La lógica Preposicional pretende estudiar las frases declarativas simples

(enunciados o proposiciones) que son los elementos básicos de transmisión de

conocimiento humano.

De manera informal, una proposición se define como una frase que puede ser
considerada Verdadera o Falsa y que no se puede descomponer en otras frases Verdaderas o
Falsas.

Para relacionar las distintas proposiciones se utilizan las siguientes conectivas:

La lógica proposicional es la traducción del lenguaje ordinario a un lenguaje simbólico, las

relaciones entre una oración, proposición y otra; reciben un equivalente cuantificacional,
que pueden ser valorizados únicamente como verdaderos y falsos, desde la matemática
pueden ser interpretados como 0, 1; la inteligencia artificial necesita fundamentalmente un
lenguaje de tal tipo dado que no puede tener las mismas funciones que el cerebro humano,
las mentes en chip´s necesitan una serie de ordenes que pueda ejecutar mediante 0 ,1; lo
que necesariamente necesita una programacion lógica que pueda ser interpretada como
lenguaje.

Lenguaje de la lógica proposicional, equivalencia lógica, tablas de verdad, árboles

semánticos, aplicación al diseño de circuitos: álgebra de Boole. Algoritmo de resolución
proposicional, eliminación de cláusulas con literales puros.

La lógica proposicional es una rama de la lógica que permite representar hechos y/o
expresiones del mundo real en un lenguaje representativo del conocimiento mediante
propiedades elementales para estudiar a través de proposiciones o sentencias lógicas sus
posibles evaluaciones de verdad y en el caso ideal su nivel absoluto de verdad. La lógica
proposicional toma un rol muy importante en el desarrollo de la inteligencia artificial.

Ejemplos de agentes

Agente de compras: aquellos agentes que ayudan a los usuarios a navegar por internet para
encontrar productos y servicios. Por ejemplo, cuando se encuentra un artículo, se muestran
artículos relacionados seleccionados de forma inteligente.

Agente de usuario (agente personal): estos agentes están hechos para automatizar tareas al
usuario. Por ejemplo, ordenar emails de acuerdo a las preferencias del usuario, reunir
reportes de noticias personalizados o llenar formularios con información del usuario
previamente almacenada.

Agente de monitoreo y vigilancia predictiva: son usados para observar y reportar sobre un
equipo. Por ejemplo, los agentes que monitorizan el nivel de inventarios de una compañía,
aquellos que observan los precios de la competencia y los informan, etc.

Otros agentes inteligentes son los robots (arañas) de los buscadores de internet, los
filtradores de spam, etc.

Qué no es agente

Un agente no es un programa tradicional, pues reaccionan al entorno, tiene autonomía y

persistencia.

Un agente no es un objeto, porque son más autónomos que estos, son más flexibles
(reactivos, proactivos y sociales).

Un agente no es un sistema experto, porque los sistemas expertos no se acoplan a su

entorno, no están diseñados para tener comportamientos reactivos ni proactivos, ni tampoco
tienen habilidad social.

Agente inteligente

En computación, aquellos agentes de software que poseen inteligencia, estudiada en la

inteligencia artificial. Esta capacidad incluye la habilidad de adaptarse y de aprender.

La adaptación implica sentir el entorno y reconfigurarse en respuesta a este. Esto puede ser
logrado a través de la elección de algoritmos, o a través del descubrimiento de estrategias
para resolver el problema.

La habilidad de aprender, puede hacerse a través de un aprendizaje por prueba y error,

implicando una cierta capacidad de introspección y análisis de comportamientos y sucesos.
También el proceso de aprendizaje puede darse a través del ejemplo y la generalización,
esto implica capacidad de abstracción y generalización.
Arquitecturas de construcción de agentes

Una arquitectura define los mecanismos que permiten interconectar los componentes tanto
software como hardware, que hacen que un agente se comporte como tal. Un hecho evidente,
en este sentido, hoy en día es que existen infinidad de propuestas, casi tantas como equipos de
investigación centrados en el tema.

Las arquitecturas utilizadas para construir agentes especifican cómo se descomponen

los agentes en un conjunto de módulos que interactúan entre sí para lograr la funcionalidad
requerida. Uno de los aspectos básicos que diferencia una arquitectura de otra es el método de
descomposición del trabajo en tareas particulares. En este sentido hay que decir que la
planificación es un área muy fuertemente ligada al mundo de la agencia. Esta área se centra en
el estudio de mecanismos que permitan organizar la ejecución de acciones, y un agente no es
más que un sistema que ejecuta acciones en un entorno determinado.

Los sistemas de planificación utilizan modelos de representación del conocimiento y

razonamiento de tipo simbólico y su modo de actuación está definido por la necesidad de
satisfacer unos objetivos básicos, para lo que elaboran un plan. Estos sistemas tienen la
desventaja de que requieren un elevado tiempo de respuesta. Este es un gran inconveniente
cuando se utilizan en problemas de tiempo real, ya que los algoritmos de planificación no
siempre responden en un tiempo prudencial a las demandas del sistema. Esto es así debido a
que los principios básicos de la planificación son indecidibles, lo que hace que no constituyan
una opción del todo viable para los agentes. Estas críticas dirigidas fundamentalmente hacia el
modelo simbólico utilizado, llevaron a la búsqueda de alternativas que utilizasen otro modelo
de representación o razonamiento, como los reactivos o híbridos.

A continuación se presentan tres arquitecturas diferentes que se diferencian en el modelo de

razonamiento que utilizan.

a) Deliberativas. Son aquellas arquitecturas que utilizan modelos de representación simbólica

del conocimiento. Suelen estar basadas en la teoría clásica de planificación, en las que se parte
de un estado inicial de partida, existe un conjunto de planes y un estado objetivo a satisfacer.
En estos sistemas parece aceptada la idea de que es necesario dotar a los agentes de un sistema
de planificación que se encargue de determinar que pasos se deben de llevar a cabo para
conseguir sus objetivos

b) Reactivas. Los numerosos problemas que lleva asociado utilizar una representación
simbólica del conocimiento han conducido al estudio de modelos más efectivos de
representación del conocimiento. Las arquitecturas reactivas, se caracterizan por no tener como
elemento central de razonamiento un modelo simbólico y por no utilizar razonamiento
simbólico complejo.

c) Híbridas. Dado que algunos investigadores opinan que para la construcción de agentes no es
del todo acertado utilizar una arquitectura totalmente deliberativa, o totalmente reactiva, se han
propuesto sistemas híbridos que pretenden combinar aspectos de ambos modelos. Una primera
propuesta puede ser construir un agente compuesto de dos subsistemas: uno deliberativo, que
utilice un modelo simbólico y que genere planes en el sentido expuesto anteriormente, y otro
reactivo centrado en reaccionar a los eventos que tengan lugar en el entorno y que no requiera
un mecanismo de razonamiento complejo.
http://es.inteligenciaartificial.wikia.com/wiki/Inteligencia_artificial_y_la_logica_proposicio
nal
http://contradictio.com/logos/L%F2gica%20altres%20universitats/Logica
%20computacional%20UAB/logica_proposicional.pdf
http://www.elprisma.com/apuntes/curso.asp?id=14960

http://www.monografias.com/trabajos51/inteligencia-artificial/inteligencia-artificial.shtml

http://www.depi.itch.edu.mx/apacheco/expo/html/ai12/