O que é um mecanismo de inferência?

Um mecanismo de inferência é um sistema de software projetado para tirar conclusões, analisando problemas à luz de um banco de dados de conhecimento especializado que ele se baseia. Ele atinge resultados lógicos com base nas instalações que os dados estabelecem. Às vezes, os mecanismos de inferência também são capazes de ir além do processamento lógico estrito e utilizar cálculos de probabilidade para chegar a conclusões de que o banco de dados do conhecimento não suporta estritamente, mas apenas implica ou sugere. Um sistema especialista é construído para resolver problemas em um campo específico e às vezes definido, como certas especialidades médicas. O componente do mecanismo de inferência de um sistema especialista é a estrutura de controle que produz saída inicial com base em qualquer que os dados existam atualmente na base de conhecimento e nas regras de programação do sistema especialista e depois aplique -o ao problema específico em um W significativoay. Como os resultados do mecanismo de inferência são resultado dos dados, eles mudam à medida que os dados são atualizados e também podem mudar à medida que os dados são pesquisados ​​de maneiras diferentes pelo próprio mecanismo de inferência. Se os dados do sistema forem ponderados para uma ou mais conclusões sobre outro, isso pode alterar os resultados que o mecanismo de inferência gera.

O software que usa um mecanismo de inferência pode ser visto como um mecanismo seletivo ativo, onde as ações de processamento são direcionadas pelo estado mais atual dos dados. Os sistemas especializados têm duas maneiras gerais de processar esses dados armazenados, referidos como encadeamento direto ou encadeamento para trás. No encadeamento direto, as regras do sistema especialista analisam os dados alimentados pelo mecanismo de inferência e os resultados são alimentados de volta ao armazenamento de dados do sistema como novos dados. Isso desencadeia novas soluções para os problemas, à medida que o sistema refina os dados e o pesa por inferência indutivae, o que significa que as conclusões alcançadas não refletirão necessariamente os dados ou premissas originais que foram usadas para iniciar a análise.

O encadeamento para trás é mais orientado para a probabilidade, com os dados armazenados sendo ponderados para o valor desde o início. As regras são usadas para testar as condições dos dados quanto à validade à luz do problema especificado e, como isso é feito, novos valores de probabilidade são atribuídos aos dados. Também referido como encadeamento reverso, orientado a hipóteses, não tira conclusões estritas até o teste contínuo dos dados em relação às condições estabelecidas pelas regras do sistema especialista, atendem a um nível mínimo de prova para a pergunta ou problema que está sendo estudado.

A lógica bayesiana é uma das formas de mecanismo de inferência orientadas a probabilidade que utilizam encadeamento para trás, nomeado para Thomas Bayes, um matemático inglês do século de meados de 18 anos. Essa lógica usa uma base de conhecimento de eventos anteriores para prever resultados futuros através de testes repetidos do conhecimentoLedge, e TI fatores em evidências adicionais dos resultados dos ensaios em novos ensaios, com o objetivo de produzir resultados cada vez mais precisos. A arquitetura de software lógica difusa também pode contar com o mecanismo de inferência como parte de seu sistema. A diferença com a lógica difusa é que a saída é um conjunto difuso ou uma gama de soluções possíveis que são agregadas em um grupo e, por meio da lógica e probabilidade, reduzidas a uma conclusão ou ação ideal.