UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO INSTITUTO DE INVESTIGACIONES FILOSÓFICAS

 

 

 

Calendario de sesiones 2025
 

6 de mayo 

Aldo Ramírez Abarca 
_{PEP, IIFs-UNAM}    

Lógicas de responsabilidad 

 

Resumen
El estudio de la responsabilidad es un tema complicado. El término se utiliza de distintas maneras en distintos campos y es fácil entablar debates cotidianos sobre por qué alguien debería ser considerado responsable de algo. Normalmente, el trasfondo de estos debates son problemas sociales, legales, morales o filosóficos. Un patrón claro en todas estas esferas es la intención de emitir estándares sobre cuándo y en qué medida un agente debería ser considerado responsable de un estado de cosas. Aquí es donde la lógica ayuda. El desarrollo de lógicas expresivas (para razonar sobre las decisiones de los agentes en situaciones con consecuencias morales) implica idear representaciones inequívocas de componentes de la conducta que son muy relevantes para la atribución sistemática de responsabilidad y para la asignación sistemática de culpa o elogio. En esta plática, presentaremos una teoría formal de la responsabilidad basada en lógica modal y, más específicamente, en una clase de lógicas modales de acción conocida como teoría stit. En particular, presentaremos modelos y lenguajes stit-teóricos para explorar la interacción entre los siguientes componentes de la responsabilidad: agencia, conocimiento, creencias, intenciones y obligaciones. Dichos modelos se integran en un marco lo suficientemente rico como para proporcionar caracterizaciones basadas en la lógica para tres categorías de responsabilidad: responsabilidad causal, informativa y motivacional.

Presentación 

 

 

 

 

20 de mayo 

Francisco Hernández Quiroz
_{Facultad de Ciencias, UNAM}

Fundamental Theorems in Propositional Calculus: Precomputed Knowledge?

 

 

Resumen
Some very useful and basic classical propositional theorems appear to be very intuitive and easy to grasp. Among them there are some (like De Morgan's laws) that are not that easy to prove, but nonetheless they play a role in proving other more advanced theorems. May it be the case that they contain precomputed, harder to get, knowledge? In order to test this theory, a suitable measure of hardness is needed. This talk will present a measure built as an analogue of Kolmogorov's complexity, which I will call Inferential Information Complexity. Moreover, given that classical propositional logic is decidable, the proposed measure turns out to be computable (although at a high cost).

Presentación 

 

 

 

 

 

3 de junio 

Pablo Suárez-Serrato
_{Instituto de Matemáticas, IMATE, UNAM}

Geometría, topología e IA: Una perspectiva general

 

Resumen
Esta charla ofrecerá una visión general de la fascinante intersección entre la geometría, la topología y la inteligencia artificial. Exploraremos brevemente el desarrollo histórico de estas áreas, destacando cómo conceptos geométricos y topológicos han influido y continúan enriqueciendo los avances en IA. Finalmente, comentaremos sobre algunas de las direcciones actuales más prometedoras y los desafíos futuros en este campo dinámico.

Presentación 

 

 

 

 

 

17 de junio 

María del Rosario Martínez Ordaz
_{SECIHTI, IIFs-UNAM}

Scientific understanding through big data: From ignorance to insights to understanding

 

Resumen
En lo que sigue, defiendo que los científicos pueden lograr cierta comprensión tanto de los productos de la implementación del big data como del fenómeno objetivo al que se espera que se refieran, incluso cuando estos productos se obtuvieron mediante procesos epistémicamente (esencialmente) opacos. Para hacerlo, describo el camino que lleva a los agentes epistémicos del uso del big data a la opacidad epistémica, de la opacidad epistémica a la ignorancia, de la ignorancia a las percepciones y, finalmente, de las percepciones a la comprensión. Finalmente, exploro algunas de las consecuencias epistémicas de las interacciones pedagógicas entre humanos y sistemas de IA; en particular, la forma en la que dichas interacciones han afectado los indicadores epistémicos tradicionales de la comprensión, el insight y la transparencia de la explicación, entre otros.

Presentación 

Artículo 

 

 

 

 

1 de julio 

Lourdes del Carmen González Huesca
_{Facultad de Ciencias, UNAM}

Verificación formal e Inteligencia Artificial

Resumen
En esta charla se presentará un panorama de la verificación formal, los usos de ésta y cómo pueden ser útiles para las aplicaciones desarrolladas para la inteligencia artificial.

Presentación 

 

 

 

 

 

 

12 de agosto 

Axel Barceló
_IIFs-UNAM

¿Qué es computar?

Resumen
La hipotesis de que la mente es una computadora no es metafórica, sino que se basa en una comprensión literal de la actividad mental como computación. Ergo, es fundamental preguntarse qué es, precisamente, computar.

Presentación 

Apuntes 

 

 

 

 

19 de agosto 
^{Sesión híbrida Sala de Investigadores, IIFs-UNAM}

Juan Manuel Duran
_{Faculty of Technology, Policy and Management, TU Delft}

Against epistemic transparency of algorithms

Abstract
Epistemic transparency is often proposed as a solution to algorithmic opacity, wherein revealing the inner logic of an algorithm provides reasons or supporting evidence for the justification of its outputs. I argue that transparency is defective in belief formation and thus inadequate as an epistemology of algorithms. Two objections are developed: transparency regress and bootstrapping, both rooted in transparency’s status as a time-sliced, ‘outsourced’ inferentialist epistemology. While weaker forms—such as contextual transparency—are briefly considered, the central argument remains that transparency fails to provide justification and should be abandoned as an epistemology of algorithms.

Presentación 

 

 

 

 

 

 

 

 

26 de agosto 

Raymundo Morado
_IIFs-UNAM

Una inteligencia plausible es una inteligencia falible

Resumen
Originalmente queríamos que las computadoras nunca se equivocaran, pero para algunos propósitos es preferible el sentido común, con mayores riesgos y mejores alcances. A la lógica deductiva clásica hemos de complementarla con lógicas no deductivas, en especial con lógicas no monotónicas. La lógica autopistémica, la default, la circunscriptiva, etc., son formalismos que capturan la capacidad de llegar a conclusiones en situaciones de incertidumbre. Veremos cómo los supuestos de un mundo cerrado, de ausencia de anormalidades, de tipicidad de los objetos, etcétera, son estrategias valiosas con el poder de generar respuestas aceptables bajo los constreñimientos y limitaciones de la vida diaria.

Presentación 

 

 

 

 

 

 

 

 

 

9 de septiembre 

Jimena Olveres
_{Centro de Estudios en Cómputo Avanzado, CECAv, UNAM}

La IA y el reconocimiento de imágenes

Resumen
El aprendizaje profundo, perteneciente al área de IA, ha generado una transformación tecnológica de gran alcance en los últimos años. Se ha caracterizado por una evolución acelerada que dificulta mantener el ritmo de los avances que emergen de manera cotidiana. Dentro de este contexto, el impacto mutuo del ámbito de las imágenes y la visión computacional resulta innegable. En esta plática se abordará el tema desde la perspectiva del análisis de imágenes, destacando la aparición de nuevos paradigmas de desarrollo, con énfasis en aplicaciones relacionadas con imágenes médicas. Como un ejemplo de su relevancia, se explorará cómo estas técnicas han permitido mejorar los procesos de diagnóstico médico, así como su contribución a la detección temprana de enfermedades. Asimismo, se discutirán los retos asociados a la interpretabilidad de los modelos y la necesidad de grandes volúmenes de datos de calidad.

Presentación 

 

 

 

 

 

 

 

23 de septiembre 

Luis Estrada González
_IIFs-UNAM

Algunos caminos extraños para el enfoque lógico

Resumen
En la sección 6 de "A framework for representing knowledge", Minsky expone varias tareas de razonamiento de sentido común que debería realizar una inteligencia artificial, y expone las razones para considerar que un enfoque lógico no sirve para representar ese tipo de razonamiento. Si bien ese texto de Minsky motivó, quizá involuntariamente, el desarrollo de las lógicas no monotónicas, las críticas de Minsky al enfoque lógico no se agotan en la monotonicidad. En esta plática presento esas críticas de Minsky y las relaciono con desarrollos recientes en lógica "filosófica".

Presentación 

 

 

 

 

 

 

 

7 de octubre 

Nancy Núñez
_{FES Acatlán, UNAM}

Sobre la promesa de automatizar el descubrimiento matemático. Retos en el uso de IA para demostraciones matemáticas

Resumen
El descubrimiento de demostraciones matemáticas ha sido motivo de orgullo para los matemáticos desde los primeros días de la disciplina. Debido al papel crucial de las demostraciones en matemáticas, se les han atribuido muchos valores diferentes: se dice que las demostraciones tienen un valor explicativo, estético o motivacional, por mencionar solo algunos. A pesar de que las demostraciones matemáticas son tan valiosas, demostrar una afirmación matemática no es fácil. La historia de las matemáticas y la experiencia de los matemáticos atestiguan la dificultad del descubrimiento de demostraciones. Sin embargo, muchos parecen creer que el progreso de la Inteligencia Artificial (IA) permitirá el descubrimiento automatizado de demostraciones matemáticas, haciendo que la tarea de demostrar afirmaciones matemáticas sea más fácil o incluso automática. Pero ¿es realmente posible automatizar completamente el descubrimiento de demostraciones matemáticas? En esta charla hablaré de los desafíos de automatizar el descubrimiento de demostraciones matemáticas dadas restricciones en términos de complejidad computacional.

Presentación 

 

 

 

 

 

 

 

21 de octubre 

Karen González
_{Facultad de Filosofía, UP}

Lógica y heurística en la enseñanza de la IA

Resumen
En años recientes, la mayoría de las universidades han abierto licenciaturas o ingenierías relacionadas con la IA; en esta charla propongo algunas reflexiones sobre la manera en que la Lógica y la heurística suelen aparecer dentro de los programas de estudio vinculados a la IA, para mostrar algunas problemáticas, desde una perspectiva filosófica, sobre cómo se suele entender a la lógica, la heurística, y su relación con la IA, en sus desarrollos en carreras vinculadas a la computación.

 

 

 

 

 

 

 

11 de noviembre 

Sergio Rajsbaum
_{Instituto de Matemáticas, IMATE, UNAM}

IA, computación distribuida, y lógica

Resumen
El modelo epistémico S5n habitual para un sistema multiagente se basa en un marco de Kripke, que es una gráfica cuyas aristas están etiquetadas con agentes que no distinguen entre dos estados. Proponemos descubrir la información de mayor dimensión implícita en esta estructura, usando complejos simpliciales.

Presentación 

 

 

 

 

25 de noviembre 

Atocha Aliseda
_IIFs-UNAM

Lógica e IA: algunos encuentros y otros desencuentros

Resumen
En esta charla haré una recapitulación del seminario, resaltando los aspectos comunes de las conferencias, así como algunos de sus distintos enfoques. Hablaré sobre el paradigma de la IA simbólica –en el cual la lógica era la herramienta por excelencia—para luego mostrar cómo ha sido prácticamente desplazado por los métodos estocásticos. Si bien estos últimos han sido muy exitosos en algunos dominios, no cuentan con métodos seguros de verificación formal.

Presentación 

 

 

 

 

 

 

Calendario de sesiones 2026-2