Qu'est-ce qu'un moteur d'inférence?
Un moteur d'inférence est un logiciel conçu pour tirer des conclusions en analysant des problèmes à la lumière d'une base de données de connaissances spécialisées qu'il exploite. Il atteint des résultats logiques basés sur les prémisses établies par les données. Parfois, les moteurs d’inférence sont également capables d’aller au-delà d’un traitement logique strict et d’utiliser des calculs de probabilité pour tirer des conclusions que la base de connaissances ne prend pas en charge de manière stricte, mais implique simplement ou fait allusion à.
La plupart des moteurs d'inférence conçus dans le domaine de l'intelligence artificielle sont basés sur le concept du système expert. Un système expert est conçu pour résoudre des problèmes dans un domaine spécifique et parfois étroitement défini, tel que certaines spécialités médicales. Le composant de moteur d'inférence d'un système expert est la structure de contrôle qui produit une sortie initiale en fonction des données existantes dans la base de connaissances et des règles de programmation du système expert, puis l'applique de manière significative au problème spécifique. Etant donné que les résultats du moteur d'inférence résultent des données, ils changent au fur et à mesure de la mise à jour des données et peuvent également changer lorsque les données sont recherchées de différentes manières par le moteur d'inférence lui-même. Si les données du système sont pondérées en fonction d'une ou plusieurs conclusions par rapport à une autre, les résultats générés par le moteur d'inférence peuvent être modifiés.
Les logiciels qui utilisent un moteur d'inférence peuvent être considérés comme un mécanisme sélectif actif, dans lequel les actions de traitement sont dirigées par l'état le plus récent des données. Les systèmes experts disposent de deux méthodes générales pour traiter ces données stockées, appelées chaînage avant ou chaînette arrière. En chaînage en aval, les règles du système expert analysent les données qui lui sont fournies par le moteur d'inférence, et les résultats sont renvoyés dans le stockage de données du système en tant que nouvelles données. Cela déclenche de nouvelles solutions aux problèmes car le système affine les données et les pondère par inférence inductive, ce qui signifie que les conclusions obtenues ne refléteront pas nécessairement les données ou prémisses originales utilisées pour lancer l'analyse.
Le chaînage en arrière est davantage axé sur les probabilités, les données stockées étant pondérées en fonction de la valeur dès le début. Les règles permettent de tester la validité des conditions des données à la lumière du problème posé. De cette manière, de nouvelles valeurs de probabilité sont attribuées aux données. Aussi appelé chaînage en arrière fondé sur des hypothèses, il ne tire pas de conclusions strictes tant que des tests continus des données par rapport aux conditions établies par les règles du système expert ne répondent pas à un niveau minimum de preuves de la question ou du problème étudié.
La logique bayésienne est l’une des formes de logiciel de moteur d’inférence axées sur les probabilités utilisant l’enchaînement arrière, du nom de Thomas Bayes, un mathématicien anglais du milieu du XVIII e siècle. Une telle logique utilise une base de connaissances d'événements antérieurs pour prédire les résultats futurs par le biais de tests répétés des connaissances, et intègre de nouvelles preuves des résultats des essais dans de nouveaux essais, dans le but de produire des résultats de plus en plus précis. L'architecture logicielle de la logique floue peut également compter sur le moteur d'inférence en tant que partie intégrante de son système. La différence avec la logique floue est que la sortie est un ensemble flou ou une gamme de solutions possibles qui sont ensuite agrégées en un groupe et, par logique et probabilité, réduites à une conclusion ou à une action optimale.