Cos'è un motore di inferenza?
Un motore di inferenza è un sistema software progettato per trarre conclusioni analizzando i problemi alla luce di un database di conoscenza di esperti su cui attinge. Raggiunge risultati logici in base alle premesse che i dati stabiliscono. A volte i motori di inferenza sono anche in grado di andare oltre l'elaborazione logica rigorosa e utilizzare calcoli di probabilità per raggiungere le conclusioni che il database di conoscenza non supporta rigorosamente, ma invece implica semplicemente o suggerisce. È costruito un sistema esperto per risolvere i problemi in un campo specifico e talvolta definito, come alcune specialità mediche. Il componente del motore di inferenza di un sistema esperto è la struttura di controllo che produce output iniziali in base a qualsiasi dati attualmente esistente nella base di conoscenza e nelle regole di programmazione del sistema esperto, quindi applicarli al problema specifico in una W significativaay. Poiché i risultati del motore di inferenza sono il risultato dei dati, cambiano man mano che i dati vengono aggiornati e possono anche cambiare poiché i dati vengono cercati in diversi modi dal motore di inferenza stesso. Se i dati nel sistema sono ponderati verso una o più conclusioni rispetto a un'altra, ciò può cambiare i risultati che il motore di inferenza genera.
Il software che utilizza un motore di inferenza può essere visto come un meccanismo selettivo attivo, in cui le azioni di elaborazione sono dirette dallo stato più attuale dei dati. I sistemi di esperti hanno due modi generali di elaborazione di questi dati memorizzati, indicati come incatenamento in avanti o concatenamento all'indietro. Nella concatenamento in avanti, le regole del sistema esperto analizzano i dati alimentati da esso dal motore di inferenza e i risultati vengono riempiti nell'archiviazione dei dati del sistema come nuovi dati. Ciò innesca nuove soluzioni ai problemi mentre il sistema perfeziona i dati e li pesa per inferi induttivoe, il che significa che le conclusioni raggiunte non rifletteranno necessariamente i dati o le premesse originali che sono state utilizzate per iniziare l'analisi.
Il concatenamento all'indietro è più orientato alla probabilità, con i dati memorizzati ponderati per valore dall'inizio. Le regole vengono utilizzate per testare le condizioni dei dati per la validità alla luce del problema dato e, a causa di ciò, i dati sono assegnati nuovi valori di probabilità. Anche indicato come basato sull'ipotesi, il concatenamento all'indietro non trae conclusioni rigorose fino a quando il test continuo dei dati rispetto alle condizioni stabilite dalle regole del sistema esperto soddisfa un livello minimo di prova per la domanda o il problema studiato.
La logica bayesiana è una delle forme orientate alla probabilità di software per motori di inferenza che utilizzano il concatenamento all'indietro, chiamato per Thomas Bayes, un matematico inglese della metà del 18 secolo. Tale logica utilizza una base di conoscenza di eventi precedenti per prevedere i risultati futuri attraverso test ripetuti del knowLEDGE, e IT fa sì che ulteriori prove dei risultati delle prove in nuove prove, con l'obiettivo di produrre risultati sempre più accurati. L'architettura software Fuzzy Logic può anche fare affidamento sul motore di inferenza come parte del suo sistema. La differenza con la logica fuzzy è che l'output è un set fuzzy o una gamma di possibili soluzioni che vengono quindi aggregate in un gruppo e, attraverso la logica e la probabilità, ristrette a una conclusione o azione ottimale.