IA 360
Glosario Inteligencia Artificial

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.

Admin IA360 Generado con IA Read in English
Programación Lógica Inductiva

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.

Compartir este artículo

Este sitio web utiliza cookies para mejorar la experiencia de navegación. Política de cookies.

↑↓ navegar ↵ abrir esc cerrar