Proyecto: Sistemas de Razonamiento Lógico

El objetivo de este proyecto es aplicar los conceptos de Lógica Proposicional, Bases de Conocimiento (KB) y Satisfacibilidad (SAT) para diseñar un sistema capaz de razonar sobre un problema del mundo real.

Misión: Diseñar la “inteligencia” de un sistema que, a partir de hechos y reglas, pueda inferir estados ocultos, detectar contradicciones o resolver conflictos logísticos.

¡Ayuda disponible! Tienes a tu disposición un esqueleto de código para acelerar tu desarrollo.

:::

El Enfoque: Diseño antes que Código

En la era de los LLMs (como ChatGPT o Cursor), programar es fácil. Lo difícil es diseñar el sistema. Este proyecto se evalúa principalmente por tu capacidad de abstracción:

1. Modelar el Mundo: ¿Cómo conviertes la realidad en variables $P, Q, R$?
2. Definir las Reglas: ¿Cómo escribes las “leyes” del sistema como fórmulas lógicas?
3. Hacer Preguntas: ¿Qué le preguntarás a tu sistema para demostrar que “piensa”?

Opciones de Proyecto

Puedes elegir uno de los siguientes temas o proponer uno propio (siempre que cumpla con los requisitos mínimos).

Opción A: El Oráculo Social (Psicología y Señales)

Diseña un motor que analice interacciones sociales para inferir estados como: “¿Le gusto?”, “¿Está enojado?”, o “¿Me está mintiendo?”.

• Hechos Observables: tarda_mas_de_1_hora_en_responder, deja_en_visto, menciona_a_otros_amigos.
• Estado Oculto: interes_romantico, molestia, timidez.
• Algoritmo Sugerido: Forward Chaining si usas Cláusulas de Horn (reglas tipo “Si A y B entonces C”), o Resolución si permites reglas más complejas.

Opción B: Auditor de Seguridad (Hackeo Lógico)

Diseña las reglas de una casa inteligente o un sistema de acceso y usa un SAT Solver para encontrar “backdoors” o fallos de seguridad.

• Reglas: “Si el dueño está fuera, la alarma debe estar armada”. “Si la alarma está armada, la puerta debe estar cerrada”.
• Vulnerabilidad: Encuentra si existe una combinación de valores (modelo) donde las reglas se cumplen pero una condición de seguridad se rompe (ej. puerta_abierta y alarma_armada).
• Algoritmo Sugerido: DPLL o un SAT Solver (como pysat o el satisfiable de sympy) para encontrar el modelo que causa el fallo.

Opción C: Arquitecto de Eventos (Logística de Caos)

Resuelve el conflicto de horarios de un festival de música o un congreso donde hay recursos limitados y deseos en conflicto.

• Restricciones: “Banda A y Banda B no pueden tocar al mismo tiempo”. “El escenario principal solo tiene 3 turnos”.
• Deseos: “El usuario quiere ver a la Banda A y a la Banda C”.
• Algoritmo Sugerido: Modelado como SAT. Debes convertir las restricciones a CNF y verificar si el conjunto total de deseos + restricciones es satisfacible.

Hoja de Ruta Técnica: Eligiendo tu Algoritmo

Dependiendo de cómo diseñes tu Base de Conocimiento (KB), puedes implementar diferentes algoritmos vistos en clase:

Requisitos Mínimos

Para que tu proyecto sea válido, debe incluir:

1. Diccionario de Variables: Una lista clara de qué significa cada literal proposicional.
2. Base de Conocimiento (KB): Al menos 10 reglas lógicas (implicaciones, bicondicionales, disyunciones) que definan el funcionamiento del sistema.
3. Motor de Inferencia/SAT:
   • Debe poder recibir una consulta (ASK).
   • Debe poder determinar si una sentencia es Entailed ($\models$) o si un conjunto de sentencias es Satisfacible.
4. Demo Funcional: El sistema debe tener una interfaz o script que permita interactuar con él (puedes usar Streamlit, JavaScript/HTML, una CLI robusta en Python, etc.). Consulta el código base para ver un ejemplo de integración con Streamlit.
5. Casos de Prueba: Al menos 3 escenarios diferentes (ej. “Caso donde todo es consistente”, “Caso donde hay contradicción”, “Caso donde la respuesta es incierta”).

Proceso de Desarrollo Sugerido

graph TD
    A[Elegir Problema] --> B[Diseñar Variables y Reglas en Papel]
    B --> C[Definir Preguntas Clave para el Sistema]
    C --> D[Usar Cursor/IA para implementar el motor lógico]
    D --> E[Desarrollar Interfaz/Demo]
    E --> F[Probar con Casos de Uso y tomar Screenshots]
    F --> G[Documentar Abstracción y Resultados]
    
    style B fill:#9d4edd,stroke:#333,color:#fff
    style C fill:#9d4edd,stroke:#333,color:#fff
    style E fill:#0ea5e9,stroke:#333,color:#fff

Evaluación

Nota Crítica: El código funcional y la documentación completa en GitHub son requisitos obligatorios. Si el proyecto no corre o no tiene documentación, la calificación es 0, independientemente del diseño.

Guía de Documentación Detallada (E2E)

Para asegurar la máxima puntuación, tu README.md en GitHub debe seguir esta estructura detallada:

1. Definición del Problema

Describe brevemente qué estás resolviendo y por qué la lógica proposicional es adecuada para este caso.

2. Diccionario de Variables

Presenta una tabla con tus variables proposicionales.

• Mal: P = “Está feliz”.
• Bien: persona_esta_feliz: Verdadero si el sujeto muestra signos de alegría tras la interacción.

3. Especificación de la Base de Conocimiento (KB)

Este es el corazón del proyecto. Documenta cada regla en tres niveles:

1. Lenguaje Natural: “Si me ignora en WhatsApp pero publica historias, entonces está enojado”.
2. Lógica Formal: $(\text{ignora_wa} \land \text{publica_historia}) \rightarrow \text{esta_enojado}$.
3. Justificación: ¿Por qué esta regla tiene sentido en tu modelo?

4. Implementación del Motor Lógico

Explica brevemente qué herramienta o librería usaste (ej. pysat, sympy, o tu propio algoritmo de resolución) y cómo transformas la entrada del usuario en consultas lógicas.

5. Guía de Uso y Demo

• Instrucciones de Instalación: Pasos claros para correr tu código localmente.
• Screenshots de Casos de Uso:
  • Caso A (Consistente): Hechos que llevan a una conclusión clara.
  • Caso B (Inconsistente): Hechos que causan una contradicción en la KB.
  • Caso C (Incierto): Hechos que no son suficientes para asegurar una conclusión (ASK retorna “Unknown”).

Entrega

1. Nuevo Repositorio: Debes crear un repositorio de GitHub completamente nuevo y separado de este curso para tu proyecto. No subas tu código al repositorio de la clase.
2. El repositorio debe tener un README.md profesional que siga la Guía de Documentación.
3. Link en Canvas: Entrega el link de tu nuevo repositorio de GitHub en la tarea correspondiente. Sin link de GitHub (externo) no hay calificación.
4. Importante: Asegúrate de que el repositorio sea público o invites al profesor como colaborador.

Esqueleto de Código

Para ayudarte a comenzar, hemos preparado un cascaron base en Python con Streamlit. Este código está separado en dos partes para mantener el orden:

1. logic.py: El “cerebro” donde definirás tu Base de Conocimiento y algoritmos de inferencia.
2. app.py: La interfaz visual para interactuar con tu lógica.

💡 Libertad de Herramientas

El esqueleto es solo una ayuda, no una obligación. Puedes desarrollar tu proyecto usando las herramientas que prefieras:

• Web Moderna: React, Vue, o JavaScript vainilla.
• Data Science: Notebooks de Jupyter interactivos.
• Reto Pro: Si decides implementar tu motor lógico usando Prolog, obtendrás 0.2 décimas extras en la calificación final del proyecto (debido a que Prolog es el lenguaje natural para la programación lógica y requiere un esfuerzo adicional de aprendizaje).