Introducción: ¿Por qué Probabilidad?
El problema fundamental del razonamiento bajo incertidumbre.
El Límite de la Lógica Deductiva
En la sección anterior estudiamos lógica proposicional: un sistema donde las afirmaciones son verdaderas o falsas, y las conclusiones siguen con certeza absoluta.
Pero considera este escenario:
Un policía llega a una joyería. La ventana está rota, hay vidrios en el piso, y la vitrina de diamantes está vacía. El dueño reporta que falta mercancía valiosa.
Pregunta: ¿Hubo un robo?
Con lógica deductiva pura, no podemos concluir nada:
- No vimos el robo ocurrir
- No tenemos prueba definitiva de quién lo hizo
- Podría haber otras explicaciones (aunque improbables)
Sin embargo, cualquier persona razonable diría: “Probablemente hubo un robo.”
Este es el problema: La lógica deductiva solo maneja certezas, pero el mundo real está lleno de incertidumbre.
Razonamiento Plausible
Lo que hacemos naturalmente es razonamiento plausible:
| Lógica Deductiva | Razonamiento Plausible |
|---|---|
| “Si A entonces B. A es verdad. Por lo tanto B.” | “Si A entonces B es más plausible. B es verdad. Por lo tanto A es más plausible.” |
| Certeza absoluta | Grados de creencia |
| Silogismo clásico | Actualización de evidencia |
Ejemplo del policía:
- Si hubo un robo → esperaríamos ventana rota, vitrina vacía, etc.
- Observamos ventana rota, vitrina vacía, etc.
- Por lo tanto, la hipótesis “hubo un robo” se vuelve más plausible
Este no es un silogismo válido en lógica clásica (es la “falacia de afirmar el consecuente”). Pero es exactamente cómo razonamos — y cómo debemos razonar cuando no tenemos certeza.
La Pregunta Fundamental
Si vamos a razonar con incertidumbre, necesitamos responder:
¿Cómo asignamos y actualizamos grados de plausibilidad de manera consistente?
Resulta que hay una única respuesta a esta pregunta, y esa respuesta es la teoría de probabilidad.
Esto es lo que E.T. Jaynes demuestra en su libro “Probability Theory: The Logic of Science”:
- Si queremos que nuestro razonamiento sea consistente
- Y que corresponda con el sentido común
- Entonces debemos usar las reglas de probabilidad
No es que elijamos usar probabilidad porque es conveniente — es que no hay otra opción si queremos ser racionales.
Tres Preguntas que Responderemos
1. ¿Qué es probabilidad?
No solo “frecuencia de eventos” — es algo más fundamental.
2. ¿De dónde vienen las reglas?
Las reglas de probabilidad (producto, suma, Bayes) no son axiomas arbitrarios — se derivan de requisitos de consistencia.
3. ¿Cómo se usa en la práctica?
Actualizar creencias con evidencia, tomar decisiones bajo incertidumbre, cuantificar lo que no sabemos.
Dos Tipos de Incertidumbre
Es útil distinguir entre:
Incertidumbre epistémica (del conocimiento):
- No sabemos algo, pero en principio podríamos saberlo
- Ejemplo: ¿Cuál es la capital de Mongolia? (No lo sé, pero existe una respuesta)
Incertidumbre aleatoria (del mundo):
- El resultado es inherentemente impredecible
- Ejemplo: ¿Qué saldrá en el próximo lanzamiento de dado?
La probabilidad maneja ambos tipos de incertidumbre con el mismo formalismo. Esta es una de las ideas más profundas de Jaynes: no hay diferencia fundamental entre “no saber” y “ser aleatorio” — en ambos casos, asignamos grados de plausibilidad.
El Enfoque de Este Módulo
Seguiremos el enfoque de E.T. Jaynes, que difiere del tratamiento tradicional:
| Enfoque Tradicional | Enfoque Jaynes |
|---|---|
| Empieza con axiomas (Kolmogorov) | Empieza con desiderata (requisitos) |
| Define probabilidad sobre conjuntos | Define probabilidad como extensión de lógica |
| Las reglas se postulan | Las reglas se derivan |
| “Frecuencia” o “creencia subjetiva” | “Grado de plausibilidad racional” |
El resultado matemático es el mismo (las mismas reglas), pero la interpretación y la justificación son más profundas.
Por Qué Importa para IA
Los agentes inteligentes operan bajo incertidumbre:
- Percepción: Los sensores son ruidosos
- Modelos: El mundo es parcialmente observable
- Acciones: Los efectos son probabilísticos
- Aprendizaje: Generalizar requiere manejar incertidumbre
Un agente que no puede razonar probabilísticamente está condenado a:
- Paralizarse ante la incertidumbre
- Tomar decisiones arbitrarias
- No aprender de la experiencia
La probabilidad es el lenguaje del razonamiento bajo incertidumbre.
Resumen
| Concepto | Descripción |
|---|---|
| Límite de la lógica | No puede manejar incertidumbre |
| Razonamiento plausible | Lo que hacemos naturalmente ante evidencia incompleta |
| Probabilidad | La única extensión consistente de la lógica |
| Enfoque Jaynes | Derivar las reglas, no postularlas |
Siguiente: El Robot Pensante y los Desiderata →