Logica para la Computacion

V) Logica Abductiva y Logica Paraconsistente

Alfredo Burrieza Mu niz
Inmaculada Perez de Guzman Molina
Agustn Valverde Ramos
i
No hay que sobrestimar lo inusitado.
Hay que dotar de aguijones a lo com un y corriente.
Elias Canetti
Ser o no Ser o Ser y no Ser?
ii

Indice general
1. Introduccion 1
2. Logica Abductiva Proposicional 7
2.1. Propiedades de la relacion de consecuencia abductiva [=
ab
. . . . . . . . . . . . . . . 10
2.2. Novedades y Anomalas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3. Demostracion automatica en Logica Abductiva 15
3.1. Tablas semanticas para la Logica Abductiva . . . . . . . . . . . . . . . . . . . . . . . 21
3.2. -resolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2.1. -Resolucion como algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4. Logica abductiva de primer orden 35
4.1. Semantica para los Lenguajes de Primer Orden . . . . . . . . . . . . . . . . . . . . . 41
4.1.1. Semantica de Tarski . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.1.2. Forma Normal Prenexa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.1.3. Skolemizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.1.4. Herbrandizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.2. Metodo de (-tablas para la logica abductiva de primer orden . . . . . . . . . . . . . 51
4.3. -Resolucion Abductiva en la logica de primer orden . . . . . . . . . . . . . . . . . . 53
4.4. Predicados Abducibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5. Aplicaciones de la Logica Abductiva 57
5.1. Logica Epistemica y Abduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
6. Logica Paraconsistente 67
6.1. Motivacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
6.2. Inconsistencia y trivialidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6.3. Algunas logicas paraconsistentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.3.1. La Logica de la Paradoja LP . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.3.2. Las (-logicas de da Costa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.4. Aplicaciones de la logica paraconsistente . . . . . . . . . . . . . . . . . . . . . . . . . 82
iii
iv

INDICE GENERAL
Captulo 1
Introducci on
Comencemos planteandonos la siguiente pregunta que requiere un sistema de IA? De inme-
diato nos planteamos que la pregunta nos hace reexionar sobre cuatro cuestiones:
cuanto conocimiento requiere un sistema de IA para ser util? Los investigadores
en el tema han llegado a la conclusion de que mucho. Tendra que tener conocimiento
sobre ciencia, sociedad y cultura, climatologa, nanzas, historia, etc. As que tendremos que
ser ecaces a la hora de decidir como formalizar el razonamiento, como almacenarlo, como
estructurarlo, como gestionarlo.
que tipo de conocimiento es necesario? Como las personas, un sistema inteligente
tendra que saber aprender a partir del conocimiento previo. Por lo tanto, tendremos que
proporcionarle ese conocimiento previo y la posibilidad de aprender de el.
como debe ser representado el conocimiento? Hay un amplio consenso sobre la nece-
sidad de:
el lenguaje de la logica de primer orden;
el lenguaje modal (creencia, conocimiento, . . . ) y el lenguaje temporal;
un lenguaje que permita razonar por defecto
1
y con grados de verdad,
un lenguaje que permita discernir entre diversos contextos de referencia Que queremos
decir con esto? Recurramos a un ejemplo clasico. Consideremos la siguiente conversacion:
Padre: quien es dracula?
Hijo: Un vampiro.
Padre: existen los vampiros?
Hijo: No!, no existen.
Las respuestas del hijo parecen contradictorias. La causa es que la primera pregunta se
contesta en el marco de la ccion y la segunda en el del mundo real. Tendremos pues
que poder integrar diversas sub-teoras y exigir que las armaciones en una sub-teora
1
En el sentido de la l ogica no mon otona de Reiter, en la que, en presencia de informaci on incompleta, estamos
obligados a recurrir a, por defecto, obtener conclusiones conjeturables simplemente plausibles. El ejemplo conside-
rado ya como universal de este tipo de razonamientos es el siguiente: Si Titi es un p ajaro, inferimos que Titi vuela.
No todos los p ajaros vuelan, pero nos sentimos autorizados a concluir que Titi vuela, si no existe nada que indique
lo contrario. Concluimos que Titi vuela porque es la m as natural para nosotros y porque es consistente con nuestros
conocimientos. Este genero de razonamientos se denomina razonamiento por defecto.
1
2 CAP

ITULO 1. INTRODUCCI

ON
sean consistentes entre s, pero no con las armaciones en otra sub-teora. Por lo tanto,
dada una armacion, sera preciso conocer que sub-teoras son relevantes.
con que tipo de razonamientos debemos dotar al sistema? Si queremos simular
el modo de razonar de las personas, sabemos que no podemos limitarnos al razonamiento
deductivo, tendremos tambien que dotarlo de capacidad de otros modos de razonamiento
que utilizamos habitualmente. Tendremos que dotarlo de la la capacidad de razonar con in-
formacion imprecisa o incompleta e incluso inconsistente. Ante todas estas situaciones las
personas no pierden su capacidad de razonar. Por lo tanto, es preciso contemplar tipos de ra-
zonamiento tales como los denominados razonamiento abductivo, inductivo, paraconsistente,
probabilstico, . . .
En este texto nos centraremos en el razonamiento abductivo, y, concretamente, en aquellos
aspectos de este tipo de razonamiento en los que la computacion esta interesada. La profesora
Atocha Aliseda
2
explica de forma sencilla e intuitiva lo que para la computacion es abduccion:
Dado un conjunto de premisas y una conclusion, supongamos que le aplicamos un al-
goritmo de resolucion para estudiar la validez y el resultado es negativo. Si pudieramos
depurar el algoritmo podramos encontrar donde falla y podramos ver que le faltara al
conjunto de premisas para que el razonamiento fuera valido. Lo que le falta sera posi-
blemente un conjunto de formulas. Pues la abduccion tratara de encontrar ese conjunto
de formulas.
Antes de abordar la tarea de formalizacion, conozcamos un poco sobre este tipo de razonamiento:
El padre de la abduccion es Charles Sanders Peirce (1839-1914). La denicion de abduccion que
Peirce da es la siguiente:
Razonamiento que deriva hipotesis explicativas para una observacion, a partir de un
conjunto de hechos.
Seg un Peirce, el ser humano tiene tres modos destacados de razonar: el deductivo, el inductivo y
el abductivo. Veamos ejemplos de cada uno de ellos:
I) Ejemplos de deduccion:
Regla: Todas las bolas de la bolsa B
1
son blancas.
Caso: Estas bolas provienen de la bolsa B
1
.
Deduccion (de la conclusion): Estas bolas son blancas.
Regla: Los animales sin bilis son longevos.
Caso: El hombre y el caballo no tienen bilis.
Deduccion (de la conclusion): El hombre y el caballo son longevos.
Regla: Si el fusible esta fundido, entonces la lavadora no funciona.
Caso: El fusible esta fundido.
Deduccion (de la conclusion): La lavadora no funciona.
2
En nuestro estudio, nos basaremos en los trabajos de la profesora Atocha Aliseda que ha estudiado ampliamente
la abducci on.
3
En la deduccion, dada la Regla y el Caso, la conclusion hace explcito un conocimiento ya
implcito. Decimos que en la deduccion se va de lo universal a lo particular. La deduccion no es
mas que la aplicacion de una regla general a un caso particular para establecer un resultado. Si
sabemos que todas las bolas de B
1
son blancas y extraemos un pu nado de bolas, antes de verlas,
sabemos que son blancas.
II) Ejemplos de induccion:
Caso: Estas bolas proceden de la bolsa B
1

Caso: Estas bolas son blancas.

Induccion (de la regla): En la bolsa B
1
todas las bolas son blancas
Caso: El hombre y el caballo no tienen bilis
Caso: El hombre y el caballo son longevos
Induccion (de la regla): Los animales sin bilis son longevos
Caso: La lavadora no funciona
Caso: El fusible esta fundido.
Induccion (de la regla): Si el fusible esta fundido, entonces la lavadora no funciona.
El razonamiento deductivo no provoca discusion pero, en el razonamiento inductivo, entendemos
que, para que la regla inducida sea admisible, habra que exigir la enumeracion exhaustiva de todos
los casos, con lo cual se convertira en un razonamiento deductivo. Cuando la enumeracion no es
exhaustiva, hay un salto cualitativo de lo particular a lo universal. As, sin saber de que color son
las bolas de B
1
, extraemos un pu nado y observamos que son blancas; extraemos otro pu nado, y
volvemos a ver que tambien estas son blancas. . . . . . Espontaneamente, inferimos que todas las bolas
son blancas, aunque somos conscientes de que la inferencia no tiene el caracter de necesario.
En denitiva, la induccion permite crear una Regla (hipotetica) a partir de un caso y otro caso, y
otro caso, . . . . A diferencia de la deduccion, la induccion requiere conrmaciones externas. En los
ejemplos dados, bastara una excepcion a la regla para que la regla quedase falsicada (en el primer
ejemplo, bastara una bola negra). Aunque, podramos argumentar que la excepcion puede reforzar
en cierto modo a la regla, precisamente por su caracter de excepcionalidad,
3
la induccion no es
valida sin una raticacion emprica y, pese a todas las posibles raticaciones empricas, siempre
parece existir el riesgo de la aparicion de una excepcion.
De modo general, podemos decir que el razonamiento inductivo es un tipo de razonamiento en el
que la verdad de las premisas supone un apoyo a la verdad de la conclusion, pero no la asegura. La
nocion de consecuencia logica es, pues, mas debil que en el caso deductivo.
III) Ejemplo de abduccion:
Regla: Todos las bolas de la urna B
1
son blancas
Caso: Estas bolas son blancas.
Abduccion (de Hipotesis): Estas bolas proceden de la bolsa B
1

Regla: Los animales sin bilis son longevos

Caso: El hombre y el caballo son longevos
Abduccion (de Hipotesis): El hombre y el caballo no tienen bilis
3
En el sentido del dicho popular: La excepci on conrma la regla.
4 CAP

ITULO 1. INTRODUCCI

ON
Regla: Si el fusible esta fundido la lavadora no funciona
Caso: La lavadora no funciona
Abduccion (de Hipotesis): El fusible esta fundido
La abduccion propone una regla de inferencia basica que nos lleva a compararla con la que co-
nocemos como Modus Ponens para el razonamiento deductivo. Esta regla se llama regla de la
implicacion inversa:
A B
B
A
El razonar abductivo es el razonar del detective, permite relacionar diversos indicios para formular
una hipotesis explicativa aceptable. Siguiendo con el primero de los anteriores ejemplos, si tenemos
la urna B
1
sobre una mesa, y sobre tal urna la Regla nos informa que solo contiene bolas blancas,
y observamos junto a ella un monton de bolas blancas, la Regla se nos presenta como un modo
de dar una explicacion y nos lleva a conjeturar que las bolas del monton observadas proceden
de la urna B
1
. De este modo (pese a la incertidumbre) hemos incrementado nuestro conocimiento,
ya sabemos algo mas. Al principio sabamos que las bolas eran blancas, ahora sabemos que
pueden corresponder a la urna B
1
.
Por estar fundamentada en el juego de hipotesis conjeturables, Peirce considera a la abduccion
como la unica forma de razonar que es realmente susceptible de incrementar nuestro saber, o, me-
jor dicho, de crear nuevas ideas y prever (aunque al precio de un cierto riesgo de error). Podramos
argumentar que tambien la deduccion a nade nuevo conocimiento. Pero existe una diferencia: la de-
duccion extrae un conocimiento que esta implcito en el conocimiento previo y el conocimiento
a nadido por la abduccion no esta mplicito en el previo, sino que lo explica
4
.
La abduccion, como la induccion, debe ser conrmada.
Si comparamos estos tres tipos de razonamiento, podramos decir que:
La deduccion es el unico modo de razonar completamente certero, que inere su resulta-
do como conclusion necesaria. En la deduccion sabemos que ocurrira antes de realizar el
experimento (sacar una bola de la urna).
La induccion produce una regla. Realizamos muchas veces un experimento y nos aven-
turamos a establecer un patron o regla.
En la abduccion, la menos certera de las tres, una vez hemos realizado el experimento, trata-
mos de averiguar por que se ha dado el resultado obtenido y, simplemente, sugerimos una
explicacion.
Para evitar la debilidad de la abduccion, deberamos llevarla al lmite?, es decir, deberamos ase-
gurarnos de que cualquier otra conjetura diferente de la hallada es capaz de explicar la observacion?
Rotundamente NO, si as fuera, estaramos realizando un razonamiento deductivo (estaramos uti-
lizando el silogismo disyuntivo!).
La ventaja de la abduccion es que, como la induccion, nos permite formular conjeturas utiles
en ausencia de informacion completa. Deduccion, abduccion e induccion son formas de inferencia
4
Podemos expresar esta diferencia diciendo que la deducci on es un proceso de inferencia analtico, explicativo y
la abducci on es un proceso inferencia sintetico, ampliativo
5
primitivas, independientes y complementarias, es decir, no son reducibles a formas mas simples y
que no se pueden formular una en terminos de otra.
Quizas si nuestro unico conocimiento es sobre los razonamientos deductivos, nos alarme la preten-
sion de formalizar el razonamiento abductivo, pero esta postura supondra una fuerte restriccion
a la logica. As que vayamos a otro ejemplo que nos conrme la necesidad de esta formalizacion:
Supongamos que disponemos de la Regla:
Si el enfermo tiene sarampion, tiene manchas rojas en su cuerpo
y observamos un Caso:
Alfredo tiene manchas rojas en su cuerpo
Sera bueno concluir que tiene sarampion. Pero esta conclusion no esta permitida por la logica
clasica y lo cierto es que, aunque este razonamiento requiere cautelas, con la informacion que
tenemos, es la mejor suposicion que podemos hacer. Lo mejor que podemos hacer es realizar una
deduccion hacia atras, a partir de la regla y de su consecuente, conjeturar el antecedente. Por
esta razon, al proceso abductivo se le llama tambien proceso retroductivo.
Podemos seguir dando ejemplos que nos conrmen la utilidad del razonamiento abductivo:
La mayora de lo hogares espa noles estan interesados en ventanas de doble cierre. PErC es
un distribuidor de ventanas de doble cierre. De aqu, que resulta esperable que la mayora de
los hogares espa noles esten interesados en contactar con PErC.
Restos fosiles de dinosaurios de las mismas especies propias del Perodo Jurasico han sido
encontrados tanto en America del Norte como en Europa. Este hecho proporciona elementos
de juicio para sostener que ambos continentes estaban unidos en ese perodo geologico.
De la informacion disponible acerca de Marte no se inere que haya seres vivos en su supercie.
Luego, se puede suponer que no hay vida en Marte.
Pero no nos alarmemos, como veremos mas adelante (al tratar el tema formalmente), el antece-
dente concluido en el proceso de abduccion, se habra de entender tan solo como un candidato
para la explicacion del consecuente y tendra que ser analizado. En primer lugar, el candidato,
tendra que ser consistente con el conocimiento previo, y siempre habra de tener la alerta en las suce-
sivas actualizaciones del conocimiento. En denitiva, la explicacion abducida debe ser conrmada.
Por ello, hay expresiones que matizan a la conclusion. Expresiones como hay buenas razones para
armar que, se puede suponer que, es razonable creer que, etc.
Podramos sintetizar as el proceso abductivo:
una vez formulada la conjetura, esta se utiliza para realizar predicciones acerca de que otras
observaciones deberan ser ciertas si la conjetura fuese cierta.
viene entonces una fase experimental en la que se recaban nuevas observaciones que se
compararan con las predicciones, y serviran para descartar o aceptar la conjetura.
si alguna evidencia contradice las predicciones de la conjetura, esta queda refutada (deducti-
vamente).
si la base experimental es sucientemente amplia, y ninguna observacion contradice las
predicciones, la conjetura quedara bien fundamentada y podra ser nalmente aceptada.
6 CAP

ITULO 1. INTRODUCCI

ON
Abordamos pues el estudio formal de la abduccion en el marco de la logica como un tema de estudio
atractivo. En denitiva, las abducciones no son sino las conjeturas espontaneas de la razon y para
que esas conjeturas surjan se requiere el concurso de la imaginacion y del instinto. La abduccion es
como un destello de comprension, un saltar por encima de lo sabido; para la abduccion es preciso
dejar libre a la mente.
Por lo dicho hasta aqu, podemos armar que el razonamiento abductivo tiene una amplia gama
de aplicaciones en el ambito computacional, por ejemplo, en Inteligencia Articial, donde se em-
plean modelos formales de inferencia abductiva para construir programas de diagnosis que puedan
detectar cuales son los fallos (la explicacion) que hay detras del comportamiento defectuoso (la
observacion) de cierto sistema (una red de ordenadores, un microprocesador, etc.). Mas tarde nos
centraremos en detallar algunas de las aplicaciones.
Captulo 2
Logica Abductiva Proposicional
Nuestra introduccion en el captulo anterior, habra hecho al lector concluir que la logica abduc-
tiva es una l ogica no clasica. Los ejemplos referidos le habran llevado a concluir que no se trata
de una extension, sino que se trata de una logica rival de la logica clasica, es decir, se trata de
una logica que utiliza el mismo vocabulario que la logica clasica, pero no mantiene algunas de las
leyes de esta, es decir, no refrenda como tales algunos de sus teoremas o formulas validas.
Por lo tanto, para abordar un estudio formal de los razonamiento abductivos, nuestro punto de
partida ha de ser la logica clasica proposicional, L
prop
, y analizar como desviarnos de lla para
obtener nuestros propositos.
Concretemos un poco mas: consideraremos el lenguaje de la logica clasica proposicional, L
prop
, y
la semantica de la misma, es decir, se trata de una logica bivaluada, con valor semantico destacado
1 y un conjunto de interpretaciones, J = I : 1
prop
0, 1 y donde cada interpretacion I J
se extiende a L
prop
del modo habitual. Asimismo, mantenemos las nociones de satisfacibilidad y
validez de las formulas (en adelante, fbfs) y la nocion de equivalencia logica. Para toda fbf, A,
denotaremos por /od(A) el conjunto de modelos de A, es decir,
/od(A) = I J [ I(A) = 1
Recordemos que, dado un conjunto de fbfs, L
prop
, decimos que
es modelizable, consistente o satisfacible si existe I J tal que I(A
i
) = 1 para toda
A
i
. Una tal I decimos que es un modelo de y el conjunto de modelos de lo denotamos
por /od(). Por lo tanto, si = A
i
[ i , se tiene que /od() =

i
/od(A
i
)
es insatisfacible si no existe I J tal que I(A
i
) = 1 para toda A
i
, es decir,
/od() = .
es universalmente valido, denotado [= , si /od() = J. En denitiva, es universal-
mente valido si y solo si toda fbf A
i
es valida.
En particular, si = , se tiene que es universalmente valido.
es contingente si es satisfacible, pero no universalmente valido.
Cual es pues la diferencia entre la logica clasica proposicional y la logica abductiva proposicional?
La diferencia esta, como habra intuido el lector, en la nocion de consecuencia logica y a su analisis
dedicaremos especial atencion.
7
8 CAP

ITULO 2. L

OGICA ABDUCTIVA PROPOSICIONAL

Comenzamos estableciendo la siguiente denicion:
Denicion 2.1 Un problema abductivo es un par (, O) donde
1. L
prop
es un conjunto satisfacible de formulas, denominado teora, que podemos entender
como el conocimiento que tenemos como punto de partida.
2. O L
prop
es una fbf que es contingente (es decir, ni valida ni insatisfacible
1
), denominada
observacion y que es consistente con la teora, pero no implicada por ella, es decir, ni ella
ni su negacion, se ineren de la teora. En denitiva, se satisfacen las condiciones siguientes:
2.1 , [O. Ya que si [ O, no se requiere explicar O,
2.1 , [O. Ya que si [ O, ya sabemos que O no es explicable en la teora .
La componente [ puede ser la relacion de consecuencia de la logica clasica, o bien alg un tipo de
relacion de consecuencia no clasica. Nosotros consideraremos la relacion de consecuencia de la logica
clasica denotada por [=, es decir:
La fbf, C L
prop
, es consecuencia semantica de L
prop
si /od() /od(C),
es decir, para toda interpretacion I J se tiene que, si I(A
i
) = 1, para toda A
i
,
entonces I(C) = 1.
Recordemos (de nuestro estudio de la logica clasica) que
L
prop
es satisfacible si y solo si ,[=
Antes de avanzar en nuestro estudio, recordemos la siguiente denicion:
Denicion 2.2 Sean A, B L
prop
, decimos que
B es implicada por A si [= A B. Denotaremos por J

(A) el conjunto de fbfs implicadas

por A.
B es un implicante de A si [= B A. Denotaremos por J

(A) el conjunto de implicantes

de A.
Si, como hemos indicado, consideramos la relacion de consecuencia clasica, [=, en la denicion de
problema abductivo no es necesario exigir que la teora sea satisfacible ni que la observacion O
sea contingente. En efecto:
Proposicion 2.1 Si L
prop
y O L
prop
son tales que
, [= O y , [= O
Entonces se tiene que es un conjunto satisfacible de fbfs y O es una fbf contingente.
Demostraci on:
1. Si fuera insatisfacible, tendramos que [= O y [= O, en contra de la hipotesis.
2. Supongamos que O no es contingente. Tenemos dos posibilidades:
- O es valida, en cuyo caso [= O, en contra de la hipotesis.
- O es insatisfacible, en cuyo caso, O es valida y [= O, en contra de la hipotesis.
En un problema abductivo (, O), la componente O funciona como una observacion inesperada,
una observacion que no puede ni armarse ni negarse a partir de . Necesitamos extender la
teora para pronunciarnos sobre O. Necesitamos una explicacion. Vamos pues a hablar de las
explicaciones en el contexto de la abduccion.
1
Poco nos puede interesar buscar explicaciones de observaciones validas o insatisfacibles!
9
Denicion 2.3 Un esquema abductivo es una terna (, O, E), representada mediante la rela-
cion , E [=
ab
O tal que:
1. (, O) es un problema abductivo,
2. E L
prop
se denomina explicacion o solucion abductiva y satisface las dos condiciones
siguientes:
, E [= O, es decir, E explica la observacion O,
, E , [= , es decir, E es consistente con la teora .
As, una formula E es una explicacion de O, con respecto a una teora , si es consistente con
y a partir de ella se inere O como consecuencia logica. El subndice
ab
en [=
ab
advierte de
las exigencias que establece la denicion, es decir, consideramos una restriccion de la nocion de
consecuencia logica clasica.
ee r r
En un esquema abductivo, a la observacion O se le suele denominar tambien detonador ab-
ductivo (explicar O es lo que provoca el proceso abductivo). Como detalla la denicion, ni la
observacion O a explicar, ni su negacion, deben inferirse de la teora, , pero deseamos explicar
O dentro de ella.
El siguiente resultado nos proporciona una denicion equivalente de esquema abductivo.
Proposicion 2.2 Una terna (, E, O) es un esquema logico abductivo con observacion O y solu-
cion E si y solo si se satisfacen las siguientes condiciones:
1. , [= O,
2. , E [= O,
3. , E , [= .
Demostraci on: Por la denicion de esquema abductivo, tan solo tenemos que probar que, si
se satisfacen las tres condiciones se tiene que (, O) es un problema abductivo, es decir, que se
satisface que , [= O. Lo demostramos por reduccion al absurdo. Supongamos que [= O.
Entonces, por la propiedad de monotona de [=, se tiene que E [= O y junto con la segunda
hipotesis, E [= O, tendramos E [= , lo cual contradice la hipotesis 3, que exige que
E sea consistente con la teora .
Seg un las sucesivas restricciones consideradas, podemos encontrar en la bibliografa la siguiente
denominacion para los esquemas abductivos: Sea (, O) un problema abductivo. Decimos que
E L
prop
es una:
1. soluci on plana para (, O), si , E [= O,
2. soluci on consistente para (, O), si es plana y , E ,[= ,
3. soluci on explicativa para (, O), si es consistente y E , [= O. Es decir, la observacion O no
basta para explicar E. De este modo, se vincula la explicacion a la teora y E puede ser una
explicacion para la teora , pero puede no serlo para otra teora

.
4. soluci on minimal para (, O), si E es una solucion explicativa y no existe ninguna otra
solucion explicativa para (, O), E

, tal que E

(E), es decir, tal que [= E

E.
2
2
Si no es minimal, tendramos que la soluci on obtenida incluye informaci on innecesaria para explicar O.
10 CAP

ITULO 2. L

OGICA ABDUCTIVA PROPOSICIONAL

El siguiente resultado nos indica que nuestro interes ha de centrarse en la b usqueda de soluciones
explicativas.
Proposicion 2.3 Si (, O) es un problema abductivo con al menos una solucion explicativa, en-
tonces es contingente.
Demostraci on: Basta probar que no es universalmente valido. Sea E un solucion explicativa.
Por hipotesis se tiene que , E [= O, es decir, /od( E) = /od() /od(E) /od(O).
Ahora bien, si es universalmente valido, /od() = J y /od() /od(E) = /od(E). Por lo
tanto, tendramos que /od(E) /od(O), en contra de lo hipotesis que asegura que E ,[= O.
Ahora podemos incidir, en terminos formales, sobre la diferencia entre deduccion y abduccion
a la que nos hemos referido en el captulo anterior: La deduccion es el proceso inferencial que
seguimos cuando, dado el conjunto , buscamos una formula O tal que [= O, o bien, dados
y O, comprobamos que [= O, es decir, vamos de las premisas a la conclusion. Por su parte, la
abduccion, dados y O, tales que ,[= O, buscamos extender a

= E con el objetivo de
que

[= O, es decir, buscamos premisas adicionales que sostengan una conclusion dada.

Ejemplo 2.1 Consideremos que tenemos un modelo formal del protocolo y que O representa el
objetivo que buscamos (autenticacion), la solucion al problema abductivo (, O) nos da la secuencia
de mensajes que deben enviarse para conseguirlo.
Es importante seleccionar bien el conjunto de explicaciones, de forma que contenga solo las acciones
(mensajes) permitidas en el protocolo. Para asegurar que el protocolo es seguro, si E representa
una violacion del protocolo, debe comprobarse que el problema abductivo (, O) no tiene solucion
Ejemplo 2.2 Quizas la terminologa en la logica abductiva nos lleve a considerar como una de
sus aplicaciones naturales la Diagnosis. Por denicion, todo diagnostico conlleva un proceso de
razonamiento abductivo. Pensemos, por ejemplo, en el campo conocido como diagnosis basada en
modelos. En el se dispone de una teora que describe el comportamiento normal de un sistema que
se desea diagnosticar. Ante un comportamiento anomalo, la abduccion analiza las componentes y
busca explicaciones del tipo
La componente A del sistema funciona de forma anomala?
Habitualmente, hablar de diagnostico nos conduce a pensar en el ambito de la Medicina. Un medi-
co abduce continuamente: Su conocimiento constituye la teora, , los sntomas constituyen las
observaciones, O, mientras que las distintas enfermedades seran las posibles explicaciones, E, que
considerara el medico como posible causa de tales sntomas. El medico recurrira a un razonamiento
abductivo cuando requiera encontrar una causa que explique alg un sntoma discrepante respecto a
su conocimiento, discrepante con lo considerado normal.
2.1. Propiedades de la relaci on de consecuencia abductiva [=
ab
Como hemos comentado, el subndice
ab
, con el que denotamos la relacion entre , E y O, nos
advierte de las restricciones que establece la denicion de esquema abductivo en la relacion de
consecuencia logica clasica , E [= O. Vamos pues a profundizar en la nocion de consecuencia
logica.
2.1. PROPIEDADES DE LA RELACI

ON DE CONSECUENCIA ABDUCTIVA [=
AB
11
Comencemos destacando que una nocion de consecuencia logica puede ser completamente caracteri-
zada por sus propiedades basicas, expresadas por sus reglas estructurales. El termino estructural
reeja que estas reglas no hacen referencia a ning un smbolo especco del lenguaje logico (en par-
ticular, no hacen referencia a ninguna conectiva). Si nos centramos en la nocion de consecuencia
clasica, [=, sus reglas estructurales son las siguientes:
I) A [= A (Toda hipotesis se implica as misma) Reexividad
II)
X, A, Y, A, Z [= C
X, A, Y, Z [= C
y
X, A, Y, A, Z [= C
X, Y, A, Z [= C
Contraccion
(Podemos borrar hipotesis repetidas)
III)
X, A, B, Y [= C
X, B, A, Y [= C
(Podemos permutar las hipotesis) Permutacion
IV)
X, Y [= C
X, Y, A [= C
Monotona
(A nadiendo nueva informacion no se invalidan las conclusiones previas)
IV)
X, Y, A [= C; Z [= A
X, Z, Y [= C
Corte
(las hipotesis pueden ser reemplazadas por secuencias de hipotesis que la impliquen)
El lector puede comprobar que la propiedad de Permutacion es derivable de las propiedades
de Contraccion y Monotona.
Como hemos indicado, las reglas estructurales anteriores caracterizan a la relacion de consecuencia
logica clasica, como nos indica el siguiente teorema.
Teorema 2.1 (van Benthem) La propiedades de Reexividad, Contraccion, Monotona y Corte,
determinan completamente las propiedades estructurales de la relacion de consecuencia clasica.
En el resto de la seccion, denotaremos por [=
c
ab
, y [=
e
ab
las relaciones de consecuencia correspon-
dientes, respectivamente, a la abduccion consistente y a la abduccion explicativa.
El siguiente resultado, cuya demostracion es inmediata, nos detalla cuales son las reglas estructu-
rales de la relacion de consecuencia clasica que S

I satisface [=
ab
Proposicion 2.4 La relacion de consecuencia logica abductiva consistente, denotada [=
c
ab
, (y, en
consecuencia, [=
e
ab
) satisface las reglas estructurales de Permutacion y Contraccion.
Pero [=
c
ab
no satisface las propiedades de Reexividad, Monotona y Corte:
p, p ,[=
ab
p. Ya que p p no es consistente. Por lo tanto, a diferencia de [=, se tiene
que [=
c
ab
no posee la propiedad de reexividad.
[=
c
ab
no es monotona, ya que si , E [=
c
ab
O, se tiene que, por ejemplo, O, E ,[=
c
ab
O.
[=
c
ab
no cumple la propiedad de corte. En efecto, sea = p q,

= p q, E = p,
E

= q y O = q. Es claro que , E [=
c
ab
O y que

, E

[=
c
ab
E, pero ,

, E

,[=
c
ab
O.
12 CAP

ITULO 2. L

OGICA ABDUCTIVA PROPOSICIONAL

Sin embargo, vamos a ver que s satisface otras formas mas debiles de estas reglas. Consideremos
las siguientes reglas:
1.
X
1
, . . . X
n
[=
c
ab
B B ,[=
c
ab

X
1
, . . . X
n
[=
c
ab
X
i
(1 i k) Reexividad Condicional (RC)
Para asegurar la propiedad de reexividad, se requiere que del conjunto de hipotesis se derive
alguna conclusion consistente.
2.
X
1
, . . . X
k
[=
c
ab
B B ,[=
c
ab
U
1
, . . . , U
n
[=
c
ab
X
1
. . . U
1
, . . . , U
n
[=
c
ab
X
k
U
1
, . . . , U
n
[=
c
ab
B
Corte Simultaneo (CS)
Es una combinacion de Corte y Contraccion en la que X
1
, . . . , X
k
puede ser omitida en la
conclusion cuando cada uno de los X
i
es consistentemente derivado de U
1
, . . . , U
n
y de esta
secuencia se deriva consistentemente B.
3.
U
1
, . . . , U
n
[=
c
ab
X
1
. . . U
1
, . . . , U
n
[=
c
ab
X
k
X
1
, . . . X
k
[=
c
ab
X
i
1 i k Conclusion Consistente (CC)
arma que la secuencia X
1
, . . . X
k
implica a cada uno de sus elementos, si cada uno de estos son
implicados consistentemente por alguna secuencia U
1
, . . . , U
n
(es otra forma de reexividad).
Aliseda demuestra que estas tres propiedades caracterizan la abduccion consistente, [=
c
ab
. Antes de
enunciar su resultado, observemos que en la denicion de solucion abductiva consistente, en las dos
propiedades
, E [= O y
E es consistente
y E se comportan simetricamente, es decir, podemos contemplar indistintamente el par (, E) o
bien el par (E, ). Podemos pues optar por un representacion binaria de las reglas: X [= C, donde
X se entiende como la conjuncion de y E y C es O y de nuevo, contemplamos X como una
secuencia nita de fbfs X
1
, . . . , X
k
y C una unica conclusion.
Como en el caso clasico, se tiene un teorema de representacion:
Teorema 2.2 (Teorema de Representacion para [=
c
ab
) Una relacion de consecuencia satisfa-
ce (RC), (CS) y (CC) si y solo si es representable en la forma de abduccion consistente.
2.1.0.1. Reglas estructurales derivadas para [=
c
ab
Las reglas (RC), (CS) y (CC) nos permiten disponer de nuevas reglas estructurales para [=
c
ab
que
son modicaciones de las reglas de Monotona y Corte de la relacion de consecuencia clasica. Por
ejemplo, es facil ver que [=
c
ab
satisface una forma de monotona modicada: B puede ser a nadida
como hipotesis si esta adiccion no perjudica la consistencia:
X [=
c
ab
A X, B [=
c
ab
C
3
X, B [=
c
ab
A
Monotona Debil
Otro ejemplo es la siguiente forma de Corte Debil:
2.2. NOVEDADES Y ANOMAL

IAS 13
X [=
c
ab
A U, A, V [=
c
ab
B U, X, V [=
c
ab
C
U, X, V [=
c
ab
B
Corte Debil
Dejamos al lector comprobar que la abduccion consistente dispone de la reglas de permutacion y
contraccion.
Analogamente, podramos analizar las propiedades estructurales para la relacion de consecuencia
en la abduccion explicativa, [=
e
ab
y para la relacion de consecuencia en la abduccion explicativa
minimal, [=
m
ab
. Pero tal analisis escapa a los objetivos de este texto. Antes de abordar el problema
de la automatizacion del razonamiento abductiva, en la seccion siguiente prestaremos atencion
a la naturaleza de las observaciones, es decir, de los hechos que provocan nuestra b usqueda de
explicaciones.
2.2. Novedades y Anomalas
Como hemos indicado, el padre de la abduccion es Charles Sanders Peirce. De acuerdo con la for-
mulacion de abduccion de Peirce, el razonamiento abductivo se dispara por un hecho sorprendente,
por un hecho que requiere explicacion. En las restriciones que hemos establecido anteriormente
para la observacion, O, al introducir el concepto de esquema abductivo, podemos establecer una
diferenciacion entre detonadores y llamar:
novedad abductiva: a toda observacion O tal que ni ella ni su negacion pueden ser explicadas
en la teora, es decir: , [= O y , [= O, lo cual responde nuestra denicion de problema
abductivo.
anomala abductiva: la observacion O es anomala si no puede ser explicada, es decir,
, [= O, pero la teora s explica su negacion, es decir, [= O, es decir, O es inconsistente
con la teora.
La diferenciacion entre novedades abductivas y anomalas abductivas, determina dos modos de
proceder, dos tipos de operaciones inducidas, respectivamente, por cada uno de estos detonadores
abductivos:
- expansion abductiva. Dada una novedad abductiva, una explicacion consistente, E, se
calcula de forma que , E [= O. As se a naden E y O a la teora por una simple expansion.
- revision abductiva. Dada una anomala abductiva, una explicacion consistente, E, se calcula
de la siguiente manera:
i) Primero se revisa de tal forma que no explique a O. Esto es, se obtiene

de tal
manera que

, [= O y tambien

, [= O.
ii) Una vez obtenida

, se obtiene una explicacion E consistente con

de tal forma que

, E [= O.
En denitiva: podemos considerar que el razonamiento abductivo se dispara por una sorpresa, la
cual genera una duda que puede ser de dos tipos: novedad o anomala. En el primer caso el fenomeno
a explicar es totalmente nuevo y consistente con la teora, por lo que su explicacion se calcula y se
incorpora a la teora por la operacion de extension. En el segundo caso, como el hecho es anomalo,
14 CAP

ITULO 2. L

OGICA ABDUCTIVA PROPOSICIONAL

la operacion de revision es necesaria para incorporarlo y requiere un tratamiento no monotono. As,
la teora se revisa de tal forma que su modicacion no este en conicto con el hecho a explicar, a
continuacion se calcula la explicacion y se incorpora a la teora revisada por expansion.
Captulo 3
Demostraci on automatica en L ogica
Abductiva
En este captulo vamos a describir dos metodos de demostracion automatica para la logica
abdutiva. En primer lugar, describiremos el metodo de las tablas semanticas (que conocemos de
la logica clasica proposicional) para la b usqueda de explicaciones abductivas. Comencemos pues
recordando dicho metodo (el lector dispone de las demostraciones de los resultados en el libro
Logica Computacional. Logica Clasica Proposicional):
El metodo de las tablas semanticas en la logica clasica proposicional es un sistema de refutacion.
Para vericar la validez de una inferencia H
1
, . . . , H
n
[= C, determina si H
1
. . . H
n
C es o no
insatisfacible. Para ello organiza la b usqueda sistematica de un modelo para H
1
. . . H
n
C. Si
la b usqueda tiene exito, la inferencia no es valida y si la b usqueda fracasa, la inferencia es valida.
En sntesis, el metodo puede describirse como sigue:
Dado el conjunto de fbfs, = A
1
, . . . , A
n
, cuya satisfacibilidad se quiere comprobar, se organizan
las fbfs de en un arbol de una sola rama con raz A
1
y tal que cada A
i
con 2 i n es sucesor
inmediato de A
i1
, es decir,
A
n
.
.
.
A
2
A
1
Este arbol, denominado arbol inicial asociado a , se ira ampliando sucesivamente mediante
ciertas reglas de extension, basadas unicamente en la estructura sintactica de las formulas. Cada
arbol obtenido se denomina arbol asociado a . Las reglas de extension estan dise nadas de modo
que:
La aplicacion de cada una de dichas reglas genera un arbol binario cuyos nodos estan etique-
tados con fbfs.
Cada regla introduce fbfs que son subformulas propias o bien negaciones de subformulas
propias de fbfs existentes en el arbol al que se aplica.
Para la descripcion del metodo se utiliza habitualmente la notacion uniforme debida a Smullyan,
que consiste en agrupar las formulas por tipos, consiguiendo con ello una notable simplicacion en
la exposicion del metodo.
15
16 CAP

ITULO 3. DEMOSTRACI

ON AUTOM

ATICA EN L

OGICA ABDUCTIVA
Denicion 3.1 Las fbfs se clasican en: literales, fbfs de tipo (o de comportamiento con-
juntivo) y fbfs de tipo (o de comportamiento disyuntivo). Cada formula de tipo o de tipo
tiene asociada dos componentes, denotadas
1
,
2
y
1
,
2
respectivamente. Las siguientes tablas
muestran las formulas de tipo y de tipo junto con sus componentes.

1

2
A B A B
(A B) A B
(A B) A B
A A A

1

2
A B A B
(A B) A B
A B A B
Reglas de Extension
El arbol inicial asociado a un conjunto de fbfs, , denotado T

, es extendido sucesivamente, para

obtener arboles asociados a , mediante las siguientes reglas:
() Si
A
denota la rama determinada por el nodo hoja A y una -formula ocurre en
A
, extendemos
dicha rama a nadiendo:
si
1
,=
2
, dos nodos etiquetados con sus componentes
1
y
2
.
si
1
=
2
, un nodo etiquetado con la componente com un.

1
A
.
.
.

.
.
.

A
.
.
.

.
.
.
() Si
A
denota la rama determinada por el nodo hoja A y una -formula ocurre en
A
, extendemos
dicha rama a nadiendo:
dos nodos si
1
,=
2
: uno como descendiente izquierdo y otro como descendiente derecho
etiquetados con sus componentes
1
y
2
, respectivamente.
un nodo etiquetado con la componente com un, si
1
=
2
.

d
d

1
A
.
.
.

.
.
.

A
.
.
.

.
.
.
17
Denicion 3.2 Sea = A
1
, . . . , A
n
un conjunto de fbfs. Un arbol T se dice que es un arbol
para , si existe una secuencia de arboles T
1
, . . . , T
n
tal que:
T
1
es el arbol inicial asociado a , es decir, el arbol de una sola rama:
A
n
.
.
.
A
2
A
1
Cada arbol T
i
(2 i n) es un arbol asociado a que es extension inmediata de T
i1
, es
decir, T
i
se obtiene de T
i1
por aplicacion de una regla de extension a uno de sus nodos.
T
n
= T.
Denicion 3.3 Sea T un arbol para . Una rama de T se dice cerrada, si en ella ocurren una
variable proposicional p y su negacion p. En caso contrario, se dice que la rama es abierta. El
arbol T se dice cerrado si todas sus ramas son cerradas.
Representaremos un arbol T por el conjunto de sus ramas abiertas T =
1
, . . . ,
n
y cada rama
abierta, le asociaremos el conjunto de sus literales
i
=
i1
, . . . ,
in
i
.
Una rama de un arbol T para se dice completa si satisface las siguientes condiciones:
1. Si la formula ocurre en , tambien sus componentes
1
y
2
ocurren en .
2. Si la formula ocurre en , o la componente
1
o la componente
2
ocurre en .
Denicion 3.4 Un arbol T para se dice terminado si toda rama es cerrada o completa.
Denicion 3.5 [Cierres de una rama abierta] Sea T =
1
, . . . ,
n
un arbol no terminado. El
conjunto de cierres de una rama abierta
i
=
i1
, . . . ,
in
i
, denotado Cl(
i
), es el conjunto
de los literales complementarios de los literales en
i
Cl(
i
) =
i1
, . . . ,
in
i

es decir, cada literal de Cl(

i
) cierra
i
.
Denicion 3.6 [Cierre de un arbol] Sea T =
1
, . . . ,
n
un arbol no terminado. El conjunto de
cierres totales de T, denotado Cl(T), es la interseccion de los conjuntos de los cierres de cada
una de sus ramas:
Cl(T) =
n

i=1
Cl(
i
)
es decir, cada literal de Cl(T) cierra T.
Denicion 3.7 [Cierres parciales de una rama] Sea T =
1
, . . . ,
n
un arbol no terminado. El
conjunto de cierres parciales de una rama
i
=
i1
, . . . ,
in
i
, denotado Cl
par
(
i
). Es decir,
cada literal de Cl
par
(
i
) cierra
i
(y, posiblemente, otras ramas), pero no cierra T. As pues,
Cl
par
(
i
) = Cl(
i
) - Cl(T)
18 CAP

ITULO 3. DEMOSTRACI

ON AUTOM

ATICA EN L

OGICA ABDUCTIVA
En denitiva, el conjunto de literales que cierra la rama, pero no el arbol.
Denicion 3.8 [Cierres parciales de un arbol] Sea T =
1
, . . . ,
n
un arbol no terminado. El
conjunto de cierres parciales de T, denotado Cl
par
(T) es la union de los conjuntos de cierres
parciales de cada una de las ramas:
Cl
par
(T) =

Cl
par
(
i
)
es decir, cada literal de Cl
par
(T) cierra al menos una de las ramas de T, pero no cierra T.
Denicion 3.9 [Extension de un arbol]Sea T =
1
, . . . ,
n
un arbol no terminado y =

1
, . . . ,
m
un conjunto de literales. La extension de T con , denotada Ext(T, ), es el arbol
Ext(T, ) =
i
[
i

1
, . . . ,
m
= , 1 i n
1
Denotemos por [T[ el n umero de ramas abiertas de un arbol T. Entonces,
Si [Ext(T, )[ = [T[, decimos que la extension es abierta.
Si [Ext(T, )[ = 0, decimos que la extension es cerrada.
Si [Ext(T, )[ < [T[, decimos que la extension es semicerrada
2
.
Una extension abierta o semicerrada se denomina extension consistente.
Ejemplo 3.1 Sea T =
1
,
2
= p q, r, p, p q, r, q :
Ext(T, s) = p q, r, p, s, p q, r, q, s es una extension abierta de T, ya que, por
ejemplo, s no cierra ni
1
, ni
2
.
Ext(T, p) = p q, r, q, p es una extension semicerrada de T, ya que p cierra
1
, pero
no cierra
2
.
Ext(T, r) = es una extension cerrada de T, ya que r cierra
1
y cierra
2
.
El siguiente resultado recoge la bondad del metodo:
Teorema 3.1 Para todo conjunto nito de fbfs, mediante un n umero nito de extensiones se
obtiene un arbol terminado para .
Denicion 3.10 Llamamos refutacion para un conjunto de fbfs, , a todo arbol cerrado para .
Una fbf C se dice que se deriva del conjunto de fbfs H
1
, . . . , H
n
, si existe una refutaci on para
H
1
, . . . , H
n
, C. En particular, una fbf, A, se dice demostrable si existe una refutacion para
A.
Denicion 3.11 Un arbol T para se dice satisfacible si el conjunto de las fbfs que etiquetan
los nodos de alguna de las ramas de T es satisfacible. Una rama tal se dice que es satisfacible.
Teorema 3.2 (de existencia de modelo) Toda rama completa y abierta de un arbol T para
es satisfacible.
1
donde, por abuso de notaci on, usamos el mismo smbolo para identicar una rama y el conjunto de sus f ormulas
2
En denitiva, la extension es semicerrada si tiene al menos una rama abierta y una rama cerrada.
19
El teorema de existencia de modelos asegura que en un arbol terminado para un conjunto de fbfs, ,
cada rama abierta, (si existe) proporciona un modelo para . Concretamente, toda interpretacion
I tal que:
I(p
i
) = 1 si p
i
ocurre en ,
I(p
i
) = 0 si p
i
ocurre en .
Vemos pues que no es necesario que el modelo generado asigne valores de verdad especcos a todos
los smbolos proposicionales que intervienen en y que ramas distintas pueden generar el mismo
modelo.
Teorema 3.3 (Correccion y completitud) El metodo de las tablas sem anticas es:
1. Correcto: Si H
1
, . . . , H
n
, C puede ser refutado entonces H
1
, . . . , H
n
[= C.
2. Completo: Si H
1
, . . . , H
n
[= C, entonces existe una refutacion para H
1
, . . . , H
n
, C.
Descripcion del metodo
En la construccion de un arbol para refutar un conjunto de formulas, se tienen en cuenta las
siguientes consideraciones:
Para evitar ramicaciones innecesarias, se da prioridad a la regla ().
Tanto la regla () como la regla () se aplica sobre cada nodo una sola vez. Para indicar que
la -formula o -formula a la que se aplica la correspondiente regla no sera usada mas, tras
la aplicacion, se marca con el nodo que etiquetan.
No se realiza ninguna extension sobre las ramas cerradas. Para indicar que una rama es
cerrada se marca con .
En la Figura 3.1 aparece un diagrama de ujo para la construccion de un arbol de refutacion:
En los siguientes ejemplos hacemos uso del metodo para probar, en un caso la validez de una
formula y en el otro la no validez de una inferencia.
Ejemplo 3.2 Demostremos la validez de la formula ((p q) (q p)) ((p q) (p q)).
[((p q) (q p)) ((p q) (p q))]
1
(p q) (q p)
2
((p q) (p q))
3
p q
4
q p
5
p q
6
(p q)
7
r
r

p
r
r

q
d
d

d
d
p

p
q

r
r
q

d
d
p

d
d
p

20 CAP

ITULO 3. DEMOSTRACI

ON AUTOM

ATICA EN L

OGICA ABDUCTIVA
No V alida
NO SI
c
V alida Quedan nodos o sin marcar?
NO SI
c c
Estan todas las ramas marcadas?
c
Marcar con las ramas cerradas
c
Aplicar o a un nodo no marcado
c
Hipotesis 1
Hipotesis 2
.
.
.
Hipotesis n
Negacion de la conclusion
'
Figura 3.1:
3.1. TABLAS SEM

ANTICAS PARA LA L

OGICA ABDUCTIVA 21
Ejemplo 3.3 Demostremos que la inferencia (p q) r, q [= p r no es valida.
(p q) r
2
q
(p r)
1
p
r

d
d
(p q)
3
r

p
q
La rama abierta nos proporciona un modelo para el conjunto de formulas
(p q) r, q, (p r)
cualquier interpretacion I tal que I(p) = I(q) = I(r) = 0 satisface todas las hipotesis pero no la
conclusion de la inferencia.
3.1. Tablas semanticas para la Logica Abductiva
Puesto que en nuestra formalizacion de la logica abductiva proposicional partimos de la logica
clasica proposicional, tenemos todos los elementos necesarios para abordar el problema de como usar
el metodo de las tablas semanticas para la b usqueda de soluciones explicativas para un problema
abductivo. En nuestro desarrollo seguimos el planteamiento de la profesora Atocha Aliseda.
Comenzemos destacando que el metodo que vamos a exponer proporciona explicaciones atomicas
(un literal) o conjuntivas (conjunciones de literales).
Dado un problema abductivo (, O), deseamos encontrar soluciones abductivas para la observacion
O. Por lo tanto, la proposicion 2.2, en terminos de tablas semanticas, nos indica que se han de
satisfacer las siguientes condiciones:
I) ,[= O, es decir, no existe una refutacion para O. En denitiva, existe un arbol con
una rama abierta y completa para O.
II) , E [= O, es decir, existe una refutacion para EO. En denitiva, existe un arbol
cerrado para E O, y
III) No existe una refutacion para E. En denitiva, existe un arbol con una rama abierta
y completa para E (es decir, E es consistente con la teora ).
Ejemplo 3.4 [Aliseda] Sea el problema abductivo (, O) donde: = p q, (t s) p y O = q
Construimos el arbol para , que reutilizaremos para las tareas I), II) y III):
22 CAP

ITULO 3. DEMOSTRACI

ON AUTOM

ATICA EN L

OGICA ABDUCTIVA
(p q)
1
(t s) p
2
$
$

q p

rr

(t s)
3
p
(t s)
4
p

d
d

d
d
t

El arbol es abierto y completo y tiene cinco ramas abiertas.

T

=
1
,
2
,
3
,
4
,
5

donde=
1
= p, t;
2
= p, s;
3
= q, t;
4
= q, s y
5
= q, p. Por lo
tanto, la teora, es consistente y cada rama abierta proporciona un modelo para ella.
Comprobamos que el arbol para q tiene una rama abierta y completa, es decir, que
, [= q. Para ello, bastara con extender las ramas abiertas del arbol para con q:
(p q)
1
(t s) p
2
$
$

q p

rr

(t s)
3
p
(t s)
4
p
q

d
d

d
d
t
q

1
t
q

2
s
q

s
q

Hemos concluido la tarea I) y obtenemos que

Ext(T

, q) =

1
,

donde

1
= p, t, q y

2
= p, s, q. En consecuencia, disponemos de dos mo-
delos para q, los cuales nos indican como abordar la tarea de buscar las posibles
extensiones de a una nueva teora

de modo que

[= O.
La tarea II) es la b usqueda de explicaciones abductivas, E, lo cual nos conduce analizar como
cerrar simultaneamente las ramas abiertas, es decir, la b usqueda de E tal que existe una
refutacion para E O.
Para que existan tales explicaciones atomicas o conjuntivas, la extension Ext(T

, q) debe
ser semicerrada, como lo es en este ejemplo. En efecto,
si fuera cerrada, tendramos que [= O y, en consecuencia, (, O) no sera un problema
abductivo.
si fuera abierta, el n umero de ramas del arbol de la teora, T, sera el mismo que el
de Ext(T

, O). Sea
1
, . . . ,
n
el conjunto de literales que cierra Ext(T

, O).
Tenemos dos posibilidades:
3.1. TABLAS SEM

ANTICAS PARA LA L

OGICA ABDUCTIVA 23
O
1
, . . . ,
n

3
. En este caso, tendramos que la explicacion E es tal que E [= O,
en contra de la denicion de solucion explicativa.
O ,
1
, . . . ,
n
. En este caso, tendramos que
1
, . . . ,
n
cierra tambien al arbol
de la teora, , y en consecuencia, E no sera consistente, en contra de la
denicion de solucion explicativa (que exige que sea consistente).
Podemos ya buscar las soluciones explicativas, E, tanto atomicas, como conjuntivas. Ello nos
conduce analizar como cerrar simultaneamente las ramas abiertas, es decir, la b usqueda de
E tal que existe una refutacion para E O:
La rama

1
cierra con cualquier subconjunto de p, t, q
La rama

2
cierra con cualquier subconjunto de de p, s, q
Puesto que toda explicacion E debe satisfacer que E , [= O, el cierre simultaneo de ambas
ramas nos lleva a considerar los subconjuntos de p, t, q - q = p, t y los subconjuntos de
p, s, q - q = p, s, es decir, las posibles explicaciones candidatas son:
E
1
= p; E
2
= p t; E
3
= p s; E
4
= p t s y E
5
= s t
Abordamos por ultimo la tarea III), es decir, analizar si E
i
es consistente con . En denitiva,
comprobar que E
i
tiene ramas abiertas.
Puesto que las ramas abiertas de son

1
= p, t;
2
= p, s;
3
= q, t;
4
= q, s y
5
= q, p
las cinco E
i
anteriores son consistentes con la teora, procedemos como sigue:
III.1) Si buscamos explicaciones atomicas, buscamos literales = E
i
tales que
Ext( Ext(T

, O), ) =
es decir, Cl(Ext(T

, O)) y puesto que ha de ser tal que no cierre T

,
Cl
par
(T

). Igualmente, debe ser que ,= O. En consecuencia, toda explicacion atomica

= E
i
ha de satisfacer
E
i
[Cl(Ext(T

, O)) Cl
par
(T

)] -O = [p p, t, s, p, q] -q = p
Existe pues una unica explicacion atomica E
1
= p.
III.2) Si buscamos explicaciones conjuntivas, E
i
=
1
. . .
n
, n > 1, cada rama de
Ext(T

, O) debe cerrarse con al menos uno de los

i
y ninguno de los
i
debe cerrar
completamente el arbol, por lo tanto, toda rama Ext(T

, O) ha de satisfacer
que
Cl
par
()
1
. . .
n
, =
Para conseguir esto, podemos elegir todos los conjuntos de literales que contienen un
literal de los cierre parciales de cada una de las ramas y eliminar los no minimales (es
decir, que este contenido en otro).
3
Recordemos que O es at omica
24 CAP

ITULO 3. DEMOSTRACI

ON AUTOM

ATICA EN L

OGICA ABDUCTIVA
En el ejemplo, las ramas abiertas de T

O son

1
= p, t, q y

2
=
p, s, q; Cl
par
(

1
) = t y Cl
par
(

2
) = s. Por lo tanto, solo hay una explica-
cion conjuntiva E
4
= t s
Ejemplo 3.5 Sea el problema abductivo (, O) donde: = p, q r, r w, s w y O = w
Construimos el arbol T

:
p
(q r)
1
r w
2
s w
3
$
$

r
q
$
$ rr

r w r w

d
d

d
d

d
d
s

El arbol es abierto y completo y tiene seis ramas abiertas.

T =
1
,
2
,
3
,
4
,
5
,
6

donde=
1
= p, q, r, s;
2
= p, q, r, w;
3
= p, q, w, s;
4
= p, q, w;
5
=
p, r, w, s y
6
= p, r, w. Por lo tanto, la teora, es consistente y cada rama abierta
proporciona un modelo para ella.
Comprobamos que el arbol para w tiene alguna rama abierta y completa, es decir,
que , [= w. Para ello, bastara con extender las ramas abiertas del arbol para con w:
p
(q r)
1
r w
2
s w
3
$
$

r
q
$
$ rr

r w r w

d
d

d
d

d
d
s
w

w
w

s
w

w
w

s
w

w
w

Obtenemos que Ext(T

, w) =

1
, donde

1
= p, q, r, s, w. En consecuencia,
disponemos de un modelo para w, el cual nos indica como abordar la tarea de buscar
las posibles extensiones de a una nueva teora

de modo que

[= O.
Iniciamos la b usqueda de explicaciones abductivas, E, lo cual nos conduce analizar como cerrar
la rama abierta, es decir, la b usqueda de E tal que existe una refutacion para EO.
Para que existan tales explicaciones, la extension Ext(T, w) debe ser semicerrada, como en
este ejemplo. Ahora, tan solo tenemos que como cerrar la rama abierta, es decir, la b usqueda
de E tal que existe una refutacion para E O: La rama

1
cierra con cualquier
subconjunto de p, q, r, s, w. Puesto que toda explicacion E debe satisfacer que E
sea consistente y E , [= O, el cierre de

1
nos lleva a considerar los subconjuntos de q, r, s, es
decir, las posibles explicaciones candidatas son:
E
1
= q; E
2
= r; E
3
= s; E
4
= q r; E
5
= r s; E
6
= q s; y E
7
= q r s
3.2. -RESOLUCI

ON 25
3.2. -resoluci on
En esta seccion presentamos un metodo dual de la resolucion, introducido por Fernando Soler
Toscano en su Tesis Doctoral.
4
Antes de describir el metodo, recordemos que,
Una fbf, D, se dice que es un cubo si es , , un literal o una conjuncion (posiblemente vaca)
de literales.
D es un cubo restringido si no contiene literales repetidos ni pares de literales opuestos.
a
El cubo vaco (conjuncion vaca de literales) es una fbf valida, que representaremos por .
Una fbf es normal disyuntiva si es , , un cubo, o una disyuncion (quizas vaca) de cubos.
b
Una fnd es restringida (abreviadamente, fndr), si cumple los siguientes requisitos:
(i) Ningun cubo contiene un literal y su opuesto.
(ii) Ningun cubo contiene literales repetidos.
(iii) Ningun cubo contiene a otro.
La forma normal disyuntiva vaca es insatisfacible.
Podemos representar un cubo por el conjunto de sus literales y una fndr por el conjunto
de sus cubos.
Recordemos que para toda fbf, A Lprop existe una fnd, A
fnd
tal que A A
fnd
a
En la bibliografa, se denomina tambien -cl ausulas a los cubos. Nosotros les seguiremos lla-
mando cubos, en coherencia a nuestro estudio de la l ogica cl asica.
b
Las fnfs se denominan tambien forma -clausal en la bibliografa.
El punto de partida del metodo de -resolucion es el siguiente: Dado el problema abductivo (, O),
con = A
1
, . . . , A
n
, sabemos que, si E es una solucion plana de dicho problema, se ha de
satisfacer que
, E [= O si y solo si E [= (A
1
. . . A
n
) O
La descripcion E [= (A
1
. . . A
n
) O nos destaca que la b usqueda de soluciones abductivas puede
contemplarse como la b usqueda de implicantes de (A
1
. . . A
n
) O.
El metodo de -resolucion se basa en esta segunda descripcion. Como en el caso del metodo de
resolucion, el metodo exige que la entrada sea una forma normal, concretamente, una forma normal
disyuntiva restringida (fndr). As pues, la entrada sera una fndr equivalente a (A
1
. . . A
n
) O.
El profesor Toscano ilustra la adecuacion de la descripcion E [= (A
1
. . . A
n
) O con el siguiente
ejemplo tomado de A. Kakas, R. Kowalski y F. Toni: Consideremos que el lenguaje consta de las
siguientes variables proposicionales:
a expresa los aspersores regaron anoche
l expresa llovio anoche
c expresa el cesped esta mojado, y
z expresa los zapatos se mojan.
Sea la teora: = a c, l c, c z:
si los aspersores han regado, el cesped estara mojado;
4
Dirigida por el profesor

Angel Nepomuceno.
26 CAP

ITULO 3. DEMOSTRACI

ON AUTOM

ATICA EN L

OGICA ABDUCTIVA
si anoche llovio, entonces el cesped estara mojado, y
si es cesped se moja, los zapatos de mojan.
Consideremos que observamos que los zapatos estan mojados, es decir, O = z y deseamos saber si
nuestra teora consigue explicar z, es decir, consideramos el problema abductivo (, O) y deseamos
buscar explicaciones, E, tales que
E [= ((l c) (a c) (c z)) z
Un modo facil de buscar, E, es decir, de buscar implicantes de ((l c) (a c) (c z)) z
es construir la forma normal disyuntiva restringida de la fbf
((l c) (a c) (c z)) z ()
que no es mas que la fndr:
(l c) (a c) (c z) z ()
Obviamente, todos los cubos en la fndr () son explicaciones de nuestra observacion. Pero a un
podemos encontrar nuevos de implicantes de (). Para ello, podemos usar la regla dual de la Regla
de resolucion. Recordemos que dicha regla es un caso particular de la ley
(X Z) (Y Z) [= X Y (Resolv)
XY J

((XZ) (Y Z)). Ahora estamos interesados no en implicados, sino en implicantes.

Por lo tanto, podemos usar la ley dual a Resolv, es decir, la ley:
X Y [= (X Z) (Y Z) (-Resolv)
Ahora, XY J

((XZ) (Y Z)), por lo tanto, podemos hacer uso de ella para la b usqueda
de soluciones abductivas.
En el ejemplo anterior, para buscar implicantes de (l c) (a c) (c z) z () podemos
proceder como sigue:
1. l c cubo en ()
2. a c cubo en ()
3. c z cubo en ()
4. z cubo en ()
5. c -Resolv de 3 y 4
6. a -Resolv de 2 y 5
7. l -Resolv de 1 y 5
Por lo tanto, c, l y a J

((l c) (a c) (c z) z) son posibles explicaciones.

Vamos pues a describir el metodo.
La entrada es una fndr equivalente a (A
1
. . . A
n
) O), es decir, un conjunto nito de cubos
= D
1
, . . . , D
m
y a partir de el, va generando, en cada ejecucion, un nuevo conjunto de cubos

= D
1
, . . . , D
m
, D, tal que:
D [= D
1
. . . D
m
3.2. -RESOLUCI

ON 27
Para derivar nuevos cubos a partir de , el metodo utiliza una unica regla de inferencia llamada
regla de -resolucion, que no es mas que la particularizacion a cubos de la ley -Resolv destacada
anteriormente:
X Y [= (X Z) (Y Z)
Denicion 3.12 [Regla de -resolucion] Dadas los cubos D
1
y D
2
, llamamos regla
de -resolucion a la siguiente:
D
1
D
2

D
1
D
2
Decimos que D
1
y D
2
son -resolubles respecto a y que D
1
D
2
es una -resolvente
de D
1
y D
2
respecto de y la denotamos R

(D
1
, D
2
).
ee r r
Advirtamos que si D
1
y D
2
son -resolubles respecto a dos literales
1
y
2
, entonces
2
,
2

R

1
(D
1
, D
2
) y
1
,
1
R

2
(D
1
, D
2
), es decir, en ambos casos, R

1
(D
1
, D
2
) R

2
(D
1
, D
2
).
Por lo tanto, estamos solo interesados en los cubos resolubles respecto a un unico literal y, en
consecuencia, eliminaremos el subndice de la expresion de la -resolvente, denotando tan solo
R

(D
1
, D
2
).
Como indica la ley -Resolv, tenemos el siguiente resultado:
Proposicion 3.1 Si dos cubos D
1
y D
2
son -resolubles, entonces R

(D
1
, D
2
) [= D
1
D
2
Es decir, R

(D
1
, D
2
) J

(D
1
D
2
).
Denicion 3.13 Si = D
1
, . . . , D
n
es un conjunto de cubos y D es un cubo, se dice que D es
deducible por -resolucion a partir de , denotado

D, si existe una secuencia nita de

cubos D
1
, D
2
, , D
k
tal que
1. Cada D
i
(1 i n) es o bien un cubo de o bien una -resolvente de dos cubos anteriores
en la secuencia.
2. D
k
= D.
La secuencia D
i
(1 i k) se dice que es una derivacion por -resolucion de D a partir de .
ee r r
Advirtamos que

D si y solo si D [= D
1
. . . D
k
Que podemos armar en el caso en que es derivable por -resolucion a partir de ? En este
caso, la secuencia de cubos que nos proporciona se denomina validacion de y el lector ya
habra concluido el siguiente resultado:
Teorema 3.4 Dado un conjunto nito de cubos = D
1
, . . . , D
m
, se tiene que:
D
1
. . . D
m
es valida si y solo si

Ejemplo 3.6 Dado el conjunto de cubos = p q, p r, q r, p, se tiene que la fbf
(p q) (p r) (q r) p
es una fbf valida. Comprobemoslo usando el metodo de -resolucion:
28 CAP

ITULO 3. DEMOSTRACI

ON AUTOM

ATICA EN L

OGICA ABDUCTIVA
1. p q
2. p r
3. q r
4. p
5. p r R

(1, 3)
6. q R

(1, 4)
7. p q R

(2, 3)
8. r R

(2, 4) 1

() = p r, q, p q, r
9. r R

(3, 6)
10. (8,9)
Basandonos en el teorema 3.4, el metodo funciona generando cubos a partir del conjunto de cubos
inicial, , hasta derivar o bien hasta concluir que no se puede generar a partir de mediante
-resolucion.
Recordemos que nuestro objetivo es aplicar el metodo para obtener soluciones para el problema
abductivo (, O), donde = A
1
, . . . , A
n
y que para ello, partimos de una fndr equivalente a
(A
1
. . . A
n
) O, es decir, una fndr equivalente a A
1
. . . A
n
O.
En denitiva, aplicar el metodo para obtener soluciones planas del problema abductivo (, O) con
= A
1
, . . . , A
n
, es decir, buscar implicantes de (A
1
. . . A
n
) O A
1
A
n
O, requiere:
Obtener una fndr equivalente a A
i
, para 1 i n. Sea esta D
i
1
, . . . , D
i
m
i
.
Obtener una fndr equivalente a O. Sea esta D
O
1
, . . . , D
O
m
O
.
En la union
n

i=1
D
i
1
, . . . , D
i
m
i
D
O
1
, . . . , D
O
m
O

eliminar los cubos tal que existe uno al que subsumen

De esta forma, obtenemos un conjunto de cubos D
1
, . . . , D
m
.
Notacion
Dado un conjunto de cubos = D
1
, . . . , D
k
, denotamos

= D
1
. . . D
k
Por denicion de problema abductivo, ,[= O, es decir, que (A
1
. . . A
n
) O no es una fbf valida.
Por lo tanto, si = D
1
, . . . , D
k
es una fndr equivalente a (A
1
. . . A
n
) O, conocemos que

= D
1
. . . D
k
no es valida. El siguiente resultado nos proporciona un criterio de no validez:
Teorema 3.5 Dado un conjunto nito de cubos = D
1
, . . . , D
k
, si D
i
, D
j
son -resolubles
entonces

no es v alida si y s olo si

R

(D
i
, D
j
) no es v alida.
Y, en consecuencia:
,

si y solo si R

(D
i
, D
j
) [ D
i
, D
j
,

.
3.2. -RESOLUCI

ON 29
3.2.0.2.

Arboles semanticos para un conjunto de cubos
Recordemos el concepto de arbol semantico:
Dada una secuencia de smbolos de proposicion = [p
1
, p
2
, . . . , p
n
, . . .] un arbol semantico respecto
de es un arbol binario que satisface las condiciones siguientes:
1. Cada arco esta etiquetado con un literal p
i
o p
i
donde p
i
.
2. Los literales que etiquetan dos arcos que nacen del mismo nodo son opuestos.
3. Ninguna rama contiene mas de una ocurrencia de cada p
i
.
En lo que sigue, = D
1
, . . . , D
k
es un conjunto nito de cubos y [p
1
, . . . , p
n
] una ordenacion del
conjunto de los smbolos proposicionales que intervienen en .
Denicion 3.14 Un nodo N de un arbol semantico respecto de [p
1
, . . . , p
n
] para un conjunto
nito de cubos, = D
1
, . . . , D
k
, se denomina nodo exito si su interpretacion I
N
asociada es
tal que I
N
(D
i
) = 1 para alg un cubo D
i
pero ninguna de las interpretaciones asociadas a sus
ascendientes posee esta propiedad.
Un nodo exito, N, nos proporciona una interpretacion (parcial) I
N
que satisface a

. Por lo tanto,
no es preciso considerar las extensiones de I
N
.
Un arbol semantico respecto de [p
1
, . . . , p
n
] se dice cerrado si todas sus hojas son nodos exito.
Un nodo N de un arbol semantico respecto de [p
1
, . . . , p
n
] se denomina un -nodo inferencia si
sus dos descendientes inmediatos son nodos exito.
Ejemplo 3.7 Dado = p, q r, p q, p r, la gura muestra un arbol semantico cerrado
para respecto de [p, q, r]

3
3
3
3
3
3
3
33
p p
I
6
(p) = 1

r
r
r
r
r
r
r

q q

I
2
(p q) = 1
()
d
d
d
d

r r

I
4
(p r)=1

I
5
(q r) = 1
En este arbol solo el nodo marcado con () es un -nodo inferencia.
Lema 3.1 Sea N un -nodo inferencia de un arbol sem antico de = D
1
, . . . , D
k
respecto
[p
1
, . . . , p
n
], y sean D
i
, D
j
cubos a las que asignan el valor de verdad 1 las interpretaciones
asociadas al descendiente derecho de N, N
d
y al descendiente izquierdo de N, N
i
, respectivamente.
Si l y

l son los literales que etiquetan los arcos que parten de N, entonces I
N
(R

(D
i
, D
j
)) = 1. En
particular, N es un nodo exito del arbol semantico respecto de [p
1
, . . . , p
n
] para R

(D
i
, D
j
).
Demostraci on: Supongamos que N no es un nodo exito del arbol semantico respecto de [p
1
, . . . , p
n
]
para R

(D
i
, D
j
). Entonces, la interpretacion I asociada a N es tal que I
N
(R

(D
i
, D
j
)) = 0
y por lo tanto, se tiene una de las situaciones siguientes:
30 CAP

ITULO 3. DEMOSTRACI

ON AUTOM

ATICA EN L

OGICA ABDUCTIVA
1. La interpretacion I
N
i
asociada al descendiente izquierdo de N es una extension de I
N
tal que
I
N
i
(D
i
) = 0.
2. La interpretacion I
N
d
asociada al descendiente derecho de N es una extension de I
N
tal que
I
N
d
(D
j
) = 0
Por lo tanto, alguno de los dos descendientes inmediatos de N no sera nodo exito, en contra de la
hipotesis de que N es un -nodo inferencia.
Teorema 3.6 El metodo de -resolucion es:
Correcto: dado un conjunto nito de cubos = D
1
, . . . , D
k
, si existe una validaci on por
-resolucion de , entonces

= D
1
. . . D
k
es valida.
Completo: si un conjunto nito de cubos = D
1
, . . . , D
k
es tal que

= D
1
. . . D
k
es
valida, entonces existe una validacion por -resolucion de .
Demostraci on: Supongamos que D

1
, D

2
, . . . , D

l
, es una validacion por -resolucion de a
partir de . Si

= D
1
. . . D
k
no fuera valida, existira un interpretacion I tal que I(D
1
. . .
D
k
) = 0, es decir, I(D
i
) = 0 para todo cubo D
i
. Puesto que D
j
1
, D
j
2
[=

(D
j
1
, D
j
2
), se
tendra I(D

i
) = 0 para todo cubo D

i
de la secuencia D

1
, D

2
, . . . , D

l
, , y, en particular, I() = 0
lo cual es imposible.
Recprocamente, si

= D
1
. . . D
k
es valida y [p
1
, . . . , p
n
] es una ordenacion del conjunto de los
smbolos proposicionales que intervienen en , el arbol semantico completo respecto a [p
1
, . . . , p
n
]
nos permite (por ser

valida) obtener un arbol semantico cerrado T para . Si T es un arbol de
un solo nodo, entonces pues, en otro caso, se requiere al menos el primer nivel del arbol
semantico para acceder a un nodo exito. Por lo tanto, si , la secuencia de un solo elemento es
una validacion por -resolucion de . En cambio, si T no es un arbol de un solo nodo, existe entonces
al menos un -nodo inferencia, o de lo contrario todo nodo del arbol tendra un descendiente no
exito, lo cual es imposible por tratarse T de un arbol cerrado. Sea, pues, N un nodo tal, y N
1
y N
2
sus descendientes inmediatos; entonces ambos son nodos exito. Por tanto, existen cubos D
j
1
, D
j
2
en [D
1
, . . . , D
k
] (una ordenacion de los elementos de ) tales que I
N
1
(D
j
1
) = I
N
2
(D
j
2
) = 1. Sea l el
literal del arco que va de N a N
1
y

l el literal opuesto que etiqueta el arco que va de N a N

2
, entonces
por el lema previo a este teorema resulta que I
N
(R

(D
j
1
, D
j
2
)) = 1. Consideremos ahora el camino
que va desde la raz del arbol hasta N y eliminemos los arcos y nodos debajo del primer nodo de
dicho camino que cumpla que el cubo R

(D
j
1
, D
j
2
) es verdadero en la interpretacion parcial asociada
a dicho nodo. Obtenemos as un arbol semantico cerrado T

para [D
1
, . . . , D
k
] R

(D
j
1
, D
j
2
)
que es un subarbol estricto de T. Ahora, aplicamos este mismo proceso en T

obteniendo como
resultado un subarbol estricto de T

y una extension del conjunto de cubos anterior de manera

similar. Procedemos as sucesivamente de modo que, en un n umero nito de etapas, obtendremos
una secuencia cuyo arbol semantico cerrado es un arbol de un solo nodo y cuyo ultimo elemento es
, es decir, obtenemos una validacion por -resolucion de .
El modo habitual de representar las derivaciones por -resolucion a partir de un conjunto de
cubos es mediante un arbol binario, llamado arbol de -resolucion:
Denicion 3.15 Un arbol de -resolucion para un conjunto nito de cubos es un arbol
caracterizado como sigue:
3.2. -RESOLUCI

ON 31
1. Cada nodo no hoja tiene dos descendientes inmediatos.
2. Cada nodo hoja esta etiquetado por un cubo de .
3. Cada nodo no hoja esta etiquetado por una -resolvente de las etiquetas de sus descendientes
inmediatos.
Por denicion, resulta obvio el siguiente teorema:
Teorema 3.7 Si D es la etiqueta de la raz de un arbol de -resolucion para , entonces

D.
Si D es , el arbol se dice que es un arbol de validacion para .
Ejemplo 3.8 A continuacion se presenta un arbol de validacion para el conjunto de cubos
= p q, q r, p r, r

d
d
d
d
d
d
d
d
d
d
d
d
d
d
d

d
d
d

q
p q
p q p r r q r r
En general, para todo conjunto nito de cubos, , existen validaciones distintas para . El siguiente
arbol muestra una nueva validacion para el conjunto de cubos del ejemplo anterior

d
d
d
d
d
d
d
d
d
d
d
d
p r r p q q r r
p
q
r

32 CAP

ITULO 3. DEMOSTRACI

ON AUTOM

ATICA EN L

OGICA ABDUCTIVA
3.2.1. -Resolucion como algoritmo
Si el conjunto de cubos, , cuya validez estamos estudiando es nito, el conjunto de las variables
proposicionales que ocurren en tambien es nito y por lo tanto, tambien es nito el conjunto de -
resolventes que podemos obtener, ya que estas deben ser cubos restringidos (sin literales repetidos)
y, en cada aplicacion de la regla de -resolucion, el cubo obtenido tiene un literal menos.
En consecuencia, es posible generar todas las -resolventes, lo que nos lleva al algoritmo basico
construido sobre la regla de -resolucion: generar sistematicamente todas las -resolventes a partir
de un conjunto nito de cubos dado, = D
1
, . . . , D
k
. Si conjunto contiene el cubo vaco,

= D
1
. . . D
k
es valida, en caso contrario, no lo es.
En denitiva, dado un conjunto de cubos , denotamos por R

1
() la union de y el conjunto de
todas las -resolventes de cubos de (-resolventes obtenidas utilizando solo cubos de ). Para
todo n N, denimos R

n
() como sigue:
R

0
() =
R

n+1
() = R

(R

n
())
Por denicion, es claro que R

n
() R

n+1
().
El algoritmo de -resolucion construye sucesivamente R

1
(), R

2
() . . .. Si existe un k N tal que
R

k
() entonces, la disyuncion de los cubos en es valida. En caso contrario, no lo es.
Como en el caso del metodo de resolucion, el algoritmo propuesto naliza al cabo de un n umero
nito de etapas, es decir:
Teorema 3.8 Dado un conjunto de cubos, , existe m N tal que
R

n
() = R

m
() para todo n m
Puesto que el objetivo es comprobar la validez de la disyuncion de un conjunto de cubos, paramos
la construccion de la secuencia
R

1
(), R

2
(), . . . , R

m
()
cuando obtengamos . Si la disyuncion de los cubos de no es valida, sera necesario construir
conjuntos R

n
() hasta que en un paso dado no se generen nuevos cubos, lo cual indicara que el
cubo vaco no se puede deducir por -resolucion a partir de . Si eliminamos en el los cubos
insatisfacibles (ya que D D) y los cubos, D

, que subsumen (incluyen) a otro, D (ya que, en

tal caso, D D

D), obtenemos el metodo llamado -resolucion por saturacion. Al conjunto

nal de cubos obtenidos a partir de un conjunto de cubos tras aplicar el metodo de -resolucion
por saturacion, lo denotaremos por

.
El metodo de -resolucion por saturaci on nos asegura que los cubos obtenidos son minimales en el
sentido de la siguiente denicion:
Denicion 3.16 [-resolvente minimal] Decimos que un cubo, D, es una -resolvente minimal
de un conjunto de cubos, = D
1
, . . . , D
k
, si y solo si se satisfacen las tres condiciones
siguientes:
1. D es satisfacible, es decir, no contiene literales complementarios.
2.

D,
3. No existe ning un cubo D

tal que D

D
5
y

.
5
Donde consideramos cada cubo como un conjunto de literales
3.2. -RESOLUCI

ON 33
El siguiente ejemplo muestra como aplicar el metodo de de -resolucion por saturacion.
Ejemplo 3.9 Dado = p q, p r, q r, p, mostramos una validacion de que usando el
metodo de -resolucion descrito, denominado -resolucion por saturacion: Generamos sistemati-
camente todas las posibles -resolventes, comprobando si cada cubo es -resoluble con todos los
demas y comprobando si cada nueva -resolvente es a su vez resoluble con todos los demas.
1. p q
2. p r
3. q r
4. p
5. p r R

(1,3)
6. q R

(1,4) (tacha 1 porque lo contiene)

7. p q R

(2,3)
8. r R

(2,4) (tacha 2 porque lo contiene)

9. r R

(3,6) (tacha 3 y 7 porque lo contienen)

10. R

(8,9) (tacha 4,6,8 y 9 porque lo contienen)

3.2.1.1. B usqueda de soluciones explicativas mediante -resolucion
Ahora, vamos a aplicar el metodo a la b usqueda de soluciones explicativas de un problema abducti-
vo. Consideremos un problema abductivo (, O), con = A
1
, . . . , A
n
( una teora contingente
y O una observacion contingente). Buscamos soluciones explicativas conjuntivas, E =
1
. . .
k
.
En la seccion anterior hemos visto que aplicando el metodo de -resolucion por saturacion a una
fnd equivalente a (A
1
. . . A
n
) O obtenemos soluciones planas y minimales del problema
abductivo (, O). Nos queda pues asegurar como obtener soluciones explicativas, es decir, las
explicaciones E tales que satisfagan las condiciones:
, E ,[= (Consistentes con )
E ,[= O (E es una solucion que requiere a )
1. La condicion de consistencia, nos lleva a exigir que , E ,[= , es decir, ,[= E, es decir,
,[=
1
. . .
k
.
Supongamos que = A
1
, . . . , A
n
. Esta condicion es equivalente a
,[= A
1
. . . A
n

1
. . .
k
Supongamos que D

1
, . . . , D

es una fndr equivalente a A

1
. . . A
n
. La condicion
de consistencia nos lleva a exigir que,
,[= D

1
. . . D

1
. . .
k
esta exigencia es equivalente a la siguiente:
34 CAP

ITULO 3. DEMOSTRACI

ON AUTOM

ATICA EN L

OGICA ABDUCTIVA
Para todo D

i
, con 1 i n

se tiene que en D

i
,
1
, . . . ,
k
CONS
2. Para que E sea explicativa, hemos de exigir que E ,[= O, es decir, ,[= E O, es decir,
,[= O E O
1
. . .
k
.
Si D
O
1
. . . D
O
n
O
es una fndr equivalente a O, esta exigencia es equivalente a la siguiente:
,[= D
O
1
. . . D
O
n
O

1
. . .
k
.
Para todo D
O
i
, con 1 i n
O
se tiene que en D
O
i
,
1
, . . . ,
k
EXPL
Denotaremos por Ab

(, O) el conjunto de solucciones explicativas minimales al problema ab-

ductivo (, O) Por lo tanto, los pasos a seguir para la b usqueda de soluciones explicativas minimales
de un problema abductivo (, O) con = A
1
, . . . , A
n
son los siguientes:
1. Hallar FND
r
(A
1
. . . A
n
) =

= D

1
, . . . , D

,
2. Hallar FND
r
(O) =
O
= D
O
1
, . . . , D
O
n
O
,
3. Hallar FND
r
(A
1
. . . A
n
O) =
O
= D
O
1
, . . . , D
O
n
O
,
Y proceder como sigue:
I) Aplicar -resolucion por saturacion a
O
, obteniendo as las posibles soluciones planas
minimales.
II) De entre estas soluciones, E =
1
. . .
k
, seleccionar las que cumplen (CONS) y (EXPL).
Ejemplo 3.10 = p q, t s, m (p t); O = q s
I) Obtenemos
O
y le aplicamos -resolucion por saturacion:
I.1) (p q) (t s) (m (p t)) (p q) (t s) (m p) (m t). Por
lo tanto:

= p q, t s, m p, m t.
I.2)
O
= q s
I.3)
O
= p q, t s, m p, m t, q s
I.4) Aplicamos -resolucion por saturacion a
O
y obtenemos las siguientes soluciones
planas minimales:
p q, t s, q s, p s, q t, p t, m
II) Eliminamos de estas explicaciones las que no satisfacen (CONS), que son p q y t s, y
obtenemos las soluciones consistentes minimales:
q s, p s, q t, p t, m
Finalmente, eliminamos de estas soluciones las que no satisfacen (EXPL) y la unica a eliminar
es q s. Por lo tanto, obtenemos las soluciones explicativas minimales:
Ab

(, O) = p s, q t, p t, m
Captulo 4
Logica abductiva de primer orden
En este captulo centramos nuestro estudio de la abduccion en la logica de primer orden. En
este ambito, consideraremos razonamientos tales como:
(x)(P(x) Q(x)), Q(a), [=
abd
P(a)
As, por ejemplo, si conocemos que todo el que tiene gripe tiene ebre, dolor muscular y falta de
apetito y conocemos que Cecilia tiene ebre, dolor muscular y falta de apetito, hay razones para
suponer que Cecilia tiene gripe.
Este razonamiento puede simbolizarse en la logica de primer orden como sigue:
P(x) : x tiene gripe
Q(x): x tiene ebre
S(x): x tiene dolor muscular
T(x): x tiene falta de apetito
c: Cecilia.
As, pues podemos simbolizar el razonamiento abductivo por:
(x)(Px ((Q(x) S(x)) T(x)))
((Q(c) S(c)) T(c))
P(c)
Abd
Empezamos recordando la logica clasica de primer orden, que, como sabemos, permite captar mas
detalles del lenguaje natural que la logica clasica proposicional, extendiendola en dos direcciones:
considera en los enunciados atomicos la estructura predicativa, que permite diferenciar que se pre-
dica , de que o quien se predica, y permite expresar que una cierta propiedad la satisface un
ente concreto, todos los entes, alg un ente o ning un ente de un determinado universo del discurso.
En consecuencia, el alfabeto de estos lenguajes dispone de smbolos que permiten:
representar elementos arbitrarios del dominio o universo del discurso, por medio de smbolos
de variable.
representar elementos especcos del universo del discurso, por medio de smbolos de cons-
tante.
representar generadores de elementos del universo del discurso a partir de uno o varios ele-
mentos de dicho universo, por medio de smbolos de funcion.
35
36 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

expresar que nos referimos a algunos o a todos los elementos del universo del discurso, por
medio de smbolos de cuanticacion o cuanticadores.
expresar propiedades o relaciones entre los elementos del universo del discurso, por medio de
smbolos de predicado.
As pues, el alfabeto de un lenguaje de primer orden consta de los siguientes smbolos:
1. Los conectivos de la logica proposicional , , , y .
2. Los smbolos logicos y .
3. Los smbolos de cuanticacion (universal) y (existencial).
4. Los smbolos de puntuacion (, ), [, ], , y ,.
5. Un conjunto innito numerable, 1 = x, y, z, v, . . . , x
1
, y
1
, z
1
, v
1
, . . . , x
n
, y
n
, z
n
, v
n
, . . ., de
smbolos de variables.
6. Un conjunto numerable (posiblemente vaco), ( = a, b, c, . . . , a
1
, b
1
, c
1
, . . . , a
n
, b
n
, c
n
, . . ., de
smbolos de constante.
7. Un conjunto numerable (posiblemente vaco), T = f, g, h, . . . , f
1
, g
1
, h
1
, . . . , f
n
, g
n
, h
n
, . . .,
de smbolos de funcion y una funcion r
1
que asigna a cada smbolo de funcion un elemento
de N

llamado su aridad (que representa el n umero de argumentos).

8. Un conjunto numerable y no vaco, T = P, Q, R, . . . , P
1
, Q
1
, R
1
, . . . , P
n
, Q
n
, R
n
, . . ., de
smbolos de predicado y una funcion r
2
que asigna a cada smbolo de predicado un elemento
de N

llamado su aridad (que representa el n umero de argumentos).

Los smbolos referidos en 1, 2, 3, 4 y 5 son comunes a todos los lenguajes de primer orden. Por otra
parte la eleccion de los conjuntos (, T y T proporciona un lenguaje especco de primer orden y
viene determinada por la aplicacion que se pretende. Supondremos que los conjuntos 1, (, T y T
son disjuntos dos a dos.
Denicion 4.1 La signatura de un lenguaje de primer orden recoge los smbolos no comunes,
propios de cada lenguaje de primer orden, es decir, es el conjunto de smbolos
= ( T T
Hablaremos pues de un lenguaje de primer orden sobre la signatura y lo denotaremos L
1
() (o
bien L
1
((, T, T)). En denitiva, el alfabeto de una logica de primer orden con signatura es
a

= 1 , , , , , , ,
,
, (, ), , , . . .
Pasamos ahora a describir que cadenas de smbolos representan elementos del universo del discurso.
Para ello introducimos la nocion de termino:
Terminos:
Denicion 4.2 Sea a un alfabeto para la logica de primer orden. Los terminos sobre a son los
elementos de a

determinados por las siguientes reglas:

1. Las variables y los smbolos de constantes son terminos.
37
2. Si f es un smbolo de funcion n-aria y t
1
, . . . , t
n
son terminos, entonces f(t
1
, . . . , t
n
) es un
termino.
3. Solo las cadenas obtenidas aplicando las reglas 1 y 2 son terminos.
Los terminos en los que no ocurren variables se llaman terminos basicos.
Ejemplo 4.1 Si f es un smbolo de funcion monaria (es decir, de aridad 1) y g es un smbolo de
funcion binaria (es decir, de aridad 2) entonces, las expresiones
f(g(a, x)); g(f(x), g(x, y)) y g(a, g(a, g(a, f(b))))
son terminos. El tercero de ellos es un termino basico.
Los predicados se aplican sobre los terminos para formar las formulas atomicas.
Denicion 4.3 Los atomos o formulas atomicas son los elementos de a

de la forma P(t
1
, . . . , t
n
),
donde P es un smbolo de predicado n-ario y t
1
, . . . , t
n
son terminos. Denotaremos por /tom el
conjunto de atomos. Los atomos son las fbfs mas simples de L
1
(de ah el adjetivo de atomica).
Los atomos en los que no intervienen variables se llaman atomos basicos. Ellos son las expresiones
mas sencillas del lenguaje que son interpretables como aserciones (armamos que una n-upla de
objetos concretos estan en una determinada relacion n-aria).
Tenemos ya todo lo necesario para denir el conjunto de fbfs, esto es, el lenguaje. Los cuanticadores
y los conectivos permitiran obtener fbfs complejas a partir de los atomos de modo similar al caso
proposicional.
Formulas bien formadas:
El conjunto de las formulas bien formadas es el conjunto de los elementos de a

determinados por
las siguientes reglas:
1. y son fbfs.
2. Las formulas atomicas son fbfs.
3. Si A y B son fbfs, A, (A B), (A B), (A B) y (A B) son fbfs.
4. Si A es una fbf y x es un smbolo de variable, (x)A y (x)A son fbfs.
5. solo las cadenas obtenidas aplicando las reglas 1, 2, 3 y 4 son fbfs.
Como en el lenguaje de la logica proposicional, usaremos el convenio de omitir en toda fbf los
parentesis inicial y nal.
Denicion 4.4 Dado un conjunto de fbfs, la signatura de es el conjunto

= (

donde (

es el conjunto de smbolos de constantes que intervienen en , T

es el conjunto
de smbolos de funcion que intervienen en y T

es el conjunto de smbolos de predicados que

intervienen en .
Notacion: En todo lo que sigue,
1. usaremos el smbolo para representar un smbolo de cuanticacion, es decir, un elemento
del conjunto , . Diremos que y son smbolos duales de cuanticacion y usaremos

para indicar el dual de , es decir,

= y

= .
2. A[B] denota que B es una subformula de A y A[B/C] denota que al menos una ocurrencia
de B en A se ha sustituido por C.
38 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

Variables Libres y Variables Ligadas:
Denicion 4.5 Dada una fbf (x)A, decimos que x es la variable del cuanticador y A es el
rango o radio de accion del cuanticador (o de la variable cuanticada). Es decir, el rango
de un cuanticador es la fbf a la que se aplica.
Ejemplo 4.2 En la fbf (z) [(x) P(x, z) (y)(Q(z) R(y, z))] cuyo arbol sintactico es:
P(x, z)
x

Q(z)

y
r
r
r
R(y, z)
d
d
los rangos de sus cuanticadores son:
P(x, z) para (x).
Q(z) R(y, z) para (y).
(x) P(x, z) (y) (Q(z) R(y, z)) para (z).
Dada una variable x que ocurre en una fbf A, deseamos distinguir si una determinada ocurrencia de
x esta o no en el rango de un cuanticador (x). Para ello introducimos las siguientes deniciones:
Denicion 4.6 Una ocurrencia de una variable x es una ocurrencia ligada si es la variable de
un cuanticador o bien si esta en el rango de un cuanticador que la tiene como variable.
Una ocurrencia de una variable x es una ocurrencia libre si no es ligada. En denitiva, una
ocurrencia de una variable x en una fbf A es una ocurrencia libre si no es ligada en ninguna
subformula de A.
Una variable es libre si tiene ocurrencias libres y es ligada si tiene ocurrencias
ligadas.
1
Ejemplo 4.3
1. En la fbf ((x)P(x, y, a) Q(b, f(x, c)) (y)(Q(d, y) D(y)), las dos primeras ocurrencias
de x son ligadas y la tercera libre, mientras que la variable y es libre en la primera ocurrencia
y ligada en las tres restantes.
2. En la fbf (x)P(x, y) (y)(P(x, y) Q(z)), las dos primeras ocurrencias de x son ligadas
mientras que la tercera es libre. La primera ocurrencia de la variable y es libre, el resto, son
ligadas. La unica aparicion de la variable z es libre.
La interseccion de 1
libre
(A) y 1
ligada
(A) no necesariamente es el vaco. As, para la fbf
A = ((x) P(x, a, z) Q(b, f(x, c)) (y)(C(d, y) D(y))
se tiene que 1
libre
(A) = x, z y 1
ligada
(A) = x, y.
1
La noci on de variable libre en una fbf es fundamental para trabajar en los lenguajes de primer orden. Intuitiva-
mente, las variables libres son aquellas que pueden ser sustituidas.
39
Notacion: Escribiremos A(x
1
, . . . , x
n
), para expresar que en una fbf, A, las variables x
1
, . . . , x
n
son libres en A. Con esta notacion destacamos que x
1
, . . . , x
n
es un subconjunto de 1
libre
(A),
pero tengase en cuenta que este subconjunto puede ser propio, es decir, la notacion A(x
1
, . . . , x
n
) no
exige que x
1
, . . . , x
n
sean las unicas variables con ocurrencias libres en A, son simplemente variables
que queremos destacar.
Denicion 4.7 Una fbf A es cerrada o un enunciado si 1
libre
(A) = .
Las variables son smbolos que representan a elementos arbitrarios del universo de discurso. En el
desarrollo de algoritmos, transformaciones,. . . necesitaremos particularizar las fbfs a elementos
concretos o menos arbitrarios; esto lo haremos mediante la sustitucion de variables:
Sustitucion:
Comenzamos estableciendo que se entiende por renombramiento de una variable ligada.
Denicion 4.8 Sea A una fbf en la que intervienen cuanticadores. Un renombramiento de
una variable ligada x es la sustituci on de x (la variable renombrada) en el cuanticador que la tiene
como variable y en su rango, por otra (llamada la variable de renombramiento) que no intervenga
en dicho rango.
Ejemplo 4.4 Para la fbf A = ((x) P(x, a, z) Q(b, f(x, c)) (y)(C(d, y) D(y)), el renombra-
miento de x por la variable de renombramiento v, nos proporciona la fbf
A

= ((v)P(v, a, z) Q(b, f(x, c)) (y)(C(d, y) D(y))

Notacion:
1. Sea x una variable y sea t
1
, t
2
terminos. Denotaremos mediante [x/t
2
]t
1
el termino resultante
de sustituir en t
1
las apariciones de la variable x por el termino t
2
.
2. Sea x 1
libres
(A). La fbf que se obtiene a partir de la fbf A por sustitucion de todas las
ocurrencias libres de x por t, la denotaremos por [x/t]A. Si representamos la fbf A por A(x)
para destacar que x tiene ocurrencias libres en A, denotaremos [x/t]A por A(t).
Denicion 4.9 Dada la fbf A(x) y el termino basico t, la fbf [x/t]A(x) se denomina una instancia
basica de A(x). El mecanismo de sustituir una variable ligada por un termino basico se denomina
instanciacion.
En la practica, desearemos obtener una fbf, B, a partir de otra fbf, A, mediante la sustitucion
en A de variables por terminos y de modo que no se altere el signicado. A un antes de estudiar
formalmente la semantica de un lenguaje de primer orden, no dudamos en armar que si sustituimos
en la fbf
A = (x)(P(x) Q(y))
la variable y por la variable x, la fbf obtenida
B = (x)(P(x) Q(x))
tiene un signicado diferente al de A. mas en general, si sustituimos la variable y, por ejemplo, por
el termino f(x, z), obtenemos la fbf
B = (x)(P(x) Q(f(x, z)))
40 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

en la que existe una interaccion entre el cuanticador (x) y su rango, que no exista en A. Por lo
tanto, el mecanismo general para sustituir una variable por un termino, requiere ciertas precauciones
para asegurar que sustituimos ocurrencias libres en A por terminos libres en A. En denitiva,
para evitar este hecho conocido en la bibliografa como conicto de variables
2
, requerimos la
siguiente denicion:
Denicion 4.10 Sea A una fbf, x 1
libre
(A) y t un termino en el que intervienen las variables
1(t) = x
1
, . . . , x
n
. Se dice que el termino t es libre para x en A(x) (o bien que x es sustituible
por t en A(x)) si, para toda variable x
i
1(t), se tiene que ninguna ocurrencia libre de x en A
esta en el rango de una ocurrencia en A de (x
i
). Es decir, las ocurrencias de x
i
surgidas como
consecuencia de la sustitucion de x por t, son ocurrencias libres en A(t).
Ejemplo 4.5
1. y es libre para x en P(x, a).
2. y no es libre para x en (y)P(x, y).
3. En la fbf (y)P(x, y) (x)Q(x, z, a), el termino f(a, y) no es libre para x, pero s es libre
para z.
La siguiente denicion, establece como obtener [x/t]A diferenciando los casos en que el termino t
es o no libre para la variable x en A(x).
Denicion 4.11 Si t es libre para x en A(x), la sustitucion en A de x por t consiste en sustituir
en A las ocurrencias libres de x por t.
Si t no es libre para x en A(x) y 1(t) = x
1
, . . . , x
n
, la sustitucion en A de x por t consiste en
1. Renombrar en A las variables x
i
tales que x ocurre en el rango de (x
i
) por una variable de
renombramiento que no ocurra en t.
2. Sustituir en A las ocurrencias libres de x por t.
Ejemplo 4.6 Dada la fbf (z)

P(x) (x)Q(x, z)

(y)D(x, y), el termino f(a, y, z) no es libre

para x. Para realizar la sustitucion de x por el termino f(a, y, z) podemos proceder como sigue:
1. Como x ocurre libre en el rango de (z) y (y), renombramos la variable y y la variable z,
por ejemplo, por v y u respectivamente (que no ocurren en f(a, y, z)), obteniendo
(u)(P(x) (x)Q(x, u)) (v)D(x, v)
2. En segundo lugar, sustituimos las ocurrencias libres de x en A por f(a, y, z). Obtenemos as:
(u)(P(f(a, y, z)) (x)Q(x, u)) (v)D(f(a, y, z), v)
2
Variable clash en la bibliografa inglesa.
4.1. SEM

ANTICA PARA LOS LENGUAJES DE PRIMER ORDEN 41

4.1. Semantica para los Lenguajes de Primer Orden
Dar signicado a las fbfs de un lenguaje de primer orden, conlleva una mayor dicultad que la
requerida en el caso proposicional. En la logica clasica proposicional, una interpretacion queda
determinada sin mas que asignar uno de los valores de verdad 0, 1 a cada smbolo proposicional.
Como ya sabemos, denir la semantica requiere denir una terna (S, D, J), donde S es el conjunto
de valores semanticos, D S es el conjunto de valores semanticos destacados e J el conjunto de
interpretaciones.
La logica clasica de primer orden, como la logica clasica proposicional, es bivaluada, es decir
S = 0, 1 y el conjunto de valores semanticas es D = 1, la mayor dicultad se encuentra
en el conjunto de interpretaciones, J, es decir, en la denicion de interpretacion, en como establecer
cuando una fbf es verdadera o falsa. Puesto que el lenguaje nos permite detallar de que o quien ar-
mamos, que armamos y si armamos sobre todos los entes/individuos o de alguno, necesitamos en
primer lugar jar un dominio o universo del discurso, U. que determine sobre que entes/individuos
armamos y, elegido este,
1. asignar elementos especcos de U a los smbolos de constantes,
2. asignar funciones n-arias sobre U a los smbolos de funcion n-arios y
3. asignar relaciones n-arias sobre U a los smbolos de predicados n-arios.
Por otra parte, si la fbf contiene variables libres, debemos especicar que valores del dominio
representan. As, dada la fbf (x)P(x), si consideramos U = N y asignamos a P el signicado es
par, podemos asegurar que la fbf es falsa en esta interpretacion. Pero nada podemos armar sobre
la fbf P(x) si no nos pronunciamos sobre el n umero natural representado por x.
Deseamos, pues, disponer de un concepto de interpretacion que nos permita:
asignar a toda fbf cerrada el valor de verdad 0 o 1,
contemplar una fbf con variables libres como una armacion sobre el dominio, que es verdadera
o falsa dependiendo de la asignacion realizada a las variables libres.
4.1.1. Semantica de Tarski
Denicion 4.12 Una interpretacion para un lenguaje de primer orden es un par (U, I) donde:
U es un conjunto no vaco llamado dominio o universo.
I es una aplicacion, que asocia:
- a cada smbolo de constante a un elemento I(a) U.
- a cada smbolo de predicado n-ario P una relacion n-aria sobre U, es decir, I(P) U
n 3
.
- a cada smbolo de funcion n-aria f una funcion n-aria sobre U, es decir, I(f) : U
n
U.
3
As, a cada smbolo de predicado monario deberemos asociarle un subconjunto de U, a cada smbolo de predicado
binario deberemos asociarle un conjunto de pares de elementos de U (es decir subconjunto de U U), . . . a cada
smbolo de predicado n-ario un conjunto de n-tuplas (u1, . . . , un) de elementos de U.
42 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

Dada una interpretacion (U, I), las variables tienen el signicado esperado, es decir, representan
elementos cualesquiera del dominio. Este signicado se recoge mediante la nocion de valuacion de
variables:
Denicion 4.13 Una valuacion o asignacion de variables (o un entorno) asociada a una
interpretacion (U, I) es una aplicacion del conjunto de variables 1 en el dominio U.
: 1 U
Denicion 4.14 Dada una interpretaci on (U, I) y una valuaci on de variables asociada a ella,
denimos recursivamente una aplicaci on I

, llamada funcion de signicado, que asigna a cada

termino t un elemento I

(t) U como sigue:

1. I

(c) = I(c) para todo smbolo de constante c.

2. I

(x) = (x) para toda variable x.

3. I

(f(t
1
, . . . , t
n
)) = I(f)(I

(t
1
), . . . , I

(t
n
)).
Ahora, nuestro objetivo es introducir las nociones de satisfacibilidad y de validez. Para ello reque-
rimos conocer el valor de verdad asignado por una funcion de valuacion a una fbf.
Denicion 4.15 Dada una interpretacion (U, I) y una valuacion de variables asociada a (U, I),
denimos el valor de verdad de un atomo como sigue: I

() = 0, I

() = 1 y
I

(P(t
1
, . . . , t
n
)) = 1 si y solo si (I

(t
1
), . . . , I

(t
n
)) I(P)
Es decir, si la n-upla (I

(t
1
), . . . , I

(t
n
)) de elementos de U estan en la relacion I(P) (es decir, en
la relacion n-aria en U que I asocia a P).
Esta denicion se extiende recursivamente a todas las fbfs del siguiente modo:
I

(A) = 1 si y solo si I

(A) = 0, es decir, I

(A) = 1 I

(A)
I

(A B) = 1 si y solo si I

(A) = 1 y I

(B) = 1, es decir, I

(A B) = mnI

(A), I

(B)
I

(A B) = 1 si y solo si I

(A) = 1 o I

(B) = 1, es decir, I

(A B) = maxI

(A), I

(B)
I

(A B) = 1 si y solo si I

(A) = 0 o I

(B) = 1, es decir,
I

(A B) = max1 I

(A), I

(B)
La denicion para las fbfs (x)A y (x)A requiere una denicion previa que permite expresar la
asignacion de valores a una variable concreta.
Denicion 4.16 Dos valuaciones de variables y

se dicen x-equivalentes si

(y) = (y)
para toda variable y ,= x.
Obviamente, dado un smbolo de variable x, la relacion de x-equivalencia es una relacion de equi-
valencia en el conjunto de valuaciones de variables.
4.1. SEM

ANTICA PARA LOS LENGUAJES DE PRIMER ORDEN 43

Denicion 4.17
I

( (x)A) = 1 si y solo si I

(A) = 1 para toda valuacion de variables

que sea x-equivalente

a , es decir, I

( (x)A) = infI

(A) [

es x-equivalente a .
I

( (x)A) = 1 si y solo si I

(A) = 1 para alguna valuacion de variables

que sea x-
equivalente a , es decir, I

( ((x)A) = supI

(A) [

es x-equivalente a .
Teorema 4.1 (Teorema de sustitucion)
1. I

([x/t
2
]t
1
) = I

(t
1
), para

x-equivalente a y I

(t
2
) =

(x).
2. I

([x/t]A) = I

(A), para

x-equivalente a , t esta libre para x en A y, ademas, I

(t) =

(x).
Denicion 4.18
1. Una fbf A se dice satisfacible o modelizable, si existe una interpretacion (U, I) y una
valuacion de variables asociada a (U, I) tal que I

(A) = 1.
2. Una fbf A se dice verdadera en una interpretacion / = (U, I), denotado [=
M
A o bien por
I(A) = 1, si para toda valuaci on de variables se tiene que I

(A) = 1.
3. Una fbf, A, se dice que es valida, denotado [= A, si es verdadera en toda interpretaci on
(U, I), es decir, si I(A) = 1 para toda interpretacion (U, I). Obviamente, es valida.
4. Una fbf A se dice insatisfacible o que es una contradiccion, si I

(A) = 0 para toda inter-

pretacion (U, I) y toda valuacion de variables .
5. Un conjunto de fbfs se dice satisfacible o modelizable, si existe alguna interpretacion (U, I)
y una valuacion de variables asociada a (U, I) tal que I

(A) = 1 para toda fbf A de .

Como en la logica proposicional, es costumbre utilizar indistintamente las expresiones A es ver-
dadera en / y / es un modelo para A.
Denicion 4.19 Una estructura para una fbf A es una tupla de la forma
((
A
, T
A
, T
A
; U; u
1
, . . . , u
n
; F
1
, . . . , F
m
; R
1
, . . . , R
k
)
donde
= (
A
T
A
T
A
es una signatura para A y
/ = (U; u
1
, . . . , u
n
; F
1
, . . . , F
m
; R
1
, . . . , R
k
) es una interpretacion para A.
Los siguientes resultados son de gran interes para facilitar la manipulacion semantica de las fbfs.
Teorema 4.2 Sea una fbf A y sea / = (U, I) una interpretacion de L
1
, entonces si y

son dos
valuaciones de variables tales que (x) =

(x) para toda variable x tal que x 1

libre
(A), se tiene
que I

(A) = 1 si y solo si I

(A) = 1
Teorema 4.3 Dada una fbf cerrada A y una interpretacion / = (U, I), se tiene que I(A) = 1 o
bien I(A) = 0
Teorema 4.4 Dada una fbf A
1. A es valida si y solo si A es insatisfacible.
2. A(x
1
, . . . , x
n
) es satisfacible si y solo si su cierre existencial lo es.
3. A(x
1
, . . . , x
n
) es valida si y solo si su cierre universal lo es.
44 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

ee r r
El Teorema 4.4 nos permite armar que Toda la expresividad de la logica de primer
orden se obtiene usando unicamente fbfs cerradas. De hecho en un lenguaje de primer
orden las fbfs cerradas son las que simbolizan los enunciados del lenguaje natural.
A partir del Teorema 4.4 podemos plantearnos redenir la semantica limitandonos a la consideracion
de las fbfs cerradas:
Denicion 4.20 Si t
1
, . . . , t
n
son terminos basicos y / = (U; u
1
, . . . u
n
; F
1
, . . . F
m
; R) es
una interpretacion para P(t
1
. . . , t
n
), entonces denimos el valor de verdad de P(t
1
. . . , t
n
) como
sigue:
I(P(t
1
, . . . , t
n
)) = 1 si y solo si (I(t
1
), . . . , I(t
n
)) I(P) = R
Esta denicion se extiende recursivamente a todas las fbfs cerradas del siguiente modo:
Si / = (U; u
1
, . . . u
n
; F
1
, . . . F
m
; R
1
, . . . R
k
) es una interpretacion para el conjunto de fbfs
cerradas A, B, entonces, I() = 0; I() = 1 y:
1. I(A) = 1 si y solo si I(A) = 0
2. I(A B) = 1 si y solo si I(A) = 0 o I(B) = 1
3. I(A B) = 1 si y solo si I(A) = 1 y I(B) = 1
4. I(A B) = 1 si y solo si I(A) = 1 o I(B) = 1
5. I( (x)B) = 1 si y solo si para alg un u
0
U, se tiene que
I
u
0
([x/b]B) = 1
donde b es un smbolo de constante que no ocurre en B e I
u
0
es la interpretacion correspon-
diente a la extension de / que asocia u
0
a b.
6. I( (x)B) = 1 si y solo si para todo u
0
U, se tiene que
I
u
0
([x/b]B) = 1
donde b es un smbolo de constante que no ocurre en B e I
u
0
se dene como en el punto
anterior.
Debido a que la semantica de las conectivas booleanas es la misma que para la logica proposicional,
la nocion de tautologa es extensible a la logica de primer orden: Es inmediato que
Si en un esquema de tautologa de la logica proposicional sustituimos cada metasmbolo
por una fbf del lenguaje de primer orden L
1
, obtendremos tambien una fbf valida (que
llamaremos asimismo tautologa).
Tenemos, por lo tanto, el siguiente resultado:
Teorema 4.5 Todo esquema de tautologa de la logica proposicional proporciona un esquema de
tautologa en la logica de primer orden.
4.1. SEM

ANTICA PARA LOS LENGUAJES DE PRIMER ORDEN 45

Denicion 4.21 Sea / = (U, I) una interpretacion en L
1
. Dos fbfs A y B se dicen /-equivalentes,
denotado A
M
B si I(A) = I(B), es decir, si para toda valuacion de variables se tiene que
I

(A) = I

(B).
Denicion 4.22 Dos fbfs A y B se dice que son logicamente equivalentes, denotado A B,
si A
M
B para toda interpretacion / en L
1
. Obviamente,
A
M
B si y solo si A B es verdadera en /
A B si y solo si A B es valida
En particular, dos fbfs cerradas A y B son logicamente equivalentes si /od(A) = /od(B).
Los siguientes ejemplos de equivalencias muestran como, semanticamente, podemos expresar un
cuanticador en terminos del otro:
(x)A (x)A
(x)A (x)A
El siguiente resultado es una particularizacion del Teorema 4.5:
Teorema 4.6 Todo esquema de equivalencia en la logica proposicional es un esquema de equiva-
lencia en la logica de primer orden.
Por lo tanto, en L
1
disponemos de todas las equivalencias basicas de la logica proposicional: leyes
de Morgan, ley de la doble negacion, leyes de absorcion, leyes de cero y uno, etc.
Nos queda pues conocer las leyes en L
1
que nos muestran la interaccion de las conectivas booleanas
con los cuanticadores y de los cuanticadores entre s y que son las siguientes:
1. (x)(y)A(x, y) (y)(x)A(x, y)
2. (x)(y)A(x, y) (y)(x)A(x, y)
3. (x)(A(x) B(x)) (x)A(x) (x)B(x)
4. (x)(A(x) B(x)) (x)A(x) (x)B(x)
5. Si x no ocurre en B, (x)(A(x) B) (x)A(x) B
6. Si x no ocurre en B, (x)(A(x) B) (x)A(x) B
7. Si , y ,

, y z no ocurre ni en A ni en B, entonces
(x)A(x) (

x)B(x)
(x)A(x) (

z)B([x/z]) (x)(

z)(A(x) B(z)) (

z)(x)(A(x) B(z))
Teorema 4.7 Si B es una subformula de A y B
M
C, entonces A
M
A[B/C], donde A[B/C]
denota que al menos una ocurrencia de B en A se ha sustituido por C.
Como corolario de este teorema, se tiene el siguiente resultado que generaliza el teorema del mismo
nombre para la logica clasica proposicional
46 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

Teorema 4.8 (de Equivalencia) Si B es una subformula de A y B C, entonces A A[B/C].
El paso de A a A[B/C] se denomina transformacion de equivalencia.
Lema 4.1 Dada una fbf A y z un smbolo de variable que no ocurre en A(x), entonces:
1. (z)A A
2. (x)A(x) (z)A(z)
3. (x)(

x)A(x) (x)(

z)A(z) (

z)A(z)
El teorema de equivalencia permite generalizar la segunda equivalencia y justicar la denicion de
renombramiento dada en la Seccion 4:
Corolario 4.1 Si (x) es un cuanticador en la fbf A y la variable z no ocurre en A, la fbf obtenida
a partir de A sustituyendo x por z en (x) y en su rango, es equivalente a A.
La nocion de consecuencia logica desempe na el mismo papel que en el caso proposicional, y su
denicion para fbfs arbitrarias hace uso de la nocion de valuacion de variables.
Denicion 4.23 Dado un conjunto de fbfs y una fbf C, se dice que C es consecuencia
logica, o se deriva, o se inere semanticamente de , denotado [= C, si para toda interpretacion
/ = (U, I) y toda valuacion de variables se tiene que
Si I

(A
i
) = 1 para toda fbf A
i
entonces I

(C) = 1.
De nuevo, como en el caso proposicional, el signicado de [= A coincide con el de [= A. Asimismo,
si nos limitamos a fbfs cerradas, se tiene la equivalencia siguiente:
, A [= B si y solo si [= A B
en particular,
A
1
, A
2
, . . . , A
n
[= A si y solo si [= (A
1
A
2
A
n
) A
si y solo si [= A
1
(A
2
(A
3
(A
n
A) . . .))
y tambien, tenemos
Las fbfs A y B son logicamente equivalentes si y solo si A [= B y B [= A
A
1
, A
2
, . . . , A
n
[= A si y solo si A
1
A
2
A
n
A es insatisfacible
4.1.2. Forma Normal Prenexa
Como en el caso proposicional, nos interesa disponer de representantes canonicos para las clases
de equivalencia del conjunto cociente L
1
/

. En la logica de primer orden las formas normales

que se han mostrado especialmente utiles son las formas normales prenexas. Para su descripcion
necesitaremos las siguientes deniciones:
Denicion 4.24
1. Los atomos junto con sus negaciones se llaman literales. Decimos que los literales P(t
1
, . . . , t
n
)
y P(t
1
, . . . , t
n
) son literales opuestos.
4.1. SEM

ANTICA PARA LOS LENGUAJES DE PRIMER ORDEN 47

2. Una fbf se dice que es un cubo si es , o una conjuncion nita de literales.
3. Una fbf se dice que es una clausula si es , o una disyuncion nita de literales.
4. Una fbf en la que los unicos conectivos booleanos que intervienen son , y y en la que
solo afecta a los atomos se dice que es una forma normal negativa, denotada fnn.
Denicion 4.25
1. Una fbf se dice que es una forma normal prenexa, denotada fnp, si es de la forma
(
1
x
1
) . . . (
n
x
n
)B donde
(
i
x
i
) son cuanticadores con variables distintas.
B es una fbf que no contiene cuanticadores.
Dada una fnp, A = (
1
x
1
) . . . (
n
x
n
)B, a la secuencia (
1
x
1
) . . . (
n
x
n
) se le denomina prejo
de A y a la fbf B se le denomina matriz de A.
2. Una fbf se dice que es una forma normal prenexa disyuntiva, denotada fnpd, si es ,
, o una forma normal prenexa en la que su matriz es una disyuncion de cubos.
3. Una fbf se dice que es una forma normal prenexa conjuntiva, denotada fnpc, si es ,
, o una forma normal prenexa en la que su matriz es una conjuncion de clausulas.
Las nociones de clausula que contiene a otra clausula y cubo que contiene a otro cubo son las
mismas que para el caso proposicional.
Denicion 4.26 Una fnpd se dice restringida, denotada fnpdr, si su matriz cumple que:
ning un cubo contiene un literal y su opuesto.
ning un cubo contiene literales repetidos.
ning un cubo contiene a otro.
Una fnpc se dice restringida, denotada fnpcr, si su matriz cumple los siguientes requisitos:
Ninguna clausula contiene un literal y su opuesto.
Ninguna clausula contiene literales repetidos.
Ninguna clausula contiene a otra.
Teorema 4.9 Para toda fbf de L
1
existe una forma normal prenexa disyuntiva restringida y una
forma normal prenexa conjuntiva restringida equivalentes a ella.
Demostraci on: La demostracion de este teorema proporciona el algoritmo estandar para la
obtencion de las formas normales cuya existencia asegura su enunciado.
En efecto, el teorema de equivalencia nos asegura que, dada una fbf cualquiera, A, podemos obtener
a partir de A una fndr o una fncr equivalente, realizando en cada paso una sola de las siguientes
transformaciones de equivalencia y en el siguiente orden:
Paso 1 Hacer uso del Corolario 4.1 y realizar cuantos renombramientos sean necesarios para que
en A todas las variables cuanticadas sean distintas.
48 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

Paso 2 Para eliminar los conectivos y , usar las leyes
A B (A B) (B A)
A B A B
Paso 3 Usar la ley de doble negacion (A A), las leyes de Morgan ((A B) A B y
(A B) A B) y las leyes
(x)A (x)A
(x)A (x)A
Con los pasos 2 y 3 obtenemos una fbf en la que no interviene y en la que afecta
unicamente a los atomos, es decir, obtenemos una fnn.
Paso 4 Para transmitir los cuanticadores a la cabeza de la fbf, usar las leyes
(x)A B (x)(A B)
(x)A B (x)(A B)
(x)A B (x)(A B)
(x)A B (x)(A B)
Paso 5 Usar la ley distributiva de respecto a (para fnpdr) o de respecto a (para fnpcr).
Paso 6 Usar cuantas veces sea posible las leyes (para , o para ) de idempotencia, de com-
plementacion, de cero y uno y de absorcion, para obtener las formas normales restringidas.
Ejemplo 4.7 Sea (x)[R(x) (y)T(x, y)] (z) [(u)P(u, z) (v)Q(v, z)]. Hallemos una
fnpcr y una fnpdr equivalentes a ella:
(x)[R(x) (y)T(x, y)] (z) [(u)P(u, z) (v)Q(v, z)]
(x)[R(x) (y)T(x, y)] (z)[(u)P(u, z) (v)Q(v, z)]
(x)[R(x) (y)T(x, y)] (z)[(u)P(u, z) (v)Q(v, z)]
(x)[R(x) (y)T(x, y)] (z)[(u)P(u, z) (v)Q(v, z)]
(x)[R(x) (y(T(x, y)] (z)[(u)P(u, z) (v)Q(v, z)]
(x)(y)[R(x) T(x, y)] (z)(u)(v)[P(u, z) Q(v, z)]
(x)(y)(z)(u)(v)[(R(x) T(x, y)) P(u, z) Q(v, z)] (fnpc)
Usando la regla de distribucion de respcto de hubiesemos obtenido la fnpd
(x)(y)(z)(u)(v)[(R(x) P(u, z) Q(v, z)) (T(x, y) P(u, z) Q(v, z))]
4.1. SEM

ANTICA PARA LOS LENGUAJES DE PRIMER ORDEN 49

4.1.3. Skolemizaci on
Las formas normales prenexas permiten utilizar los cuanticadores de un modo limitado (solo en
la cabecera de la fbf) sin perdida de potencia expresiva. Sin embargo, es posible imponer un uso
a un mas restringido de la cuanticacion que, si bien reduce la potencia expresiva, lo hace de forma
satisfactoria. Concretamente, es posible asociar a toda fbf, A, una fbf, denotada Sk
A
, llamada
forma de Skolem asociada a A que es una forma normal prenexa y en cuyo prejo solo existen
cuanticadores universales y tal que A y Sk
A
son equisatisfacibles.
Denicion 4.27 Una fbf A se dice que es una forma normal de Skolem si es una forma prenexa
en cuyo prejo solo aparecen cuanticadores universales.
Dada una fbf cerrada A, se llama forma normal de Skolem asociada a A, denotada Sk
A
, a
toda forma normal de Skolem obtenida del modo siguiente:
1. Obtener una forma normal prenexa, A

, equivalente a A.
2. Obtener nuevas formas prenexas a partir de A

aplicando repetidamente el siguiente metodo

hasta que no haya cuanticadores existenciales en el prejo:
a) Si x es una variable cuanticada existencialmente y en el prejo de la matriz no existe
ning un cuanticador universal que preceda a (x), entonces
- Elegir un smbolo de constante a que no ocurra en la matriz.
- Sustituir x por a en la matriz.
- Eliminar (x) en el prejo.
b) Si x es una variable cuanticada existencialmente y (x
n
1
), . . . , (x
n
k
) son los cuanti-
cadores universales que preceden a (x) en el prejo de la fnp, entonces
- Elegir un smbolo de funcion f que no ocurra en la matriz.
- Sustituir x por f(x
n
1
, . . . , x
n
k
) en la matriz.
- Eliminar (x) en el prejo.
El proceso descrito para eliminar los cuanticadores existenciales se denomina skolemizacion.
Cada aplicacion de 2.a o 2.b se denomina etapa de skolemizacion y los smbolos de constante y
de funcion introducidos constantes de Skolem y funciones de Skolem, respectivamente.
Ejemplo 4.8 Consideremos la fbf
A = (y)(x)(z)(u)(t)

(P(x, y) Q(a, z, u)) (P(x, u) R(t, z))

Una forma normal de Skolem para A es

(x)(z)(u)

(P(x, b) Q(a, z, u)) (P(x, u) R(f(x, z, u), z))

Ejemplo 4.9 Considerese la fbf (x)

P(x) Q(x)

(y)P(y) (z)Q(z)

. Eliminando los
conectivos , obtenemos la fbf (x)

P(x) Q(x)

(y)P(y) (z)Q(z)

Restringiendo el ambito de solo a los atomos, obtenemos la fbf

(x)

P(x) Q(x)

(y)P(y) (z)Q(z)

50 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

y extrayendo los cuanticadores obtenemos la fbf
(x)(y)(z)

(P(x) Q(x)) P(y) Q(z)

nalmente, la eliminacion de (y) y de (x) mediante dos etapas de skolemizacion nos hace incluir
dos smbolos de constante a y b resultando la fbf
(z)

(P(a) Q(a)) P(b) Q(z)

Teorema 4.10 Si A es una fbf de L

1
y Sk
A
una forma de Skolem asociada a A, entonces
A es satisfacible si y solo si Sk
A
es satisfacible.
Denicion 4.28 Una fbf A se dice que esta en forma clausal si es una forma normal de Skolem
y su matriz es una forma normal conjuntiva.
Como en el caso proposicional, usaremos una notacion mas concisa escribiendo la matriz como
conjunto de clausulas y omitiendo los cuanticadores (ya que sabemos que todos son universales)
Ejemplo 4.10 La forma clausal (x)(y)(z)

P(x) (Q(f(x, y) P(g(z))) (Q(x, z) P(a))

,
se representa por el conjunto de clausulas
P(x), Q(f(x, y) P(g(z)), Q(x, z) P(a)
4.1.4. Herbrandizaci on
Dualmente al proceso expuesto en la seccion anterior, es posible asociar a toda fbf, A, una fbf, deno-
tada Her
A
, llamada forma normal de Herbrand asociada a A, que es una forma normal prenexa
y en cuyo prejo solo existen cuanticadores existenciales y tal que A y Her
A
son universalmente
validas simultaneamente.
Denicion 4.29 Una fbf A se dice que es una forma normal de Herbrand si es una forma
prenexa en cuyo prejo solo aparecen cuanticadores existenciales.
Dada una fbf cerrada A, se llama forma normal de Herbrand asociada a A, denotada Her
A
,
a toda forma normal de Herbrand obtenida del modo siguiente:
1. Obtener una forma normal prenexa, A

, equivalente a A.
2. Obtener nuevas formas prenexas a partir de A

aplicando repetidamente el siguiente metodo

hasta que no haya cuanticadores universales en el prejo:
a) Si x es una variable cuanticada universalmente y en el prejo de la matriz no existe
ning un cuanticador existencial que preceda a (x), entonces
- Elegir un smbolo de constante a que no ocurra en la matriz.
- Sustituir x por a en la matriz.
- Eliminar (x) en el prejo.
4.2. M

ETODO DE (-TABLAS PARA LA L

OGICA ABDUCTIVA DE PRIMER ORDEN 51

b) Si x es una variable cuanticada universalmente y (x
n
1
), . . . , (x
n
k
) son los cuanti-
cadores existenciales que preceden a (x) en el prejo de la fnp, entonces
- Elegir un smbolo de funcion f que no ocurra en la matriz.
- Sustituir x por f(x
n
1
, . . . , x
n
k
) en la matriz.
- Eliminar (x) en el prejo.
El proceso descrito para eliminar los cuanticadores universales se denomina herbrandizacion.
Cada aplicacion de 2.a o 2.b se denomina etapa de herbrandizacion.
Teorema 4.11 Si A es una fbf de L
1
y Her
A
una forma normal de Herbrand asociada a A, entonces
1. A [= Her
A
.
2. [= A si y solo si [= Her
A
Como en el caso proposicional, usaremos una notacion mas concisa escribiendo la matriz como
conjunto de clausulas y omitiendo los cuanticadores (ya que sabemos que todos son universales)
Consideramos un lenguaje de primer orden en cuya signatura no existen smbolos de funcion, es
decir L
1
((, , T).
4.2. Metodo de (-tablas para la logica abductiva de primer orden
El metodo de (-tablas es una modicacion del metodo de las tablas semanticas para la logica clasica
de primer orden.
Consideramos un lenguaje de primer orden sin smbolos de funcion, es decir un lenguaje L
1
((, , T).
El punto de partida es un conjunto nito y no vaco, (
0
, de constantes que dene una clase de (
0
-
estructuras en la que trataremos de comprobar si cierto conjunto de formulas es (
0
-satisfactible.
Denicion 4.30 Dado un conjunto nito y no vaco, (
0
= c
1
, ..., c
n
(, de constantes de
L
1
((, , T), denimos una (
0
-estructura como una estructura M = (U, I), con U como universo
de discurso e I como funcion interpretacion, tales que, ademas de los requisitos habituales, verican
[U[ = n, (el universo del discurso tiene el mismo n umero de elementos que (),
Si c
i
, c
j
(
0
, i ,= j, 1 i, j n, entonces I(c
i
) ,= I(c
j
) (dos constantes diferentes en (
0
tienen interpretaciones diferentes).
el resto de las constantes en ( (
0
se interpreta sin restricciones.
Denicion 4.31 Dado un conjunto de constantes nito y no vaco, (
0
(, y dos formulas A, B
Ls
1
((, , T), decimos que:
A es (
0
-satisfactible si y solo si existe una (
0
-estructura, M, tal que M [= A.
A es (
0
-valida, denotado [=
C
0
A si y solo si para cualquier (
0
-estructura, M se tiene que
M [= A.
B es (
0
-consecuencia logica de A, denotado A [=
C
0
B si y solo si para cualquier (
0
-estructura,
M, se tiene que si M [= A entonces M [= B.
52 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

A y B son (
0
-equivalentes si y solo si A [=
C
0
B y B [=
C
0
A.
Como en el caso proposicional, denimos:
Denicion 4.32 Dado un conjunto L
1
((, , T) y O L
1
((, , T), decimos que el par (, O)
es un problema abductivo si ,[= O y ,[= O.
Denicion 4.33 Sea L
1
((, , T) nito y (
0
= c
1
, . . . , c
n
( un conjunto nito y no vaco
de constantes que contiene al conjunto de constantes que ocurren en . Un (
0
-arbol de , denotado
T
C
0
(), es un arbol cuya construccion diere de los ya conocidos (en nuestra exposicion del metodo
de las tablas semanticas para la logica cl asica de primer orden) unicamente en que las reglas de
extension y solo consideran las constantes en (
0
:
(x)A
A[x/c
1
]
.
.
.
A[x/c
n
]
(x)A
A[x/c
1
]
.
.
.
A[x/c
n
]
(x)A
A[x/c
1
] [ . . . [ A[x/c
n
]
(x)A
A[x/c
1
] [ . . . [ A[x/c
n
]
es decir, si encontramos una fbf de tipo , como (x)A, entonces a nadimos a la rama todas las
instancias de A[x/c] con c (
0
y en el caso de la formulas de tipo , como (x)A, se ramica la
rama en la que ocurra dicha formula en n nuevas ramas (donde n = [(
0
[) y a cada una de ellas se
a nade una instancia A[x/c] con una constante c (
0
, diferente en cada caso.
Ejemplo 4.11 El a, b-arbol de (x)(y)(P(x, y) P(x, x)), es decir,
T
{a,b}

(x)(y)(P(x, y) P(x, x)))

es el siguiente:
(x)(y)(P(x, y) P(x, x))
1
(y)(P(a, y) P(a, a))
2
(y)(P(b, y) P(b, b))
5
r
r

3
P(a, a) P(a, a) P(a, b) P(a, a)
4
P(a, b) P(a, a)
P(a, a)
r
r
rr

6
P(b, a) P(b, b)
P(b, a)
P(b, b) P(b, b)
7
P(b, b)
P(a, a)

P(b, b) P(b, b)

La siguiente denicion introduce la nocion de forma normal disyuntiva de un (

0
-arbol.
Denicion 4.34 Una forma normal disyuntiva de un (
0
-arbol es una forma normal disyuntiva
que tiene un cubo por cada rama abierta del (
0
-arbol correspondiente.
Para el a, b-arbol de la gura, como solo tiene una rama abierta, su forma normal disyuntiva es
P(a, b), P(a, a), P(a, b), P(b, b) que tiene un unico cubo con los literales de dicha rama.
Los siguientes resultados son de comprobacion inmediata.
4.3. -RESOLUCI

ON ABDUCTIVA EN LA L

OGICA DE PRIMER ORDEN 53

Lema 4.2 Dado un conjunto satisfacible de literales basicos, ,
4
si todos los smbolos de constante
en pertenecen a (
0
, entonces es (
0
-satisfactible.
Corolario 4.2 El conjunto de literales que pertenecen a cualquier rama abierta de un (
0
-arbol es
siempre (
0
-satisfactible.
Directamente de las deniciones, obtenemos el siguiente resultado:
Lema 4.3 Si es el conjunto de literales que pertenecen a una rama abierta de T
C
0
(A
1
, . . . , A
m
),
entonces [=
C
A
1
. . . A
m
.
Lema 4.4 Si L
1
((, , T) es nito y (
0
-satisfacible, se tiene que:
1. Cualquier (
0
-estructura que satisfaga satisface todas las formulas de al menos una de las
ramas de T
C
0
().
2. T
:C
0
() es abierto.
Teorema 4.12 Sean A L
1
((, , T) y T
C
0
(A) un (
0
-arbol de A. Entonces, A y T
C
0
(A) son
(
0
-equivalentes.
Demostraci on: Sea / una (
0
-estructura que satisface A. Entonces, se tiene que / satisface
todas las formulas de al menos una rama de T
C
0
(A). Por lo tanto, / satisface todos los literales
de dicha rama, entre los cuales no puede haber literales complementarios, por lo tanto son literales
de una rama abierta de T
C
0
(A). Por denicion, tales literales constituyen un cubo de la forma
normal disyuntiva asociada a T
C
0
(A). En consecuencia, tenemos que / [=
C
0
A

, donde A

es la
forma normal disyuntiva asociada a T
C
0
(A).
Ahora, sea / una (
0
-estructura que satisface A

. Por denicion, / satisface todos los literales

de al menos una rama abierta de la forma normal disyuntiva asociada a T
C
0
(A) y por el lema
anterior, / [= A.
4.3. -Resoluci on Abductiva en la logica de primer orden
Veamos ahora la extension del metodo de -Resolucion a la logica de primer orden.
Como en la seccion anterior, consideramos un lenguaje de primer orden sin igualdad y sin smbolos
de funcion, L
1
((, , T) en el que tan solo consideraremos fbfs cerradas, es decir, sin variables libres.
Dado un literal, , denotamos por

su complementario. Como en el caso proposicional, denotamos
por el cubo vaco, el cual es una fbf valida.
Denicion 4.35 Dado el problema abductivo (, O), decimos que el cubo basico, E, es una solucion
(
0
-abductiva de (, O) si se satisface:
1. , E [= O.
2. E es (
0
-satisfactible.
3. E ,[= 0
4
Es decir, no contiene ning un par de literales complementarios
54 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

4. No existe ning un cubo basico E

E tal que , E

[= O
Mediante Abd
C
0
(, O) denotamos el conjunto de soluciones (
0
-abductivas al problema abductivo
(, O).
Consideramos un problema abductivo (, O), con = A
1
, . . . , A
m
.
Dados dos cubos D
1
y D
2
, la regla de -resolucion es la dual de la regla de resolucion estudiada en
el segundo volumen que, como sabemos, requiere introducir el concepto de unicador de maxima
generalidad de dos atomos proporcionado por el algoritmo de unicacion. Remitimos al lector al
segundo volumen para recordarlo.
Denicion 4.36 Sean D
1
y D
2
dos cubos sin variables en com un, y sean
1
D
1
y

2
D
2
tales
que
1
unica con
2
con umg . En tal caso se dice que D
1
y D
2
es un par resoluble y se dene
la -resolvente binaria de D
1
y C
2
respecto a
1
mediante al cubo D denido como sigue
D = (D
1

1
) (D
2

2
)
Es preciso destacar que en la denicion de -resolvente, es posible que existan varios literales a la
vez con el mismo predicado. Esta caracterstica del metodo para la logica de primer orden se conoce
con el nombre de factorizacion. Este hecho motiva la denicion siguiente.
Denicion 4.37 Si dos o mas literales (con el mismo signo) de un cubo D son unicables con
umg entonces D se dice que es un factor de D.
Denicion 4.38 Una -resolvente para los cubos D
1
y D
2
es una de las siguientes -resolventes
binarias:
1. Una -resolvente binaria de D
1
y D
2
.
2. Una -resolvente binaria de D
1
y un factor de D
2
.
3. Una -resolvente binaria de un factor de D
1
y D
2
.
4. Una -resolvente binaria de un factor de D
1
y un factor de D
2
.
Ejemplo 4.12 Podemos -resolver los cubos
D
1
= Q(x) R(x) P(x, y) P(f(z), f(z)) y
D
2
= S(u) R(w) P(f(a), f(a)) P(f(w), f(w))
considerando como umg para el conjunto de atomos
P(x, y), P(f(z), f(z)), P(f(a), f(a)), P(f(w), f(w))
es = x/f(a), y/f(a), z/a, w/a. Hallamos la -resolvente mediante y obtenemos el cubo
Q(f(a)) R(f(a)) S(u) R(a)
4.3. -RESOLUCI

ON ABDUCTIVA EN LA L

OGICA DE PRIMER ORDEN 55

4.3.0.1. B usqueda de soluciones explicativas mediante -resolucion
Ahora, podemos extender de forma natural el metodo estudiado en el caso proposicional para la
b usqueda de soluciones explicativas de un problema abductivo. Consideremos un problema abduc-
tivo (, O), con = A
1
, . . . , A
n
( una teora contingente y O una observacion contingente).
Buscamos soluciones explicativas conjuntivas, E =
1
. . .
k
.
Por lo tanto, los pasos a seguir para la b usqueda de soluciones explicativas minimales de un problema
abductivo (, O) con = A
1
, . . . , A
n
son los siguientes:
1. Hallar una forma normal de Herbrand para (A
1
. . . A
n
), a la que denotaremos por

= D

1
, . . . , D

,
2. Hallar una forma normal de Herbrand para O, denotada
O
= D
O
1
, . . . , D
O
n
O
,
3. Hallar una forma normal de Herbrand para F(A
1
. . . A
n
O), a la que denotaremos

O
= D
O
1
, . . . , D
O
n
O
,
Y proceder como sigue:
I) Aplicar -resolucion por saturacion a
O
, obteniendo as las posibles soluciones planas
minimales.
II) De entre estas soluciones, E =
1
. . .
k
, seleccionar las que cumplen (CONS) y (EXPL).
Ejemplo 4.13 = (x)

(y)(P(x, y) P(y, x) Q(x)

; O = Q(a)
I) Obtenemos
O
y le aplicamos -resolucion por saturacion:
I.1)
(x)

(y)(P(x, y) P(y, x)) Q(x)

(x)

(y)(P(x, y) P(y, x)) Q(x)

(x)

(y)(P(x, y) P(y, x) Q(x)

(x)(y)(P(x, y) P(y, x) Q(x)

Por lo tanto, herbrandizando, obtenemos:

= P(x, f(x)) P(f(x), x) Q(x)

I.2)
O
= Q(a)
I.3)
O
= P(x, f(x)) P(f(x), x) Q(x), Q(a)
I.4) Aplicamos -resolucion por saturacion a
O
y obtenemos la siguiente solucion plana
minimal:
P(a, f(a)) P(f(a), a)
que resulta que satisface (CONS) y (EXPL) y, por lo tanto, es una solucion explicativa
minimal.
56 CAP

ITULO 4. LOGICA ABDUCTIVA DE PRIMER ORDEN

4.4. Predicados Abducibles
Hasta aqu, hemos considerado la b usqueda de explicaciones abductivas sin prestar demasiada aten-
cion a la teora, o mejor haciendo tan s olo referencias generales a ella en terminos de la relacion de
consecuencia, pero en las aplicaciones el universo del discurso determina de forma natural que los
literales en la explicacion deben pertenecer a un conjunto pre-jado llamado conjunto de predica-
dos abducibles. Asimismo, los supuestos sobre los predicados abducibles estan, en general, sujetos
a restricciones, denominadas restricciones de integridad. Por lo tanto, aunque los predicados
abducibles no estan denidos en la teora, , esta aporta alguna informacion implcita sobre ellos
mediante las restricciones de integridad. En consecuencia, denimos:
Denicion 4.39 Una teora abductiva es una terna (, /, IC), donde es la teora de partida,
/ un conjunto de predicados abducibles e IC un conjunto de restricciones de integridad.
Una fbf, E es una explicacion abductiva de un problema abductivo ((, /, IC), O) si, ademas
de las propiedades exigidas hasta aqu, se satisface que E satisfacen IC.
En la bibliografa, se hace uso habitualmente de restricciones de integridad de la forma
(x)(P
1
(x) . . . P
n
(x))
o bien P
1
(x), . . . , P
n
(x) en el estilo de la programacion logica.
satisface esta restriccion de integridad si no existe ning un termino basico t
0
tal que [= P
i
(t
0
),
i = 1, 2, . . . , n.
Ejemplo 4.14 Sea (, /, IC) donde consta de las siguientes relaciones familiares:
padre(x, y) progenitor(x, y), hombre(x)
madre(x, y) progenitor(x, y), mujer(x)
hijo(x, y) progenitor(y, x), hombre(x)
hija(x, y) progenitor(y, x), mujer(x)
desc-direc(x, y) hijo(y, x)
desc direc(x, y) hija(y, x)
quiere(x, y) progenitor(y, x)
Las restricciones de integridad son IC = hombre(x), mujer(x) y los predicados abducibles
/ = progenitor, hombre, mujer.
Sea la observacion O
1
= padre(Alfredo, David). Una explicacion abductiva para O
1
es E
1
=
progenitor(Alfredo, David) hombre(Alfredo) y se trata de la unica explicacion minimal. Con-
sideremos la observacion O
2
= desc direc(Juan, Maria). Esta observacion tiene dos posibles
explicaciones:
E
2
= progenitor(Juan, Maria) hombre(Juan)
E

2
= progenitor(Juan, Maria) mujer(Juan)
Si conocemos que hombre(Juan) es verdadera entonces E

2
tiene que ser rechazada. De hecho,
ambas explicaciones son incompatibles, debido a las restricciones de integridad.Pero, puesto que
padre(Juan, Maria) pertenece a ambas explicaciones. se tiene que padre(Juan, Maria) y quiere(Juan, Maria)
son consecuencias escepticas de este problema abductivo con observacion O
2
.
Captulo 5
Aplicaciones de la L ogica Abductiva
Son muchas las aplicaciones de la logica abductiva. Comencemos destacando algunas:
Vision de alto nivel: La vision articial es usada en numerosas aplicaciones, tales como los
sistemas de vigilancia. La abduccion es fundamental para el area conocida como Vision Arti-
cial, ya que las imagenes parciales que proporciona una camara se explican abductivamente.
Las hipotesis explicativas son los objetos que producen tales imagenes.
Compresion del lenguaje natural. Tambien para interpretar el lenguaje natural se utiliza
la abduccion como herramienta para poder interpretar oraciones ambiguas. Las hipotesis ab-
ductivas, seran las posibles interpretaciones determinandose por el contexto la mas probable.
Traduccion automatica: relacionada con la aplicacion anterior, es una aplicacion sobre la
que ha trabajado extensamente Jerry Hobbs, el cual considera que la traduccion automatica, al
requerir razonamientos sobre el lenguaje a diferentes niveles (lexico, sintactico, semantico, etc)
y, a la vez, se ajusta al uso de tecnicas basadas en la logica abductiva. En efecto, la traduccion
automatica exige atender a las complicadas relaciones que existen entre los niveles lexico,
sintactico, semantico, etc. Un mnimo cambio en una letra puede hacer cambiar totalmente el
signicado de una frase. A su vez, la semantica de la oracion tendra repercusiones sintacticas.
La logica abductiva, arma Hobbs, permite solucionar de forma elegante y potente una gran
cantidad de problemas de este tipo. En su proyecto TACITUS, Hobbs aplica el razonamiento
abductivo para la b usqueda de explicaciones que hagan que la forma logica del texto sea valida
(entendiendo por forma logica del texto la traduccion a un lenguaje logico de un texto en
lenguaje natural). Para Hobbs, interpretar una sentencia es comprobar su forma logica junto
con las restricciones que los predicados imponen en sus argumentos; mezclar las redundancias
cuando sea posible y permitir suposiciones cuando sea necesario.
Se supone que tenemos una base de dato de conocimiento (hechos y reglas), que permiten
comprobar la forma logica de una oracion (que habra sido hallada a partir de un analisis
sintactico o semantico a partir de la oracion origen). Esta base contendra de todo tipo de
informacion: desde la puramente ling ustica, hasta informacion sobre creencias, presupuestos,
y cualquiera que pueda potencialmente afectar a la traduccion.
Ingeniera del software: detectando inconsistencias, violaciones de las propiedades de los
sistemas, ayudando al depurado de los errores y en la gestion de modicacion de requisitos.
57
58 CAP

ITULO 5. APLICACIONES DE LA L

OGICA ABDUCTIVA
Las especicaciones son la clave para el desarrollo de productos software. Existen muchas
aplicaciones del razonamiento abductivo en la ingeniera del software, entre ellas, las que
sirven como ayuda para el analisis y mantenimiento de las especicaciones de un sistema. Dada
una especicacion y algunos invariantes del mismo, el mecanismo de razonamiento abductivo
puede usarse para comprobar si estos invariantes se satisfacen como dice la especicacion. Para
cada invariante el razonamiento abductivo puede identicar un conjunto de contraejemplos,
si es que existen, del invariante. La informacion incluida en el contraejemplo depende del tipo
de especicacion considerada.
Otra aplicacion de la abduccion consiste en la modicacion de especicaciones, concre-
tamente, detectar inconsistencias o reestablecer algunas propiedades del sistema que hayan
sido violadas tras alg un cambio en las especicaciones del sistema, esto se traduce en una
modicacion de la teora del problema (las propiedades de las que partimos). Un problema
al modicar la teora del problema consiste en identicar los cambios que deben ser hechos
en la teora. Por ejemplo, la incorporacion de informacion (por ejemplo propiedades), que en
terminos logicos quiere decir pedir que de la informacion deba o no deba inferirse de una
especicacion dada. Usar la abduccion para ello es esencialmente interpretar estos cambios
como una observacion que debe ser explicada y la explicacion de la observacion como cambios
a realizar.
Planicacion: La planicacion es una de las ramas de la inteligencia articial con mas
aplicaciones industriales. El hecho observado es el objetivo que nos marcamos (al que queremos
llegar) y las hipotesis abductivas los posibles caminos para conseguirlo. La mejor explicacion
sera la mas economica, corta,. . .
Una de las caractersticas mas se naladas de la inteligencia humana es la planicacion de
tareas que conduzcan a alg un n. Se conoce bien la meta y es necesario explicar o justicar
los caminos que llevaran a ella. A menudo, las acciones que se pueden escoger para obtener
esa meta perseguida no son unicas, sino alternativas. Entre las variedades de que se dispone, se
eligen algunas cuya modicacion comporta un cambio local, no global, del mundo o escenario
de que se dispone.
Un ambito en el que se puede ejemplicar esto razonablemente bien es el los bloques, popu-
larizado por Terry Winograd en el mundo de la IA y que recuerda a juegos que involucran
piezas geometricas, como el Tetris o el Tangran.
En IA, el razonamiento basado en marcos incorpora ciertos aspectos de la metodologa ab-
ductiva. Esto se debe a que se comparan situaciones reales, sobre las que se deben tomar
decisiones, con patrones de diferentes situaciones prototipo que pueden estar relacionadas.
Estas decisiones no siempre forman parte una solucion, es decir, no sabemos si es correcto lo
que hemos hecho, por lo tanto la experiencia (propio de la abduccion) es un gua del camino a
seguir en la b usqueda de la solucion (aunque por s sola no nos sirve para hallar una solucion).
Ademas es habitual razonar desde el objetivo hacia el estado inicial, haciendo que se vayan
consiguiendo las precondiciones necesarias para los estados anteriores al objetivo, esto nos
lleva al uso de la abduccion.
Asimilacion de conocimiento: Muchas de las aplicaciones de la inteligencia articial estan
relacionadas con la representacion y asimilacion de conocimiento. En este caso, puede em-
plearse la abduccion para extender la base de conocimiento, no tanto por acumulacion, sino
5.1. L

OGICA EPIST

EMICA Y ABDUCCI

ON 59
mas bien por asimilacion de los nuevos datos. As, al llegar un nuevo dato, se incorporan a la
base de conocimientos las hipotesis capaces de explicar dicho dato.
Razonamiento por defecto: El razonamiento por defecto permite la aplicacion de ciertas
reglas generales en ausencia de contradicciones y se emplea frecuentemente para modelizar
sistemas en los que no es posible razonar seg un los parametros de la logica clasica. Como
indica Peter Flach, el razonamiento por defecto puede ser contempado abductivamente.
Aprendizaje: La abduccion se puede utilizar como mecanismo de aprendizaje. Cuando in-
tentamos explicar un hecho que entra en contradiccion con la teora. Deberemos modicar
esta teora, ya que ese hecho, puesto existe y tenemos evidencia de el, tiene que ser explicado
con la teora actual.
Vamos ahora a profundizar un poco mas en otras aplicaciones. Comenzamos con una aplicacion
que permite trabajar con agentes con capacidad de razonamiento abductivo y que colaboran o
compiten, desarrollada por Anna Ciampolini, Evelina Lamma, Paola Mello y Paolo Torroni de la
universidad de Bologna:
5.1. Logica Epistemica y Abduccion
Como indicamos al estudiar la logica epistemica de n agentes, la mayora de los problemas reales
tratan con entornos complejos que requieren sosticadas capacidades de razonamiento y reclaman
la solucion de varios aspectos simultaneamente. Un planteamiento centralizado, en el que un solo
agente (programa) aborde todos los aspectos del problema, resulta, en general, muy complicado y
muy costoso computacionalmente. La solucion mas aceptable consiste en contemplar varios agentes
(componentes). Estos agentes han de ser autonomos y poseer capacidades computacionales indepen-
dientes y, lo que es mas importante, sera deseable que tuvieran tener la capacidad de interactuar,
colaborar y/o competir con otros agentes.
El problema es como combinar el lenguaje de comunicacion y el lenguaje de conocimiento local.
Una propuesta de solucion a este problema es la arquitectura denominada ALIAS (Abductive Logic
Inteligent Agent System),
1
que hace uso de la logica para modelizar la capacidad de razonamiento
de los agentes y sus capacidades sociales y en la que el razonamiento local y la interaccion global
se especican en un paradigma basado en programacion logica. En esta arquitectura los agentes
poseen la capacidad de razonamiento abductivo, ya que se considera que la tarea contemplada no
es ajena a situaciones en las que el conocimiento es incompleto, lo cual requiere por parte de los
agentes la capacidad de razonamiento abductivo (para poder introducir hipotesis aceptables sobre
el dominio).
En este ambito de Sistemas Inteligentes, la abduccion se contempla como un modo de ampliar
dinamicamente el conocimiento de los agentes mediante explicaciones abductivas.
Podemos considerar entre los agentes dos tipos de coordinacion: colaboraci on y competicion. Pen-
semos, por ejemplo en sistemas de diagnostico, donde cada agente (especialista) ha de suponer
posibles causas de algunos sntomas.
Cuando se considera un solo agente, las hipotesis son asumidas si son consistentes con el conoci-
miento previo del agente. Pero en la aplicacion que nos ocupa, los diversos agentes pueden realizar
1
De Paolo Torroni
60 CAP

ITULO 5. APLICACIONES DE LA L

OGICA ABDUCTIVA
razonamientos abductivos, y sera preciso contemplar diferentes formas de combinacion de las hipote-
sis, dependiendo del papel de cada agente en el proceso y de la interaccion de los agentes entre
s.
En el caso colaborativo, los subproblemas no seran completamente independientes, ya que las
explicaciones abductivas encontradas por separado por cada agente tendran que ser conjun-
tadas y mantener la consistencia.
En el caso competitivo, sera preciso confrontar las explicaciones abductivas y disponer de
un mecanismo de seleccion.
Para abordar estas tareas, la arquitectura ALIAS utiliza el lenguaje LAILA (Language for Ab-
ductive Logic Agents).
El lenguaje LAILA
El alfabeto de LAILA es
a
LAILA
= true, p, q, . . . , p
1
, p
2
, . . . p
n
, . . . , . . . , q
1
, q
2
, . . . , a
0
, . . . , a
n
, not, , &, ; , >, ,
}
donde:
p, q, . . . , p
1
, p
2
, . . . p
n
, . . . , . . . , q
1
, q
2
, . . . son variables proposicionales (atomos basicos, abduci-
bles o no).
a
0
, . . . , a
n
los identicadores de n + 1 agentes.
not el smbolo de negacion (usado como negacion como fallo).
es la conectiva implicacion material;
& es la conectiva de colaboracion y se utiliza para realizar consultas a diferentes agentes, con
la nalidad de mezclas su respuestas en un unico conjunto de hipotesis. Por ejemplo, cada
consulta podra contemplarse como la solucion de un sub-problema del problema que se desea
resolver.
; es la conectiva de competicion.
> es la conectiva de comunicacion (usado para la realizacion de preguntas de un agente a
otros agentes).
es la conectiva de reexion hacia abajo.
,
es el operador de composicion de objetivos (estandar de la programacion logica).
Denicion 5.1
Un literal es un un atomo, p
i
o su negacion not p
i
.
Una formula comunicacion es de la forma:
a
i
> , donde a
i
es un agente y un literal,
Una formula simple es toda formula de la forma:
5.1. L

OGICA EPIST

EMICA Y ABDUCCI

ON 61
true,
(con literal),
a
i
>
j
(es decir, una formula de comunicacion).
Una formula de LAILA es el cierre inductivo libremente generado del conjunto de formulas
simples por los operadores de aridad exible & y ;.
Como hemos indicado, la interaccion entre los agentes se especica en un paradigma basado en
programacion logica y toda computacion comienza con una consulta denida como sigue:
Consulta =
def
? Cuerpo
Ejemplo 5.1
la pregunta competitiva formulada por un agente a
0
:
? O
1
; a
1
> O
2
se lee: el agente a
0
ha de ejecutar una derivacion abductiva de una explicacion para el objetivo
O
1
, o bien solicitar al agente a
1
que explique el objetivo O
2
. Podran existir varias respuestas
disponibles; en cuyo caso, el sistema seleccionara solo una de ellas.
la pregunta colaborativa formulada por el agente a
0
:
?a
1
> O
3
&a
2
> O
4
se lee: el agente a
0
solicita al agente a
1
que explique el objetivo O
3
y al agente a
2
que explique
el objetivo O
4
. De nuevo, podran existir varias respuestas disponibles; en cuyo caso, el sistema
mezcla las respuestas de a
1
y a
2
en un unico conjunto de abducibles.
En la arquitectura ALIAS, la estructura interna de cada agente consta de tres modulos:
Modulo de Razonamiento Abductivo, denotado MRA, que contiene las herramientas
de razonamiento abductivo y deductivo.
Modulo de Comportamiento del agente, denotado MCompA.
Modulo de Coordinacion entre agentes, denotado MCoorA.
y cada una de ellos incluye una base de conocimiento local, KB (abductiva y de razonamiento,
respectivamente).
La KB abductiva viene representada por un programa logico, es decir, un conjunto de clausulas
p
1
. . .
n
donde p es un atomo (la cabeza de la clausula) y
i
literales (la secuencia
1
. . .
n
se denomina
cuerpo de la clausula);
La KB de comportamiento es un conjunto de clausulas que describe el comportamiento del agente
dentro del entorno (mediante el lenguaje LAILA). En particular, el comportamiento social de cada
agente puede ser expresado (dentro de MCompA) mediante preguntas colaborativas/competitivas.
62 CAP

ITULO 5. APLICACIONES DE LA L

OGICA ABDUCTIVA
Cada vez que el comportamiento de un agente requiere una explicacion abductiva de un objetivo
O, se requiere una interaccion entre MCompA y MRA para comenzar la prueba abductiva de O.
Los distintos agentes logicos en ALIAS, estan provistos de un mecanismo para asegurar consistencias
en las suposiciones que realizan para resolver sus problemas. Para conseguir este proposito, estan
provistos de un conjunto de restricciones de integridad como destacamos en el captulo anterior.
La union de las bases de conocimiento que tienen todos los agentes forma una base de conocimientos
global que puede ir cambiando dinamicamente en funcion de la actuacion de los distintos agentes. De
hecho, aunque los agentes tiene una base de conocimiento local, tambien se pueden unir formando
ramos
2
, entre los que los agentes que lo forman han de estar de acuerdo sobre el conjunto de
hipotesis que han supuesto.
Denicion 5.2 Dado un conjunto de agentes /g. Un ramo de agentes es un subconjunto B
Ag
de /g.
Dada una formula F, el ramo de agentes asociado a F, denotado B(F), es el conjunto de
agentes que intervienen en los intercambios de mensajes que ocurren en F:
B(F) = a [ a es un agente en una formula de comunicacion que ocurre en F
Por ejemplo, dada la formula F = a
1
> O
1
; a
2
> O
2
&a
3
AO
3
, se tiene que B(F) = a
1
, a
2
, a
3

Para ponerse de acuerdo, los agentes discuten entre s sobre como afrontar los problemas y resol-
verlos. Los agentes podran desplazarse de un ramo a otro para recoger informacion y transmitirla
a su propio ramo. En denitiva, cada agente esta representado por una base de conocimiento local,
como ya hemos mencionado, creada a partir del razonamiento abductivo de un programa logico y
cada ramo esta constituido por un conjunto de agentes y una base de conocimientos global construi-
da tambien dinamicamente. Sin embargo, mientras el conocimiento estatico de cada agente puede
variar de uno a otro, el conocimiento global de un ramo debe ser com un para todos los agentes del
mismo.
Tenemos pues un conjunto de agentes paralelos que cooperan entre s para resolver determinados
problemas. Cada agente a /g tiene su propia (posiblemente incompleta) base de conocimiento,
/(a), y utiliza la abduccion como razonamiento para hallar nuevas hipotesis. Los agentes son agru-
pados en ramos y cada ramillete esta asociado con un conjunto de hipotesis abducibles, .
3
Dada
una cierta teora, se calica de abducibles solo a ciertos predicados, de forma que son tales predi-
cados los unicos que podran aparecen en las explicaciones; de esta forma se evitan explicaciones
absurdas (las cuales pueden aumentar continuamente). Ademas, los agentes de un mismo grupo
parten de un mismo conjunto de hipotesis y si uno de ellos intenta aumentar el conjunto con una
nueva, los agentes que pertenecen al mismo grupo cooperaran entre s para comprobar la consis-
tencia de esta nueva hipotesis. De modo que, si todos los agentes estan de acuerdo, incorporaran
dicha hipotesis; si no, la desecharan.
Ejemplo 5.2
1. Consideremos la pregunta competitiva formulada por el agente a
0
:
? a
1
> O
1
; a
2
> O
2
2
bunches, en la bibliografa inglesa
3
Entre las diversas tecnicas para optimizar la b usqueda de explicaciones, una de ellas es el empleo de predicados
abducibles, como estudiamos en el captulo anterior.
5.1. L

OGICA EPIST

EMICA Y ABDUCCI

ON 63
esta pregunta tiene los efectos siguientes:
a
0
pregunta al agente a
1
para resolver el objetivo O
1
; si O
1
se obtiene en a
1
, entonces se
pueden obtener n (n0) explicaciones abductivas consistentes, E
1i
(donde i 1, . . . , n)
consistentes en el ramillete a
0
, a
1
, para O
1
.
a
0
pregunta al agente a
2
para resolver el objetivo O
2
; si O
2
se obtiene en a
2
, en-
tonces se pueden obtener m (M0) explicaciones abductivas consistentes, E
2j
(donde
j 1, . . . , m) consistentes en el ramillete a
0
, a
2
, para O
2
.
La explicacion abductiva resultante es o bien E
1i
(para alg un i 1, . . . , n) o bien E
2j
(para alg un j 1, . . . , m).
Si tanto a
1
como a
2
fallan, la consulta competitiva falla.
2. Consideremos la pregunta colaborativa formulada por el agente a
0
:
? a
1
> O
1
&a
2
> O
2
que expresa que el agente a
0
consulta al agente a
1
para resolver O
1
y a la vez al agente a
2
para resolver el objetivo O
2
. La pregunta terminara con exito si y solo si ambos agentes a
1
y
a
2
terminan con exito. Esta pregunta tiene los efectos siguientes:
a
0
pregunta al agente a
1
para resolver el objetivo O
1
; si O
1
se obtiene en a
1
, entonces se
pueden obtener n (N0) explicaciones abductivas consistentes, E
1i
(donde i 1, . . . , n)
consistentes en el ramillete a
0
, a
1
, para O
1
.
a
0
pregunta al agente a
2
para resolver el objetivo O
2
; si O
2
se obtiene en a
2
, en-
tonces se pueden obtener m (m0) explicaciones abductivas consistentes, E
2j
(donde
j 1, . . . , M) consistentes en el ramillete a
0
, a
2
, para O
2
.
La explicacion abductiva resultante para la consulta colaborativa es por lo tanto, el
conjunto
E = E
k
[ (E
k
= E
1i
E
2j
y E
k
es consistente en a
o
, a
1
, a
2

Si fallan o a
1
> O
1
o a
2
> O
2
, entonces la consulta q falla.
Denicion 5.3 Un programa logico abductivo es una terna (T, /, IC), donde:
P es un programa logico (conjunto de clausulas de programa; la teora en nuestro desarrollo
anterior), posiblemente con atomos abducibles en los cuerpos de las clausulas;
/ es un conjunto de predicados abducibles, es decir, predicados que pueden ser usados
como explicaciones y que no estan denidos en la teora;
IC es un conjunto de restricciones de integridad que han de ser satisfechas por la teora.
4
En esencia, las restricciones de integridad reducen el n umero de explicaciones para una observacion.
Dado un programa abductivo (T, /, IC) y una fbf, O (observacion), el proposito de la abduccion
es encontrar un conjunto de explicaciones atomicas, E, posiblemente minimal, tales que:
4
Aunque los predicados abducibles no est an denidos en la teora, las restricciones de integridad nos pueden
permitir disponer alguna informaci on sobre ellos.
64 CAP

ITULO 5. APLICACIONES DE LA L

OGICA ABDUCTIVA
E /
P E [= O
P E satisface las restricciones de integridad IC.
A esta relacion de consecuencia la denotaremos
(T, /, IC), E [=
ab
O
Si identicamos un agente a con su programa logico abductivo, (P, /, IC), podemos usar la notacion
a, E [=
abd
O
Ejemplo 5.3 [J.Pearl] Consideremos el siguiente programa:
Lahierba-esta-mojada Llovio- ultima-noche
Lahierba-esta-mojada Losaspersores-estan-abiertos
Loszapatos-estan-mojados Lahierba-esta-mojada
donde
/ = Llovio- ultima-noche, Aspersores-abiertos
IC = Llovio- ultima-noche, Losaspersores-estan-abiertos
Para satisfacer tales restricciones, los predicados Llovio- ultima-noche y Losaspersores-estan-
abiertos no se pueden contemplar simultaneamente.
Supongamos la observacion O = Loszapatos-estan-mojados. Esta observacion puede ser expli-
cada por dos conjuntos de enunciados minimales:
Abd
1
= Llovio- ultima-noche, Losaspersores-estan-abiertos y
Abd
2
= Losaspersores-estan-abiertos, Llovio- ultima-noche
Puesto que ocurre en el cuerpo de las clausulas, podemos reemplazar los literales negados, P,
por un literal positivo = P.
Ejemplo 5.4 Consideremos el agente a
0
que representa un paciente y los agentes a
1
y a
2
que
representan especialistas medicos. Sean s
1
y s
2
los sntomas observados por tales especialistas.
El conocimiento del agente a
1
puede ser modelizado por las siguientes clausulas:
MCompA : s
1
s
1
; MRA :

s
1
d
1
d
1
, s
2
donde d
1
representa una enfermedad.
El conocimiento del agente a
2
puede ser modelizado por las siguientes clausulas:
MCompA :

s
1
s
1
s
2
s
2
MRA :

s
1
d
3
s
2
d
2
donde d
2
y d
3
representan enfermedades.
5.1. L

OGICA EPIST

EMICA Y ABDUCCI

ON 65
Ambos agentes tienen que buscar explicaciones para el sntoma s
1
. Por su parte, solo el agente a
2
puede formular una hipotesis para el sntoma s
2
. Por lo tanto, el paciente, a
0
, formula la pregunta
siguiente:
?(a
1
> s
1
; a
2
> s1) & a
2
> s
2
El MCompA de a
0
, interpreta la pregunta y enva tres mensajes diferentes para recabar explicacio-
nes a los otros agentes:
(1) a
0
pregunta por s
1
al agente a
1
en el ramo B
1
= a
0
, a
1
, lo cual signica que a
1
ha de
demostrar s
1
en B
1
. El agente a
1
reexiona hacia abajo s
1
en MCompA y esta computacion
termina produciendo la explicacion abductiva E
1
= d
1
, not s
2
.
(2) a
0
pregunta por s
1
al agente a
2
en el ramo B
2
= a
0
, a
2
, lo cual signica que a
1
ha de
demostrar s
1
en B
2
. El agente a
1
reexiona hacia abajo s
1
en el modulo local MRA. Esta
computacion termina produciendo la explicacion abductiva E
2
= d
3

(3) a
0
pregunta por s
2
al agente a
2
en el ramo B
2
= a
0
, a
2
,lo cual signica que a
1
ha de demos-
trar s
2
en B
2
. El agente a
2
aplica s
2
a la pregunta abductiva en el modulo local MCompA.
Esta computacion termina produciendo la explicacion abductiva E
3
= d
2
.
las tres computaciones comienzan en paralelo y tienen que ser coordinadas de acuerdo con los
operadores colaborativos/competitivos que ocurren en la pregunta planteada por el agente a
0
. En
particular, despues de que una o ambas de las computaciones competitivas (la 1 y la 2) nalizan,
el agente selecciona una de las dos explicaciones producidas. Tenemos dos casos posibles:
(a) E
1
= d
1
, not s
2
es seleccionada. La composicion colaborativa con a
2
sigue, en orden a
analizar su consistencia y producir hipotesis union de las dos soluciones: E = E
1
E
3
=
d
1
, not s
2
, d
2
. Si fuese inconsistente. ABM dara lugar a un mecanismo de retroceso para
encontrar otra solucion mediante la consulta a
1
> s
1
; a
2
> s
1
. Por lo tanto, a
0
cuestiona la
creacion de un ultimo ramo B
3
= a
0
, a
1
, a
2
, al que a
0
hara la pregunta d
1
, not s
2
, d
2
, para
analizar su consistencia, y generar una solucion a la pregunta completa, es decir, la nal.
Desafortunadamente, este E falla, debido a la regla de a
2
: s
2
d
2
, por lo tanto, es necesario
de nuevo un retroceso, que en este caso conduce al caso b) siguiente
(b) Se selecciona la expliacacion E
3
= d
3
. La composicion colaborativa con E
2
sigue, produ-
ciendo E

= E
3
E
2
= d
3
, d
2
que es inconsistente. a
0
procede a la creacion del ramo
B
2
= a
0
, a
2
, al que a
0
le hara la pregunta = d
3
, d
2
que termina con exito.
Por lo tanto, la unica solucion posible para la pregunta inicial es la solucion abductiva d
3
, d
2
.
66 CAP

ITULO 5. APLICACIONES DE LA L

OGICA ABDUCTIVA
Captulo 6
Logica Paraconsistente
6.1. Motivaci on
En logica clasica y en sus extensiones (tales como en las logicas modales), a partir de una contra-
diccion se puede inferir cualquier formula, es decir: para cualesquiera formulas A y B, se tiene:
A, A [= B
o, equivalentemente, [= A (A B); o bien [= (A A) B
Esta propiedad se conoce como el principio de explosion o ex contradictione sequitur quod-
libet y tambien se le conoce como paradoja de la implicacion material, debido a que nos muestra
formulas validas, pero a las que rechaza nuestra intuicion. No es la unica; podemos considerar
tambien
[= A (B A) o equivalentemente [= A (B B)
principio conocido como verum ex quodlibet sequitur.
El principio de explosion tiene como consecuencia que, dada una teora o base de conocimiento, ,
si se tiene que es inconsistente, entonces cualquier formula del lenguaje es consecuencia de y
por lo tanto carece de interes.
Las logicas cuya relacion de consecuencia semantica ( [=) o sintactica ( ) satisfacen el principio
de explosion, se dicen logicas explosivas.
Nadie duda que en el mundo real estan presentes las contradicciones. De aqu el interes de intentar
analizarlas, de intentar proporcionar mecanismos mediante los cuales la existencia de contradiccio-
nes no colapse la tarea de razonar.
Por otra parte, que hacer con los enunciados del lenguaje natural que son simultaneamente verda-
deros y falsos? Pensemos en las m ultiples versiones de la paradoja del mentiroso: Si consideramos
la frase esta frase no es verdadera, esta frase es simultaneamente verdadera y falsa. Tambien su
existencia reclama un analisis de las formulas A A.
Desde el punto de vista computacional, podemos poner muchos ejemplos que nos reclaman la
necesidad de lidiar con contradicciones. Pensemos por ejemplo en las bases de conocimiento. El
constante control de seguimiento que requiere el comprobar la coherencia interna del conocimiento
hace imposible la eciencia, ya que cada nuevo conocimiento debe ser coherente con el conocimiento
67
68 CAP

ITULO 6. L

OGICA PARACONSISTENTE
previo y este problema se ve incrementado cada vez que se incremente el tama no de la base.
1
Solucionar el problema de datos inconsistentes o contradictorios conduce a la revision en las bases
de conocimiento, que elimina datos hasta conseguir la consistencia. Pero existe otro modo, en el
que estamos interesados, el del uso de la logica paraconsistente, que no elimina las inconsistencias,
sino que tiene como objetivo evitar las derivaciones triviales a las que llevan consigo.
Ejemplo 6.1 En la logica clasica proposicional, desde una base de datos A, A, A B, C, po-
demos obtener como consecuencias aceptables o no triviales: A, A, A B (usando la propiedad
de reexividad de [=), B (usando A, A B y Modus Ponens), A B (usando A, B y la intro-
duccion de ), etc. pero tambien podemos obtener como consecuencias triviales: B, C C,
cualquier fbf D, etc (por el principio de explosion).
En este texto vamos a acercarnos a la logica paraconsistente, cuya caracterstica distintiva
acabamos de se nalar: rechazar el principio de explosion. Como precursores de la logica para-
consistente podemos destacar a Jean Lukasiewicz, Nicolai Vasiliev, S. Jaskowski, A. Arruda, N. da
Costa y Francisco Miro Quesada (en el siglo XX). Mas adelante le prestaremos especial atencion a
N. da Costa.
Respecto a los pioneros, sepamos, por ejemplo, que la logica discursiva de Jaskowski fue pensada
para analizar las posibles conclusiones en un debate entre n agentes que tienen diferentes opiniones
sobre alg un tema, algunas de ellas, contradictorias entre s. Su logica es una logica modal en el que
cada mundo posible representa a un agente y en tal mundo se satisface lo que el agente considera
verdadero. Como arma Jaskowski, Si dos personas se contradicen en un debate, esto no signica
que los demas crean cualquier cosa, ni que crean su conjuncion, es decir, no se admite el Principio
de Explosion. Lo importante es poder conocer las contradicciones que tienen lugar durante el
debate y las conclusiones que se pueden derivar desde ellas, para obviarlas y poder realizar un
analisis adecuado.
6.2. Inconsistencia y trivialidad
El rechazo del principio de explosion nos indica que la logica paraconsistente no es una extension
de la logica clasica, sino una logica rival de la logica clasica que intenta poder tratar con
contradicciones, sin que para ello haya que destruir toda la estructura del aparato deductivo y,
por lo tanto, es de interes en el estudio y desarrollo de los sistemas computacionales tolerantes
con la inconsistencia. Mas adelante detallaremos algunas de sus aplicaciones computacionales mas
destacadas.
Consideremos la logica clasica proposicional. Para poder trabajar con contradicciones rechazando
el principio de explosion, es necesario rechazar tambien por lo menos alguna de los siguientes
principios de la logica clasica proposicional: Dadas A, B L
prop
y L
prop
,
1. A [= A B Introducci on de la disyunci on
2. A B, A [= B Silogismo disyuntivo
3. Si [= A y A [= B, entonces [= B Transitividad o Corte
4. A [= A Eliminacion de la doble negacion
1
Pensemos, por ejemplo en la Web Sem antica. Es claro que se trata de una base de conocimiento inconsistente
sujeta a una sem antica denida mediante ontologas. Por lo tanto, se requiere razonar con inconsistencias.
6.2. INCONSISTENCIA Y TRIVIALIDAD 69
La razon para la necesidad de esta eliminacion es que, a partir de estos principios, se puede de-
mostrar el principio de explosion. En efecto, usemos deduccion natural para obtener A, A
DN
B
haciendo uso de estos principios:
(1) A Hipotesis.
(2) A Hipotesis.
(3) A B (1) e Introduccion de la disyuncion
(4) B (2), (3) y Silogismo Disyuntivo
Por esta razon, existen distintas logicas paraconsistentes, seg un que principio eliminemos (para
asegurar que el principio de explosion no esta presente):
La introducci on de la disyuncion, (, i), no parece ser el mejor candidato. Es difcil pensar en
la semantica de sin que dispongamos de este principio.
2
El principio que mas frecuentemente es rechazado es el silogismo disyuntivo (AB, A [= B).
Pero a que precio? Si eliminamos este principio no podemos mantener la semantica habitual
de . En efecto, si consideramos que A B A B tendramos que eliminar Modus
Ponens!, ya que
A B, A B equivale a A B, A B
es decir, o disponemos de una implicacion que no este denida por A B AB o Modus
Ponens tiene que ser eliminada, lo cual tampoco parece aceptable. Que existan excepciones a
Modus Ponens no signica que sea rechazado, pero tal opcion requiere establecer una fuerte
distincion entre violaciones graves de Modus Ponens y una regla Modus Ponens que permita
unicamente algunas excepciones. Ademas, sera necesario poder explicar por que y donde
puede fallar Modus Ponens.
Que decir del Principio de la eliminacion de la doble negacion? Informalmente, podemos
contemplar la paraconsistencia como la aceptacion de que un enunciado puede ser tal que el
y su negacion son verdaderos, pero esto nos lleva a plantarnos que requerimos una negacion
no clasica, ya que esta nos lleva al principio de explosion. Profundicemos en el concepto de
negacion. Podemos considerar como denicion de la negacion clasica la siguiente:
, A [= B para toda fbf B si y solo si [= A
Esta denicion es pura, en el sentido de que no involucra a ninguna otra conectiva. As que
tendremos que discutir que negacion consideramos y, puesto que las dos condiciones mnimas
para la negacion en terminos semanticos son:
N-(i) : Si A es falsa, entonces su negacion es verdadera.
N-(ii) : Si A es verdadera, entonces su negacion es falsa.
tendremos que realizar un analisis que nos lleve a decidir que denicion de negacion adoptar.
2
Aunque as lo hace la l ogica ANA (a la que nos referiremos posteriormente), consecuentemente, ANA trabaja
con una sem antica diferente de .
70 CAP

ITULO 6. L

OGICA PARACONSISTENTE
En denitiva, como es habitual, sera la aplicacion en la que deseemos hacer uso de una logica
paraconsistente la que nos indique cuales han de ser los principios que debamos eliminar. As, por
ejemplo, en el estudio de Sistemas Software complejos se suele eliminar la regla de la introduccion
de la disyuncion (A [= AB). Tendremos ocasion de conocer ejemplos de algunas de las aplicaciones
y debatir sobre que principios eliminar. Pero no cabe duda de que, sea cual sea la eleccion de los
principios a eliminar, deberamos justicar su eleccion en razon de:
su efectividad para bloquear explosiones,
su potencia para bloquear otros principios que sean contra-intuitivos (como lo es, claramente,
el pricipio de explosion),
que el n umero de principios de la l ogica proposicional eliminados sea minimal en alg un sentido.
Ya hemos establecido el objetivo de la logica paraconsistente: Deseamos poder trabajar con teoras
inconsistentes, de modo que podamos establecer derivaciones no triviales.
3
Pero como lo haremos?
Antes de dar la respuesta a esta pregunta, profundicemos en el concepto de consistencia. Este
concepto es clave en la logica clasica, incluso el concepto de consecuencia logica puede ser expresado
en terminos del concepto de consistencia:
C se deriva de si y solo si C es inconsistente
Tal parece que vamos a adentrarnos en arenas movedizas! Conviene pues aferrarnos a una denicion
de consecuencia logica, que no haga uso del concepto de consistencia:
C se deriva de si todo modelo de es un modelo de C
Ahora nuestra tarea sera establecer una clara diferencia entre inconsistencia y trivialidad.
Comencemos estableciendo ambos conceptos:
Denicion 6.1 Sea L
prop
y sea o
axiom
un sistema axiomatico para L
prop
. Denotemos por
Con
|=
() el conjunto de fbfs que son consecuencia logica (semantica) de , es decir,
Con
|=
() = A L
prop
[ [= A
4
Denotemos por Con
S
Axiom

() el conjunto de fbfs que son consecuencia logica (sintactica) de en

o:
A L
prop
[
S
Axiom
A
5
Se dice que:
es inconsistente si existe A L
prop
tal que A, A .
es explcitamente inconsistente si existe A L
prop
tal que A A .
3
Consideremos, por ejemplo, = {A, A, A B, C} Lprop, si Con() denota el conjunto de consecuencias
l ogicas de , se tiene que, por ejemplo, B, B C Con(), pero tambien se tiene que cualquier D Lprop es tal que
D Con()
4
Reiteremos: |= A si todo modelo de es un modelo de A.
5
Recordemos: A si existe una secuencia de fbfs en Lprop, A1, . . . , An tal que An = A y toda Ai con 1 i n1
es un axioma de S, o bien pertenece a , o bien se obtiene de dos fbfs anteriores en la secuencia, mediante las reglas
de inferencia de S.
6.3. ALGUNAS L

OGICAS PARACONSISTENTES 71
es trivial si para toda fbf, A L
prop
, se tiene que A , es decir, = L
prop
.
es semanticamente deductivamente trivial si Con
|=
() es trivial, es decir, para toda
fbf, A, se tiene que [= A.
es sintacticamente deductivamente trivial si Con

() es trivial, es decir, para toda

fbf, A, se tiene que
S
Axiom
A.
ee r r
Advirtamos que un conjunto de fbfs, , puede ser inconsistente y no ser explcitamente incon-
sistente y, recprocamente, ser explcitamente inconsistente y no ser inconsistente.
Ahora, parece que hemos delimitado todos los aspectos a considerar antes de denir que entendemos
por un sistema logico paraconsistente:
Denicion 6.2 Sea o
Axiom
un sistema axiomatico sobre L
prop
. Decimos que (L
prop
, [=,
S
Axiom
)
es paraconsitente si existe L
prop
tal que es inconsistente o bien explcitamente inconsistente,
sin ser ni semanticamente deductivamente trivial, ni sintacticamente deductivamente trivial
ee r r
Se tiene pues que la propiedad fundamental que ha de satisfacer la terna (L
prop
, [=,
S
Axiom
) es
que exista L
prop
tal que:
Existe A L
prop
tal que A, A o bien A A .
Existe B L
prop
tal que , [= B o bien ,
S
Axiom
B
ee r r
Una denicion alternativa es la siguiente: Una logica (L
prop
,
S
Axiom
) se dice paraconsistente
si el conjunto de o
Axiom
-teoremas es inconsistente, pero no trivial.
En la logica clasica proposicional, un sistema es inconsistente si y solo si es trivial. En general, las
logicas explosivas no pueden distinguir entre inconsistencia y trivialidad.. Por lo tanto, las logicas
paraconsistentes son no-explosivas.
6.3. Algunas l ogicas paraconsistentes
6.3.1. La Logica de la Paradoja LP
Esta logica fue introducida por Graham Priest, uno de los mas activos defensores de la logica
paraconsistente. El lenguaje es el de la logica clasica proposicional.
La semantica es o = (0, 1, 0, 1, 1, 0, 1, J), con J I : LP 0, 1, 0, 1.
Si I J y A LP se dice que:
A es simplemente verdadera en I si I(A) = 1.
A es simplemente falsa en I si I(A) = 0.
A es contradictoria en I si I(A) = 0, 1.
As pues, las contradicciones en LP son los enunciados que son (simultaneamente) falsos y verda-
deros. La semantica de las conectivas viene denida por las siguientes tablas:
72 CAP

ITULO 6. L

OGICA PARACONSISTENTE

0 1
1 0
0, 1 0, 1
0 1 0, 1
0 0 0 0
1 0 1 0, 1
0, 1 0 0, 1 0, 1
0 1 0, 1
0 0 1 0, 1
1 1 1 1
0, 1 0, 1 1 0, 1
0 1 0, 1
0 1 1 1
1 1 1 0,1
0, 1 0, 1 1 0, 1
0 1 0, 1
0 1 0 0, 1
1 0 1 0,1
0, 1 0, 1 0, 1 0, 1
ee r r
Advirtamos que en LP:
la negacion es una extension de la negacion clasica: A es simplemente verdadera si y
solo si A es simplemente falsa,
la negacion de una contradiccion es una contradiccion,
1 I(A B) si y solo si 1 I(A) y 1 I(B),
0 I(A B) si y solo si 0 I(A) o 0 I(B),
Denicion 6.3
1. A LP se dice valida si, para toda interpretacion I J se tiene que 1 I(A).
2. Sea LP (conjunto de fbfs) y C LP (una fbf). Se dice que C se deduce de , denotado
[=
LP
C si, para toda interpretacion I J se tiene que si 1 I(A
i
), para toda A
i
,
entonces 1 I(C), es decir:
[=
LP
C si y solo si, para toda I J se tiene que o 1 I(C) o existe A
i
tal
que 1 , I(A
i
)
En consecuencia,
En LP se satisface la ley del tercero excluido, es decir, [=
LP
A A,
LP es una extension de L
prop
, ya que las fbfs validas en L
prop
, son validas en LP,
NO se satisface que A [=
LP
B si y solo si A, B es insatisfacible,
Para toda fbf, A, se tiene que = A, A es satisfacible y [=
LP
A A.
puesto que podemos considerar una interpretacion, I, tal que I(p) = 0, 1 para toda p
1
prop
, tenemos que en LP existen conjuntos de fbfs que no son insatisfacibles
Ejemplo 6.2 Construyendo la tabla de verdad, podemos comprobar que en LP se tiene que
A B A B
6.3. ALGUNAS L

OGICAS PARACONSISTENTES 73
6.3.1.1. Conectivas denidas en LP
En LP denimos las conectivas descritas en la siguiente tabla, que no son mas que armaciones de
valores de verdad:
A TA FA A A A A
1 1 0 1 0 1 0
0 0 1 0 1 1 0
0, 1 1 1 0 0 0 1
- TA expresa que A es verdadera.
- FA expresa que A es falsa.
- A expresa que A es simplemente verdadera.
- A expresa que A es simplemente falsa.
-

A expresa que A no es contradictoria.
- A expresa que A es contradictoria.
El siguiente resultado es de comprobacion inmediata.
Lema 6.1 Para toda fbf, A, se tiene que:
1. A A.
2.

A A A.
3.

A

A.
ee r r
Advirtamos que:
A y A no son contradictorias, pero son incompatibles.
TA y A son contradictorias
FA y A son contradictorias
El siguiente resultado (cuya demostracion, inmediata a partir de las deniciones, se deja al lector)
nos detalla que:
Proposicion 6.1 Dadas A, B LP, se tiene que:
1. [=
LP
(A (A B)) B
2. [=
LP
(A (A B)) (A B)
3. [=
LP
(A A) B
El item 3 parece preocupante, ya que parece que nos impide el objetivo de anti-trivialidad. Sin
embargo, debemos volver a la denicion 6.3: no debemos confundir las nociones de validez de las
fbfs y validez de la relacion de consecuencia!. El siguiente resultado nos detalla que principios de la
relacion de consecuencia de la logica cl asica se mantienen en LP y cuales no, asegurando que LP
es una logica paraconsistente:
74 CAP

ITULO 6. L

OGICA PARACONSISTENTE
Proposicion 6.2 Dadas A, B LP, se tiene que:
1. A [=
LP
A B Se satisface la Introduccion de la Disyuncion
2. A, B [=
LP
A B Se satisface la Introduccion de la Conjuncion
3. A B [=
LP
A Se satisface la Ley de Eliminacion de la conjuncion
4. A B [=
LP
B A Se satisface la Ley de Contraposicion
5. A [=
LP
A Se satisface la Ley de Eliminacion de la doble negacion
6. (A (C B)) [=
LP
(C (A B)) Se satisface la Ley de Permutacion
7. A, A ,[=
LP
B No se satisface el Principio de Explosion
8. A, A B ,[=
LP
B No se satisface el Silogismo Disyuntivo
9. A B, B C ,[=
LP
A C No se satisface el Silogismo Hipotetico
10. A, A B ,[= B No se satisface Modus Ponens
11. A B, B ,[=
LP
A No se satisface Modus Tollens
12. A B, B ,[= A No se satisface la Introduccion de la negacion
Un simple uso de las tablas de verdad, nos permiten asegurar el siguiente resultado, de gran
importancia para abordar la tarea de b usqueda de razonadores automaticos para LP:
Teorema 6.1 Dadas las fbfs A
1
, . . . , A
n
, C LP se tiene que
Si A
1
, . . . , A
n
[=
LP
C entonces A
1
, . . . , A
n1
[=
LP
A
n
C
6.3.1.2. Metodo de las Tablas Semanticas en LP
Como sistema de refutacion, en la adaptacion de este metodo a LP, para vericar la validez de una
inferencia H
1
, . . . , H
n
[=
LP
C (o una fbf, [=
LP
), se organizan las fbfs de = H
1
, . . . , H
n
, C
(respctivamente, A) en un arbol de una sola rama como sigue:
C
T H
n
.
.
.
T H
2
T H
1
Llamaremos a este arbol el arbol inicial asociado a . Como en el caso clasico, este arbol se
ira ampliando sucesivamente mediante reglas de extension, basadas unicamente en la estructura
sintactica de las formulas. Cada arbol obtenido se denomina arbol asociado a .
Para la descripcion del metodo se agrupan las formulas por tipos, que en el caso de LP son los
siguientes:
6.3. ALGUNAS L

OGICAS PARACONSISTENTES 75
Denicion 6.4 Las fbfs se clasican en: literales, de tipo (o de comportamiento conjuntivo) y
de tipo (o de comportamiento disyuntivo). Cada formula de tipo o de tipo tiene asociada
dos componentes, denotadas
1
,
2
y
1
,
2
respectivamente. Las siguientes tablas muestran las
formulas de tipo y de tipo junto con sus componentes.

1

2
T(A B) TA TB
(A B) A B
F(A B) FA FB
(A B) A B
F(A B) TA FB
(A B) A B
TA FA FA
FA TA TA
A A A
A A A

1

2
T(A B) TA TB
(A B) A B
F(A B) FA FB
(A B) A B
T(A B) FA TB
(A B) A B
T(A B) TA FA
TB FB
F(A B) TA FA
FB TB
(A B) A A
B B
(A B) A B
B A
6.3.1.3. Reglas de Extension
El arbol inicial asociado a un conjunto de fbfs , denotado T

, es extendido sucesivamente, para

obtener arboles asociados a , mediante las siguientes reglas:
() Si
A
denota la rama determinada por el nodo hoja A y una -formula ocurre en
A
, extendemos
dicha rama a nadiendo:
Dos nodos etiquetados con sus componentes
1
,
2
si
1
,=
2
.
Un nodo etiquetado con la componente com un si
1
=
2
.

1
A
.
.
.

.
.
.

A
.
.
.

.
.
.
() Si
A
denota la rama determinada por el nodo hoja A y una -formula ocurre en
A
, extendemos
dicha rama a nadiendo:
Dos nodos si
1
,=
2
: uno como descendiente izquierdo y otro como descendiente derecho
etiquetados con sus componentes
1
y
2
respectivamente.
Un nodo etiquetado con la componente com un, si
1
=
2
.
76 CAP

ITULO 6. L

OGICA PARACONSISTENTE

d
d

1
A
.
.
.

.
.
.

A
.
.
.

.
.
.
Denicion 6.5 Sea = TH
1
, . . . , T
n
, C un conjunto de fbfs. Un arbol T se dice que es un
arbol para , si existe una secuencia de arboles T
1
, . . . , T
k
tal que:
T
1
es el arbol inicial asociado a , es decir, el arbol de una sola rama:
C
TH
n
.
.
.
TH
2
TH
1
Cada arbol T
i
(2 i k) es un arbol asociado a que es extension inmediata de T
i1
, es
decir, T
i
se obtiene de T
i1
por aplicacion de una regla de extension a uno de sus nodos.
T
k
= T.
Denicion 6.6 Sea T un arbol para . Una rama de T se dice cerrada, si en ella ocurren una
formula A y una formula A

tales que ambas son incompatibles, es decir, en ella ocurre un par de

formulas del tipo:
(B, B); (TB, B); (FB, B); (A, A)
En caso contrario, se dice que la rama es abierta. El arbol T se dice cerrado si todas sus ramas
son cerradas.
Una rama de un arbol T para se dice completa si satisface las siguientes condiciones:
1. Si la formula ocurre en , tambien sus componentes
1
y
2
ocurren en .
2. Si la formula ocurre en , o la componente
1
o la componente
2
ocurre en .
Denicion 6.7 Un arbol T para se dice terminado si toda rama es cerrada o completa.
Teorema 6.2 Para todo conjunto nito de fbfs, mediante un n umero nito de extensiones in-
mediatas se obtiene un arbol terminado para .
Demostraci on: Basta advertir que para toda -formula y para toda -formula, el grado de
sus componentes (
1
y
2
, y
1
y
2
respectivamente), en los casos en que son diferentes, es
estrictamente menor que el grado de o respectivamente.
Denicion 6.8 Llamamos refutacion para un conjunto de fbfs a todo arbol cerrado para .
Una fbf C se dice que se deriva del conjunto de fbfs H
1
, . . . , H
n
, si existe una refutacion para
H
1
, . . . , H
n
, C. En particular, una fbf A se dice demostrable si existe una refutacion para A.
Teorema 6.3 (Correccion y completitud) El metodo de las tablas sem anticas es:
1. Correcto: Si H
1
, . . . , H
n
, C puede ser refutado entonces H
1
, . . . , H
n
[=
LP
C.
2. Completo: Si H
1
, . . . , H
n
[=
LP
C, entonces existe una refutacion para H
1
, . . . , H
n
, C.
6.3. ALGUNAS L

OGICAS PARACONSISTENTES 77
6.3.1.4. Descripcion del metodo
En la construccion de un arbol para refutar un conjunto de formulas, se tienen en cuenta las
siguientes consideraciones:
Para evitar ramicaciones innecesarias, se da prioridad a la regla ().
La regla () y la regla () se aplican sobre cada nodo una sola vez. Para indicar que la -
formula o -formula correspondiente no sera usada mas, tras su aplicacion, se marca el nodo
con .
No se realiza ninguna extension sobre las ramas cerradas. Para indicar que una rama es
cerrada se marca con .
En los siguientes ejemplos hacemos uso del metodo.
Ejemplo 6.3 Demostramos que Modus Ponens, p, p q ,[=
LP
q, no es valida en LP:
T p
T (p q)
1
q
r
r

F p
T q

La rama izquierda es abierta, ya que T p y F p son compatibles. La rama derecha es cerrada, ya
que q y T q son incompatibles.
Ejemplo 6.4 Demostramos que la Ley de Absorcion [=
LP
(p (p q)) (p q), es valida en
LP:
[(p (p q)) (p q)]
1
(p (p q))
2
(p q)
3
r
r

p
p
q
(p q)
4
p
q

r
r

6.3.2. Las (-logicas de da Costa

El profesor da Costa introdujo una jerarqua de logicas denominadas C-sistemas, que son tolerantes
a la inconsistencia y que pueden admitir explosion respecto a algunos enunciados. Estos C-sistemas
son extensiones de la parte positiva (sin negacion) de logicas consistentes, como la logica clasica y el
comportamiento de la negacion caracteriza a cada uno de los sistemas de la jerarqua. La jerarqua
se denota C
1
, C
2
, . . . , C
n
, . . .. Podemos decir que, las logicas desarrolladas por Newton da Costa,
persiguen tres objetivos:
El principio de no contradiccion, (A A), no debe ser valido.
De dos formulas A y A, en general, no debe existir la posibilidad de deducir una fbf arbitraria.
78 CAP

ITULO 6. L

OGICA PARACONSISTENTE
Mantener los esquemas de axiomas y reglas de inferencia de la logica clasica que no den lugar
a concto con las dos exigencias anteriores.
Comencemos prestando atencion a la logica C
1
, limitandonos al caso proposicional.
6.3.2.1. La logica C
1
Comenzamos describiendo el calculo C
1
. El lenguaje de C
1
es el mismo que el de la logica clasica
proposicional y se introduce en el modo habitual la conectiva denida :
A B =
def
(A B) (B A)
La idea de da Costa al denir su logica C
1
, fue disponer de una logica paraconsistente, pero lo
mas cercana posible a la logica clasica proposicional. En ella, la negacion, , es una negacion
paraconsistente, es decir, existe al menos una teora, T , tal que:
existen fbfs, A tales que T [=
P
A y T [=
P
A (T es inconsistente),
existen fbfs, B, tales que o T ,[=
P
B o bien T ,[=
P
B (T no es trivial).
donde el subndice P denota que se trata de una derivacion paraconsistente.
6.3.2.2. Un sistema axiomatico para C
1
Denimos un sistema axiomatico para C
1
en el que, en principio, disponemos de:
Axiomas:
1. Axiom

1
: A (B A)
2. Axiom

2
: (A B) ((A (B C)) (A C))
3. Axiom

1
: (A B) A
4. Axiom

2
: (A B) B
5. Axiom

3
: A (B (A B))
6. Axiom

1
: A (A B)
7. Axiom

2
B (A B)
8. Axiom

3
(A C) ((B C) ((A B) C))
Regla de Inferencia:
Modus Ponens:
A, A B
B
Y como tratar la negacion? Podramos optar por a nadir como axioma el esquema
(A B) ((A B) A) (
1
)
Sin embargo esta opcion no es aceptable, ya que de (
1
) se deriva (A A) y se tiene que
A, A, B A y A, A, B A y, por lo tanto, A, A B. Por todo ello, optamos por el siguiente
esquema de axioma:
(B B) ((A B) ((A B) A)) ()
6.3. ALGUNAS L

OGICAS PARACONSISTENTES 79
ee r r
(AA) signica que A satisface el principio de no-contradiccion, es decir, A is aceptable.
Por otra parte, si AA es verdadera, entonces A es inaceptable. Podemos pues introducir
la denicion siguiente:
Denicion 6.9 Para toda fbf A denimos A
o
=
def
(A A)
A
o
expresa que A es consistente, es decir, no se tiene A y A. As, la inconsistencia se considera
una nocion primitiva, expresada por A
o
.
Ahora podemos formular el esquema () como sigue:
9. Axiom

1
: B
o
((A B) ((A B) A))
Necesitamos tambien introducir un esquema de axioma que asegure que las fbfs construidas a partir
de fbfs aceptables son as mismo aceptables:
10. Axiom

2
: (A
o
B
o
) ((A B)
o
(A B)
o
(A B)
o
con lo cual podremos deducir que (A
o
B
o
) (A B)
o
ee r r
Advirtamos que no es preciso suponer que A
o
(A)
o
ya que se trata de una forma derivable
en nuestro sistema.
Tambien parece conveniente incluir el siguiente esquema de axioma:
11. Axiom

3
: A A
Finalmente, Que podemos decir del esquema A A (
2
)? Podemos razonar que, si A es
aceptable, se comporta de forma clasica y
2
es valida. Por otra parte, si A es inaceptable, tanto
A como A son verdaderas y por el comportamiento de , y tenemos que A A (
2
) es
verdadera. As pues, consideramos el esquema
12. Axiom

4
: A A (
2
)
Tenemos pues denido un sistema axiomatico para C
1
que consta de 12 axiomas y la regla de
inferencia Modus Ponens. El concepto de deduccion de una fbf desde un conjunto de fbfs es el
habitual.
Estudiamos las propiedades basicas de C
1
. En primer lugar, directamente de las deniciones, se
tiene el siguiente resultado:
Proposicion 6.3
1. A
C
1
A Reexividad
2. Si
C
1
C, entonces si

, se tiene que

[=
C
1
C Monotona
3. Si para toda A se tiene que
C
1
A y
C
1
B, entonces
C
1
B Corte
Teorema 6.4 En C
1
se satisface que, para todo conjunto de fbfs, y cualesquiera fbfs, A, B, C:
1. Si , A B entonces A B teorema de la Deduccion
2. A, A B B Modus Ponens
80 CAP

ITULO 6. L

OGICA PARACONSISTENTE
3. A, B A B; A, B A y A, B A
4. A A B; B A B
5. Si , A C y , B C, entonces , A B C demostracion por casos
6. A A
Demostraci on: la demostracion es la misma que para la logica clasica.
Teorema 6.5 En C
1
no son esquemas de teoremas los siguientes:
1. A (A B)
2. A (A B)
3. A (A B)
4. A (A B)
5. (A A) B
6. (A A) B
7. (A B) ((A B) A)
8. A A
9. (A A) B
10. (A A) B
11. (A A)
12. (A A) (A A)
Demostraci on: El resultado puede ser probado usando las tablas siguientes con 1 y 2 como
valores destacados
A A
1 3
2 1
3 1
A B A B A B A B
1 1 1 1 1
2 1 1 1 1
3 1 1 3 1
1 2 1 1 1
2 2 1 1 1
3 2 1 3 1
1 3 3 3 1
2 3 3 3 1
3 3 1 3 3
6.3. ALGUNAS L

OGICAS PARACONSISTENTES 81
Por lo tanto, en C
1
no son validos los siguientes principios, que pueden conducir a trivializacion
A (A B); A (A B); (A A) B; (A A) B
El siguiente resultado nos sit ua a C
1
como logica rival de la logica clasica proposicional.
Teorema 6.6 Si a nadimos a los axiomas de C
1
el principio de contradiccion, (A A), obte-
nemos la logica clasica proposicional.
Ahora denimos la negacion fuerte en C
1
, que nos establecera la cercana de C
1
a la logica clasica
proposicional.
Denicion 6.10 Lamamos negacion fuerte a la conectiva denida

A =
def
A A
o
Los resultados siguientes reejan el buen comportamiento anunciado de la nueva conectiva.
Teorema 6.7 En C
1
son teoremas los siguientes esquemas
1. (A B) ((A

B)

A)
2. A (

A B)
3. A

A
En denitiva,
Teorema 6.8 En C
1
, Las conectivas

, , , satisfacen todos los esquemas y reglas de infe-

rencia de la logica cl asica proposicional.
Teorema 6.9 Si se a nade a C
1
como axioma cualquier fbf de la forma A

A se trivializa C
1
,
es decir, todas las fbfs son teoremas.
6.3.2.3. La jerarquia C
n
, 0 n
C
1
no es la unica logica en la que no son validos el principio de no contradiccion y el principio de
explosion. da Costa propone una jerarqua de logicas que gozan de estas propiedades (exceptuando
la primera de ellas, denotada C
0
y que representa la logica clasica proposicional). La jerarqua es
la siguiente
C
0
, C
1
, C
2
, . . . , C
n
, . . . , C

Como hemos indicado, C

0
representa la logica clasica proposicional. Denimos las restantes. Para
ello, comenzamos con la denicion siguiente:
Denicion 6.11 Para toda fbf, A, se denen:
A
(1)
=
def
A
o
A
(n)
=
def
A
n1
(A
(n1)
)
o
, 2 n <
La logica C

se describe mediante el siguiente sistema axiomatico:

82 CAP

ITULO 6. L

OGICA PARACONSISTENTE
Axiomas:
1. Axiom

1
: A (B A)
2. Axiom

2
: (A B) ((A (B C)) (A C))
3. Axiom

1
: (A B) A
4. Axiom

2
: (A B) B
5. Axiom

3
: A (B (A B))
6. Axiom

1
: A (A B)
7. Axiom

2
B (A B)
8. Axiom

3
(A C) ((B C) ((A B) C))
9. A A
10. A A
Regla de Inferencia:
Modus Ponens:
A A B
B
Las logicas C
n
, 1 n < , se obtienen a nadiendo en el sistema axiomatico descrito para C

los
siguientes axiomas:
C
1
n
) : B
(n)
((A B) ((A B) A)
C
2
n
) : (A
(n)
B
(n)
) ((A B)
(n)
(A B)
(n)
(A B)
(n)
)
Terminamos esta breve vision de las jerarqua de logicas paraconsistente de da Costa con el siguiente
resultado.
Teorema 6.10 Cada una de las logicas de la jerarqua de Da Costa es mas fuerte que las que le
preceden.
6.4. Aplicaciones de la l ogica paraconsistente
Las logicas paraconsistentes tienen numerosos campos de aplicacion, tanto en la tecnologa como
en la informatica. En esta seccion destacamos alguno de ellos.
1. Bases de Datos. En la actualidad, existen gran variedad de Bases de Conocimiento de gran
tama no, que son utilizadas por numerosos usuarios y generadas a partir de diversas fuentes
(quizas el ejemplo mas signicativo es el la Web). Con estas circunstancias es difcil asegurar
que no existen informaciones contradictorias. El coste de comprobar que la informacion que
se introduce no es contradictoria con la informacion ya existente es muy alto. Por eso es
conveniente tener mecanismos que nos permitan razonar sobre bases de conocimiento con
inconsistencias.
6.4. APLICACIONES DE LA L

OGICA PARACONSISTENTE 83
2. Sistemas Expertos: El desarrollo de un Sistema Experto requiere, habitualmente, conjuntar
el conocimiento de diversos expertos y, si el n umero de ellos es alto, no es extra no que existan
algunos expertos con opiniones contradictorias.
3. Percepcion en Robotica: Habitualmente, un robot es equipado con m ultiples sensores para
obtener informacion sobre un mismo aspecto, tales como sensores visuales, auditivos, tactiles
etc. Es posible que estos sensores proporciones informacion contradictoria. Por ejemplo, si
un robot avanza y se encuentra con un cristal, un sensor visual puede indicar que no hay
obstaculo (por lo tanto, que el robot puede avanzar), mientras que un sensor de tipo auditivo
(radar/sonar) detecta el obstaculo (por lo que indica que el robot no puede avanzar). Ante
esta situacion, es preciso dotar al robot de la capacidad de tomar una decision adecuada y,
para ello, la logica paraconsistente es una util herramienta.
4. Planicacion: En un sistema multiagente, un agente puede encontrar informacion contradic-
toria debido a la interaccion con otros agentes. As, por ejemplo, despues de haber planicado
una serie de acciones, el agente se dispone a coger un bloque que espera que este en una
determinada posicion, pero puede que otro agente lo haya movido a otra y, en consecuencia,
se encontrara con informacion contradictoria con sus hipotesis de partida.
5. Control de traco: Se han desarrollado sistemas software de control y seguridad de traco
aereo, de ferrocarril y de automoviles. Este se ha llevado a cabo utilizando un programa
llamado EVALPSN (y versiones posteriores).
6. Epistemologa: En el estudio del conocimiento, al analizar las circunstancias que llevan a
su obtencion y los criterios de validacion, es necesario tener en cuenta la posibilidad de que
exista informacion inconsistente.
7. Ingeniera del software: Para tratar las inconsistencias entre la documentacion, casos de
uso y el codigo en sistemas software complejos.