Co je inferenční motor?

Inferenční motor je softwarový systém, který je navržen tak, aby vyvodil závěry analýzou problémů ve světle databáze odborných znalostí, z nichž vychází. Dosahuje logických výstupů na základě prostor, z nichž data vycházejí. Inferenční motory jsou někdy také schopny překročit přísné logické zpracování a pomocí výpočtů pravděpodobnosti dospět k závěrům, že znalostní databáze přísně nepodporuje, ale místo toho pouze naznačuje nebo naznačuje.

Většina inferenčních motorů navržených v oblasti umělé inteligence je založena na konceptu expertního systému. Je vytvořen expertní systém, který řeší problémy ve specifické a někdy úzce definované oblasti, jako jsou určité lékařské speciality. Složka inferenčního motoru expertního systému je řídicí struktura, která produkuje počáteční výstup na základě jakýchkoli dat, která aktuálně existují ve znalostní bázi a programovacích pravidlech expertního systému, a poté je smysluplně aplikuje na konkrétní problém. Protože výsledky inferenčního motoru jsou výsledkem dat, mění se při aktualizaci dat a mohou se také měnit, protože data jsou vyhledávána různými způsoby samotným inferenčním motorem. Pokud jsou data v systému vázána na jeden nebo více závěrů na jiný, může to změnit výsledky, které generuje inferenční motor.

Software, který používá inferenční motor, lze považovat za aktivní selektivní mechanismus, kde jsou zpracování prováděny podle aktuálního stavu dat. Expertní systémy mají dva obecné způsoby zpracování těchto uložených dat, označovaných jako dopředné nebo zpětné řetězení. Při dopředném řetězení pravidla expertního systému analyzují data, která jsou do něj přiváděna inferenčním motorem, a výsledky se vracejí zpět do systémového úložiště dat jako nová data. To spouští nová řešení problémů, protože systém zpřesňuje data a váží je induktivní inferencí, což znamená, že dosažené závěry nemusí nutně odrážet původní data nebo prostory, které byly použity k zahájení analýzy.

Zpětné řetězení je více orientováno na pravděpodobnost, přičemž uložená data jsou od začátku vážena hodnotou. Pravidla se používají k testování podmínek platnosti dat ve světle daného problému, a jak se tak stane, k datům jsou přiřazeny nové hodnoty pravděpodobnosti. Zpětné řetězení, také označované jako hypotéza založené na hypotéze, nevyvodí přísné závěry, dokud nepřetržité testování údajů na základě podmínek stanovených pravidly expertního systému nesplňuje minimální úroveň důkazu pro zkoumanou otázku nebo problém.

Bayesovská logika je jednou z pravděpodobnostně orientovaných forem softwaru inferenčního motoru, který využívá zpětné řetězení, pojmenované pro anglického matematika Thomase Bayese z poloviny 18. století. Taková logika využívá znalostní základnu předcházejících událostí k předpovídání budoucích výsledků opakovanými testy znalostí a promítá se do dalších důkazů o výsledcích pokusů do nových pokusů, s cílem dosáhnout stále přesnějších výsledků. Fuzzy logická softwarová architektura se může také spoléhat na inferenční motor jako součást svého systému. Rozdíl s fuzzy logikou spočívá v tom, že výstupem je fuzzy sada nebo řada možných řešení, která se pak agregují do jedné skupiny a logikou a pravděpodobností se zúží na jeden optimální závěr nebo akci.