人工智能中前向推理和后向推理的区别

在人工智能中，搜索的目的是找到通过问题空间的路径。有两种方法可以进行这种前后推理的搜索。两者之间的显着差异在于前向推理始于朝向目标的初始数据。相反，后向推理以相反的方式工作，其目的是在给定结果的帮助下确定初始事实和信息。

什么是前向推理

问题的解决方案通常包括初始数据和事实以便得出解决方案。这些未知的事实和信息用于推断结果。例如，在诊断患者时，医生首先检查身体的症状和医疗状况，例如温度，血压，脉搏，眼睛颜色，血液等。之后，分析患者症状并与预定症状进行比较。然后医生能够根据患者的症状提供药物。因此，当解决方案采用这种推理方式时，它被称为前向推理。

前向推理中遵循的步骤

推理引擎利用所提供的信息来探索知识库，该约束的优先级与给定的当前状态匹配。

1. 在第一步中，系统被赋予一个或多个约束。

2. 然后在知识库中搜索每个约束的规则。选择满足条件的规则（即IF部分）。

3. 现在，每个规则都能够从被调用的规则的结束中产生新的条件。结果，THEN部分再次包含在现有部分中。

4. 通过重复步骤2再次处理添加的条件。如果不存在新条件，则该过程将结束。

什么是后向推理

后向推理是前向推理的逆推理，前向推理通过对目标的分析来推断规则、初始事实和数据。我们可以通过上面定义中给出的类似示例来理解这个概念，其中医生试图借助于初始数据（如症状）来诊断患者。然而，在这种情况下，患者正在经历身体问题，医生将根据该问题来证明症状。这种推理属于逆向推理。

后向推理中遵循的步骤

在这种推理中，系统选择目标状态和向后方向的原因。现在，让我们了解它是如何发生的以及遵循的步骤。

1. 首先，选择目标状态和规则，其中目标状态驻留在THEN部分作为结论。

2. 从所选规则的IF部分，使得子目标满足目标状态为真。

3. 设置重要的初始条件以满足所有子目标。

4. 验证提供的初始状态是否与已建立的状态匹配。如果它满足条件，则目标是解决方案，否则选择其他目标状态。

人工智能中前后推理的主要差异

• 前向推理是数据驱动的方法，而后向推理是目标驱动的。

• 该过程从前向推理中的新数据和事实开始。相反，后向推理从结果开始。

• 前向推理旨在确定一些序列后面的结果。另一方面，后向推理强调支持结论的行为。

• 前瞻性推理是一种机会主义的方法，因为它可以产生不同的结果。相反，在后向推理中，特定目标只能具有某些预定的初始数据，这使得它受到限制。

• 前向推理的流程是从先行到后来的，而后向推理以相反的顺序工作，从结论到初期。

总结

搜索过程的生产系统结构有助于解释前向和后向推理。前向推理和后向推理根据其目的和过程进行区分，其中前向推理由初始数据指导，旨在找到目标，而后向推理由目标而不是数据控制，旨在发现基本推理、数据和事实。

有问题可在下方评论留言，或关注“大超小志”微信公众号留言。

标签： 人工智能 大不同

赏