La IA se ha visto asaltada por mitos sobre robots asesinos. En esta página dejamos los aspectos cercanos a la ciencia-ficción y nos centramos en modelos (generalmente matemáticos) para simular la capacidad humana de tomar decisiones ante incertidumbre. El lector no debe atemorizarse ante la expresión "modelos matemáticos", ya que el lenguaje matemático utilizado es muy sencillo.

Los contenidos hacen referencia a tecnologías que pueden aplicarse a sistemas de ayuda a la decisión en muy diversos contextos: decisiones financieras, diagnóstico industrial, tratamiento médico, gestión de bases de conocimiento, etc.

• Empezamos por la teoría bayesiana clasica de la probailidad. Es una referencia esencial en el tratamiento de la probabilidad condicionada de una hipótesis de diagnóstico ante una serie de evidencias. Aplicable a situaciones muy diversas: la probabilidad de morosidad, probabilidad de fallo de un producto, etc. Además se hace referencia a conceptos muy utilizados en industria y medicina: especificidad y sensibilidad.



• La teoría de la decisión. En nuestra vida tenemos que enfrentarnos a decisiones en las que debemos sopesar diversas opciones, teniendo en cuenta para cada una su valor (preferencia) junto con su probabilidad. La teoría de la decisión ha mostrado su fuerza ante muy diversos problemas: decisiones de inversión, tratamiento industrial, etc.



• Lógica borrosa (fuzzy). Una sencilla aproximación a la lógica borrosa partiendo de los principios de la lógica clásica y la teoría de conjuntos. En la teoría clásica un elemento pertenece o no a un conjunto, así "Elena" pertenece al conjunto de los seres humanos y no pertenece al conjunto de los extraterrestres; es un ejemplo de situación binaria (en terminos de cero y uno): se pertenece o no se pertenece a un conjunto. Imaginemos que podemos relajar el concepto de pertenencia a un conjunto, de tal forma que un elemento (una persona, por ejemplo) tiene un grado de pertenencia (borrosa) respecto a un conjunto (el conjunto de los ricos, por ejemplo). Mostraremos como modelizar matemáticamente expresiones del tipo "temperatura alta" o "Si la presión es alta la estabilidad es baja".