Zde je rozpis toho, co dělá:
* Přijímá vstup: Inferenční stroj přijímá vstup, obvykle ve formě faktů nebo dotazů. Tyto skutečnosti může poskytnout uživatel, data senzoru nebo jiný systém.
* Platí pravidla: K odvození nových faktů využívá vstupní fakta a pravidla uložená ve znalostní bázi. Pravidla jsou obvykle výroky „když-pak“, které popisují vztahy mezi fakty.
* Vyvozuje závěry: Prostřednictvím aplikace pravidel spojuje inferenční motor fakta a dospívá k závěrům. Tento proces řetězení může být řetězení dopředné (začínající fakty a vyvozování závěrů) nebo zpětné řetězení (začínající hypotézou a hledáním faktů na její podporu).
* Poskytuje výstup: Nakonec inferenční stroj prezentuje své závěry uživateli nebo jinému systému. Tímto výstupem může být diagnóza, doporučení nebo jednoduchá odpověď ano/ne.
Typy inferenčních modulů:
Inferenční stroje lze kategorizovat na základě jejich metod uvažování:
* Dopředné řetězení (řízené daty): Začíná se známými fakty a používá pravidla k odvození nových faktů, dokud není dosaženo cíle nebo již nelze použít žádná další pravidla. Je vhodný pro situace, kdy máte mnoho dat a chcete prozkoumat možné závěry.
* Zpětné řetězení (řízené cílem): Začíná s hypotézou (cílem) a postupuje zpětně, najde fakta, která hypotézu podporují nebo vyvracejí. Je to efektivní, když máte konkrétní otázku a chcete najít důkazy, které ji podporují nebo vyvracejí.
* Hybridní přístupy: Některé inferenční motory kombinují dopředné a zpětné řetězení, aby využily silné stránky obou metod.
Příklad:
Představte si jednoduchý expertní systém pro diagnostiku problémů auta.
* Základna znalostí:
* Pravidlo 1:POKUD motor nenastartuje A baterie je vybitá, PAK je problém vybitá baterie.
* Pravidlo 2:POKUD motor nenastartuje A baterie je v pořádku, pak je problém ve startéru.
* Fakt:Motor se nespustí.
* Fakt:Baterie je vybitá.
* Inference Engine (Forward Chaining): Motor by použil fakta „motor nenastartuje“ a „baterie je vybitá“, aby odpovídala podmínkám pravidla 1, se závěrem „problém je vybitá baterie“.
Stručně řečeno, inferenční stroj je mozkem expertního systému, který inteligentně využívá svou znalostní základnu k uvažování a řešení problémů. Je to zásadní prvek v umělé inteligenci a reprezentaci znalostí.
