Programación Lógica Inductiva
La programación lógica inductiva es una rama de la IA simbólica que aprende reglas lógicas a partir de ejemplos y de conocimiento previo. A diferencia del aprendizaje automático estadístico, produce hipótesis interpretables y aprende con muy pocos datos. Explicamos su idea, qué la distingue, sus sistemas y su papel en la IA neuro-simbólica.
La programación lógica inductiva (ILP, por sus siglas en inglés) es una rama de la inteligencia artificial simbólica que aprende reglas expresadas en lógica a partir de ejemplos y de conocimiento previo del dominio. Usa la programación lógica —del estilo del lenguaje Prolog— como representación común para los datos, el conocimiento de fondo y las hipótesis que induce.
Cómo funciona
El planteamiento es elegante. Se le da al sistema un conocimiento previo (hechos y reglas del dominio), un conjunto de ejemplos positivos (casos que deben cumplirse) y otro de ejemplos negativos (casos que no). A partir de ahí, la ILP busca una hipótesis —un programa lógico, un conjunto de reglas— que, junto con el conocimiento previo, explique todos los ejemplos positivos y ninguno de los negativos. Fuente primaria.
Qué la distingue del aprendizaje estadístico
Frente al aprendizaje automático más común, la ILP tiene rasgos propios. Donde aquel usa vectores de números y aprende funciones, la ILP usa reglas lógicas y aprende relaciones. Sus tres grandes ventajas son la interpretabilidad —las reglas son legibles, no una caja negra—, la incorporación natural del conocimiento del dominio y una notable eficiencia de datos: puede aprender a partir de muy pocos ejemplos.
Sus sistemas
El término lo acuñó Stephen Muggleton en 1991. Desde entonces se han sucedido varios sistemas de referencia: FOIL (Quinlan, 1990), Progol (Muggleton, 1995), Aleph (Srinivasan, 2001) y, más recientemente, Popper (Cropper y Morel), que «aprende de los fallos» podando el espacio de hipótesis cada vez que una regla falla. Documentación: artículo fundacional de ILP; artículo original de Popper.
Su papel hoy
La ILP vive un renovado interés dentro de la IA neuro-simbólica, que busca combinar el aprendizaje de las redes neuronales con el razonamiento lógico; existen versiones diferenciables que toleran datos ruidosos. Encaja además con la demanda de IA explicable. Sus aplicaciones más citadas están en la bioinformática y el descubrimiento de fármacos: el «científico robot» Eve, por ejemplo, apoyado en estas técnicas, señaló que un antiséptico común podría ser útil contra la malaria. Documentación: artículo original de Popper; informe de la Universidad de Cambridge sobre Eve.
Este artículo se ha elaborado con inteligencia artificial bajo supervisión editorial humana.