{
  "title": "Glosario de la Unidad 2",
  "terms": [
    {
      "term": "Base de conocimiento",
      "english": "knowledge base",
      "definition": "Sentencias que representan un dominio, separadas del procedimiento que razona con ellas.",
      "example": "Mamífero(ballena) y una regla sobre mamíferos.",
      "section": "representar-conocimiento"
    },
    {
      "term": "Motor de inferencia",
      "english": "inference engine",
      "definition": "Componente que aplica reglas de razonamiento a una base. Puede reutilizarse en distintos dominios si comparten el formalismo.",
      "example": "El mismo motor aplica una regla de biblioteca o una de zoología.",
      "section": "bases-conocimiento"
    },
    {
      "term": "Consecuencia lógica",
      "english": "entailment · ⊨",
      "definition": "Una conclusión es consecuencia de unas premisas si es verdadera en todos los modelos donde esas premisas son verdaderas.",
      "example": "De P y P → Q se sigue Q.",
      "section": "logica-proposicional"
    },
    {
      "term": "Condicional material",
      "english": "material implication",
      "definition": "P → Q es falso solo cuando P es verdadero y Q es falso. Por sí solo no afirma causalidad ni la recíproca.",
      "example": "Que haya luz no permite deducir que se pulsó el interruptor.",
      "section": "logica-proposicional"
    },
    {
      "term": "Tautología",
      "english": "tautology",
      "definition": "Fórmula verdadera en toda interpretación de la lógica clásica.",
      "example": "P ∨ ¬P.",
      "section": "logica-proposicional"
    },
    {
      "term": "Contradicción",
      "english": "contradiction",
      "definition": "Fórmula falsa en toda interpretación de la lógica clásica.",
      "example": "P ∧ ¬P.",
      "section": "logica-proposicional"
    },
    {
      "term": "Corrección",
      "english": "soundness",
      "definition": "El procedimiento solo deriva consecuencias lógicas de las premisas, bajo la semántica considerada.",
      "example": "No inventar Q cuando existe un modelo de la base donde Q es falso.",
      "section": "bases-conocimiento"
    },
    {
      "term": "Completitud",
      "english": "completeness",
      "definition": "El procedimiento puede derivar todas las consecuencias del lenguaje y la clase de problemas considerados. No asegura rapidez ni terminación en cualquier consulta.",
      "example": "Un motor puede ser correcto y dejar consecuencias sin demostrar.",
      "section": "bases-conocimiento"
    },
    {
      "term": "Cuantificador universal",
      "english": "universal quantifier · ∀",
      "definition": "Afirma algo para cada elemento del dominio. Un condicional es frecuente al restringir una categoría, pero no obligatorio.",
      "example": "∀x (Mamífero(x) → Vertebrado(x)); también es válida la forma ∀x P(x).",
      "section": "logica-primer-orden"
    },
    {
      "term": "Cuantificador existencial",
      "english": "existential quantifier · ∃",
      "definition": "Afirma que al menos un elemento cumple la fórmula. La conjunción suele reunir condiciones de un mismo testigo.",
      "example": "∃x (Alumno(x) ∧ Programa(x)). No afirma que todos programen.",
      "section": "logica-primer-orden"
    },
    {
      "term": "Cláusula de Horn",
      "english": "Horn clause",
      "definition": "Disyunción de literales con a lo sumo un literal positivo. Con exactamente uno es definida; puede escribirse como hechos o reglas de premisas positivas.",
      "example": "¬P ∨ ¬Q ∨ R equivale a (P ∧ Q) → R. Horn proposicional admite procedimientos eficientes.",
      "section": "bases-conocimiento"
    },
    {
      "term": "Modus ponens",
      "english": "modus ponens",
      "definition": "Regla que permite derivar Q a partir de P y P → Q.",
      "example": "Carnet(Leo) y Carnet(Leo) → PuedeRetirar(Leo).",
      "section": "mecanismos-inferencia"
    },
    {
      "term": "Encadenamiento hacia adelante",
      "english": "forward chaining",
      "definition": "Parte de hechos y aplica reglas para obtener consecuencias. En una base proposicional finita se puede avanzar hasta un punto fijo.",
      "example": "Carnet → Acceso; Acceso → PuedeRetirar.",
      "section": "mecanismos-inferencia"
    },
    {
      "term": "Encadenamiento hacia atrás",
      "english": "backward chaining",
      "definition": "Parte de una meta y busca hechos o reglas que la justifiquen, convirtiendo sus condiciones en subobjetivos.",
      "example": "Para demostrar PuedeRetirar, buscar cómo demostrar Acceso.",
      "section": "mecanismos-inferencia"
    },
    {
      "term": "Unificación",
      "english": "unification",
      "definition": "Busca una sustitución de variables que haga idénticas dos expresiones compatibles.",
      "example": "Tutor(x, Ana) y Tutor(Luis, Ana): sustituir x por Luis.",
      "section": "logica-primer-orden"
    },
    {
      "term": "Resolución",
      "english": "resolution",
      "definition": "Regla que combina cláusulas con literales complementarios. Se usa en pruebas por refutación: agregar la negación de la meta y buscar la cláusula vacía.",
      "example": "De P ∨ Q y ¬P se obtiene Q.",
      "section": "mecanismos-inferencia"
    },
    {
      "term": "Sistema experto",
      "english": "expert system",
      "definition": "Sistema que usa conocimiento especializado y razonamiento para apoyar tareas en un dominio acotado. Puede explicar su recorrido sin garantizar que los hechos sean correctos.",
      "example": "Una base de reglas ayuda a diagnosticar fallas de un equipo.",
      "section": "sistemas-expertos"
    },
    {
      "term": "Ingeniería del conocimiento",
      "english": "knowledge engineering",
      "definition": "Proceso de obtener, formalizar, validar y mantener el conocimiento de un dominio, con especialistas y otras fuentes.",
      "example": "Transformar una entrevista en reglas y revisarlas con casos límite.",
      "section": "sistemas-expertos"
    },
    {
      "term": "Marco",
      "english": "frame",
      "definition": "Estructura con ranuras para describir conceptos o situaciones; puede incluir valores por defecto y procedimientos.",
      "example": "Marco Aula: capacidad, ubicación y equipamiento.",
      "section": "representaciones-estructuradas"
    },
    {
      "term": "Herencia",
      "english": "inheritance",
      "definition": "Propiedades de una categoría pueden transferirse a subcategorías según la semántica del sistema. Los valores por defecto admiten excepciones cuando el formalismo lo permite.",
      "example": "Un pingüino es un ave; un valor por defecto «vuela» necesita una excepción.",
      "section": "representaciones-estructuradas"
    },
    {
      "term": "Red semántica",
      "english": "semantic network",
      "definition": "Grafo cuyos nodos representan conceptos o entidades y cuyas aristas representan relaciones. Inferir exige definir qué significan esas relaciones.",
      "example": "Ballena —es un→ Mamífero.",
      "section": "representaciones-estructuradas"
    },
    {
      "term": "Grafo de conocimiento",
      "english": "knowledge graph",
      "definition": "Representación de entidades y relaciones que integra conocimiento de un dominio; puede incorporar identificadores, tipos y procedencia. No exige una escala mínima.",
      "example": "Una relación de autoría con el documento que la respalda.",
      "section": "representaciones-estructuradas"
    },
    {
      "term": "Ontología",
      "english": "ontology",
      "definition": "Especificación explícita y formal de conceptos y relaciones compartidos de un dominio, con axiomas que delimitan interpretaciones.",
      "example": "Acordar qué significa Docente y cómo se relaciona con Curso.",
      "section": "representaciones-estructuradas"
    },
    {
      "term": "Mundo cerrado",
      "english": "closed-world assumption",
      "definition": "Convención que trata como falso lo que no figura ni se deriva de la base. Su adecuación depende del dominio; la ausencia no demuestra falsedad en lógica abierta.",
      "example": "Una lista completa de inscriptos puede cerrarse; una lista parcial no demuestra que alguien no esté inscripto.",
      "section": "bases-conocimiento"
    },
    {
      "term": "Probabilidad a priori",
      "english": "prior",
      "definition": "Probabilidad asignada a una hipótesis antes de incorporar la evidencia considerada. Puede incluir información previa; no significa ausencia total de datos.",
      "example": "Antes de una alarma, 1 % de las piezas del lote tienen una falla.",
      "section": "razonamiento-incertidumbre"
    },
    {
      "term": "Probabilidad a posteriori",
      "english": "posterior",
      "definition": "Probabilidad de la hipótesis después de condicionar en la evidencia observada.",
      "example": "Probabilidad de falla después de observar la alarma.",
      "section": "razonamiento-incertidumbre"
    },
    {
      "term": "Regla de Bayes",
      "english": "Bayes rule",
      "definition": "Actualiza una hipótesis con evidencia: P(H|E) = P(E|H) P(H) / P(E), cuando P(E) > 0.",
      "example": "El resultado depende de la tasa base y de las falsas alarmas.",
      "section": "razonamiento-incertidumbre"
    },
    {
      "term": "Tasa base",
      "english": "base rate",
      "definition": "Frecuencia o prevalencia del fenómeno en una población de referencia. Ignorarla puede distorsionar la interpretación de una señal.",
      "example": "Un detector preciso puede emitir muchas falsas alarmas si las fallas son muy raras.",
      "section": "razonamiento-incertidumbre"
    },
    {
      "term": "Red bayesiana",
      "english": "Bayesian network",
      "definition": "Grafo dirigido acíclico y distribuciones condicionales que factorizan una distribución conjunta y codifican independencias. Una flecha no es causal por sí sola.",
      "example": "Falla → Alarma, acompañado por P(Falla) y P(Alarma|Falla).",
      "section": "razonamiento-incertidumbre"
    },
    {
      "term": "Factor de certeza",
      "english": "certainty factor",
      "definition": "Medida de apoyo o rechazo usada en MYCIN, entre −1 y 1, con reglas propias de combinación. No es automáticamente una probabilidad.",
      "example": "Un factor 0,7 expresa apoyo en ese modelo; no equivale a P(H)=0,7.",
      "section": "sistemas-expertos"
    },
    {
      "term": "Conjunto difuso",
      "english": "fuzzy set",
      "definition": "Asigna a cada elemento un grado de pertenencia entre 0 y 1. Los grados de distintas etiquetas no tienen que sumar 1.",
      "example": "Una temperatura puede ser templada con grado 0,5 y calurosa con grado 0,2.",
      "section": "logica-difusa"
    },
    {
      "term": "Vaguedad",
      "english": "vagueness",
      "definition": "Falta de fronteras nítidas de un concepto. Se distingue de desconocer si un hecho ocurrió; la lógica difusa permite modelar esa graduación.",
      "example": "«Temperatura alta» tiene un borde gradual; «no sé la temperatura» expresa incertidumbre.",
      "section": "logica-difusa"
    },
    {
      "term": "Desfusificación",
      "english": "defuzzification",
      "definition": "Obtención de una salida numérica a partir del resultado de un sistema difuso. El método depende de cómo se representen las salidas.",
      "example": "En el ejemplo de salidas constantes: promedio ponderado 53,57 %. No es el centroide de una salida Mamdani.",
      "section": "logica-difusa"
    },
    {
      "term": "Sistema híbrido / neurosimbólico",
      "english": "hybrid / neuro-symbolic system",
      "definition": "Combina componentes simbólicos y basados en aprendizaje. Se llama neurosimbólico cuando participa un componente neuronal junto al simbólico.",
      "example": "Un modelo propone una acción y reglas verifican restricciones antes de aceptarla.",
      "section": "enfoques-simbolicos-datos"
    }
  ]
}