En el ámbito de la inteligencia artificial y el tratamiento de datos, el Análisis de Conceptos Formales (FCA) (TIN2014-59471-P) se ha consolidado como una alternativa robusta para la adquisición, estructuración y procesamiento de información con el fin de aplicar técnicas de razonamiento automático. Su creciente reconocimiento ha llevado a un aumento significativo de aplicaciones en campos tan diversos como biomedicina, turismo, educación y redes sociales, entre otros. Uno de los principales atractivos de FCA es su capacidad para ofrecer un marco único que cubra todo el ciclo, desde la extracción de datos hasta la generación de conocimiento útil, permitiendo además tareas avanzadas de inferencia y razonamiento.
Este proyecto busca ampliar sus capacidades mediante dos innovaciones clave:
1️⃣ Incorporación de información imprecisa
Hasta ahora, FCA ha trabajado con información dicotómica (presencia o ausencia de atributos). Sin embargo, muchas situaciones requieren mayor flexibilidad. Por ejemplo, en un contexto médico, en lugar de afirmar que un paciente tiene o no tiene un síntoma, es más realista indicar el grado de certeza con el que se cree que lo padece. Para abordar este reto, se está desarrollando una extensión del modelo que permita trabajar con atributos multivaluados.
2️⃣ Integración de información negativa
Tradicionalmente, FCA se ha basado únicamente en la información constatada (presencia de atributos). Sin embargo, en muchas aplicaciones resulta crucial considerar la ausencia de ciertos atributos como fuente de conocimiento. Por ejemplo, no solo es útil indicar que «si un paciente tiene un síntoma, debe considerarse una enfermedad», sino también que «si no tiene otro síntoma, esta enfermedad puede descartarse». La inclusión de esta información negativa representa un avance significativo en descubrimiento de conocimiento y razonamiento automático.
🎯 Objetivos del Proyecto
✔ Incorporar grados de certidumbre en la información, mejorando la representación de datos inciertos o difusos.
✔ Integrar información negativa, permitiendo mayor expresividad en la generación de conocimiento.
✔ Desarrollar nuevas técnicas y herramientas que faciliten la aplicación de este modelo en contextos reales.
Con estos avances, se espera dotar al FCA de una mayor capacidad para gestionar conocimiento complejo y mejorar su aplicabilidad en múltiples sectores que requieren técnicas avanzadas de inferencia y razonamiento.
