Wat is achterwaarts koppelen?
Achterwaartse kettingvorming is een logisch systeem dat wordt gebruikt door kunstmatige intelligentiesystemen. Het is ontworpen om een probleem op te lossen door achteruit te werken vanuit een einddoel door een reeks regels. Deze aanpak kan worden gebruikt door een breed scala aan systemen, van programma's die schaakspellen oplossen tot algoritmen die worden gebruikt om onbekende objecten te identificeren. De basis vereist een robuuste programmering met een reeks logische en nuttige inductieve regels die het systeem kan gebruiken om nauwkeurig een reeks opties te doorlopen om tot een oplossing te komen.
In deze methode wordt het systeem voorzien van een set regels door de programmeur, die het een eindproduct of doel presenteert. Het systeem werkt achteruit door de regels om te bepalen hoe men bij het einddoel zou kunnen komen. In de achterwaartse inductie die bijvoorbeeld wordt gebruikt door programma's die schaakspellen oplossen, kan de computer de positie van de stukken innemen en door een reeks if-then-uitspraken gaan om het waarschijnlijke verloop van bewegingen door het spel te bepalen. Een computer kan ook backward chaining gebruiken om andere mogelijke oplossingen en vertakkingen te verkennen die zich tijdens het spel hadden kunnen voordoen om de uitkomst te wijzigen.
Systemen die gebruikmaken van achterwaartse ketening kunnen regels hebben die variëren in complexiteit, afhankelijk van het soort werk dat ze moeten doen. Een systeem dat bijvoorbeeld bloemen kan identificeren, kan een grote reeks vertakkingsopties nodig hebben om de soort waarnaar het kijkt nauwkeurig te lokaliseren. Het kan beginnen met een reeks uitspraken met betrekking tot kleur, door soorten bloemen, aantal bloemblaadjes, bladeren en andere kenmerken gaan en de identiteit van een bepaalde bloem bij het beantwoorden van vragen bij elke stap bepalen om een definitief antwoord te bepalen. Fouten in dit proces kunnen leiden tot identificatiefouten.
Dit redeneersysteem doet een beroep op eenvoudige logica. Het systeem onderzoekt een feit, bepaalt of het bij een bepaald product past en zet vanaf daar nog een stap. Als het feit niet overeenkomt met de beschikbare informatie, is het onjuist en de logica van de achterwaartse keten kan dat feit en anderen die hiervan kunnen afwijken negeren. Feiten die passen, zorgen ervoor dat een programma met de logica werkt en de vertakkende feiten onderzoekt om te zien welke het beste past. Dit kan goed werken voor verschillende taken.
Kunstmatige intelligentie is niet de enige entiteit die backward chaining kan gebruiken. Onderzoekers die met primaten werken, merken op dat sommige soorten deze logische methode lijken te gebruiken om problemen op te lossen. Dit illustreert het vermogen om problemen te begrijpen en een systeem te ontwikkelen om ze aan te pakken.