การใช้เหตุผลแบบจำลองคือการใช้แบบจำลองการทำงานและการสังเกตการณ์ในโลกแห่งความจริงเพื่อสรุป มันมีบทบาทสำคัญในระบบลอจิกเทียมเช่นเดียวกับการให้เหตุผลในวิทยาศาสตร์ การสร้างแบบจำลองเป็นลักษณะที่ใช้เวลานานในการดำเนินการเนื่องจากจำเป็นต้องสร้างแบบจำลองที่ลึกซับซ้อนและมีรายละเอียดมากที่สุดเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด เมื่อมีการสร้างแบบจำลองการทำงานแล้วมันอาจต้องมีการอัพเดทเป็นระยะ
ในตัวอย่างของการใช้เหตุผลตามรูปแบบ บริษัท สามารถพัฒนารูปแบบระบบประสาทการทำงานของร่างกายมนุษย์ รูปแบบปกติจะรวมข้อมูลเกี่ยวกับเครือข่ายการเชื่อมต่อที่พบในระบบประสาทส่วนกลางและอุปกรณ์ต่อพ่วง ข้อมูลเกี่ยวกับอาการของปัญหาทางระบบประสาทสามารถสร้างขึ้นในระบบโดยใช้การสังเกตเพื่อสร้างเมทริกซ์ของข้อมูลที่รู้จัก ผู้ใช้สามารถโต้ตอบกับแบบจำลองได้โดยป้อนอาการของผู้ป่วยเช่นคำพูดที่ไม่ชัดและรูม่านตาที่ขยายไม่เท่ากันและจะส่งคืนการวินิจฉัยที่เป็นไปได้เช่นจังหวะ
ระบบดังกล่าวสามารถมีการใช้งานที่หลากหลายในด้านวิทยาศาสตร์ ระบบประดิษฐ์สามารถอนุญาตให้นักวิจัยสำรวจและทดสอบสมมติฐาน การใช้เหตุผลตามรูปแบบยังเป็นกระดูกสันหลังของระบบการตรวจสอบที่ส่งการแจ้งเตือนตามอินพุต ยกตัวอย่างเช่นการสร้างแบบจำลองสภาพภูมิอากาศช่วยให้คอมพิวเตอร์สามารถรับข้อมูลเกี่ยวกับสภาพอากาศปัจจุบันและเรียกใช้ผ่านแบบจำลองเพื่อให้ข้อมูลเกี่ยวกับพายุโซนร้อนและเหตุการณ์อุตุนิยมวิทยาอื่น ๆ ที่เกี่ยวข้อง การทำงานอัตโนมัติของงานบางอย่างสามารถอนุญาตให้นักวิจัยมุ่งเน้นหัวข้ออื่น ๆ ที่ต้องการการใช้เหตุผลที่ซับซ้อนมากขึ้น
แนวคิดเดียวกันนี้ยังสามารถรองรับความคิดทางวิทยาศาสตร์บางรูปแบบ นักวิจัยรักษารูปแบบการทำงานเกี่ยวกับแนวคิดทางวิทยาศาสตร์เช่นวิธีการแปรสัณฐานของแผ่นเปลือกโลกและสังเกตเพื่อเสริมสร้างแบบจำลองและพัฒนาบทสรุปของข้อมูลสนับสนุน สิ่งนี้ช่วยให้พวกเขาสามารถสรุปข้อสรุปเกี่ยวกับเหตุการณ์ทางวิทยาศาสตร์ตามสิ่งที่พวกเขารู้จากแบบจำลองและการสังเกตที่ทำ ยกตัวอย่างเช่นหากนักวิจัยกำลังตรวจสอบภูเขาไฟการใช้เหตุผลแบบจำลองสามารถอนุญาตให้พวกเขาออกคำเตือนการอพยพหากพฤติกรรมของภูเขาไฟสอดคล้องกับการระเบิดที่ใกล้เข้ามา
การพัฒนาแบบจำลองอาจใช้เวลาความอดทนและการป้อนข้อมูลจากแหล่งข้อมูลจำนวนมาก ยิ่งมีจุดข้อมูลมากเท่าไหร่การใช้เหตุผลที่แม่นยำและมีรายละเอียดมากขึ้นเท่านั้น สิ่งนี้สามารถช่วยผู้สร้างโมเดลหลีกเลี่ยงข้อผิดพลาดที่อาจมีค่าใช้จ่ายสูงเช่นการไม่สามารถคาดการณ์ปัญหาที่จะเกิดขึ้นกับข้อมูลเพิ่มเติม เมื่อการสังเกตเข้ามาพวกเขาสามารถเพิ่มเข้าไปในเนื้อหาความรู้ซึ่งอาจส่งผลให้โมเดลเปลี่ยนแปลง ตัวอย่างเช่นการสังเกตสามารถพิสูจน์ได้ว่ากฎที่ยึดตามแบบจำลองนั้นไม่ถูกต้องจริงหรือไม่ได้อธิบายถึงตัวแปรเฉพาะ
