A categorical formalization of epistemic uncertainty frameworks

Este artículo presenta una formalización categórica general de los cálculos epistémicos para modelar la incertidumbre epistémica, desarrollando un proceso enriquecido para estudiar las relaciones entre diferentes teorías de probabilidad imprecisa y demostrando que tanto la actualización bayesiana como la condicionamiento posibilista surgen como casos particulares de un marco unificado de cambio de enriquecimiento.

Lo esencial

Imagina que el mundo es un gran rompecabezas, pero nunca tenemos todas las piezas. A veces, las piezas que tenemos son borrosas, a veces faltan algunas, y a veces tenemos piezas de diferentes cajas que parecen encajar, pero no estamos seguros.

Esta incertidumbre sobre lo que no sabemos se llama incertidumbre epistémica. El artículo que nos ocupa es como un "manual de instrucciones" matemático para organizar cómo manejamos esa duda.

Aquí te explico las ideas principales usando analogías sencillas:

1. El Problema: ¿Cómo medimos la duda?

Imagina que tienes varias formas de medir la duda:

• Probabilidad: Como decir "hay un 70% de chance de que llueva".
• Posibilidad: Como decir "podría llover, pero no sé cuánto".
• Factores de certeza: Como decir "estoy bastante seguro, pero no totalmente".

El problema es que cada método usa su propio idioma y sus propias reglas. A veces, lo que es "cierto" en un sistema, es "falso" en otro. El autor, Torgeir Aambø, quiere crear un idioma universal (basado en algo llamado "teoría de categorías") para traducir entre todos estos sistemas sin perder el significado.

2. La Solución: El "Calculador de Creencias"

El autor propone tratar a cada sistema de incertidumbre como una "Calculadora de Creencias".

• Imagina que tienes una caja de herramientas. En lugar de solo martillos y destornilladores, tu caja tiene reglas para mezclar creencias.
• Si tienes una creencia "A" y una creencia "B", ¿cómo las juntas? ¿Se suman? ¿Se multiplican? ¿Se cancelan?
• El artículo define reglas matemáticas estrictas para estas "cajas". Por ejemplo, una caja llamada Teoría de la Posibilidad usa el "mínimo" para mezclar creencias (si una cosa es posible y la otra no, el resultado es que no es posible). Otra caja, la Probabilidad, usa la multiplicación.

3. Las Reglas del Juego (Filosofía en Matemáticas)

El paper explora qué "actitudes filosóficas" tienen estas cajas de herramientas. Aquí entran conceptos divertidos:

• El Optimista vs. El Escéptico:
  • Un sistema optimista cree que siempre hay un "máximo de certeza" posible (como un techo).
  • Un sistema escéptico no cree que exista un techo; siempre podrías estar más equivocado.
• La Conservación de la Certeza:
  • Imagina que tienes una creencia fuerte. Si la mezclas con otra información, ¿puede esa mezcla hacerte menos seguro?
  • Un sistema conservador dice: "Nunca perderé certeza al mezclar cosas". Es como un eco en una habitación: si gritas fuerte, el eco no te hace susurrar.
  • Un sistema no conservador (como la probabilidad bayesiana) dice: "Si veo nueva evidencia que contradice mi creencia, debo bajar mi nivel de seguridad".
• El Teorema Imposible:
  • El autor demuestra algo fascinante: No puedes tenerlo todo. No puedes diseñar un sistema que sea a la vez "completo" (tenga todas las herramientas), "conservador" (nunca pierda certeza) y "cancelativo" (que puedas deshacer la mezcla). Tienes que elegir tus batallas filosóficas.

4. Traducir entre Sistemas (Cambio de Calculadora)

A veces, quieres cambiar de un sistema a otro. Por ejemplo, pasar de "Probabilidades" a "Factores de Certeza".

• El paper explica cómo hacer esto sin romper nada. Imagina que tienes un mapa en un idioma y quieres traducirlo a otro.
• Hay traducciones conservadoras (no inventan nueva certeza de la nada) y liberales (pueden perder un poco de información, pero no crean falsas certezas).
• Un hallazgo genial: Descubrieron que la "Teoría de la Posibilidad Bipolar" (que mide tanto lo que creemos como lo que rechazamos) es, en realidad, exactamente lo mismo que la "Probabilidad por Intervalos" (que da un rango de valores), solo que con un "acento" diferente. Son el mismo sistema visto desde dos ángulos.

5. Actualizar Creencias (El Gran Truco)

La parte más importante: ¿Cómo aprendemos cosas nuevas?

• En la vida real, cuando recibes nueva información, actualizas tu creencia. Esto es lo que hace el Teorema de Bayes (el estándar de oro en ciencia).
• El autor muestra que el Teorema de Bayes no es una regla mágica aislada, sino un caso especial de una regla mucho más grande y general que funciona en cualquier sistema de incertidumbre.
• La analogía: Imagina que tienes una receta de cocina (tu creencia). Si te dan un nuevo ingrediente (evidencia), la receta general te dice cómo mezclarlos.
  • Si usas la receta de "Probabilidad", obtienes el Teorema de Bayes clásico.
  • Si usas la receta de "Posibilidad", obtienes una versión diferente de actualizar creencias (usada en inteligencia artificial para manejar datos borrosos).
  • ¡Ambas son la misma operación de cocina, solo con ingredientes distintos!

En Resumen

Este paper es como un traductor universal y un manual de ingeniería para la duda.

1. Nos dice que todas las formas de medir la incertidumbre son como diferentes dialectos de un mismo lenguaje.
2. Nos enseña que no podemos ser perfectos en todo (no podemos ser escépticos, optimistas y conservadores a la vez).
3. Nos da las herramientas para cambiar de un dialecto a otro sin perder el sentido.
4. Y lo más importante, nos muestra que la forma en que aprendemos (actualizamos creencias) es una estructura matemática profunda que se adapta a cualquier tipo de duda, desde la probabilidad clásica hasta la lógica difusa.

Es una forma elegante de decir: "No importa cómo mides tu duda, las reglas para manejarla y aprender de ella son más parecidas de lo que crees."

Resumen técnico

A continuación presento un resumen técnico detallado del artículo "A categorical formalization of epistemic uncertainty frameworks" (Una formalización categórica de marcos de incertidumbre epistémica) de Torgeir Aambø.

1. Problema

La incertidumbre epistémica surge de la falta de conocimiento completo sobre el estado de un sistema. Existen múltiples marcos matemáticos para cuantificarla (teorías de probabilidad imprecisa, lógica difusa, factores de certeza, etc.), pero a menudo carecen de una base unificada que permita:

• Aislar la sintaxis matemática de la incertidumbre de su semántica específica.
• Comparar formalmente diferentes marcos filosóficos y epistemológicos (como el optimismo, el escepticismo, la falibilidad o la conservatividad).
• Entender cómo cambiar de un marco de cálculo a otro de manera estructurada.
• Integrar la actualización de creencias (como el teorema de Bayes) en un marco algebraico general.

El autor busca llenar esta brecha utilizando la teoría de categorías para definir una "calculus" (cálculo) de incertidumbre abstracta y estudiar las contradicciones y sinergias entre conceptos epistemológicos.

2. Metodología

El enfoque se basa en la teoría de categorías, específicamente en categorías simétricas monoidales posetales (categorías donde los objetos están ordenados y tienen una operación de fusión).

• Definición de Cálculo Epistémico: Se define un cálculo epistémico como una categoría $(V, \leq, \otimes, 1)$ donde:
  • Los objetos son valores epistémicos.
  • Los morfismos representan comparaciones de orden ($\leq$).
  • El producto monoidal ($\otimes$) representa la fusión de valores (evidencia).
  • El objeto unitario ($1$) representa la incertidumbre epistémica total.
• Axiomatización Filosófica: Se introducen axiomas adicionales para modelar posturas filosóficas (ej. $E1$: optimismo/escepticismo, $E4$: cerradura/closed, $E5$: conservativismo fuerte, $E7$: falibilidad, $E8$: cancelatividad).
• Teoría de Categorías Enriquecidas: Se utiliza la teoría de categorías enriquecidas para modelar sistemas donde la incertidumbre se asigna a morfismos (actualizaciones de creencias). Esto permite cambiar el "cálculo" (sintaxis) manteniendo la estructura subyacente (semántica).
• Funtores Monoidales: Se utilizan funtores lax y op-lax para modelar cambios conservadores y liberales entre diferentes cálculos de incertidumbre.

3. Contribuciones Clave

A. Definición General de Cálculos Epistémicos

El autor formaliza marcos conocidos como instancias de una misma estructura categórica:

1. Teoría de la Posibilidad (PT): Basada en el operador $\min$ en $[0, 1]$.
2. Teoría de la Posibilidad Bipolar (PTbi): Utiliza pares $(x, x')$ para separar el grado de rechazo y el grado de posibilidad, evitando la identificación de "falta de creencia" con "descreencia".
3. Probabilidades por Intervalos (IP): Utiliza intervalos cerrados con la intersección como operación de fusión.
4. Factores de Certeza (CF): Basado en la suma hiperbólica (t-conorma de Einstein) en $(-1, 1)$.

B. Análisis de Propiedades y Teoremas de Inconsistencia

Se demuestran relaciones lógicas entre las propiedades filosóficas:

• Teorema A (Inconsistencia): Un cálculo epistémico completo no puede ser simultáneamente cerrado (closed), conservador fuerte y cancelativo. La cerradura y la cancelatividad fuerzan la existencia de creencias negativas, lo cual es incompatible con el conservativismo fuerte (que impide reducir la creencia al fusionar evidencia).
• Teorema 3.7: Un cálculo epistémico completo es falible (puede actualizar cualquier creencia) si y solo si es cerrado.
• Teorema 3.8: Si un cálculo es idempotente en un orden total, debe ser el operador mínimo (Gödel), lo que implica que la teoría de la posibilidad es la única calculo idempotente en $[0, 1]$ salvo isomorfismo.

C. Cambios de Cálculo (Change of Calculi)

Se define cómo traducir entre marcos:

• Cambio Conservador (Lax): No puede crear certeza de la nada ($F(x) \otimes F(y) \leq F(x \otimes y)$).
• Cambio Liberal (Op-lax): No puede perder certeza ($F(x \otimes y) \leq F(x) \otimes F(y)$).
• Resultado Sorprendente: Se demuestra que la Teoría de la Posibilidad Bipolar (PTbi) y las Probabilidades por Intervalos (IP) son equivalentes como cálculos epistémicos (son isomorfos), aunque sus interpretaciones semánticas difieran.

D. Actualización Epistémica Enriquecida

Se aborda la actualización de creencias (actualización de Bayes) mediante categorías enriquecidas:

• Se define una categoría de hipótesis $H$ enriquecida en un cálculo $V$.
• Se introduce una operación de actualización $V$-update basada en el hom interno y el producto monoidal.
• Teorema B: Se demuestra que:
  • Si $V$ es el orden en $(0, \infty)$ con multiplicación, la actualización recupera la forma de odds del teorema de Bayes.
  • Si $V$ es la teoría de la posibilidad, se recupera la condicionamiento posibilístico de Dubois-Prade.
  • Para los factores de certeza, la actualización se comporta como una actualización de log-odds con una proyección no lineal acotada.

4. Resultados Principales

1. Unificación: Se logra unificar marcos dispares (probabilidades, lógica difusa, factores de certeza) bajo una sintaxis categórica común.
2. Imposibilidad Lógica: Se prueba que ciertas combinaciones de propiedades filosóficas deseables (conservativismo, cancelatividad y cerradura) son mutuamente excluyentes en sistemas completos.
3. Equivalencia Estructural: Se establece un isomorfismo formal entre la teoría de la posibilidad bipolar y las probabilidades por intervalos.
4. Generalización de la Actualización: Se demuestra que la actualización de Bayes y el condicionamiento posibilístico son casos particulares de un proceso categórico general de cambio de estructura enriquecida.

5. Significado e Impacto

Este trabajo ofrece una perspectiva meta-matemática sobre la incertidumbre:

• Separación Sintaxis-Semántica: Permite estudiar la lógica de la incertidumbre independientemente de su interpretación específica (ej. probabilidad vs. posibilidad).
• Herramienta para IA y Sistemas: Proporciona un marco riguroso para diseñar sistemas que deben manejar incertidumbre (como modelos de lenguaje grandes o sistemas de detección), permitiendo cambiar el modelo de incertidumbre sin reescribir la lógica del sistema subyacente.
• Diálogo Filosofía-Matemática: Traduce conceptos filosóficos abstractos (falibilidad, escepticismo) en propiedades algebraicas verificables, permitiendo analizar la coherencia de los sistemas de creencias.
• Fundamento para Futuras Investigaciones: Abre la puerta a modelar teorías más complejas (como la teoría de Dempster-Shafer) y a explorar la dinámica de creencias en sistemas artificiales mediante la teoría de categorías enriquecidas.

En resumen, el artículo no propone una teoría final, sino un lenguaje unificado para comparar, contrastar y transformar los diversos sistemas de cuantificación de la incertidumbre epistémica.