Medidas computacionales de ganancia de información y refuerzo en procesos de inferencia

Abstract

Esta tesis se centra en el estudio formal de la utilidad y resultados de la síntesis de conceptos inductivos y deductivos en términos de ganancia de información y refuerzo en sistemas de inferencia, El conjunto de medidas que se introducen permiten un análisis detallado y unificado del valor del resutlado de cualquier proceso de inferencia con respecto a la entrada y el contexto (conocimiento previo o sistema axiomático). Aunque las medidas más importantes, ganancia computacional de información, refuerzo e intensionalidad, se definen de manera independiente, permiten (solas o combinadas) formalizar y comprender mejor varias nociones que han sido trtadas tradicionalmente de una manera bastante ambigua: novedad, la diferencia entre explícito e implícito informatividad, sorpresa, interés, plausibilidad, confirmación, comprensibilidad, consiliencia, utilidad e incuestionabilidad. La mayoría de la smedidas se aplican a diferentes tipos de teorías y sistemas, desde la estimación de la capacidad de predicción, la optimalidad de representación, o el poder axiomático de terorías lógicas, sistemas software y bases de datos, hasta la evaluación justificada de las habilidades intelectuales de agentes cognitivos y seres humanos.