
2. ψ◦Qxφ(x) = Qy(ψ◦φ(y)) (donde x aparece libre en ψ, y la variable y es nueva)
Lo que la metodología de la resolución hace es demostrar que una formula no es satisfactible a través de un
dominio muy peculiar, llamado dominio Herbrand, se puede demostrar que es suficiente para comprobar que
la formula considerada es satisfactible bajo ninguna interpretación.
2.3.4 Lógicas de orden superior al primero
La lógica de primer orden se considera muchas veces como un lenguaje de referencia con respecto al poder
expresivo.
En el momento en que empezamos a formalizar en LPO este párrafo, nos damos cuenta de que no tenemos
suficiente poder expresivo para comparar dos cantidades.
Para poder hacer esto, necesitamos variables sobre conjuntos de objetos, poder cuantificar sobre ellas y un
símbolo ∈ que indique la pertenencia de un objeto a un conjunto.
En una lógica de segundo orden, sobre un domino D.
Las características típicas de los órdenes superiores al primero, también aparecen ‘disfrazadas’, por así
decirlo, en problemas de primer orden; de hecho, preguntarse si una fórmula de primer orden, como por
ejemplo:
∀x∃y(p(x, f(y))
es satisfacible, es lo mismo que preguntarse si es satisfacible la fórmula
∃pf ∀x∃y∃z(pf (y, z) ∧ p(x, z) ∧ ∀x, y, z(pf (x, y) ∧ pf (x, z) → y = z)
Con una lógica de segundo orden, por ejemplo, es posible contar los elementos en un conjunto con respecto
a un dominio de primer orden, o comparar dos conjuntos.
Es decir, dos conjuntos X e Y tienen el mismo número de elementos si y sólo si es posible encontrar dos
funciones totales inyectivas (o un isomorfismo) entre ellas.

2.3.5 Fragmentos de LPO

Finalmente, con respecto al lenguaje de LPO es posible identificar algunos subconjuntos (de carácter
sintáctico) que permiten mejorar las propiedades computacionales.

• Lógicas con un número limitado de variables.

• Fragmentos con guardia.
• Fragmentos (tanto de LPO como de la lógica de segundo orden) en los que se
limita la aridad máxima de los predicados.

Las lógicas de primer orden con un número limitado de variables son básicamente lógicas de primer orden en
las que se permiten utilizar solamente algunos símbolos de variable, los cuales se pueden reutilizar un
número arbitrario de veces.
Un fragmento de LPO se define con guardia si la cuantificación de las variables está limitada por alguna
relación. Por ejemplo, en un fragmento con guardia la fórmula
∀xφ(x)
no se admitiría; en su lugar, se supone la presencia de una relación, digamos, binaria, R, y se cuantifica así:
∀x(xRy → φ(x))
Las características de las guardias (que pueden ser simples relaciones, o fórmulas proposicionales en alguna
forma determinada) determinan las propiedades computacionales del fragmento que se considera. En las
fórmulas del lenguaje el elemento sintáctico p(x) está permitido, pero no p(x, y).

2.4 Extensiones de las lógicas clásicas

2.4.1 ¿Por qué extender las lógicas clásicas?
El lenguaje LP es muy poco expresivo, pero tiene buenas propiedades computacionales y sus métodos
deductivos son fácilmente implementables; por otro lado, prácticamente todo lo que podemos expresar con
respecto a los razonamientos de un sistema inteligente encuentra su formalización en el lenguaje LPO, cuyos
sistemas deductivos tienen malas propiedades computacionales.
Características
• Capacidad de expresar situaciones hipotéticas, mundos (realidades) posibles,
relacionadas de alguna forma.
• Capacidad de expresar situaciones de carácter temporal.
• Capacidad de expresar situaciones de carácter espacial.
2.4.2 Lógicas no monotónicas, razonamiento del sentido común y
otras consideraciones
Algunos estudios evidencian que los procesos de razonamientos utilizados por el hombre están muy alejados
de los de la lógica matemática, y que en general el hombre (el agente inteligente por definición), es mucho
más eficaz a la hora resolver problemas de carácter práctico (si tengo 10 euros y compro tres pares de
calcetines por un euro y medio cada uno, ¿cuánto recibiré de cambio?) antes que problemas de carácter más
abstractos (cuanto suma 10+(1.5*3)?).
Según autores como Wittgenstein (1958), los fenómenos no pueden siempre ser descompuestos en términos
elementales, sino que tienen que ser tratados como un elemento único; cuarto, en la lógica clásica no
podemos tener en cuenta la intencionalidad de una acción, que normalmente es importante a la hora de tomar
decisiones.
Las lógicas modales, y en particular las lógicas temporales y espaciales, constituyen intentos (que han tenido
un éxito importante) para la resolución de algunos de estos problemas. Por otra parte, la clase de lógicas y
metodologías llamadas no monótonas constituye una rama importante en el contexto del razonamiento
automático.
Resumiendo, una lógica se dice no monótona cuando es capaz, de alguna manera, de volver atrás en sus
conclusiones.
La propiedad de monotonicidad de la lógica clásica nos dice que el hecho de aprender algo nuevo, no puede
reducir el conjunto de cosas que ya sabemos. Por el contrario, en una lógica no monótona, la verdad de una
proposición puede cambiar según vayan apareciendo nuevos axiomas.
Mientras que en una lógica clásica temporal o espacial este comportamiento está regulado por alguna
estructura fija (como un orden lineal), en una lógica no monótona no tenemos esta limitación. La lógica clásica
(en todas sus formas) utiliza reglas del tipo: si p es un teorema, entonces q es un teorema; en una lógica no
monótona, una regla de inferencia puede ser del tipo q es un teorema si p no es un teorema.
Un tipo especial de lógica multivaluada es la lógica borrosa o difusa donde las proposiciones tienen un grado
de verdad que se asigna mediante una función de pertenencia que toma valores en el intervalo real [0, 1].
Por último, mencionamos la lógica intuicionista cuya sintaxis es la misma que la de la lógica proposicional o
de primer orden, con la principal diferencia de que en esta lógica algunas fórmulas como φ ∨ ¬φ o ¬¬φ → φ
no son tautologías.

2.4.3 Lógicas modales y mundos posibles

Un modelo (o mundo) de una fórmula o un conjunto de fórmulas en el lenguaje LP es una evaluación de los
símbolos proposicionales que aparecen en la fórmula o en el conjunto de fórmulas. Supongamos ahora que
disponemos de varios mundos, digamos W = {w1, w2,...}, y de una relación R que permite, según sus
propiedades, pasar de un mundo wi a otro mundo wj. En lógica de primer orden esta situación se expresaría
así:

p(x) ∧ ¬q(x) → ∃y(r(x, y) ∧ q(y) ∧ ¬p(y))

La satisfacibilidad de una fórmula φ en un modelo modal M, depende de una serie de parámetros:

1-Las propiedades de la relación R2.

2-El mundo en que evaluamos la fórmula.

Es decir, la misma fórmula puede ser evaluada a verdadero en un modelo M y en un mundo wi, y a falso en el
mismo modelo, pero en otro mundo wj.

Para expresar una propiedad que es cierta para todos los mundos que son alcanzables a partir del mundo
actual, utilizamos el símbolo = ¬♦¬. En un lenguaje modal, decimos que una fórmula φ es satisfacible si y sólo
si existe un modelo modal M y un mundo wi tales que M,wi φ. Asimismo, decimos que φ es válida en un modelo
M si y sólo si M,wi φ para cualquier mundo wi, y válida si y sólo si es válida en todos los modelos modales
posibles. Las propiedades computacionales de una lógica modal dependen directamente de las propiedades
de la relación R.

El lenguaje de LM ha sido interpretado de diferentes maneras, cada una de las cuales tiene diferentes
aplicaciones. En particular, hay tres interpretaciones que se pueden considerar, desde un punto de vista
histórico, las más importantes.

2.4.4 Métodos deductivos y coste computacional de la Lógica Modal

Al existir muchas variantes de LM que dependen de las propiedades de la relación de accesibilidad, y también
otras variantes del lenguaje básico que incluyen otros operadores modales, también existen varios métodos
deductivos. Aquí, nos centraremos en la lógica más sencilla, es decir, la lógica K, y veremos solamente un
método deductivo para K que es la extensión del método basado en árboles semánticos para la lógica LP.

Arboles semánticos para K.

La metodología basada en árboles semánticos para la lógica K es bastante sencilla, y, como hemos dicho, está
basada esencialmente en la misma metodología para LP.

lo que queremos obtener es una forma que tenga los operadores ¬ sólo delante de símbolos proposicionales.
Las reglas para obtener la forma normal de φ (llamada negated normal form, o NNF), son las mismas que vimos
en el caso de la resolución para LP, más las dos reglas siguientes:

• transforma ¬♦φ en ¬φ;

• transforma ¬φ en ♦¬φ.
Tenemos que distinguir entre dos clases de reglas para el desarrollo de un árbol semántico: reglas
proposicionales (que serán prácticamente idénticas al caso de LP), y reglas modales. Exactamente como en el
caso de LP, una rama quedará cerrada en cuanto se encuentre un símbolo proposicional y su negación; la
diferencia está en que, en este caso, esta contradicción habrá que encontrarla en el mismo mundo de
evaluación.

Debemos tener en cuenta que, en el desarrollo del árbol semántico, hay que distinguir de alguna forma las
ramas que provienen de operadores clásicos y ramas que representan (partes) del modelo que estamos
construyendo.

Un algoritmo genérico para el desarrollo de un árbol semántico por una fórmula en K. Las reglas modales son:

• Caso existencial. Si estamos en un mundo wi y tenemos que evaluar la fórmula ♦φ, entonces tenemos que
averiguar si existe un mundo wj (posiblemente wi) tal que en su etiqueta aparece la fórmula φ. En este caso,
simplemente ponemos el par (wi, wj ) en la relación R del modelo que estamos construyendo, y ponemos el
estado de ♦φ a no activo.

• Caso universal. Si estamos en un mundo wi y tenemos que evaluar la fórmula φ, entonces simplemente
ponemos la fórmula φ en las etiquetas de todos los mundos wj tales que el par (wi, wj ) está en la relación R del
modelo que estamos construyendo.

La complejidad computacional de K, que se puede demostrar decidible ya que el algoritmo es correcto, completo
y termina siempre, es PSPACE completo.

2.5 Aplicaciones: el ejemplo de las lógicas temporales.

La lógica modal K tiene numerosas variantes. Las lógicas temporales pueden verse muy peculiares
de K, que además de propiedades sobre la relación, presentan lenguajes con más de un operador
modal.

2.5.1 Tipos de lógicas temporales

La principal distinción entre lógicas temporales es el tipo ontológico. Puede verse como compuesto
por un conjunto de puntos ordenados, o como un conjunto de intervalos (pares de puntos).
En el primer caso, los puntos corresponden a mundos modales, a la evaluación de un símbolo
proposicional p corresponde, desde el punto de vista del primer orden a un predicado urinario p(x).
El orden lineal no es la única opción, puede ser modelado como un orden parcial, por ejemplo, un
árbol o un grafo directo.
En el caso de un orden lineal, es posible que en algunas aplicaciones resulten útiles algunas
propiedades como densidad, discretización, u otras similares.
Las estructuras temporales no lineales permiten modelar diferentes frutos o pasados. Allen evidencio
que algunos eventos son modelados más precisamente como propiedades no puntuales. Las lógicas
temporales basadas en intervalos se distinguen entre ellas tanto por la ontología del tiempo, como
por el tipo y la naturaleza de las modalidades utilizadas.

2.5.2 Lógicas temporales basadas en puntos

En la literatura, se suele denotar como F la modalidad unaria sobre los puntos para el futuro, y con P
su correspondiente en el pasado. Uno de los lenguajes temporales mas sencillos es el LTL[F,P]
(Linear Time Logic).
Gramática abstracta:

Donde las otras conectivas proposicionales se expresan como en el caso de LP, y las relaciones que
expresan las modalidades F y P son la una inversa de la otra.

Ejemplo:

Naturalmente, la relación < en este caso es una relación de orden lineal. En un mundo M, todos los
símbolos proposicionales toman valor verdadero o falso en cada punto.
Los operadores unarios no son los únicos importantes en lógica temporal. Existen dos operadores
binarios, llamados since y until, y denotados S y U, que resultan fundamentales en la lógica
temporal, ya que permiten añadir u alto poder expresivo al lenguaje.
Cuando tenemos métodos deductivos para LTL (y, por lo tanto, para LTL[F,P]), cabe destacar el
método basado en arboles semánticos. Los operadores binarios representan una dificultad en este
sentido, y necesitan reglas muy especiales para ser expandidos. LTL Y LTL[F,P] son decidibles
independientemente de las características de la clase de ordenes lineales en la que se interpretan
(aunque el método de decisión basado en arboles semánticos que hemos visto solo se explica en el
caso directo). Otras técnicas, algunas muy complejas, se pueden aplicar en casos más generales.
En IA, merece destacar el trabajo empezado en Clark y otros, 1986; sobre las lógicas temporales
basadas en puntos interpretadas sobre árboles. En este caso es posible expresar situaciones en las
cuales hay mas de un futuro posible. Las propiedades computacionales de las lógicas temporales
interpretadas sobre arboles dependen de las limitaciones sintácticas que se pueden añadir a las
fórmulas. Un ejemplo es la lógica CTL*, cuyas formulas se obtienen a través de la gramática
abstracta:

La lógica CTL* es muy expresiva y su complejidad computacional es muy alta; sin embargo, existen
métodos deductivos correctos, complejos y que terminan siempre para esta lógica. Cabe destacar
que las lógicas temporales basadas en puntos, y en particular las lógicas interpretadas sobre
árboles, han sido utilizadas sobre todo para resolver un problema relativamente reciente, llamado
control de modelo o Model Checking. La lógica CTL es una restricción muy sencilla de CTL*, en la

que simplemente se obliga a los cuantificadores sobre los caminos a ser utilizados al mismo tiempo
que los operadores sobre futuro que proviene de LTL. La versión que solo permite expresar
propiedades del futuro de CTL tiene la siguiente gramática:

El Modelo Checking se ha revelado como una tecnología muy útil a la hora de verificar que los
requisitos de un proyecto han sido respetados. A través de la metodología del modelo Checking, es
posible automatizar la tarea de verificación, y disminuir de manera radical el numero de errores en el
desarrollo de un proyecto.
2.5.3 Lógicas temporales basadas en intervalos
Las relaciones entre intervalos son mas complicadas que las relaciones entre puntos; normalmente,
en una lógica temporal basada en intervalos, se utilizan varias modalidades, cada una referida a una
diferente relación.
El trabajo sobre lógicas temporales basadas en intervalos es bastante amplio, y las aplicaciones son
varias. Una lógica importante es la Lógica Proposicional de las Relaciones de Allen conocida
también como HS (de las iniciales de los autores del primer trabajo sobre este tema, Halpern y
Shoham). Su sintaxis abstracta es:

La deducción automática en lógicas temporales basada en intervalos es mucho más compleja que
en el caso de las lógicas temporales basadas en puntos. A pesar de la dificultas intrínseca han sido
desarrollados sistemas no terminales, basados en arboles semánticos, para la deducción automática
en las lógicas basadas en intervalos.

BIBLIOGRAFÍA
Marin, R., & Jose, P. (2008). Inteligencia artificial. Técnicas, métodos y aplicaciones. McGraw-Hill

Education.