Här är en uppdelning av vad den gör:
* Tar emot input: Slutledningsmotorn tar input, vanligtvis i form av fakta eller frågor. Dessa fakta kan tillhandahållas av en användare, sensordata eller något annat system.
* Gäller regler: Den använder indatafakta och regler som lagras i kunskapsbasen för att härleda nya fakta. Reglerna är vanligtvis "om-då"-påståenden som beskriver samband mellan fakta.
* Drleder slutsatser: Genom tillämpning av regler kedjer inferensmotorn samman fakta och når slutsatser. Denna process av kedja kan vara framåtkedja (som börjar med fakta och dra slutsatser) eller bakåtkedja (som börjar med en hypotes och söker efter fakta som stödjer den).
* Tillhandahåller utdata: Slutligen presenterar inferensmotorn sina slutsatser för användaren eller annat system. Denna utdata kan vara en diagnos, en rekommendation eller ett enkelt ja/nej-svar.
Typer av inferensmotorer:
Inferensmotorer kan kategoriseras baserat på deras resonemangsmetoder:
* Forward Chaining (datadriven): Börjar med kända fakta och använder regler för att härleda nya fakta tills ett mål nås eller inga fler regler kan tillämpas. Det är lämpligt för situationer där du har mycket data och vill utforska potentiella slutsatser.
* Backward Chaining (målstyrt): Börjar med en hypotes (mål) och arbetar baklänges och hittar fakta som stödjer eller motbevisar hypotesen. Det är effektivt när du har en specifik fråga och vill hitta bevis som stöder eller förnekar den.
* Hybrid tillvägagångssätt: Vissa slutledningsmotorer kombinerar kedja framåt och bakåt för att utnyttja styrkorna hos båda metoderna.
Exempel:
Föreställ dig ett enkelt expertsystem för att diagnostisera bilproblem.
* Kunskapsbas:
* Regel 1:OM motorn inte startar OCH batteriet är dött DÅ är problemet dött batteri.
* Regel 2:OM motorn inte startar OCH batteriet är OK DÅ är problemet startmotorn.
* Fakta:Motorn startar inte.
* Fakta:Batteriet är slut.
* Inferensmotor (Forward Chaining): Motorn skulle använda fakta "motorn startar inte" och "batteriet är dött" för att matcha villkoren i regel 1, och dra slutsatsen "problemet är dött batteri."
Sammanfattningsvis är slutledningsmotorn hjärnan i ett expertsystem, som intelligent använder sin kunskapsbas för att resonera och lösa problem. Det är ett avgörande element i artificiell intelligens och kunskapsrepresentation.
