La doctrina del precedente (reglas de aplicación), la estructura del precedente y los métodos para determinar la “ratio decidendi”

Entonces, de acuerdo con la definición dada por el famoso abogado inglés Rupert Cross, autor de varias monografías y libros de texto que han recibido un amplio reconocimiento, la idea general de un precedente se reduce a lo siguiente.

Considerando un caso específico, el tribunal emite un veredicto o decisión, este documento judicial es, por un lado, un acto obligatorio para los participantes en un caso judicial específico, y por otro, como un caso especial de aplicación de la ley; , él mismo da lugar a una regla general: se convierte en un precedente.

En el ordenamiento jurídico en cuestión existe una determinada doctrina de precedente o las llamadas reglas para su aplicación. Mirémoslos.

1) El principio que nos obliga a respetar los precedentes - stare decisis (literalmente - “mantenerse firme en lo decidido”).

De este principio se desprende que las decisiones de los tribunales de apelación -y son los tribunales superiores- son vinculantes para los tribunales inferiores y para los propios tribunales de apelación.

La naturaleza vinculante y coercitiva (rígida) de la doctrina del precedente en Inglaterra o del principio de stare decisis es que si existe una analogía suficiente entre el precedente y el caso en cuestión, es decir, en un caso en el que no existe una diferencia razonable entre los hechos materiales de dos casos, el juez está obligado a seguir el precedente; incluso si no está de acuerdo con él y si tal precedente no existiera, tomaría una decisión completamente diferente, Aunque tal precedente se estableció hace varios siglos, está claramente obsoleto y no corresponde a los tiempos modernos. Este principio se aplica estrictamente a todos los tribunales ingleses, excepto a los tribunales superiores de apelación, que tienen más probabilidades de desviarse de sus propias decisiones o de no seguir las decisiones de los tribunales inferiores.

Pero cumplir con este principio no es en modo alguno una tarea fácil, como lo demuestran los siguientes principios para aplicar los precedentes.

2) Dividir el precedente en dos partes: ratio decidendi (“el fundamento de la decisión”) y obiter dicta (“lo dicho incidentalmente”).

No toda la decisión está necesariamente contenida en un precedente, sino sólo el “núcleo” del caso, la esencia de la posición jurídica del juez, sobre la base de la cual toma una decisión o sentencia, y que servirá como precedente para la decisión. próximo juez. Esta parte de la decisión judicial se denomina ratio decidendi (“fundamentos de la decisión”).

Los argumentos que no son necesarios para las conclusiones del tribunal en el caso se refieren a "lo que se dijo incidentalmente" y se denominan obiter dicta.

Esta complejidad de la estructura de los precedentes dificulta bastante la tarea de un juez inglés. Con base en los hechos del caso, la situación en el momento en que se toma la decisión, que se adopta como precedente, y una serie de otras condiciones, debe comprender qué es la ratio en un precedente, es decir, qué se debe seguir y ¿Qué es obiter?

Al mismo tiempo, la incertidumbre de los límites entre ellos permite al juez razonar sobre la aplicabilidad o inaplicabilidad del precedente. Existen oportunidades particularmente amplias para este tipo de razonamiento en los casos en que una decisión contiene dos o más rationes decidendi. Debe tenerse en cuenta que el grado de jurisprudencia vinculante depende del lugar en la jerarquía judicial del tribunal que toma una decisión sobre un caso en particular y del tribunal cuya decisión sirve de precedente para el caso específico. Cuanto más alto sea el tribunal, más libres serán sus jueces para aplicar una u otra política judicial y menos vinculados por los precedentes. Por tanto, las decisiones de la Cámara de los Lores, el tribunal de apelación más alto, son vinculantes para todos los demás tribunales.

Dado que una analogía completa de hechos es relativamente rara, la decisión depende de la discreción del juez, y es él quien debe determinar si esta analogía es real o sólo aparente.

A su criterio queda sujeta otra decisión no menos importante: encontrar una analogía para situaciones en las que a primera vista los hechos no coinciden. Sólo con esto queda claro qué amplia oportunidad para la iniciativa judicial oculta el sistema de precedentes.

En los casos en que la situación no tiene analogía, el juez se convierte esencialmente en legislador.

Rupert Cross menciona tres características constantes de la doctrina inglesa del precedente:

• - respeto por una decisión individual de un tribunal de justicia superior (ésta es la principal diferencia entre la doctrina inglesa del precedente y la de los países de Europa continental);
• - reconocimiento de que la decisión judicial es un precedente convincente para los tribunales superiores (es decir, al considerar un caso, están obligados a tenerlo en cuenta, pero no están obligados a seguir dicha decisión judicial);
• - una decisión única siempre se considera un precedente vinculante para los tribunales inferiores.
• 3. Todas las decisiones judiciales deben interpretarse únicamente a la luz de las circunstancias en relación con las cuales se tomaron estas decisiones.

En otras palabras, al interpretar posteriormente un precedente, los jueces siempre deben tener en cuenta no solo la motivación de una decisión en particular, sino que también están obligados a analizar los hechos en relación con los cuales se dieron los argumentos correspondientes y se tomó la decisión.

4. Toda sentencia debe leerse a la luz de decisiones en casos similares, es decir, La interpretación de la ratio decidendi de una decisión judicial no puede hacerse de forma aislada: debe ocurrir en el contexto de decisiones judiciales en casos similares. Por eso el principal método de argumentación judicial en Inglaterra se llama “razonamiento de caso en caso”.

Al respecto, los comparativistas alemanes K. Zweigert y H. Koetz escriben: “En Inglaterra y Estados Unidos, el proceso de toma de decisiones se basa en precedentes individuales relevantes, que en la mayoría de los casos son presentados al tribunal por asesores legales (abogados) de los litigantes. En estas decisiones tomadas previamente, identifica ciertas reglas (reglas), es decir, soluciones a problemas cotidianos específicos individuales. Traza cómo estas normas, en el proceso de desarrollo de otros precedentes, recibieron una interpretación restrictiva o amplia y fueron mejoradas, y luego él mismo formula gradualmente, a partir de su generalización, los principios y normas con cuya ayuda tener que resolver el caso previamente considerado previamente. Al mismo tiempo, siempre debe recordar la necesidad de encontrar soluciones prácticas a los problemas. Vuelve a comprobar la versión inicial de la decisión así formulada desde el punto de vista de su exactitud en relación con el caso en cuestión, comparándola con datos de casos similares, y sólo después de eso toma una decisión final”.

Es importante enfatizar que la doctrina del precedente se aplica solo a aquellas decisiones judiciales que han encontrado su expresión, es decir, fueron publicados en informes judiciales. Normalmente, los informes judiciales no publican casos en los que sólo los hechos están en disputa. Sin embargo, las cuestiones de derecho y las cuestiones de hecho no siempre son fáciles de separar, por lo que los escritos judiciales a menudo detallan las razones del juez de primera instancia y de apelación que lo llevaron a una conclusión particular (por ejemplo, qué precauciones debería haber tomado un empleador para proporcionar una ambiente seguro para el trabajo de sus trabajadores). Este tipo de razonamiento sobre los hechos del caso no es reconocido por el Tribunal de la Cámara de los Lores como regla general aplicable a casos posteriores. En otras palabras, una decisión basada en ellos no constituye un precedente en sentido estricto, es decir, No hay ratio decidendi en estas decisiones.

Una característica de la doctrina inglesa del precedente es también el proceso de búsqueda de la ratio decidendi. Al mismo tiempo, ni la legislación inglesa ni las decisiones judiciales contienen ningún método generalmente aceptado para determinar la ratio decidendi, por lo que los autores ingleses, al considerar este tema, recurren a los métodos del profesor Wembo (finales del siglo XIX) y el Dr. Goodhart (principios del XX). siglo).

La esencia del método Wembo es la inversión: el juez debe formular una disposición legal que, en su opinión, podría ser la ratio decidendi de la decisión judicial. Después de esto, dicha disposición legal debe ser reemplazada por una declaración que tenga el significado opuesto y es necesario entender si el tribunal podría tomar la misma decisión con el significado opuesto de la disposición legal resaltada. Si el tribunal no pudo llegar a la misma decisión, entonces la posición jurídica resaltada es ratio decidendi, pero si el tribunal pudo llegar a la misma decisión, entonces la posición jurídica no es ratio decidendi.

La esencia del método Goodhart es evaluar los hechos esenciales del caso y la decisión tomada en base a ellos. Para identificar la ratio decidendi de un caso es necesario determinar:

• 1. hechos del caso que el juez considere significativos;
• 2. una decisión basada en tales hechos.

Según Goodhart, al analizar un caso, la tarea no es aislar los hechos y la conclusión, sino identificar los hechos materiales, es decir, aquellos hechos que el juez considera significativos, y la decisión basada en ellos.

"El juez hace la ley mediante la elección de los hechos materiales".

Goodhart identificó seis reglas básicas para determinar la ratio decidendi:

• 1. El principio de precedencia no se encuentra en los argumentos presentados por el juez. El argumento que un juez esgrime en apoyo de su decisión no es en modo alguno parte necesaria del precedente. Los argumentos pueden ser erróneos, pero la decisión sigue sentando un precedente.
• 2. El principio de precedente no se encuentra en la norma jurídica formulada en la opinión expresada por el juez, porque la norma jurídica no puede establecerse mediante opinión separada ni formularse de manera demasiado amplia o demasiado estricta.
• 3. El principio de precedencia no necesariamente se encuentra al considerar todos los hechos establecidos y la decisión judicial. No se puede recurrir a las opiniones expresadas por los jueces para encontrar una posición jurídica que cumpla el papel de precedente.
• 4. El principio de precedencia se busca teniendo en cuenta, en primer lugar, los hechos que el juez considera significativos, y en segundo lugar, la decisión del juez basada en ellos. Cuando se discute la ratio decidendi de un precedente, es necesario imaginar los hechos tal como los vio el juez, porque justificó su decisión con estos y no con otros hechos.
• 5. Los jueces podrán tratar -directa o indirectamente- determinados hechos como materiales o inmateriales. Los hechos relacionados con una persona, hora, lugar, tipo o cantidad pueden ser irrelevantes. Pero los distintos informes judiciales, los argumentos de los abogados, las razones esgrimidas por el juez en apoyo de su opinión, la formulación del estado de derecho que el juez sigue en la decisión son de particular importancia, ya que pueden servir como base guía para la determinación de los hechos materiales.
• 6. Una conclusión basada en un hecho hipotético (supuesto) es un dictamen.

La principal ventaja del método de Goodhart es que, al rastrear la relación entre la norma jurídica y las circunstancias reales del caso, determinó la fuente de formación de la norma jurídica y estableció los límites de la ratio decidendi.

Cabe señalar que el método de Goodhart recibió un gran reconocimiento en la literatura jurídica y provocó animados debates sobre el concepto de ratio decidendi; sin embargo, no estuvo muy extendido en la práctica judicial.

Establecer una relación entre la ratio decidendi y los hechos esenciales de una decisión judicial da a los jueces más libertad para distinguir entre un caso precedente y el caso bajo consideración (la práctica de distinguir).

La esencia del método de distinción es que el juez tiene derecho a no aplicar un precedente si encuentra diferencias en las circunstancias fácticas de dos casos (precedente y actual).

Así, tradicionalmente en el ordenamiento jurídico de Inglaterra se considera un precedente, “por un lado, como un acto respecto del cual las decisiones previamente tomadas por los más altos tribunales del país tenían el carácter de “disposiciones legales” y servían como la base jurídica para su formación y funcionamiento, y por otro lado, como un acto, que tiene un efecto “vinculante” sobre todas las decisiones posteriores relacionadas con él.

Cabe señalar que a finales del siglo XX y principios del XXI se produjeron en Gran Bretaña serias reformas que influyeron en el desarrollo de la doctrina del precedente judicial.

Así, el resultado de la reforma judicial fue la transferencia de poderes del Comité de Apelaciones de la Cámara de los Lores, que opera en nombre de la Cámara de los Lores, y del Comité Judicial del Consejo Privado al nuevo órgano judicial supremo: la Corte Suprema. de los Estados Unidos, Reinos de Gran Bretaña e Irlanda del Norte.

Los participantes de la conferencia aprendieron sobre las prácticas modernas en la selección, adaptación y evaluación de empleados en varios niveles de puestos en empresas de diferentes sectores de la economía. Discutimos las características de realizar evaluaciones del personal y gerentes de línea, conocimos la experiencia de utilizar métodos para identificar líderes y empleados con alto potencial ().

Nos gustaría presentar uno de los mejores informes en forma de discurso de verano.

ELENA KOLOTILOVA Especialista en evaluación de personal, moderadora de programas educativos, Escuela de Administración de Moscú "Skolkovo"

Método de valoración de precedentes. Caso de estudio

¿Qué describen los precedentes? Como puedes usar esto? ¿Cuál es el futuro de la evaluación? Demos y analicemos algunos ejemplos.

Los precedentes describen:

• Contexto: ¿Qué es esto? Por ejemplo, un grupo de trabajo, una reunión.
• Condiciones ambientales: grupo de trabajo: 3 personas, 100 personas, etc. (a qué prestamos atención, en particular, en la evaluación)
• Acciones del participante que podemos observar (sin juzgar, como vemos)
• El resultado al que conducen las acciones (táctico y estratégico, en la medida de lo posible para este caso de uso)

Lo importante: si la evaluación no la realizan expertos, solo se registran precedentes positivos.

Así, vemos un tipo específico de actividad de una persona específica y luego podemos interpretarlo.

Caso de uso de ejemplo:

Después de que el líder del juego estableciera las tareas, el estado de ánimo de tres de cada cinco participantes era escéptico. Uno dijo que era imposible, dos lo apoyaron y el tiempo de ejecución fue limitado. En ese momento, otro participante (Andrey) comenzó a hablar emocionado sobre su propuesta. Después de 3 minutos, los participantes escépticos se involucraron en el trabajo. Cada uno tomó una de las tareas y comenzó a resolverla. Cinco minutos después, Andrey preguntó por el resultado. Como resultado, la tarea planteada por el presentador fue resuelta por el equipo a tiempo cumpliendo con 4 de las cinco condiciones dadas.

En este caso, Andrey asumió la responsabilidad y demostró buenas habilidades de comunicación y pudo lograr resultados. Este es un indicador definitivo para nosotros.

¿Por qué utilizamos el método de valoración precedente?

En primer lugar, se trata de una fundamentación de hechos específicos y no de una opinión subjetiva.

Se trata de una reducción de la evaluación subjetiva debido al gran número de evaluadores. Conseguimos un gran número de personas que pueden ver el precedente y los participantes también pueden convertirse en evaluadores.

Evaluamos a los participantes sobre patrones de comportamiento exitosos, por lo que solo evaluamos precedentes positivos. Es importante que los participantes vean comportamientos positivos y constructivos que los inspiren. Por tanto, resulta que si quieres que digan algo bueno de ti, es importante presentarte.

¿Cuáles son las restricciones?

Existen limitaciones: lleva tiempo dejar claro el instrumento a los evaluadores. Se está trabajando mucho para procesar los precedentes presentados. Cuando estos ejemplos comiencen a “caerle” a usted, es importante aprender a tomar lo que es útil y eliminar lo que no lo es.

Si en la evaluación no participan expertos, es posible que no haya datos suficientes para evaluar una competencia en particular. Los expertos validan mejor lo que ven los participantes. Si es importante, debes tenerlo en cuenta.

Casos prácticos de Skolkovo

1. Gamificación de las dos primeras semanas de formación para alumnos de primer curso. universidades

Condiciones: baja motivación de los estudiantes, es necesaria una rápida inclusión en el proceso de aprendizaje, baja conciencia de los procesos. Teníamos evaluadores y moderadores expertos que podían escribir precedentes. En 2 semanas – 800 participantes, 1000 precedentes, 20 evaluadores. Utilizamos el método precedente, ya que había muchos menos evaluadores que moderadores. Se elaboró ​​una calificación en la base de datos electrónica en función del número de precedentes, competencias y potencial. Durante dos semanas, los participantes se sumergieron en un juego de simulación con una trama compleja. Se identificaron los líderes entre los participantes y sus competencias clave.

Introducción al razonamiento basado en casos

Título original: Introducción al razonamiento basado en casos

Traducción: Khalimova E.R.

El método de razonamiento basado en precedentes es el uso de experiencias antiguas para percibir y resolver nuevos problemas. En el método de razonamiento basado en casos, el mecanismo de razonamiento recuerda una situación anterior (ver también acerca de ), similar a la actual, y la utiliza para resolver un nuevo problema. El razonamiento basado en casos puede implicar adaptar soluciones anteriores para satisfacer nuevas necesidades; utilizar viejos precedentes para explicar situaciones nuevas; utilizar viejos precedentes para evaluar nuevas soluciones; o basándose en precedentes, este método permite explicar una nueva situación (tal como lo hacen los abogados) o crear una solución objetiva a un nuevo problema (tal como lo hacen los mediadores laborales). Este artículo contiene una discusión de los procesos involucrados en el razonamiento basado en casos y las tareas para las cuales el método es útil.

La anfitriona tiene previsto preparar la cena para sus invitados, entre los que se encuentran personas que no comen carne ni aves, una de las cuales es alérgica a los productos lácteos. También vendrán a cenar los invitados que prefieran el menú de carne y patatas, al igual que su amiga Anne. Como es temporada de tomates, quiere utilizar tomates como ingrediente principal en sus platos. Como ya había planeado preparar la cena, recordó lo siguiente:

Una vez hice un pastel de tomate (estaba hecho con queso mozzarella, tomates, mostaza, albahaca y pimientos, todo en el relleno del pastel) como plato principal durante el verano cuando venían vegetarianos a cenar. Estaba bastante rico y fácil de preparar. Pero no se lo pude servir a Elana (debido a una alergia a la leche). Modifiqué la receta de Elana con anticipación reemplazando el queso con tofu. Pude hacer esto, pero no sabía qué tan bien quedaría el sabor del pastel de tomate con este método de preparación.

Y decide no servir pastel de tomate y sigue razonando. Como es verano, es de esperar que el pescado frito sea un excelente plato principal. Pero al mismo tiempo recuerda algo más.

La última vez que intenté servirle pescado frito a Anna, ella no quiso comérselo. Tuve que llevar las salchichas a la parrilla en el último minuto.

Esto le hace pensar que no debería servir el pescado, pero quiere cocinarlo de todos modos. Se pregunta si hay alguna forma de cocinar el pescado para que Anna se lo coma.

Recuerdo a Anna comiendo corifena en un restaurante. Me preguntaba qué parte del cuerpo se comería. El pescado que le serví estaba entero y con la cabeza puesta. Y en el restaurante el pescado se servía en filete y parecía más un filete que un pescado. Supuse que necesitaba cocinar el pescado que parecía más carne. Quizás el pez espada sea una gran opción. Me preguntaba si Anna preferiría este pescado para cenar. El pez espada sabe a pollo y sé que a Anna le gusta comer pollo.

En esta situación, utilizó ejemplos consistentes e inconsistentes de la premisa (Anna no quiere comer pescado) para obtener una explicación de la premisa que dificulta la planificación.

En este ejemplo, se utilizó el razonamiento basado en casos para programar la cena. En el razonamiento basado en casos, el motor de razonamiento recuerda una situación anterior similar a la actual y la utiliza para resolver un nuevo problema. En el ejemplo anterior, se utilizaron casos recordados (precedentes) para sugerir una forma de resolver un nuevo problema (por ejemplo, sugerir un plato principal), sugerir formas de adaptar una solución que no se ajusta del todo a la situación (por ejemplo, reemplazar el queso con tofu), advertir sobre posibles rechazos (por ejemplo, Anna no come pescado) e interpretar la situación (por ejemplo, por qué Anna no come pescado, ¿querrá pez espada?).

El razonamiento basado en casos puede implicar adaptar soluciones anteriores para satisfacer nuevas necesidades; utilizar viejos precedentes para explicar situaciones nuevas; utilizar viejos precedentes para evaluar nuevas soluciones; o basándose en precedentes, este método permite explicar una nueva situación (tal como lo hacen los abogados) o crear una solución objetiva a un nuevo problema (tal como lo hacen los mediadores laborales).

Si observas cómo las personas que nos rodean resuelven sus problemas, probablemente notarás que utilizan el método del razonamiento a partir de precedentes para resolver casi cualquier problema. Los abogados están capacitados para utilizar casos pasados ​​como precedentes para construir y respaldar argumentos en situaciones nuevas. Los mediadores y árbitros también reciben formación en este método. Otros profesionales no utilizan este método como principio, pero a menudo descubren que les permite resolver problemas de forma eficaz. Por ejemplo, consideremos una situación en la que un médico encuentra a un paciente que tiene una combinación inusual de síntomas. Si se ha encontrado antes con un paciente con síntomas similares, es probable que recuerde el antiguo precedente y sugiera el diagnóstico del paciente anterior como solución a su nuevo problema. Si antes discutir posibles trastornos del cuerpo del paciente requería mucho tiempo, ahora se ahorra mucho tiempo. Por supuesto, el médico no puede afirmar que su suposición anterior fuera correcta. Sin embargo, debe proponer esta solución al nuevo problema de manera que no impida considerar otros posibles diagnósticos. Con todo ello, recordando los precedentes, el médico sugiere fácilmente las formas más adecuadas de solucionar el problema.

De la misma manera, un mecánico de automóviles que se enfrenta a un problema mecánico inusual probablemente recuerde otros problemas similares y decida si su solución se utilizará para una nueva tarea. Los médicos, al evaluar la precisión de un procedimiento terapéutico o hacer un diagnóstico que se ajuste a una situación junto con otras opciones, también es probable que recuerden precedentes al analizar cada procedimiento y creen sus juicios basándose en experiencias pasadas. Las situaciones problemáticas en los procedimientos terapéuticos son especialmente útiles en este caso: le dicen al médico qué pudo haber salido mal, y cuando descubrir el problema brinda la oportunidad de explicar por qué ocurrió el caso anterior, el médico se concentra en encontrar la información que necesita. Luego confirme que el problema es mayor y no surgirá. Conocemos precedentes que han sido citados más de una vez por nuestros líderes políticos para explicar por qué se han tomado o deberían tomarse ciertas medidas.

El método de razonamiento basado en precedentes se utiliza ampliamente en el razonamiento cotidiano basado en el sentido común. El ejemplo anterior de planificación de comidas es un razonamiento típico, ya que todos lo hacemos día tras día. Cuando pedimos comida en un restaurante, a menudo tomamos decisiones sobre qué opción sería mejor en función de nuestras experiencias pasadas y de lo que nos gusta. A medida que planificamos nuestras actividades comerciales, recordamos qué funcionó y qué no funcionó antes, cuál era la mejor opción y viceversa, y utilizamos este conocimiento para crear nuevas formas de resolver problemas. Un representante de una guardería, al presenciar una discusión entre dos niños, recuerda qué métodos para resolver el problema han funcionado y cuáles no en una situación similar y basa su decisión en ello.

En general, resolver un problema o tarea la segunda vez es más fácil que la primera porque recordamos y repetimos la solución anterior. Somos más competentes la segunda vez porque conocemos nuestros errores y hacemos todo lo posible para evitarlos.

La calidad de las decisiones basadas en el método de razonamiento por precedentes depende de 4 factores:

experiencia existente;

la capacidad de comprender nuevas situaciones desde el punto de vista de la experiencia existente;

dominio de la adaptación;

habilidad de evaluación.

Un razonador con menos experiencia siempre tendrá menos habilidad en el trabajo que un razonador con más experiencia. Pero pronto veremos que las respuestas que propone no son necesariamente peores si tiene un enfoque creativo para comprender el problema y adaptarse. Cualquier programa creado con el propósito de ejecutar automáticamente el método de razonamiento basado en precedentes debe estar equipado con una base de datos representativa de precedentes. Estos precedentes deben cubrir las metas y submetas que surgen en el curso del razonamiento y deben contener formas tanto exitosas como no exitosas de lograr estas metas. Se aprovecharán los intentos exitosos para proponer soluciones a nuevos problemas. Los intentos fallidos se utilizarán para advertir de la posibilidad de fracaso.

Comprender un nuevo problema desde la perspectiva de la experiencia existente consta de dos partes: recuperar precedentes tempranos e interpretar la nueva situación basándose en la experiencia pasada. La primera parte se puede llamar el problema de indexación. En un sentido amplio, esta definición significa encontrar en la memoria el precedente más cercano a una nueva situación. En un sentido estricto, el problema de la indexación suele ser el problema de asignar índices a casos almacenados en la memoria de tal manera que puedan revocarse en las circunstancias apropiadas. Recuperar casos adecuadamente es el núcleo del razonamiento basado en casos.

La interpretación es el proceso de comparar una nueva situación con un precedente correspondiente. Cuando se interpretan situaciones problemáticas, se comparan y contrastan con situaciones problemáticas antiguas. El resultado es la interpretación de una nueva situación, añadiendo conocimientos adquiridos sobre dicha situación o su clasificación. Cuando se comparan las nuevas formas de resolver problemas con las antiguas, quien toma las decisiones obtiene una idea de las ventajas y desventajas de hacer algo de determinada manera. Normalmente, la interpretación de procesos se utiliza cuando los problemas no se comprenden completamente y cuando es necesario criticar una solución. Cuando el problema está claramente definido, hay poca necesidad de procesos interpretativos.

La adaptación es el proceso de ajustar una solución antigua para satisfacer las necesidades de una nueva situación. Hay ocho métodos de adaptación. Se pueden utilizar para agregar datos nuevos a soluciones antiguas, así como para eliminarlas o reemplazarlas. El uso de estrategias de adaptación da como resultado respuestas competentes pero a menudo poco interesantes. Las respuestas creativas resultan de la aplicación de estrategias de adaptación en nuevas direcciones. Una de las características del razonamiento basado en casos es su capacidad para aprender de la experiencia, como por ejemplo que un médico pueda recordar un problema difícil para poder resolverlo fácilmente en otro momento. Aprender de la experiencia requiere retroalimentación para poder interpretar lo que está bien y lo que está mal en la solución resultante. Sin retroalimentación, el motor de razonamiento puede resolver el problema más rápido, pero repetirá sus propios errores y nunca aumentará sus capacidades. Por tanto, la evaluación y la corrección posterior son factores importantes en el conocimiento experto del razonador del caso. La evaluación puede realizarse en el contexto de los resultados de otros casos similares, puede basarse en retroalimentación o puede basarse en modelos.

1. Razonamiento por precedentes

Hay dos formas de aplicar el razonamiento basado en casos: resolver un problema e interpretarlo. En el primer método, se obtienen soluciones a nuevos problemas utilizando como guía soluciones antiguas. Las soluciones antiguas pueden proporcionar soluciones casi correctas a nuevos problemas y también pueden proporcionar advertencias sobre posibles errores o fallas. El ejemplo anterior presentó precedentes que trataban sobre la tarta de tomate como plato principal, un método para adaptar la preparación de este plato para quienes no comen queso y el tipo de pescado que Anna preferiría. También hubo una advertencia sobre una posible mala suerte: Anna no querría cierto pez.

En la interpretación, las situaciones nuevas se evalúan en el contexto de situaciones antiguas. Por ejemplo, un abogado utiliza la interpretación en el método de razonamiento a partir de precedentes cuando se refiere a varios casos antiguos para explicar situaciones controvertidas en un caso nuevo. Sin embargo, en el ejemplo original, se puede ver que la interpretación también se puede utilizar para resolver un problema en el que la anfitriona intentaba justificar servir pez espada a un huésped al que se sabe que no le gustan ciertos tipos de pescado.

Pronto nos daremos cuenta de que ambas ramas del razonamiento basado en casos dependen en gran medida de un mecanismo de búsqueda de casos que puede recordar situaciones relevantes en el momento adecuado. Además, al resolver problemas e interpretar, almacenar nuevas situaciones en la memoria permite aprender de la experiencia. La resolución de problemas se caracteriza por el uso intensivo de procesos adaptativos para crear soluciones y procesos interpretativos para evaluar las soluciones resultantes. La interpretación utiliza precedentes para proporcionar fundamentos para las decisiones, permitir la evaluación de esas decisiones cuando no se dispone de métodos claramente definidos y aclarar situaciones cuando los límites de una situación no son concluyentes o son vagos. A continuación se proporcionarán ejemplos de ambos tipos de razonamiento basado en casos descritos en esta sección y una discusión de su aplicabilidad.

1.1. CBRy solución al problema

En el ejemplo original, la anfitriona utilizó un enfoque de resolución de problemas para preparar un pastel de tomate como plato principal y sugirió una forma de adaptarlo para adaptarlo a un huésped que tenía alergia a los lácteos. Además, como parte del proceso de resolución del problema, utilizó un precedente para anticipar que uno de los invitados no comería pescado, lo que posteriormente la llevó a planificar el servicio de cena en torno a este problema. El proceso de resolución de problemas es útil para una amplia gama de problemas de resolución de problemas, incluidos la planificación, el diagnóstico y el diseño.

1.1.1. CBRal diseñar

El ejemplo anterior puede considerarse como una especie de problema de diseño. Define los problemas como un conjunto de restricciones y su solución requiere una herramienta específica que resuelva el problema de restricciones. Normalmente, las restricciones definidas definen el problema, lo que significa que hay muchas soluciones posibles. A veces, sin embargo, las restricciones limitan demasiado el problema, es decir, no hay solución si se implementan todas las restricciones. En este caso, resolver el problema requiere volver a aclarar la cuestión controvertida de modo que se satisfagan las restricciones más importantes y se alcancen otras mediante un compromiso.

Veamos la planificación del servicio de cena en el ejemplo original. La anfitriona debe atender los gustos y disgustos de sus invitados, limitarse a platos económicos, preparar y servir platos de tal manera que los invitados quieran probarlos y utilizar tomates para cocinar. También debe compatibilizar el plato principal y las guarniciones sin repetir los componentes principales, proporcionar aperitivos que complementen el plato, etc. Muchos platos diferentes pueden satisfacer estos requisitos. Por ejemplo, la lasaña vegetariana podría ser un plato principal si contuviera tofu en lugar de queso. Y cualquier guarnición y aperitivo complementaría este plato. Algunos otros platos de pasta también podrían formar parte del plato principal, complementados con diversas guarniciones y aperitivos. Una combinación de platos principales, uno de los cuales satisfará las necesidades de los huéspedes que prefieren carne y patatas, otro atraerá a los vegetarianos, etc. combinado con guarniciones y aperitivos también podría ser una opción para servir la cena, satisfaciendo todos los requerimientos de los invitados. Con tantas opciones, ¿qué debería elegir el ama de casa?

Ahora supongamos que recuerda haber servido la cena a un grupo grande de personas en el pasado. En aquella época no era especialmente difícil preparar grandes cantidades de comida saciante y económica añadiendo tomates. Y sirvió aperitivos, lasaña, una gran ensalada de verduras y pan con ajo. Pero esta vez entre sus invitados hay una persona alérgica a los lácteos y vegetariana. En esta situación, puedes quitar la carne de la lasaña y sustituirla por atún en el aperitivo. Este enfoque satisfará todas las restricciones, con la excepción de evitar los productos lácteos. Para satisfacerlo, puedes sustituir el queso de la lasaña por tofu. Esta adaptación del antiguo menú se adapta a la nueva situación actual.

Lo anterior fue un ejemplo de cómo satisfacer las restricciones del problema. Las restricciones proporcionan directrices pero no dan a quien toma las decisiones una respuesta específica. Además, el espacio de búsqueda de soluciones es enorme y, aunque hay muchas respuestas que satisfacen ciertos requisitos, están lo suficientemente dispersas en el espacio de búsqueda de soluciones que, utilizando métodos de búsqueda estándar, puede llevar mucho tiempo encontrar una de las respuestas. Además, el problema es demasiado grande para resolverlo con una solución que satisfaga sólo algunos de los requisitos, porque las partes individuales del problema están bastante interconectadas entre sí. Si resuelves un problema por separado y luego combinas las soluciones encontradas, la interacción entre las partes del problema casi siempre se rompe.

Para este tipo de problemas, que pueden considerarse difíciles de descomponer, los precedentes pueden proporcionar una manera de reconstruir las partes de los problemas. En lugar de dividir el problema en partes, resolver cada una de ellas por separado y combinarlas en una solución general, se puede utilizar un precedente que sugiera una solución completa, y se adaptan aquellas partes del problema que no se ajustan a la nueva situación. Aunque puede ser necesaria una adaptación significativa para que una solución antigua se ajuste a una nueva situación, casi siempre se prefiere esta metodología para crear una solución desde cero cuando hay muchas limitaciones y las soluciones a partes del problema no se pueden combinar en una solución general. De hecho, el diseño de ingeniería y arquitectura es el proceso de adaptar completamente una solución antigua o fusionar varias soluciones antiguas para adaptarse a una nueva situación. Resolver un problema adaptando una solución antigua evita trabajar con muchas limitaciones y evita que el problema se divida en partes que deben reconstruirse. Por ejemplo, la combinación de plato principal y guarnición nunca se considera al resolver un problema, ya que así lo prevén antiguos precedentes. A la hora de tomar una decisión no se tienen en cuenta ni la complejidad de la preparación, ni el gasto, ni la diligencia. El precedente también proporciona una solución a estas limitaciones. El problema nunca se divide en partes que deban reconstruirse. Más bien, los componentes defectuosos se corrigen en el momento.

Otro propósito importante de los precedentes en diseño, como ocurre con todos los problemas en la resolución de problemas, es señalar problemas en las soluciones propuestas. Cuando la anfitriona recuerda que un día Anna no quería pescado, se da cuenta de que la solución propuesta será incorrecta.

El programa JULIA (Kolodner 1987, Hinrichs 1988, Hinrichs 1989) es un sistema inteligente que programa el servicio de alimentos, y los ejemplos anteriores son tareas típicas de este sistema. CYCLOPS (Navinchandra 1988) utiliza técnicas de razonamiento basadas en casos para el diseño de paisajes. “KRITIK” (Goel 1989, Goel y Chandrasekaran 1989) combina razonamiento basado en casos y razonamiento basado en simulación para el diseño de pequeños conjuntos mecánicos. El sistema utiliza razonamiento basado en casos para proponer una solución y simulación para probar las soluciones propuestas para determinar dónde se necesitan adaptaciones y luego sugerirlas.

En el mundo moderno se está introduciendo al menos un dispositivo para resolver problemas de diseño. CLAVIER (Barletta y Hennessy 1989) se utiliza en Lockheed para colocar piezas compuestas hechas de sustancias complejas en un horno para crear una pieza estructural específica. La tarea es aparentemente inexplicable, ya que no existe un modelo completo de causa y efecto de qué funciona y cómo funciona. Las piezas de diferentes tamaños deben estar en partes separadas del horno, pero el tamaño de algunas piezas y su disposición compacta permiten que se calienten correctamente. El responsable de la disposición de las piezas guardaba un archivador de sus experiencias, tanto positivas como negativas. En base a estas experiencias, CLAVIER puede colocar piezas en las partes apropiadas del horno y evitar colocar piezas en lugares peligrosos. Este dispositivo funciona como un experto, basándose en su propia experiencia. Por tanto, resulta útil en momentos en que no hay un experto disponible. CLAVIER casi siempre utiliza múltiples casos de uso para diseñar una pieza. Se proporciona una disposición general de piezas que se adapta adecuadamente. El resto se utiliza para rellenar huecos en el diseño.

La mediación entre casos puede verse como un tipo de diseño en el que la especificación del problema es más limitada. En la mediación, dos oponentes tienen objetivos opuestos. En este caso, es imposible cumplir un conjunto de objetivos específicos de ambas partes. El papel del mediador es obtener una solución de compromiso que logre parcialmente los objetivos de ambos oponentes en la medida de lo posible.

Al resolver problemas más limitados, las condiciones de diseño deben redefinirse a medida que se resuelve el problema. Antes de resolver un problema buscando una solución óptima, es recomendable utilizar uno de los métodos posibles para minimizar las restricciones. Cuando se utiliza el método de razonamiento basado en casos, la solución más correcta a un problema de restricción está disponible a través de un precedente. Posteriormente la solución se adapta a la nueva situación. El MEDIADOR (Simpson 1985, Kolodner y Simpson 1989) es el primer dispositivo basado en tecnología de razonamiento basado en casos. El dispositivo resolvió disputas básicas sobre el uso compartido de diferentes recursos (por ejemplo, dos niños que quieren los mismos dulces o dos profesores que quieren usar la fotocopiadora al mismo tiempo). PERSUADER (Sycara 1987) resuelve controversias en la gestión laboral. Este dispositivo fue pionero en el uso de estrategias de parametrización de la mejor solución heredada para realizar cambios relativamente pequeños en el contrato existente de una empresa, en el que algunos componentes deben formalizarse de forma continua, como la adaptación del costo de vida. El resultado es una solución aproximada al problema. Luego, para evaluar la solución aproximada, se necesitan críticos especializados para identificar problemas más especializados con el contrato, como si la empresa puede pagar el contrato. La solución aproximada resultante puede adaptarse posteriormente aplicando otros precedentes o evaluando otras críticas. Finalmente, para adaptar completamente la solución, se da una evaluación final por parte de críticos que no participaron previamente en el proceso de evaluación de la solución aproximada.

En casi todos los problemas de diseño, un caso de uso no es suficiente para resolver un problema. Los problemas de diseño tienden a ser grandes y cuando se puede utilizar un solo caso de uso para resolver una parte específica del problema, no es suficiente para proporcionar una solución completa. En general, un caso de uso proporciona la estructura general de una solución y otros se utilizan para completar los detalles que faltan. Por tanto, no se utilizan la composición y descomposición del problema, ya que es necesario satisfacer numerosas restricciones y resolver problemas de su mayor simplificación.

1.1.2. Método de razonamiento basado en precedentes en planificación.

La planificación es el proceso de establecer una secuencia de pasos o un cronograma para lograr un estado específico de un sistema. El estado a alcanzar puede definirse en términos específicos, como la definición del estado final del rompecabezas de la Torre de Hanoi (para completar el juego de mesa, debes colocar los discos de modo que el disco n.° 1 quede encima del disco n.° 2). , que, a su vez, debe estar encima del disco n.° 3, y todos los discos deben perforarse con una varilla de madera). El estado también puede caracterizarse por restricciones que deben cumplirse, por ejemplo, planificar la colocación de barreras en el aeropuerto (se asigna una barrera a cada vuelo; una barrera no se puede utilizar simultáneamente para dos vuelos). En el primer caso, el resultado final del proceso de planificación es una secuencia de pasos. En el segundo caso, el resultado final es un plan o estado del sistema, y ​​se debe utilizar el proceso de planificación para crearlo.

Uno de los primeros mecanismos de planificación basado en casos fue CHEF (Hammond 1989). "CHEF" creó nuevas recetas basadas en las que conocía. Por ejemplo, al crear una receta que combinaba carne de res y brócoli, el CHEF recordó la receta de pollo y frijoles y adaptó la nueva receta en consecuencia. Primero, la carne de res se introdujo como pollo y el brócoli como frijoles. En segundo lugar, se registraron las etapas de preparación del pollo y los frijoles. Como la carne de res no tiene huesos, se eliminó el paso de deshuesado. Además, durante la fase de preparación de las verduras, se redefinió el tiempo total de cocción del plato, ya que el brócoli tarda más en cocinarse que los frijoles.

Es necesario abordar muchas cuestiones durante el proceso de planificación. En primer lugar, está el problema de mantener la coherencia. Los planes efectivos son consistentes siempre que sea posible, es decir las últimas etapas no afectan los resultados de las etapas anteriores y las condiciones previas de las últimas etapas no serán violadas por la ejecución de las etapas anteriores (Ver Charniak y McDermott (1985)). Para cumplir con esta condición, es necesario que los resultados de las etapas se proyecten hacia el futuro (el resto del plan). En segundo lugar, está el problema de las condiciones previas. Antes de planificar una etapa, es necesario asegurarse de que se cumplan todas las condiciones previas para esa etapa. Así, la planificación implica programar etapas, asegurando el logro de condiciones previas además de distribuir las etapas principales. Resolver estos dos problemas simultáneamente requiere grandes operaciones computacionales. A medida que aumenta el número de etapas, la complejidad computacional del diseño de etapas y la comparación de condiciones previas aumenta exponencialmente.

El razonamiento basado en casos resuelve estos problemas proporcionando planes que se han utilizado en el pasado y que ya los han resuelto. Quien toma las decisiones sólo necesita hacer cambios relativamente menores a este plan en lugar de tener que planificar todo desde cero. Una receta para preparar un plato, por ejemplo, proporciona una secuencia de pasos y garantiza que se cumplan las condiciones previas para cada paso.

El razonamiento basado en casos también ofrece soluciones a problemas de planificación más complejos (ver Marks, Hammond y Converse (1989)). En un proceso real, la cantidad de objetivos que compiten por el éxito es bastante grande y, al mismo tiempo, se forman nuevos objetivos en el proceso de sus actividades. Y si intenta lograr cada uno de ellos de forma independiente, entonces el tiempo de planificación y ejecución, es decir, el tiempo total para lograr cada objetivo, probablemente aumentará debido a las interacciones. Si es posible lograr varios objetivos simultáneamente o en combinación entre sí, la complejidad de la solución se reduce significativamente. El razonamiento basado en casos proporciona una manera de combinar objetivos. Los planes utilizados anteriormente se guardan e indexan como una combinación de objetivos alcanzados. Si se repite la combinación de objetivos, entonces se puede reutilizar el antiguo plan que logró esos objetivos.

Otras dificultades que surgen en la planificación son consecuencia de la relación entre la planificación y la implementación del plan en la realidad. Desde el punto de vista de la planificación tradicional, como se mencionó anteriormente, un plan es una secuencia de pasos que se realizarán en el futuro, y la planificación basada en precedentes implica combinar planificación y ejecución. Por tanto, no se puede argumentar que una secuencia de pasos bien diseñada sea factible en el mundo real. Hay varias razones para esto. En primer lugar, es imposible pensar que todo el conocimiento necesario para la planificación se conoce bien al principio, porque a menudo se descubren nuevos conocimientos durante el proceso de planificación y algunos nunca se revelan con seguridad. En segundo lugar, el mundo no es predecible. Surgen circunstancias imprevistas (por ejemplo, suena una alarma de incendio mientras se realiza una determinada tarea). Factores que se desconocían en el momento de la planificación cambian el curso de los acontecimientos de forma inesperada (por ejemplo, alguien compró todos los clavos de cierto tipo necesarios para llevar a cabo el plan y ahora no están disponibles). Y es imposible predecir el resultado de estos factores todo el tiempo (por ejemplo, alguien tuvo hambre y se comió todo el chocolate destinado a hornear). En general, las circunstancias pueden cambiar durante la transición de la planificación a la ejecución.

Para solucionar este problema, es necesario posponer al menos una parte de la planificación hasta que se ejecute el plan, cuando ya se dispone de más conocimiento y es posible corregir pasos inviables durante la planificación. Además, si es posible anticipar problemas mientras se ejecuta el plan, se reduce el número de correcciones posteriores.

El programa CHEF (Hammond 1989) utiliza experiencias pasadas para ayudar a prevenir problemas futuros antes de preparar un plato. Cuando ocurre un problema durante la cocción, este dispositivo intenta explicar la causa del problema y luego descubrir cómo se puede solucionar. "CHEF" almacena la solución prevista a un problema y señala precedentes por sus características que predicen la aparición del problema. Antes de generar una solución, CHEF busca en la memoria situaciones malas y utiliza cualquiera de ellas para anticipar los posibles problemas que indican las situaciones que encuentra. Luego, aprovechando la situación fallida corregida, propone un plan de cocina que eliminará el problema que se suponía anteriormente. Una vez, el CHEF creó una receta para hacer soufflé de fresa modificando la receta del soufflé de vainilla. Sin embargo, el soufflé preparado no subió durante el proceso de cocción. El motivo fue un desequilibrio entre la cantidad de iniciador y líquido, que era más de lo necesario. Dado que una forma de deshacerse del exceso de líquido es simplemente escurrirlo, el CHEF planteó la hipótesis de que si se escurre el exceso de líquido que se forma durante el proceso de cocción de las fresas, el soufflé subirá más tarde. El precedente formado se almacena en la memoria indicando un soufflé de frutas, y antes de crear una receta para otro soufflé de frutas, “CHEF” recordará este precedente y advertirá sobre un posible desequilibrio entre masa entrante y líquido, y al crear una receta ofrecerá para escurrir el exceso de líquido.

También existen otros mecanismos de programación que resuelven problemas no descritos anteriormente. TRUCKER (Hammond 1989b) es un programa de ejecución de recados que rastrea los objetivos esperados y es capaz de aprovechar las oportunidades que surgen en el proceso, lo que permite alcanzar los objetivos antes de lo esperado. MEDIC (Turner 1989) es un programa de diagnóstico. Puede utilizar planes previos para el diagnóstico, pero es lo suficientemente flexible como para poder seguir giros inesperados de los acontecimientos cuando se reutiliza. Así, si el programa detecta insuficiencia pulmonar y el paciente proporciona información previamente desconocida sobre el estado del corazón, MEDIC analiza qué información es más importante para el diagnóstico. Si resulta que el problema cardíaco es más importante, MEDIC interrumpirá su plan de diagnóstico actual y pasará a uno más apropiado, y luego volverá al plan original si es necesario. "EXPEDITOR" planifica eventos en la vida de un padre que está criando hijos y al mismo tiempo tiene un trabajo. El programa almacena en la memoria eventos que repetidamente lograron ciertos objetivos, alternándolos. Y si en la planificación inicial el proceso fue lento, con el tiempo el programa adquiere la capacidad de planificar, ya que es capaz de reutilizar sus propios planes. Finalmente, CSI BATTLE PLANNER (Goodman 1989) muestra cómo se pueden utilizar los precedentes para evaluar y corregir planes antes de implementarlos.

1.1.3. CBR para diagnóstico

En el diagnóstico, a un especialista que debe solucionar algún problema se le plantea un conjunto de síntomas y debe explicar dichos síntomas. Cuando hay un pequeño número de explicaciones posibles, el diagnóstico puede verse como una solución a un problema de clasificación. Sin embargo, cuando es bastante difícil enumerar todas las explicaciones posibles, el diagnóstico puede verse como una solución al problema de encontrar una explicación para el problema. El diagnóstico basado en precedentes puede utilizar situaciones pasadas para explicar los síntomas y alertar sobre la presencia de explicaciones que se han considerado insostenibles en el pasado. A continuación se muestra un ejemplo de uno de los primeros proyectos SHRINK (Kolodner 1987), un proyecto de razonamiento basado en casos desarrollado con fines de diagnóstico en un hospital psiquiátrico.

Un psiquiatra está observando a un paciente que muestra signos claros de depresión mayor. La paciente también informa que, entre otras cosas, recientemente descubrió un problema de estómago y los médicos no pudieron encontrar ninguna causa relacionada con este problema. Normalmente, las quejas aleatorias no tenían especial importancia en el campo de la psiquiatría hasta que un psiquiatra recordó un caso anterior en el que diagnosticó a un paciente con depresión mayor y que además padecía dolencias físicas que no podían explicarse de manera relacionada. Sólo más tarde el psiquiatra se dio cuenta de que debería haber tenido en cuenta estas quejas; luego hizo un diagnóstico de trastorno de somatización con desarrollo de depresión mayor secundaria. Además, plantea la hipótesis de que este paciente también puede tener un trastorno de somatización con el desarrollo de una depresión mayor secundaria y desarrolla esta hipótesis con la ayuda de pruebas de diagnóstico adecuadas.

En este ejemplo, el médico utiliza un diagnóstico de una situación anterior para formar una hipótesis sobre el diagnóstico en una situación nueva. Esta hipótesis reduce el tiempo del proceso de razonamiento y permite evitar errores cometidos antes. Además, la hipótesis del caso anterior le obliga a centrar su atención precisamente en aquellos aspectos del caso que de otro modo no consideraría: síntomas físicos inexplicables asociados con el trastorno de somatización.

Por supuesto, no se puede esperar que un diagnóstico anterior no cambie en una nueva situación. Al igual que en la planificación y el diseño, a menudo es necesario adaptar un diagnóstico antiguo para adaptarlo a una nueva situación. El programa CASEY (Koton 1988) puede diagnosticar problemas cardíacos adaptando diagnósticos previos de pacientes con insuficiencia cardíaca para formar diagnósticos nuevos. Por ejemplo, cuando CASEY intenta diagnosticar a un paciente nuevo, recuerda a otro paciente llamado David. Aunque hubo síntomas más comunes, también hubo diferencias entre ellos. El nuevo paciente, por ejemplo, tenía válvulas cardíacas calcificadas y se desmayó con el esfuerzo, pero David no tenía estos síntomas. CASEY adaptó el diagnóstico de David para acomodar estas diferencias. La calcificación de la válvula aórtica del nuevo paciente se presentó como evidencia adicional de enfermedad de la válvula aórtica, y su síncope se presentó como evidencia adicional de insuficiencia cardíaca, y la enfermedad de la válvula mitral se incluyó en el diagnóstico.

CASEY es un programa relativamente simple construido sobre un programa de diagnóstico basado en simulación existente. Cuando un nuevo precedente es similar a algún precedente pasado, la formación de una solución al problema ocurre muchas veces más rápido que, por ejemplo, un programa de modelado (Koton 1988). Y, como las adaptaciones se basan en un modelo válido de causa y efecto, los diagnósticos son tan precisos como si se hubieran creado de nuevo a partir del mismo modelo.

Los precedentes también son útiles en el diagnóstico cuando señalan formas de salir de situaciones difíciles del pasado. Si bien la incapacidad para resolver situaciones difíciles se consideró un efecto secundario de SHRINK y CASEY, el programa PROTOS (Baries 1989) fue diseñado para garantizar que las situaciones difíciles se resolvieran de manera efectiva. PROTOS diagnostica problemas de audición. En esta área, muchos de los diagnósticos se presentan de manera similar y sólo diferencias menores pueden cambiar los diagnósticos. Un principiante no conoce las pequeñas diferencias, a diferencia de un experto. PROTOS comienza como un novato y cuando comete errores, aprende de sus errores. De esta manera, PROTOS toma conciencia de las pequeñas diferencias. Para determinar correctamente el diagnóstico, almacena los diferentes indicadores en su memoria, lo que luego le permite pasar fácilmente del diagnóstico obvio al correcto.

Crear un diagnóstico desde cero es una tarea que requiere mucho tiempo. Sin embargo, en casi todas las áreas de diagnóstico existe suficiente regularidad en el enfoque para formular un diagnóstico basado en precedentes, porque es bastante efectivo. Por supuesto, un médico no puede dar por sentado que una solución propuesta basada en un caso sea la respuesta. La solución propuesta debe estar justificada. Sin embargo, a menudo la justificación es mucho más sencilla que crear un nuevo diagnóstico. En este tipo de áreas, el razonamiento basado en casos puede proporcionar un gran éxito.

1.1.4. CBR al explicar

La explicación de las cosas anómalas prevalece en cualquier solución a un problema y comprensión de la actividad humana. Si leemos sobre un accidente aéreo en el periódico, intentamos explicar por qué ocurrió. Si no volvemos a hacer algo, intentamos explicar qué salió mal y no queremos volver a hacerlo. Si escuchamos que alguien está haciendo algo inesperado, también intentamos explicar la situación. El proceso de explicación resuelve el problema de asignar el estatus de confianza y desconfianza a una situación, dependiendo de lo que se explica (éxito o fracaso). En general, la explicación es la tarea de determinar quién o qué es el responsable de lo ocurrido. Este es un problema que el campo de la inteligencia artificial lleva tiempo intentando solucionar.

El enfoque basado en casos para explicar una situación (Schank, 1986) es que uno puede explicar un fenómeno conociendo fenómenos similares, tomar prestadas explicaciones de estos fenómenos y adaptarlas al nuevo fenómeno. SWALE (Kass y Leake 1988) es un programa que hace precisamente eso. Por ejemplo, cuando muere un caballo de carreras, el programa recuerda precedentes similares, cada uno de los cuales le ayuda a formar una explicación de la causa de la muerte. Cuando el programa recuerda el precedente en el que Jim Fix murió de un infarto después de una carrera, considera si el caballo murió inmediatamente después de la carrera y si tenía una enfermedad cardíaca que sus dueños desconocían. Recordando el precedente de Janis Joplin, SWALE analiza el posible uso de drogas ilegales. Algunas explicaciones derivadas de esta manera son más plausibles que otras, y algunas requieren más adaptación que otras. Por ejemplo, si consideramos la explicación del consumo de drogas, entonces debe haber una persona a la que le gustaría que el caballo consumiera drogas (después de todo, Janis Joplin tomó drogas por su cuenta, pero el caballo no puede hacerlo), y la razón por la cual este alguien quería que el caballo tomara drogas. Esto requiere un poco más de información que la explicación derivada del precedente de la muerte de Jim Fix de un infarto.

Por tanto, explicar una situación basándose en precedentes requiere un mecanismo de búsqueda que pueda recuperar precedentes similares, un mecanismo de adaptación que debe ser bastante creativo y un mecanismo de verificación que pueda decidir si la explicación resultante tiene algún sentido.

1.2. Método explicativo de razonamiento a partir de precedentes.

El método explicativo de razonamiento a partir de precedentes es el proceso de evaluar una situación o su solución en el contexto de una experiencia previa. Presenta una situación o decisión como entrada, y la salida contiene una clasificación de la situación, un argumento que respalda la clasificación o decisión y/o evidencia para el argumento o decisión. Este método es útil para clasificar una situación, evaluar una decisión, argumentar, justificar una decisión, interpretar o planificar y proyectar las consecuencias de una decisión o plan.

Los jueces de la Corte Suprema utilizan este método al tomar cualquier decisión. Interpretan el nuevo precedente a la luz de acontecimientos anteriores. ¿Es el nuevo precedente similar al antiguo? ¿Qué tan similares son los casos comparados? ¿Qué diferente? Supongamos que interpretamos un nuevo precedente de alguna manera y tratamos de descubrir cuáles son sus consecuencias. Los abogados utilizan el método explicativo de razonamiento a partir de precedentes cuando es necesario justificar argumentos. Todos los días la gente en la calle utiliza este método. Por ejemplo, un niño que les dice a sus padres: “Pero tú permites que tu hermana haga esto” para justificar su argumento. Los gerentes toman decisiones estratégicas basadas en lo que ha sido cierto en el pasado. Por tanto, el razonamiento explicativo basado en casos se utiliza a menudo para evaluar los pros y los contras de resolver un problema. Un árbitro, por ejemplo, que acaba de determinar el salario de un jugador de fútbol, ​​puede observar a otros jugadores con salarios similares para ver si el nuevo salario es consistente con otras decisiones salariales.

El método explicativo del razonamiento basado en casos es más útil para la evaluación cuando no existen métodos computacionales para evaluar la decisión o condición. Por lo general, en tales situaciones hay muchas cantidades desconocidas e incluso si se dispusiera de métodos computacionales, generalmente no se dispone del conocimiento necesario para trabajar con ellos. Quien toma decisiones y utiliza precedentes para evaluar y justificar decisiones o explicaciones explica presuntuosamente la falta de conocimiento argumentando que el mundo es ilimitado y es imposible saberlo todo.

A continuación, se discutirán brevemente tres problemas en los que el método explicativo de razonamiento a partir de precedentes resulta útil para la justificación, la interpretación y la proyección. En la justificación, se demuestra razón o evidencia de la complejidad de un argumento, condición o decisión. En la interpretación, se intenta definir una nueva situación en contexto. Proyectar significa predecir las consecuencias de una decisión. Todos estos problemas tienen un hilo conductor de razonamiento común. Algunos precedentes respaldarán la interpretación o las consecuencias proyectadas de una decisión. Otros casos de uso respaldarán otros procesos. Y quien toma las decisiones debe comparar y contrastar precedentes para poder tomar una decisión.

1.2.1. Justificación y razonamiento contradictorio.

En el razonamiento contradictorio, se presentan argumentos convincentes para demostrar al oponente la exactitud de la posición de uno. Por ejemplo, los abogados prueban su caso de esta manera todos los días. Otras personas también hacen lo mismo, tratando de convencer a alguien de que tiene razón al resolver un determinado problema. Una persona puede incluso razonar competitivamente consigo misma, tratando de convencerse de la calidad y corrección de la solución que acaba de obtener para un determinado problema. A la hora de exponer un argumento convincente, es necesario formular una posición y justificarla ya sea con hechos irrefutables o con conclusiones razonables. Pero la mayoría de las veces, una posición sólo puede fundamentarse utilizando experiencia previa o precedente relevante.

El sistema legal estadounidense es un sistema basado en precedentes. Hay muchas reglas en este sistema, y ​​cada una de ellas tiene sus propias expresiones, que están definidas con precisión, y muchas de ellas se contradicen entre sí. La forma más eficaz de interpretar las leyes es argumentar a partir de precedentes. Por tanto, las leyes proporcionan una buena área de estudio para el estudio del razonamiento contradictorio y del razonamiento a partir de precedentes (Rissland 1983, Bain 1986, Ashley 1987, 1988, Branting 1989).

El programa HYPO (Ashley 1988, Rissland y Ashley 1987) es el primero y el más experimentado en razonamiento jurídico a partir de precedentes. La creación de métodos para formular un argumento y justificar una decisión consta de varias etapas. En primer lugar, se analiza la nueva situación en busca de factores relevantes. Gracias a estos factores se extraen precedentes similares. Se ordenan según la mayor coincidencia con la nueva situación. Algunos apoyan la situación, otros hacen lo contrario. La mayoría de los precedentes que respaldan la nueva situación se utilizan para construir un argumento a favor de la solución propuesta. Se necesitan otros precedentes que no respalden la nueva situación para crear contraargumentos. Los argumentos formados son luego contrarrestados por contraargumentos. El resultado del programa es un conjunto de argumentos de tres niveles, cada uno de los cuales está justificado por un precedente correspondiente. El principal efecto secundario de tales argumentos es que se destacan áreas potencialmente problemáticas.

Consideremos, por ejemplo, el precedente no divulgado argumentado por HYPO. John Smith desarrolló un programa de análisis estructural llamado "NIESA" mientras trabajaba para Structural Dynamics Research Corporation (SDRS). A él se le ocurrió este programa y fue totalmente responsable de su desarrollo. Al unirse a SDRS, firmó un Acuerdo de información confidencial para empleados en el que aceptaba no revelar ni utilizar ninguna información confidencial. Y tras dejar SDRS, se puso a trabajar en el Centro Europeo de Investigación de Mercados (EMRC) como vicepresidente de desarrollo de software. Once meses después, EMRC comenzó a vender el programa de John (NIESA), que había rediseñado utilizando notas del desarrollo de la versión anterior del programa en SDRS. Los empleados de SDRS revelaron partes del código del software NIESA a aproximadamente cincuenta clientes. Y ahora John Smith está siendo demandado por violar un acuerdo de confidencialidad.

HYPO presentó su caso ante el demandado de SDRS. Ella utilizó los factores presentes en este caso para formular una serie de preguntas que debían responderse: ¿Revelar el código NIESA a cincuenta clientes anula la NDA? ¿El hecho de que John Smith fuera el único desarrollador del programa invalida la NDA? El programa sacó varios precedentes y formó un argumento en el que había una demanda entre las corporaciones Midland-Ross y Sunbeam, y debido a que el demandante había revelado información sobre sus productos a personas externas, el demandado debería haber ganado el reclamo por apropiación indebida de secretos comerciales. . Sin embargo, basándose en las diferencias entre la nueva situación y la antigua, se puede formar un argumento en contra. En el caso Midland-Ross, la información se reveló a más personas externas y el demandado obtuvo algo de valor para la celebración del contrato. Esta opinión puede estar respaldada por otro caso en el que Data General demandó a Digital Computer y el demandante ganó, a pesar de que la información fue revelada a incluso más personas externas que en el caso Midland-Ross. Sin embargo, la refutación se formó sobre la base de este precedente. En ese precedente, el demandado ganó porque la divulgación fue limitada. Y en esta situación se reveló la información del único desarrollador del nuevo producto.

Argumentos y justificaciones similares ocurren todos los días. Por ejemplo, se esperaría que un niño de 13 años a quien sus padres le hayan dicho que no vea películas de terror a medianoche recuerde todas las situaciones que recuerda para justificar su situación. Si a su amigo, que también tiene 13 años, se le permite verlo, lo aprovechará. Si a su hermana se le permite ver películas de terror, él también se referirá a esto. Y a medida que sus padres expongan sus propios argumentos, él hará que otros los contrarresten.

En general, los precedentes son útiles para construir argumentos y justificar posiciones cuando hay pocos o ningún principio específico, o cuando los principios son inconsistentes o sus significados están mal definidos.

1.2.2. Clasificación e interpretación

¿El pez espada es el tipo de pescado que Anna elegiría para cenar o no? Esta es una pregunta explicativa que se plantea en el ejemplo al comienzo del capítulo. En general, la interpretación en el contexto del razonamiento basado en casos significa decidir si un concepto se ajusta a alguna clasificación limitada o implícitamente limitada. La clasificación puede establecerse sobre la marcha (por ejemplo, el tipo de pez que preferirá Anna) o puede ser bien conocida pero no suficientemente definida en términos de condiciones necesarias y suficientes. Muchas clasificaciones propuestas se definen como clasificaciones de variedad ilimitada. Por ejemplo, se podría suponer que un vehículo es un dispositivo con ruedas que se utiliza para el transporte, pero cuando una señal de tráfico dice "No se permiten vehículos en los terrenos del parque", probablemente no se refiere a una silla de ruedas o un cochecito, los cuales cumplen con las normas primitivas. definición de la clasificación propuesta. La creación de determinadas características distintivas acompaña constantemente el trabajo de los abogados. De la misma manera, cuando un médico debe determinar si un paciente es esquizofrénico o un otorrinolaringólogo debe determinar si un paciente tiene un trastorno auditivo en particular, el proceso de reconocimiento está plagado de ambigüedad. Hay muchos tipos de manifestaciones de esquizofrenia y las condiciones necesarias y suficientes no nos dicen cómo tratar los casos intermedios. Y del ejemplo al inicio del capítulo se desprende que muchas veces es necesario realizar un razonamiento explicativo, ya que forma parte de las tareas cotidianas del sentido común.

Una forma en que funcionan los clasificadores basados ​​en casos es que el clasificador determine si un nuevo concepto es tan suficiente como otro concepto que se conocía previamente y tiene una clasificación objetivo. ¿Es así como funciona el clasificador PROTOS (Bareiss, 1989) para diagnosticar la discapacidad auditiva? En lugar de clasificar nuevos casos usando condiciones necesarias y suficientes, PROTOS genera una clasificación tratando de encontrar la coincidencia más cercana a la nueva situación en la base de conocimiento. Clasifica la nueva situación utilizando la clasificación del precedente encontrado. Para hacer esto, PROTOS rastrea qué tan primarios son los casos y en qué se diferencian entre sí dentro de una determinada clasificación. Según las diferencias entre los casos de uso, PROTOS intenta igualarlos poniendo a cero los parámetros que no coinciden en el caso de uso anterior.

Si ninguno de los precedentes encaja lo suficientemente bien, a veces es necesario considerar situaciones hipotéticas. Gran parte de los trabajos sobre este tipo de interpretación provienen del estudio de la argumentación jurídica. Supongamos, por ejemplo, que un abogado debe argumentar que su cliente no es culpable de violar un acuerdo de confidencialidad porque la única persona a quien reveló información no era técnicamente competente para utilizar esa información para sus propios fines. Hay varios precedentes que justifican este argumento. Para probar esto, puede imaginar un caso de uso hipotético que vaya más allá de los casos de uso reales dentro de los límites de la prueba. Cabría imaginar una situación en la que la persona que divulga la información no fuera técnicamente competente sino que fuera el presidente de una empresa con personal técnico. Otra persona hipotética podría no ser técnicamente competente, pero su esposa, a quien le pasó la información, sí lo era. La interpretación basada en precedentes hipotéticos ayuda a dar forma al argumento de un concepto particular o viceversa.

Todo lo anterior se logra mediante el programa HYPO (Rissland 1986, Ashley 1987). Este programa es el primero y el más complejo en la interpretación del razonamiento a partir de precedentes. HYPO utiliza situaciones hipotéticas para diversas tareas necesarias para una interpretación efectiva: reconsiderar situaciones antiguas en términos de nuevos factores, crear nuevos precedentes estándar cuando no existen los necesarios, explorar y probar los límites de la validez de un concepto, redefinir un precedente eliminando algunos problemas, darse cuenta de suposiciones ocultas y organizar o agrupar casos. HYPO crea una situación hipotética utilizando una "instancia" de la situación actual. Una situación hipotética puede ser a la vez más fuerte y más débil que la situación real desde diferentes puntos de vista. Este proceso gobierna una serie de modificaciones heurísticas que sugieren direcciones apropiadas para crear una situación hipotética basada en las necesidades de argumentación actuales. La estrategia de argumentación HYPO guía un conjunto de modificaciones heurísticas. Por ejemplo, para contrarrestar un contraejemplo, puedes proponer una variación de una nueva situación que haga que la situación sea similar al contraejemplo.

Cuando un concepto se genera sobre la marcha, la interpretación requiere un paso adicional: inferir un conjunto de propiedades definitorias para una categoría particular. Por ejemplo, para determinar si Anna preferiría un pez espada, primero hay que intentar caracterizar aquellas propiedades del pescado que Anna consideraría aceptables. De lo contrario, será imposible decir con seguridad qué tipo de pescado quiere. El pescado que comía en el restaurante era más o menos similar en apariencia y sabor a la carne. La trucha que no quería parecía un pez. Estos son los aspectos que deben utilizarse para determinar si un pez espada es una opción adecuada. Es bastante fácil para un humano determinar estos aspectos, pero lograr que una computadora lo haga automáticamente es un problema equivalente al problema de determinar la responsabilidad por el resultado final.

1.2.3. Consecuencias proyectadas

La proyección es el proceso de predecir las consecuencias de una decisión o plan y es una parte importante del componente de evaluación de cualquier sistema de planificación o soporte de decisiones. Cuando se sabe todo acerca de una situación, la proyección es simplemente el proceso de ejecutar las conclusiones lógicas conocidas de una decisión para ver a dónde conducirá esa decisión. Sin embargo, la mayoría de las veces, en los problemas del mundo real no se sabe todo y las consecuencias no se pueden predecir con precisión basándose en un conjunto simple de reglas de inferencia.

Consideremos, por ejemplo, la situación de un comandante en el campo de batalla que debe elaborar estrategias para la próxima batalla. La doctrina es un conjunto de reglas para la lucha, y estas reglas se pueden utilizar para crear un primer plan de batalla aproximado. Pero la doctrina da reglas para la situación en su conjunto, no para situaciones específicas en las que las tropas están cansadas, la estrategia del comandante enemigo es bien conocida, ha llovido durante una semana o las montañas están ubicadas de tal manera que dejan espacio para por una trampa. En la planificación, los pequeños factores de la situación marcan una gran diferencia, como en muchas otras situaciones. Hay muchos detalles a los que se les puede prestar atención, y sólo unos pocos de ellos son realmente importantes. Y, como en otras situaciones adversas, es imposible saber todo sobre los oponentes, predecir su estrategia o predecir todas sus reacciones o contraplanes. Sin embargo, es necesario crear un buen plan y evaluarlo en función de las consecuencias previstas.

Los precedentes proporcionan una manera de proyectar consecuencias basadas en lo que fue cierto en el pasado. Los precedentes de planes similares que han fracasado pueden indicar problemas potenciales con el plan actual. Si un plan anterior, similar al actual, fracasó porque las tropas estaban cansadas, el comandante lo sabrá y sabrá si sus tropas están cansadas, y en caso afirmativo lo tendrá en cuenta. Puede cambiar su plan para que la fatiga de las tropas no sea un factor en el resultado de la planificación y permitir que las tropas descansen o reciban nuevas tropas durante la batalla. Los precedentes de planes exitosos similares brindan credibilidad al plan actual. Además, cuando se pretende evaluar los pasos del plan, los precedentes pueden ayudar a evaluar algo. Las consecuencias del uso de un tipo particular de trampa, por ejemplo, pueden evaluarse recordando un precedente en el que ya se utilizó una trampa similar.

El uso automatizado de casos para proyectar las consecuencias de la planificación no fue el propósito del estudio de razonamiento basado en casos, sino que brinda asistencia a los seres humanos en la planificación. BATTLE PLANNER de CSI (Goodman, 1989) es un sistema de búsqueda de casos cuya interfaz está diseñada para permitir a una persona utilizar casos para predecir las consecuencias de la planificación. BATTLE PLANNER recupera los mejores casos que utilizan un plan similar y los clasifica en exitosos y no exitosos. Una persona puede examinar los precedentes, utilizarlos para corregir su plan y luego intentar hacer una evaluación similar del plan revisado. El sistema también se puede utilizar para realizar análisis de sensibilidad. Manipulando los detalles de la situación y observando cambios en el número de victorias y derrotas (de hecho, haciendo preguntas "qué pasaría si"), es posible determinar qué factores de la situación actual son decisivos para mejorar la situación.

La proyección es uno de los obstáculos más importantes que enfrenta la comunidad planificadora hoy en día. En el mundo real, una persona que planifica un proceso debe poder proyectar las consecuencias de las etapas del plan para intercalar adecuadamente las tareas, planificar las últimas etapas antes de que se ejecuten las primeras y gestionar las contingencias. El razonamiento basado en casos ha hecho una contribución importante a la solución de este problema, pero hasta la fecha la mayor parte de los esfuerzos se han destinado a brindar asistencia en el uso de casos para proyectar consecuencias, y pocos esfuerzos se han destinado a automatizar el proceso de proyección.

1.2.4. Razonamiento explicativo basado en casos y resolución de problemas.

Gran parte del trabajo sobre interpretación se ha centrado en la jurisprudencia y ha consistido en la afirmación de argumentos a favor o en contra de alguna interpretación de la ley. Pero no crea que la interpretación basada en casos es sólo para problemas interpretativos. Por el contrario, también es útil como componente evaluativo o decisivo para resolver un problema o tomar una decisión cuando faltan modelos estables de causa y efecto. Aunque no se ha trabajado mucho en esta área, los procesos implicados en el razonamiento explicativo basado en casos tienen el potencial de desempeñar varias funciones importantes en la resolución de problemas. En primer lugar, si se conoce la estructura de la solución o las restricciones subyacentes, entonces es posible seleccionar casos que proporcionen una solución específica al problema. En segundo lugar, formar un argumento y una justificación conduce al conocimiento de en qué características centrarse. En tercer lugar, los métodos HYPO pueden indicar qué propiedades, si estuvieran presentes, contribuirían a una mejor solución. Esto se logra rastreando aspectos críticos y creando precedentes hipotéticos. A la hora de resolver un problema, esta información puede ser útil para procesos de adaptación. Finalmente, se pueden utilizar métodos interpretativos para predecir la idoneidad, la calidad y el resultado de una solución.

2. CBR y entrenamiento

El razonamiento basado en casos es una metodología para el razonamiento y el aprendizaje. El motor de razonamiento basado en casos se entrena de dos maneras. En primer lugar, aumenta su eficacia al recordar situaciones antiguas y adaptar situaciones nuevas en lugar de recuperar respuestas cada vez. Si un caso de uso se adaptó de una manera nueva, se resolvió utilizando algún método nuevo o se resolvió combinando las soluciones de varios casos y luego se le pidió que resolviera la siguiente situación nueva, entonces los pasos necesarios para resolverlo no se repetirán. de nuevo. En segundo lugar, un argumento derivado de un precedente se vuelve más competente con el tiempo y produce mejores decisiones de las que podría haber logrado con menos experiencia. Uno de los puntos fuertes de este método es la capacidad de anticiparse y así evitar errores cometidos en el pasado. Esto es posible porque las situaciones problemáticas se almacenan en la memoria y se indexan mediante aquellas características que predicen errores antiguos.

Dentro de la inteligencia artificial, cuando hablamos de aprendizaje, normalmente nos referimos a aprender reglas generales a través de métodos inductivos o explicativos. Mientras que el motor de razonamiento nota similitudes entre casos y, por lo tanto, puede notar cuándo se deben formar reglas generales, la formación de reglas generales inductivas solo es responsable de enseñar al motor. Entrenar el mecanismo de razonamiento basado en casos es posible de dos maneras: acumulando nuevos casos y asignando índices. Los nuevos precedentes proporcionan contextos más familiares para resolver problemas o evaluar situaciones. Cuanto mayor sea la base de precedentes, más eficiente será el mecanismo de razonamiento. Al mismo tiempo, tanto las situaciones exitosas como las fallidas deben almacenarse en la memoria. Los nuevos índices le permiten configurar la recuperación de precedentes de la memoria en cualquier momento apropiado.

Por tanto, no se puede decir que las generalizaciones no sean importantes. De hecho, los precedentes pueden proporcionar la dirección correcta para la formación de una generalización útil para resolver un problema. ¿Como funciona? Cuando varios casos están indexados de la misma manera y predicen aproximadamente la misma solución o pueden clasificarse de la misma manera, estos casos se pueden generalizar. Además, la combinación de índices y soluciones o clasificaciones previstas proporciona orientación a la hora de elegir el nivel de abstracción de la generalización generada. A veces se pueden utilizar diferentes precedentes para resolver un problema y, a veces, pueden ser necesarias combinaciones de precedentes y casos generalizados. Incluso si no se requieren casos de uso generalizados, ayudan a organizar los casos de uso correctamente en la memoria. El proceso de generalización puede interpretarse como una forma de formar reglas útiles que luego podrían usarse para resolver problemas. Estas reglas se pueden utilizar cuando coinciden estrechamente con precedentes, y se pueden utilizar precedentes únicos cuando no existe una regla adecuada o no es aplicable en una situación determinada.

3. Procesos y resultados

La visión tradicional del razonamiento tanto en la inteligencia artificial como en la psicología cognitiva ha sido que a algún motor de razonamiento se le asigna un problema que puede resolver utilizando algunos operadores abstractos que él mismo ha ideado y compuesto. Pero, como lo han demostrado los ejemplos, el método de razonamiento basado en precedentes adopta un enfoque diferente. En lugar de ver el razonamiento como un proceso de construcción, se considera que el proceso de razonamiento recuerda uno o más precedentes o decisiones específicas basadas en una comparación de una situación nueva y una instancia antigua.

Como ya hemos señalado, los casos se utilizan de dos maneras muy diferentes durante el razonamiento. Los precedentes proporcionan soluciones aproximadas que se adaptan a una nueva situación y proporcionan evidencia concreta a favor de una solución o viceversa. La solución resultante pone en marcha el procedimiento de crítica o evaluación. Así, el método de razonamiento según el precedente proporciona el proceso de “recordar un precedente y adaptar su solución” y “recordar un precedente y evaluar una nueva situación en función de su resultado”.

A medida que se han utilizado, han surgido dos tipos de métodos de razonamiento a partir de precedentes. A la hora de resolver un problema se necesitan precedentes que sugieran soluciones; al interpretar, los precedentes ayudan a evaluar y justificar una situación (por ejemplo, una ley). Pero, como lo han demostrado los ejemplos, estos dos estilos no se superponen completamente. Se utilizan metodologías interpretativas para evaluar y justificar la decisión. Y, quizás, para interpretar la situación, tendrás que responder la pregunta (es decir, resolver el problema).

Los principales procesos que se utilizan en el razonamiento basado en casos son la recuperación de casos y el almacenamiento de casos (actualización de memoria). Para garantizar que las malas soluciones a un problema no se repitan junto con las buenas, el motor de razonamiento de casos también debe evaluar sus soluciones.

Cada tipo de método de razonamiento basado en casos requiere que cualquier proceso de razonamiento comience sólo después de que el caso correspondiente haya sido recuperado de la memoria. En la resolución de problemas, se propone una solución aproximada a un nuevo problema extrayendo la solución de algún precedente reconstruido. Este proceso va acompañado de adaptación, corrección de la antigua solución para adaptarla a la nueva situación, crítica y evaluación de la nueva solución antes de aplicarla. Al interpretar un problema, se propone un resultado aproximado o deseado, a veces basado en precedentes recuperados, a veces basado en la imposición de precedentes externos (por ejemplo, cuando el cliente de un abogado exige un determinado resultado). Luego viene la justificación, la formación de un argumento para una solución propuesta, obtenido al comparar y contrastar la nueva situación con precedentes anteriores, la crítica y el proceso de justificar el argumento, obtenido al crear situaciones hipotéticas e intentar argumentar a favor de ellas.

Estos pasos son en cierto sentido recursivos. La crítica y la adaptación, por ejemplo, a menudo requieren la extracción de nuevos precedentes. También hay varios bucles en este proceso. La crítica junto con la evaluación puede conducir a una adaptación adicional. Si el razonamiento no tiene éxito al utilizar un precedente, se debe reiniciar todo el proceso y se requiere trabajar más con el nuevo precedente seleccionado. La Figura 1 resume las interacciones de las etapas de CBR.

Figura 1 - Ciclo CBR.

Como se muestra en los ejemplos anteriores, el razonamiento a partir de precedentes es un razonamiento natural de cada persona, que puede aliviar muchas de las dificultades que obstaculizan el desarrollo de la inteligencia artificial. Sin embargo, para desarrollar sistemas de razonamiento basados ​​en casos, hay varias preguntas que deben responderse. Muchas de estas preguntas requieren una explicación del proceso del razonamiento humano. Las siguientes secciones proporcionarán una breve descripción general de cada paso y una discusión de los problemas que deben resolverse para explicar y automatizar el mecanismo de razonamiento a partir de casos.

3.1. Extrayendo precedentes

El proceso de recuperación de un precedente o conjunto de precedentes de la memoria consta de dos etapas:

Restaurando precedentes anteriores. El objetivo de esta etapa es obtener “buenos” precedentes que puedan respaldar el razonamiento en etapas posteriores. Los “buenos” precedentes son capaces de predecir una nueva situación. La recuperación se lleva a cabo mediante índices que describen diversas propiedades de los precedentes. Se recuperan de la memoria los casos correspondientes a aquellos índices necesarios para tomar una decisión.

Selección de los mejores precedentes. En esta etapa se seleccionan los precedentes más prometedores generados en la primera etapa. El propósito de la selección es eliminar precedentes poco prometedores y crear candidatos dignos de una consideración intensiva. A veces es aconsejable seleccionar un precedente, a veces varios precedentes.

Uno de los problemas del proceso de extracción es que a veces dos casos deben evaluarse de manera similar aunque tengan pocas características similares. Las estrategias de fútbol y ajedrez, por ejemplo, tienen mucho en común, aunque sus propiedades de juego específicas son diferentes. Un juego se juega en un tablero, otro en un campo, un juego usa piezas, otro jugadores, un juego tiene dos oponentes, otro dos equipos. Las propiedades generales de estos juegos son más abstractas, características de los juegos competitivos. Hay dos oponentes, cada uno quiere ganar y cada uno quiere que el oponente pierda, ambas estrategias del juego implican planificación y contraplanificación, posiciones en el campo de juego, a pesar de que para el fútbol el campo de juego es el campo real con los jugadores. , y para el ajedrez es un tablero de mesa con figuras. Sin embargo, existe lo que se llama ajedrez empresarial: un juego de ajedrez en equipo, y hay un experto que sabe cómo planificar la ramificación de los jugadores. Una forma de resolver este problema es utilizar características (índices) más detalladas de los casos de uso, que también deben mapearse en niveles de representación más abstractos. Esto requiere decidir qué formas abstractas de representar los casos son apropiadas para que puedan compararse (Birnbaum y Collins 1988, Collins 1987).

Otro problema es que la nueva situación y el precedente pueden compartir algunas características comunes derivadas externamente sin compartir ninguna característica individual común. Por ejemplo, al predecir quién ganará una batalla, la predicción principal es la fuerza del atacante y del defensor, pero individualmente, ni la fuerza del atacante ni la fuerza del defensor pueden predecir el resultado de la batalla. Los casos también deberían evaluarse sobre la base de sus relaciones (características derivadas) más que sobre la base de propiedades individuales (características extrínsecas). Una situación similar surge en el diagnóstico. Para comprender la situación actual y extraer el precedente necesario, es necesario comparar características derivadas (trastornos y condiciones hipotéticos) en lugar de características externas (síntomas específicos manifestados en los pacientes). El problema es que es necesario desarrollar una forma eficiente de generar características derivadas. Esto requiere orientación sobre cómo generar características derivadas, porque a menudo es costoso, e incluso si fuera barato, es claramente costoso generar todas las características derivadas posibles.

Y, por supuesto, es necesario derivar un algoritmo para buscar rápidamente en grandes depósitos de precedentes (Kolodner 1984, 1988b).

Los problemas anteriores se pueden combinar en el llamado problema de indexación. En un sentido amplio, el problema de la indexación es el problema de recuperar casos relevantes en el momento adecuado (a pesar de todos los problemas descritos anteriormente). En general, es problemático asignar etiquetas (índices) a casos de uso que indiquen en qué casos se puede utilizar cada caso de uso. Estas etiquetas se trataban de la misma manera que los índices de los libros. Todos los casos de la base de conocimientos están indexados y la nueva situación se utiliza como clave para un índice determinado, a través del cual se recupera el caso correspondiente. Los investigadores están trabajando para indicar qué índices son más útiles, publicando diccionarios de índices, creando heurísticas y algoritmos para automatizar la selección de índices, organizando casos basados ​​en índices, buscando casos utilizando índices y seleccionando el mejor caso de uso. Los índices deben proporcionar utilidad y una búsqueda precisa sin influir indebidamente en la búsqueda, que es una de las cuestiones más importantes del razonamiento basado en casos.

3.2. Proporcionar una solución aproximada.

En esta etapa, las partes relevantes de los casos seleccionados durante el proceso de extracción forman una solución aproximada al nuevo caso. En el proceso de resolución de un problema, por regla general, esta etapa incluye la elección de una solución al problema anterior o a una parte del mismo. La solución encontrada o la parte seleccionada de la solución es una solución aproximada al nuevo problema. El proceso de interpretación implica desglosar los casos recuperados según las interpretaciones y soluciones que predicen, y asignar una interpretación inicial a un nuevo problema. Alternativamente, es posible que ya se haya dado la interpretación inicial (por ejemplo, cuando se requiere que un abogado comparezca en representación de un cliente). En esta situación no es necesario realizar este paso.

Por ejemplo, cuando planee cocinar la cena, puede concentrarse en el plan de cocina de una situación pasada, es decir, un precedente aprendido, y utilizar este plan como una solución aproximada. Si para la preparación no se necesita todo el plan, sino una parte del mismo, entonces la parte correspondiente del plan extraído será una solución aproximada. Así, si el programa JULIA, que intenta crear una receta para una cena económica y fácil de preparar para 20 personas, recuerda el precedente en el que se servía un aperitivo tradicional italiano, lasaña, brócoli y postre de helado y frutos secos para cenar, entonces este precedente será una solución aproximada para nuevas situaciones relevantes. De la misma forma se selecciona el plato principal aproximado, por ejemplo, lasaña, que era el plato principal en la situación anterior.

En esta etapa, el programa interpretativo decide cuál de las interpretaciones aproximadas es la más adecuada para una argumentación adicional. PROTOS, por ejemplo, utiliza una función de evaluación bastante tosca para determinar qué casos son los más apropiados para una nueva situación. HYPO, que en sí mismo es un programa de capacitación para estudiantes de derecho, proporciona un conjunto seleccionado de alternativas para argumentar el caso que se presentará ante el juez o el jurado. Por lo tanto, el programa no comienza a ejecutarse hasta el siguiente paso.

Pueden surgir varios problemas al generar una solución aproximada. En primer lugar, surge la cuestión de cómo se seleccionan las partes relevantes del caso extraído para un razonamiento posterior. El antiguo precedente puede ser bastante grande y es muy importante que aquellas partes que no se aplican a la nueva situación no interfieran con él. Por otro lado, es posible que partes aparentemente no relacionadas de un antiguo precedente puedan servir de guía. La respuesta a esta pregunta tiene dos partes: en primer lugar, los objetivos que quien toma las decisiones se fija determinan dónde centrarse en el antiguo precedente. El mecanismo de razonamiento basado en casos centra su atención en aquella parte del antiguo precedente que es relevante para lograr el objetivo correspondiente en el pasado. Por lo tanto, si es necesario resolver un problema, toda la concentración se dirige a la solución correspondiente anterior. Si es necesario extraer una determinada parte de la solución, entonces la atención se centra en la parte correspondiente de la solución del precedente anterior. Si es necesario interpretar una situación, entonces la atención se centra en la clasificación de esta situación en el precedente extraído. En segundo lugar, la estructura interna del caso de uso extraído y, principalmente, las dependencias entre las diferentes partes del caso de uso ayudan a ampliar el área de enfoque en las direcciones apropiadas. Por lo tanto, cuando el razonamiento basado en casos se centra en resolver un problema o interpretar una situación en un caso antiguo, también entran en foco aquellas características de la nueva situación que llevaron a la elección de esa solución o interpretación particular.

Otro problema que surge a la hora de formular una solución aproximada es que a veces lleva bastante tiempo pasar a la siguiente etapa de adaptación o justificación. A menudo hay adaptaciones relativamente fáciles y, como algunos las llaman, inteligentes que pueden haberse realizado en una solución pasada a un problema antes de ser exploradas en procesos de adaptación más difíciles. En la mediación laboral, por ejemplo, los ajustes a los salarios y otros beneficios basados ​​en el costo de vida son un ajuste esperado. Se pueden hacer ajustes similares a interpretaciones más antiguas antes de que sea necesario formular argumentos a favor de ellas. En la interpretación, son especialmente útiles para formar una solución aproximada antes de que comience la formación de razonamientos y argumentos más complejos. Por tanto, el argumento se basa en una interpretación más realista.

El tercer problema que surge a la hora de formar una solución aproximada está relacionado con la elección de la interpretación. En los programas que se han desarrollado hasta el día de hoy, las interpretaciones se eligen deliberadamente o mediante una evaluación aproximada de todas las alternativas existentes. Si hay una manera de llegar a la respuesta "correcta" sin importar por dónde se empiece, entonces elegir la primera alternativa es sólo una cuestión de eficiencia. Sin embargo, si todas las alternativas no están relacionadas de alguna manera, entonces la elección inicial de alternativa puede afectar la precisión del razonamiento. Por tanto, la elección inicial de alternativa es un problema real.

3.3. Adaptación

En el proceso de resolución de problemas, los viejos precedentes se utilizan como inspiración para resolver nuevos problemas. Sin embargo, dado que las situaciones nuevas rara vez coinciden con las antiguas, las situaciones antiguas deben corregirse de acuerdo con las situaciones nuevas. Durante el proceso de adaptación, una solución aproximada se adapta a una nueva situación. La adaptación consta de dos etapas: descubrir qué es necesario adaptar y crear la adaptación.

Los problemas de adaptación surgen de ambas etapas. Empecemos por ver la adaptación en sí. Para un área o tarea específica, se pueden idear una serie de estrategias heurísticas o de adaptación. Luego puede implementarlos y crear un sistema que funcione. Sin embargo, esto no es posible en todos los casos. La pregunta que es necesario responder es si existe un conjunto general de estrategias de adaptación que puedan aplicarse a cualquier área y que proporcione pautas para identificar estrategias de adaptación especializadas. Por ejemplo, eliminar la carne de una receta que debe hacerse vegetariana es una estrategia para adaptar una receta particular, pero también es una especialización de una estrategia más básica, que se puede llamar eliminar un componente secundario de la receta. Esta estrategia establece que un componente secundario se puede eliminar si no realiza la función requerida. Para cada tipo de estrategia de adaptación, también es necesario determinar los conocimientos necesarios para aplicarla.

Además, las metodologías para reconocer inconsistencias entre precedentes antiguos y nuevos y seleccionar qué adaptar desempeñan un papel importante en la adaptación. Algunas de las técnicas contables desarrolladas en otras áreas de la inteligencia artificial son bastante útiles en su aplicación, pero a menudo se utilizan para fines distintos a los originales.

3.4. Justificación y crítica

En estos procesos, una decisión o interpretación se valida antes de ser experimentada en el mundo real. Cuando se conoce todo lo necesario para evaluar la solución o interpretación resultante, entonces esta etapa puede considerarse como una prueba. Sin embargo, en muchas situaciones hay demasiadas incógnitas como para probar la solución. Sin embargo, se puede criticar la solución resultante utilizando todos los métodos interpretativos de razonamiento basados ​​en precedentes. Una forma es comparar y contrastar la solución propuesta con otras soluciones similares. Esto requiere una invocación recursiva de procesos de memoria para recuperar precedentes con soluciones similares. Por ejemplo, si ya existe un caso conocido de una situación desafortunada similar, es necesario determinar si la nueva situación está sujeta a los mismos problemas. Alternativamente, si existe un ejemplo conocido de una situación similar, pero los problemas a resolver son bastante diferentes, entonces es necesario determinar si la nueva situación se ha abordado de manera justa. Por ejemplo, en una negociación de contrato, el intermediario puede formular una propuesta salarial y, antes de ofrecerla, comparar el salario que propone con los salarios de otros empleados y determinar si el salario propuesto es consistente con los precedentes actuales.

Para comprobar la fiabilidad de la solución, también se pueden proponer situaciones hipotéticas. Otra forma de criticar la solución propuesta es simular la situación (con un nivel alto o bajo de precisión) y comprobar los resultados.

Las críticas pueden llevar a la necesidad de extraer precedentes adicionales y también pueden conducir a adaptaciones adicionales, ahora una corrección de la adaptación anterior.

Las cuestiones clave incluyen estrategias para evaluar los precedentes utilizados, estrategias para recuperar precedentes para su uso posterior en la interpretación, evaluación y justificación; generar situaciones hipotéticas apropiadas y estrategias para utilizarlas; asignando también el estatus de confianza y desconfianza a los precedentes en la base de conocimiento.

3.5. Calificación

En esta etapa, los resultados del razonamiento se probarán en el mundo real. Se obtendrán y analizarán comentarios de precedentes reales ocurridos durante o como resultado de la implementación de la decisión resultante. Si los resultados se confirman, entonces no es necesario realizar más análisis, pero si los resultados esperados y reales son diferentes, entonces es necesaria una explicación de los resultados obtenidos. Para hacer esto, debe averiguar qué causó la anomalía y qué se debe hacer para prevenir tal situación. A veces es posible descubrir el motivo razonando a partir de precedentes.

Esta etapa es la más importante para razonar a partir de precedentes. Al evaluar las soluciones obtenidas en el mundo real, se genera una retroalimentación que permite aprender de tus errores. La retroalimentación también le permite notar las consecuencias de su razonamiento. Esto, a su vez, facilita el análisis del razonamiento y la explicación de cosas que no salen según lo planeado. Este análisis permite anticipar y evitar errores que pueden explicarse, y detectar oportunidades imprevistas previamente que pueden explotarse más adelante.

La evaluación es el proceso de juzgar la bondad de una solución propuesta. A veces la evaluación se realiza en el contexto de precedentes anteriores, a veces se basa en la retroalimentación del entorno externo, a veces se basa en simulaciones mentales o reales. La evaluación implica explicar las diferencias (por ejemplo, entre lo que se esperaba y lo que realmente sucedió), justificar las diferencias (por ejemplo, entre una solución propuesta y una que se ha utilizado en el pasado), proyectar resultados y comparar y clasificar posibilidades alternativas. El resultado de la evaluación podrá ser una mayor adaptación o corrección de la solución propuesta.

3.6. Actualización de memoria

En este punto, el nuevo caso de uso se ingresa correctamente en la base de conocimientos para uso futuro. Un caso de uso consta de un problema, una solución a ese problema, alguna evidencia básica de que el sistema sabe cómo utilizar el caso de uso y los resultados del razonamiento. El proceso más importante en esta etapa es elegir cómo "indexar" el nuevo caso de uso en la memoria. Los índices deben elegirse de tal manera que sea posible recuperar un nuevo caso durante el razonamiento posterior en un momento en que pueda resultar particularmente útil. Los casos de uso no deben estar demasiado indexados, ya que no desea que los casos se obtengan al azar. Esto significa que un motor de razonamiento basado en casos debe ser capaz de anticipar la importancia de un caso para el razonamiento posterior. En esta etapa también se ajusta la estructura de organización e indexación de la memoria.

Para resolver el problema de indexación, debe seleccionar los índices apropiados para el nuevo caso de uso utilizando la terminología correcta y, al mismo tiempo, asegurarse de que todos los demás elementos permanezcan accesibles porque el nuevo caso de uso se ha agregado a la base de conocimientos.

4. Aplicabilidad del método de razonamiento por precedentes

4.1. Alcance e idoneidad en el mundo real.

Comencemos por considerar por qué un médico, o cualquier otra persona capacitada en la práctica de la toma de decisiones lógicas, sacaría conclusiones de los precedentes. Después de todo, el médico está capacitado para utilizar hechos y conocimientos, y el razonamiento basado en precedentes puede interpretarse como un razonamiento basado en rumores. La respuesta es simple. El médico está capacitado para reconocer por separado los trastornos del cuerpo y las combinaciones comunes de trastornos. También conoce la etiología de los trastornos, es decir. cómo progresan. Pero es imposible enseñar a reconocer todas las combinaciones de trastornos existentes, y aplicar los conocimientos existentes lleva mucho tiempo para generar un diagnóstico plausible. Si alguna vez usó sus conocimientos para resolver un problema difícil, entonces tiene sentido guardar esta solución de tal manera que pueda usarse nuevamente. Así, una vez que haya aprendido a reconocer una nueva combinación de trastornos y haya recordado esta experiencia, podrá volver a reconocerla, pero sin mucho esfuerzo, a diferencia de la primera vez. Un juicio médico lógico adicional debe determinar si el paciente realmente tiene el conjunto de enfermedades propuesto.

De la misma manera, es imposible esperar que un programa de computadora esté equipado con todas las combinaciones posibles de problemas que pueda encontrar. Y no se debe esperar que el programa tenga algoritmos eficientes que puedan crear soluciones plausibles desde cero en todo momento. Un sistema modelo de resolución de problemas, por ejemplo, es bastante eficiente, pero esto no significa que pueda generar fácilmente cualquier solución a un problema, especialmente cuando es posible que se produzca una falla en cualquier momento. De manera similar, si bien un modelo de causa y efecto puede ser útil para validar un proyecto, es posible que no proporcione suficiente información para permitir que los diseños se desarrollen bajo ciertas restricciones. Así como el razonamiento a partir de casos ayuda a las personas a encontrar fácilmente soluciones a ciertos problemas, también proporciona una manera para que un programa de computadora proponga eficientemente una solución a un problema cuando tal situación no ha surgido previamente. Pero esto no significa que el razonamiento de causa y efecto no tenga mérito. Por el contrario, debe estar presente en el momento, por ejemplo, cuando el médico analiza la decisión recibida. El sistema del modelo de causa y efecto debe funcionar junto con el sistema de razonamiento basado en casos para identificar los cambios que deben realizarse en el caso extraído para permitir adaptaciones informadas y probar las soluciones propuestas a un problema. De hecho, CASEY (Koton 1988) y KRITIK (Goel y Chandrasekaran 1989) funcionan de manera similar: CASEY para diagnosticar insuficiencia cardíaca y KRITIK para diseñar objetos mecánicos elementales. Por lo tanto, el razonamiento a partir de precedentes es útil tanto para humanos como para sistemas automatizados que contienen mucho conocimiento en algún área, porque brinda la oportunidad de reutilizar algunos razonamientos formados en el pasado. Sin embargo, también es útil para quienes tienen muy pocos conocimientos sobre algún tema o área.

Consideremos, por ejemplo, una persona que nunca ha planeado una cena para invitados. Su propia experiencia no le ayudará. Pero si alguna vez ha asistido a un banquete, tiene la oportunidad de comenzar a planificarlo. Si recordara aquellos platos que se sirvieron en condiciones similares a las que él necesita cumplir, podría utilizar esta información para sus propios fines. Por ejemplo, si hiciera una lista de los banquetes a los que asistió, podría conocer para cada banquete la complejidad de la preparación, el coste de los ingredientes y adaptar la información recibida a su situación.

El razonamiento basado en precedentes también puede resultar útil cuando el conocimiento es incompleto y la evidencia es insuficiente. Los sistemas lógicos tienen dificultades para afrontar cualquiera de estas situaciones porque prefieren basar sus respuestas en lo conocido y normal. Los sistemas de inteligencia artificial más tradicionales utilizan ciertos factores y otras técnicas de razonamiento imprecisas para combatir estos problemas, cuyas soluciones requieren un importante esfuerzo informático y no inspiran mucha confianza. El razonamiento a partir de precedentes proporciona otra forma de abordar el conocimiento incompleto. El mecanismo de razonamiento basado en casos hace suposiciones para completar conocimientos imperfectos o faltantes basándose en lo que le proporciona su propia experiencia. Las soluciones generadas de esta manera no siempre serán óptimas o incluso correctas, pero si se tiene en cuenta la evaluación de las respuestas propuestas, es posible generar fácilmente respuestas a las preguntas relevantes.

Además de los beneficios anteriores, el razonamiento basado en precedentes también es útil incluso cuando la solución a un problema particular en el pasado no se corresponde con el nuevo problema. Hay dos perspectivas para el desarrollo de tal situación. Aquellas propiedades que deberían excluirse del caso de uso extraído se pueden agregar a su descripción como propiedades no deseadas y luego se debe volver a extraer un nuevo caso de uso. Además, el precedente extraído puede servir como punto de partida para crear una nueva solución. Cuando existe una interacción significativa entre ciertas partes de la solución y las soluciones tendrán que adaptarse muchas veces para adaptarse a una nueva situación, esto es aún mejor que crear una solución desde cero. Después de todo, un precedente proporciona algo concreto para el razonamiento. Mucha gente encuentra preferible este estilo de razonamiento.

4.2. VentajasCBR

El razonamiento a partir de precedentes proporciona varios beneficios al tomador de decisiones:

El método de razonamiento basado en casos permite formular soluciones rápidamente, evitando el tiempo necesario para obtener estas soluciones desde cero. Este beneficio es especialmente útil para un médico que recuerda un diagnóstico o tratamiento anterior. Al evaluar la solución resultante, como lo hace cualquier mecanismo de razonamiento o persona que razona, el mecanismo de razonamiento basado en casos obtiene una ventaja porque Gracias a las evaluaciones, es capaz de resolver fácilmente un problema. Esta ventaja elimina la necesidad de realizar cálculos e inferencias que consumen mucho tiempo y es útil para prácticamente todos los problemas que implican resolución, planificación, explicación y diagnóstico. De hecho, en una evaluación del programa CASEY (Koton 1988), se encontró que el factor de desempeño aumenta en dos órdenes de magnitud si un problema particular ya se ha detectado en el pasado.

El método de razonamiento basado en precedentes le permite formular soluciones a problemas no solo en aquellas áreas que están bien estudiadas. Muchas áreas no pueden entenderse completamente porque las circunstancias a menudo dependen de un comportamiento humano impredecible, como en la economía. Algunos, por ejemplo, todavía no comprenden cómo progresan diversas enfermedades y cómo actúan determinados fármacos en el organismo. A menudo es necesario tomar una decisión sin los conocimientos y la experiencia suficientes. El razonamiento basado en casos nos permite derivar suposiciones y predicciones basadas en experiencias pasadas sin requerir que tengamos ninguna comprensión especial del problema.

El método de razonamiento basado en casos brinda la oportunidad de evaluar soluciones cuando los métodos de evaluación algorítmicos no están disponibles. El uso de casos para ayudar en la evaluación es especialmente útil cuando no se sabe todo sobre el problema y no hay otro método de evaluación disponible o es demasiado complejo. Las soluciones pueden reevaluarse en el contexto de situaciones similares anteriores.

Los casos son especialmente útiles para interpretar conceptos no concluyentes o mal definidos. Como se mencionó anteriormente, los abogados utilizan la interpretación. Pero también se aplica en situaciones cotidianas. El ejemplo original utilizó precedentes para definir lo que implica el concepto “Anna no quiere pescado para cenar”. El desempeño del programa PROTOS (Bareiss 1989), que clasifica la discapacidad auditiva en condiciones de poca información, muestra que el razonamiento basado en casos en la interpretación puede ser más preciso que un método basado en generalizaciones cuando las clasificaciones están mal definidas. PROTOS es más eficiente y preciso que los sistemas de clasificación basados ​​en métodos de clasificación más tradicionales.

Recordar experiencias anteriores es especialmente útil para alertarle sobre posibles problemas que se han encontrado en el pasado. Esto brinda la oportunidad de tomar medidas para evitar repetir errores del pasado. pero como funciona? Las situaciones pasadas pueden ser tanto exitosas como fallidas, es decir. aquellas situaciones en las que el resultado no estaba previsto. Consideremos nuevamente el ejemplo de planificar la preparación de la cena para los invitados. Sería mucho más fácil planificar la preparación de platos si supiera de antemano qué platos son fáciles de preparar y económicos, qué ingredientes son bastante difíciles de adquirir en productos industriales, que empezar a planificar desde cero cada vez. Ahora se advierte a la persona que planea preparar la cena, gracias a precedentes anteriores, que evite agregar ciertos ingredientes o se asegure de que estén disponibles.

Los casos ayudan a centrar la atención en los aspectos importantes de un problema al indicar qué características del problema son las más importantes. Lo que era importante en situaciones anteriores normalmente lo será en situaciones nuevas. Por lo tanto, si en un caso de uso anterior un determinado conjunto de características estuvo implicado en un resultado fallido, entonces uno debe centrarse en esas características para garantizar que el fracaso no se repita. Asimismo, si determinadas características están asociadas a la suerte, entonces se les debe prestar especial atención. Esta ventaja está disponible tanto a la hora de resolver un problema como a la hora de interpretar una situación. En el método interpretativo de razonamiento a partir de precedentes, la justificación y la crítica se forman sobre la base de aquellas características que se ha descubierto que son responsables de los éxitos y fracasos del pasado. Un abogado, por ejemplo, presta especial atención a aquellos aspectos de una nueva situación que fueron relevantes en situaciones pasadas. Al resolver un problema, es posible adaptar la solución para que contenga más propiedades responsables de un resultado exitoso y menos de aquellas que pueden conducir al fracaso.

4.3. Dificultades

Por supuesto, existen ciertas dificultades al utilizar el método de razonamiento a partir de precedentes. Existe la posibilidad de utilizar el precedente anterior a ciegas, es decir. confiar en la experiencia previa sin comprobar su impacto en una nueva situación. A veces los precedentes pueden tener demasiada influencia en el proceso de resolución de un nuevo problema. Y esto les sucede a menudo a los novatos que no conocen los precedentes más apropiados para aplicar en una situación particular (Holyoak 1985, Gentner 1989). Sin embargo, la gente acepta el razonamiento a partir de precedentes como una forma natural de razonar. Tratar de explicar los procesos involucrados en la tecnología del razonamiento a partir de precedentes puede ayudar a explicar cómo enseñar a las personas a razonar mejor a través de precedentes. Además, la tecnología de la memoria de casos puede proporcionar un sistema de apoyo a las decisiones que mejore la memoria humana al proporcionar precedentes relevantes y al mismo tiempo permitir que una persona razone de forma natural y habitual.

5. ¿Modelo cognitivo o metodología para la construcción de sistemas expertos?

¿El razonamiento basado en precedentes es una simulación del razonamiento humano o una metodología para construir sistemas inteligentes? En un intento por responder a esta pregunta, se entrevistó a personas que trabajan en esta área y se examinaron programas que utilizan el razonamiento de casos. Las investigaciones han demostrado que el razonamiento basado en casos es a la vez una forma para que las personas resuelvan sus problemas y un método de razonamiento que puede automatizarse.

5.1. Razonamiento a partir de precedentes y personas.

Hay mucha evidencia de que la gente realmente utiliza el razonamiento a partir de casos en su razonamiento cotidiano. Parte de la evidencia se basa en rumores: nosotros mismos los observamos. Otra evidencia es experimental. El investigador Ross (1986, Ross 1989), por ejemplo, ha demostrado que las personas que aprenden nuevas habilidades a menudo hacen referencia a problemas anteriores para refrescar sus recuerdos de cómo resolvieron el problema en ese momento. Las investigaciones realizadas en nuestro laboratorio muestran que tanto los mecánicos de automóviles novatos como los experimentados utilizan su propia experiencia para formar una hipótesis sobre la causa de un problema, reconocer el problema (por ejemplo, revisar una máquina rota) y recordarles cómo detectar varios problemas (Lancaster y Kolodner 1988, Redmond 1989). Otros estudios muestran que los médicos utilizan precedentes para formular hipótesis sobre el diagnóstico de un paciente, interpretar los resultados de las pruebas y seleccionar tratamientos cuando algunos no se comprenden completamente (Kolodner, no publicado). Asimismo, arquitectos y hoteleros recuperan, conectan y adaptan planes de diseño anteriores para crear otros nuevos.

Los programas que desarrollamos son un intento de comprender los procesos involucrados en el razonamiento a partir de casos. Existen varias aplicaciones potenciales importantes para comprender cómo las personas resuelven sus problemas de forma natural. Primero, podemos crear un sistema de apoyo a la toma de decisiones que les ayude a extraer los mejores casos. Los psicólogos han descubierto que las personas se sienten cómodas utilizando precedentes para tomar decisiones, pero no siempre recuerdan sólo situaciones útiles. La computadora se puede utilizar como herramienta de recuperación para mejorar la memoria de las personas. En segundo lugar, podemos desarrollar estrategias para la enseñanza y crear materiales didácticos que enseñen basándose en buenos ejemplos. Si las personas se sienten cómodas usando ejemplos para resolver problemas y saben cuál es la mejor manera de resolverlos, entonces es nuestra responsabilidad como maestros enseñarles las cosas correctas. En tercer lugar, si entendemos qué pasos del proceso de razonamiento son difíciles de realizar bien, podemos enseñar a las personas cómo razonar mejor a partir de los casos. Una crítica, por ejemplo, es que la gente tiende a asumir que una respuesta de un caso anterior es necesariamente correcta sin justificarla en la nueva situación. Esto nos dice que debemos enseñar a las personas a justificar sus decisiones y hacerles entender que la justificación y la evaluación son fundamentales para tomar la decisión correcta. Si podemos aislar los problemas que las personas resuelven utilizando precedentes, de manera similar podemos enseñarles a resolver problemas de manera más efectiva.

5.2. Desarrollo de un mecanismo de razonamiento basado en precedentes.

Como método para construir sistemas inteligentes, el método de razonamiento basado en precedentes es particularmente atractivo porque Parece relativamente simple y natural. Es bastante difícil encontrar expertos que le digan todo lo que saben sobre la resolución de problemas. De hecho, algunas personas que desarrollan sistemas expertos de razonamiento basado en casos han descubierto que son mucho más fáciles de desarrollar que los sistemas tradicionales (Barletta y Hennessy 1989, Goodman 1989). Un problema importante del razonamiento en dominios expertos es el alto grado de incertidumbre y conocimiento incompleto. El razonamiento basado en casos considera problemas similares a través del conocimiento de situaciones pasadas. Los sistemas precedentes también proporcionan una alta eficiencia. Mientras que otros sistemas de resolución de problemas dedican enormes cantidades de tiempo a buscar una solución desde cero cada vez, se ha descubierto que los sistemas basados ​​en precedentes son más rápidos (Koton 1988).

Hay varios tipos diferentes de sistemas de razonamiento basados ​​en casos que se pueden desarrollar. Estos son motores de búsqueda y totalmente automatizados. Los sistemas totalmente automatizados resuelven problemas por sí solos y tienen algunos medios para interactuar con el mundo exterior para proporcionar retroalimentación. Los motores de búsqueda trabajan interactivamente con el usuario para resolver un problema. Tienen como objetivo mejorar la memoria de una persona y sentar precedentes para tener en cuenta que una persona no puede saberlo todo, sino que debe tomar una decisión y es responsable de ella. Además, existen varios sistemas intermedios, algunos de los cuales requieren más atención humana y otros menos.

También hay varios propósitos de los sistemas de razonamiento basados ​​en casos, uno de los cuales es el mantenimiento. El sistema de servicio brinda la capacidad de resolver problemas, ofrecer respuestas específicas a preguntas problemáticas, sugerir la respuesta correcta sin decirla (es decir, dar consejos abstractos) o simplemente funcionar como una base de conocimientos que puede recuperar casos superpuestos. Así como funcionan los sistemas de gestión de bases de datos, los sistemas de razonamiento de casos también pueden interactuar con un humano u otro programa. Al interactuar con humanos, los programas pueden formar una planificación estratégica para un proceso utilizando precedentes para derivar o evaluar una solución. El CSI Battle Planner (Goodman 1989), por ejemplo, proporciona planificación para una batalla específica. O uno podría imaginar un sistema de enseñanza que tenga acceso a una biblioteca de ejemplos para usar en la enseñanza.

Los sistemas de razonamiento basados ​​en casos más simples requieren una biblioteca de casos que cubra los muchos problemas que surgen en un área particular. Esta biblioteca debe incluir casos de uso exitosos y no exitosos. También deberían indexarse ​​en consecuencia. La biblioteca de precedentes, junto con una interfaz favorable y conveniente, proporciona un aumento de la memoria humana. Y además de este sistema, poco a poco se pueden ir creando procesos automatizados.

Transformación del modelado de fenómenos precedentes, que se basa en la repulsión del estándar. Para que se produzca la reorientación de un texto específico, el destinatario realiza cambios formales y semánticos en el texto fuente. Pero para que el destinatario comprenda la esencia del PF transformado, debe hacer que su producto sea lo más transparente y comprensible posible, y el destinatario, a su vez, debe tener el conjunto de conocimientos necesarios para comprender la unidad transformada. F. S. Ragimova identifica 6 métodos de transformación: sustitución, implicación, explicación, cambio de modalidad funcional, contaminación, transformación mixta. 1

Sustitución

En este método de transformación, se reemplaza la composición del componente. Es decir, en lugar de una palabra canónica, se inserta otra palabra, habitualmente similar en sus características morfológicas. Según la posición del componente sustituido, la sustitución puede ser anafórico(reemplazo del componente inicial), epifórico(reemplazo del componente final del PF) y medio(reemplazo de un componente ubicado dentro del extracto). En términos de composición cuantitativa, la sustitución puede ser monocomponente(el reemplazo está representado por un componente) y multicomponente(El reemplazo está representado por varios componentes). La sustitución también se puede caracterizar por sustitución léxica. componente de valor completo y componente expresado por una palabra funcional.

Implicación

La implicación es un estrechamiento, un truncamiento de la composición de componentes de un fenómeno precedente. Al igual que el primer método de transformación, la implicación puede determinarse por la posición del componente reducido: anafórico(truncamiento del componente inicial), epifórico(truncamiento del componente final del PF) y medio(truncamiento de un componente ubicado dentro de la declaración). Atendiendo a la composición de los componentes, se han identificado los siguientes tipos de transformación: implicación monocomponente(el truncamiento está representado por un componente) y implicación policomponente(el truncamiento está representado por varios componentes) Por composición cualitativa: truncamiento componente de valor completo y componente expresado por una palabra funcional

Explicación

Este tipo de transformación se caracteriza por una expansión de la composición de componentes del PF. El nuevo componente es una continuación semántica de la declaración original. Con base en el atributo “posición de un componente que expande la estructura del PF”, se distinguen los siguientes tipos de transformación: anafórico(extensión del elemento inicial), epifórico(extensión del elemento final) y medio(expansión dentro de la expresión). Con base en el criterio "composición de los componentes del elemento expansivo PF", se distinguen los tipos de transformación cuantitativa y cualitativa:

Cuantitativo transformación: monocomponente expansión y multicomponente extensión.

Alta calidad La transformación conduce a la formación de los siguientes tipos:

Consonancia(cambio en la buena organización del FP)

Expansión léxica(componente de valor completo y componente expresado mediante una palabra funcional)

Modalidad funcional cambiante

En el ámbito de modalidad incluimos la oposición de enunciados según la naturaleza de su actitud comunicativa: afirmación – pregunta – motivación. Es decir, este método de transformación implica mover modalidad afirmativa - en interrogativa, interrogativa - en incentivo. La transición de la modalidad afirmativa a la interrogativa crea relaciones dialógicas entre los comunicadores. El destinatario se ve arrastrado al diálogo porque, desde el punto de vista psicológico, una pregunta presupone siempre una respuesta. La modalidad de incentivo no requiere respuesta verbal. El propósito del imperativo es evocar una acción de habla específica.

MÉTODO PRECEDENTE

(Inglés) caso de estudio)- Psicología clínica.

Gran diccionario psicológico. - M.: Prime-EVROZNAK. Ed. B.G. Meshcheryakova, acad. vicepresidente Zínchenko. 2003 .

Vea qué es el "MÉTODO PRECEDENTE" en otros diccionarios:

Aprendizaje automático- (ing. Aprendizaje automático) es una subsección extensa de inteligencia artificial que estudia métodos para construir algoritmos que puedan aprender. Hay dos tipos de formación. El aprendizaje por precedente, o aprendizaje inductivo, se basa en identificar... ... Wikipedia

Use el diagrama del caso- Diagrama de casos de uso para un modelo operativo de restaurante simplificado. Diagrama de casos de uso (inglés... Wikipedia

HISTORIA METODOLOGÍA- (del griego metodos, camino de la investigación, del conocimiento y de la enseñanza logos) teoría del conocimiento histórico. M. y. desarrolla principios y medios para obtener conocimiento sobre el pasado, sistematizando e interpretando los datos obtenidos con el fin de esclarecer la esencia de la historia... ... Enciclopedia histórica soviética

Entrenamiento con máquinas

Aprendizaje basado en casos- El aprendizaje automático es una subsección amplia de la inteligencia artificial que estudia métodos para construir algoritmos que puedan aprender. Hay dos tipos de formación. El aprendizaje por precedente, o aprendizaje inductivo, se basa en ... ... Wikipedia

Caso de uso (UML)- Este término tiene otros significados, ver Precedente (significados). Artículo principal: Escenario de Caso de Uso, también: caso de uso, caso de uso, especificación de secuencias de acciones... ... Wikipedia

Tribunal Federal de EE. UU.- (Poder judicial federal de EE. UU.) El Tribunal Federal de EE. UU. es un organismo judicial federal de EE. UU. creado por el gobierno para resolver disputas a nivel federal Tribunal Federal de EE. UU.: el sistema judicial federal de EE. UU., por quien nombra a los jueces... ... Enciclopedia de inversores

MITOLOGÍA- (del griego mitos leyenda, leyenda y logos palabra, concepto, enseñanza) una forma de entender el mundo en las primeras etapas de la historia humana, historias fantásticas sobre su creación, sobre las hazañas de dioses y héroes. En M. El espacio aparece como un todo único,... ... Enciclopedia filosófica

PATRÍSTICA- (lat. patres padres) dirección del pensamiento filosófico y teológico de los siglos II al VIII, asociada a las actividades de los primeros autores cristianos de los Padres de la Iglesia. Fuentes semántico-axiológicas del diseño de P. filosofía antigua (método racional general y específico ... ... Historia de la Filosofía: Enciclopedia