Hvad er en inferensmotor?
En inferensmotor er et softwaresystem, der er designet til at drage konklusioner ved at analysere problemer i lyset af en database med ekspertviden, den trækker på. Det når logiske resultater baseret på de lokaler, dataene etablerer. Nogle gange er inferensmotorer også i stand til at gå ud over streng logisk behandling og bruge sandsynlighedsberegninger for at nå konklusioner om, at videndatabasen ikke understøtter strengt, men i stedet blot antyder eller antyder.
De fleste inferensmotorer designet inden for kunstig intelligens er baseret på konceptet ekspertsystem. Et ekspertsystem er bygget til at løse problemer inden for et specifikt og til tider snævert defineret felt, såsom visse medicinske specialiteter. Inferensmotorkomponenten i et ekspertsystem er kontrolstrukturen, der producerer indledende output baseret på uanset hvilke data, der i øjeblikket findes i vidensbasen og programmeringsreglerne for ekspertsystemet, og anvend det derefter på det specifikke problem på en meningsfuld måde. Da inferensmotorresultaterne er et resultat af dataene, ændres de, når dataene opdateres, og de kan også ændres, da dataene søges på forskellige måder af selve inferensmotoren. Hvis dataene i systemet vægtes i retning af en eller flere konklusioner over en anden, kan dette ændre de resultater, som inferensmotoren genererer.
Software, der bruger en inferensmotor, kan ses som en aktiv selektiv mekanisme, hvor behandlingshandlinger styres af den mest aktuelle tilstand af dataene. Ekspertsystemer har to generelle måder at behandle disse lagrede data på, kaldet fremadkædning eller bagudkædning. Ved fremadkædning analyserer ekspertsystemets regler data, der indføres til den af inferensmotoren, og resultaterne føres tilbage til systemets datalagring som nye data. Dette udløser nye løsninger på problemer, da systemet forfine dataene og vejer dem ved induktiv inferens, hvilket betyder, at konklusioner, der er nået, ikke nødvendigvis afspejler de originale data eller lokaler, der blev brugt til at starte analysen.
Bagudkædning er mere sandsynligt orienteret, idet de lagrede data vægtes for værdien fra starten. Regler bruges til at teste betingelserne for dataene for gyldighed i lyset af det givne problem, og da dette er gjort, tildeles nye sandsynlighedsværdier til dataene. Også kendt som hypotese-drevet, bagudkædning trækker ikke strenge konklusioner, før kontinuerlig test af dataene mod forhold, der er fastlagt ved reglerne i ekspertsystemet, opfylder et minimums bevisniveau for det spørgsmål eller det problem, der studeres.
Bayesiansk logik er en af de sandsynlighedsorienterede former for inferensmotorsoftware, der bruger bagudkædning, opkaldt efter Thomas Bayes, en engelsk matematiker i midten af det 18. århundrede. En sådan logik bruger en videnbase om tidligere hændelser til at forudsige fremtidige resultater gennem gentagne test af viden, og den indgår i yderligere bevis for resultaterne af forsøgene i nye forsøg med det formål at producere mere og mere nøjagtige resultater. Uklar logik-softwarearkitektur kan også stole på inferensmotoren som en del af sit system. Forskellen med fuzzy logik er, at output er et fuzzy sæt eller række mulige løsninger, der derefter samles i en gruppe og gennem logik og sandsynlighed indsnævret til en optimal konklusion eller handling.