Что такое механизм вывода?

Механизм логического вывода - это программная система, которая предназначена для того, чтобы делать выводы путем анализа проблем в свете базы данных экспертных знаний, на которые она опирается. Он достигает логических результатов, основываясь на предпосылке, которую устанавливают данные Иногда механизмы логического вывода также способны выходить за рамки строгой логической обработки и использовать вычисления вероятности, чтобы сделать выводы, которые база данных знаний не поддерживает строго, а вместо этого просто подразумевает или намекает на них.

Большинство механизмов логического вывода, разработанных в области искусственного интеллекта, основаны на концепции экспертной системы. Экспертная система построена для решения проблем в конкретной и иногда узко определенной области, такой как определенные медицинские специальности. Компонент механизма логического вывода экспертной системы представляет собой управляющую структуру, которая производит начальный вывод на основе любых данных, существующих в настоящее время в базе знаний, и правилах программирования экспертной системы, а затем применяет их к конкретной задаче осмысленным образом. Поскольку результаты механизма вывода являются результатом данных, они изменяются по мере обновления данных, а также могут изменяться при поиске данных различными способами самим механизмом вывода. Если данные в системе взвешены по отношению к одному или нескольким выводам над другим, это может изменить результаты, которые генерирует механизм логического вывода.

Программное обеспечение, которое использует механизм логического вывода, может рассматриваться как активный избирательный механизм, где действия обработки направлены на самое актуальное состояние данных. Экспертные системы имеют два основных способа обработки этих хранимых данных, называемых прямой цепочкой или обратной цепочкой. При прямом объединении правила экспертной системы анализируют данные, передаваемые ей механизмом логического вывода, и результаты передаются обратно в системное хранилище данных как новые данные. Это вызывает новые решения проблем, поскольку система уточняет данные и взвешивает их с помощью индуктивного вывода, а это означает, что полученные выводы не обязательно будут отражать исходные данные или предпосылки, которые использовались для начала анализа.

Обратная цепочка в большей степени ориентирована на вероятность, а хранимые данные взвешиваются для значения с самого начала. Правила используются для проверки условий данных на достоверность в свете данной проблемы, и, как это делается, новым значениям вероятности присваиваются данные. Также называемое гипотезой, обратное связывание не делает строгих выводов, пока непрерывное тестирование данных на соответствие условиям, установленным правилами экспертной системы, не соответствует минимальному уровню доказательства для исследуемого вопроса или проблемы.

Байесовская логика является одной из вероятностно-ориентированных форм программного обеспечения для механизма вывода, использующего обратную цепочку, названного в честь Томаса Байеса, английского математика середины 18- ^го века. Такая логика использует базу знаний о предыдущих событиях для прогнозирования будущих результатов посредством повторных проверок знаний и учитывает дополнительные доказательства результатов испытаний в новых испытаниях с целью получения все более и более точных результатов. Архитектура программного обеспечения нечеткой логики также может полагаться на механизм вывода как часть своей системы. Разница с нечеткой логикой заключается в том, что выходной результат представляет собой нечеткий набор или диапазон возможных решений, которые затем объединяются в одну группу и с помощью логики и вероятности сужаются до одного оптимального вывода или действия.