Apuntes sobre los aspectos de valor prescriptivo del razonamiento abductivo
DOI:
https://doi.org/10.22370/sst.2020.8.4930Keywords:
mimesis, falacia naturalista, abducción, interacciónAbstract
En este trabajo presento el papel de la abducción a la hora de analizar la interacción entre seres humanos y maquinas. La propuesta parte del modelo eco-cognitivo de la abducción, el cual plantea una relación de intercambio de información, la cual implica que nuestro entorno es cada vez más sofisticado, en la medida que lo usamos. Este hecho nos obliga a plantearnos qué tipo de interacción deseamos con estos dispositivos y analizar si estas transacciones son neutras o si, por el contrario, contienen elementos valorativos que, sino tenemos en cuenta, podemos acabar cometiendo grandes injusticias. La idea central que intento argumentar es que la abducción contiene de base un elemento valorativo de tipo prescriptivo el cual, por un lado, nos obliga a considerar ciertos aspectos de nuestra concepción del conocimiento y, por el otro, nos permite analizar el problema de las maquinas destinadas a ayudarnos en cuestiones éticas. En estos contextos, es necesario preguntarnos de que manera consideraremos la armonización entre los valores humanos y los que computemos, hecho que nos ha de obligar a revisar los modelos de representación humanos que luego usamos para diseñar nuestras máquinas. Investigaciones recientes permiten plantear la abducción como un elemento clave para la investigación, pues es el punto de unión entre todos estos temas. Ofrece la posibilidad de implementar cuestiones de valor, además permite desencajar problemas técnicos, como lo es el debate entre sistemas miméticos o de anclaje en la alineación de valores y, finalmente, es una herramienta útil para denunciar las injusticias generadas por la falacia naturalista que se comete al confundir valores con preferencias, a través, precisamente, de darnos herramientas para disolver la dicotomía clásica de la que parte tal error lógico.
References
Aliseda, A. (2006). Abductive reasoning: logical investigations into discovery and explanation. Springer, The Netherlands.156 Alger Sans – Apuntes sobre los aspectos de valor prescriptivo
Anderson, M. y Anderson, S. L. (2015). Toward ensuring ethical behavior from autonomous systems: a case-supported principle based paradigm. In Walsh, T.,editor, Artificial Intelligence and Ethics: Papers from the 2015 AAAI Workshop.The AAAI Press.
Bertolotti, T., Arfini, S., y Magnani, L. (2016). Abduction: From the ignorance problem to the ignorance virtue. FLAP, (3):153–173.
Feyerabend, P. (1993). Against Method. Verso, London & New York.
Foot, P. (1967). The problem of abortion and the doctrine of double effect. Oxford Rev., (5):5–15.
Frege, G. (1918/1919). Der gedanke. eine logische untersuchung. Beitrage zur Philosophie des deutschen Idealismus, (2):58–77.
Gabbay, M. y Wood, J. (2005). A practical logic of cognitive systems: The reach of abduction: Insight and trial. Elsevier, Amsterdam.
Harman, G. (1965). The inference to the best explanation. Philosophical Review, 74(1):88–95.
Hintikka, J. (2007). Socratic epistemology. Cambridge University Press, Cambridge.
Kakas, A. C. (2017). Abduction. In Sammut, C.and Webb, G. I., editor, Encyclopedia of machine learning and data mining. Springer, New York.
Kant, I. (1960). Grundlegung zur Metaphysik der Sitten. Felix Meiner, Hamburg.
Łukasiewicz, J. (1970). Creative elements in science. North-Holland Publishing Company, Amsterdam.
Magnani, L. (2017). The Abductive Structure of Scientific Creativity. An Essay on the Ecology of Cognition, volume 37 of Studies in Applied Philosophy, Epistemology and Rational Ethics. Springer, Cham.
Magnani, L. (2018). Eco-cognitive computationalism: from mimetic minds to morphologybased enchancement of mimetic bodies. Etropy, (20):430–446.
Magnani, L. (2020). Computational domestication of ignorant entities. Synthese, pages 1–30.
Magnani, L. y Bardone, E. (2007). Distributed morality: exteralizing ethical knowledge in technological artifacts. Sci, (13):99–108.
McLaren, B. M. (2003). Extensionally defining principles and cases in ethics: an ai model. Artif. Intell. J., (150):145–181.
Moore, G. E. (2002). Principia Ethica. University of Cambridge Press, Cambridge.
Niiniluoto, I. (2014). Representation and truthlikeness. Sci, 19(4):375–379.
Putnam, H. (2002). The collapse of fact/value dichotomy and other essays. Harvard University Press, Cambridge.
Sans, A. (2017). El lado epistemologico de las abducciones: La creatividad en las verdades proyectadas. Revista iberoamericana de argumentacion´ , (15):77–91.
Sans, A. y Casacuberta, D. (2019). Remarks on the Possibility of Ethical Reasoning in an Artificial Intelligence System by Means of Abductive Models, volume 49 of Studies in Applied Philosophy, Epistemology and Rational Ethics, pages 318–333. Springer, Cham.
Thagard, P. (1988). Computational philosophy of science. MIT Press, Massachusetts.
Turing, A. (1950). Computing machinery and intelligence. Mind, (49):433–460.
Wan Kim, T., Donaldson, T., y Hooker, J. (2018). Mimetic vs. anchored value alignment in artificial intelligence. arXiv.
Woods, J. (2013). Errors of Reasoning. Naturalizing the Logic of Inference. College Publications, London
Downloads
Published
How to Cite
Issue
Section
License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.