AIにおける前向き推論と後向き推論の違い

この投稿では、AIにおける前向き推論と後向き推論の違いを理解します-

前向き推論

• これはデータ駆動型のタスクです。

• 新しいデータから始まります。

• 目的は、続く結論を見つけることです。

• 日和見型のアプローチを使用しています。

• それは初期から結果へと流れます。

• 推論エンジンは、制約に応じて、指定された情報を使用してナレッジベースを検索します。

• これらの制約の優先順位は、現在の状態と一致する必要があります。

• 最初のステップは、システムに1つ以上の制約を与えることです。

• ルールは、すべての制約についてナレッジベースで検索されます。

• 条件を満たすルールが選択されます。

• すべてのルールは、呼び出されたルールから得られた結論から新しい条件を生成できます。

• 新しい条件を追加して、再度処理することができます。

• 新しい条件が存在しない場合、ステップは終了します。

• 遅いかもしれません

• それはトップダウンの推論に従います。

後向き推論

• これは目標主導型のタスクです。

• それは不確かな結論から始まります。

• 目的は、結論を裏付ける事実を見つけることです。

• 保守的なタイプのアプローチを使用しています。

• 結果から初期に流れます。

• システムは、目標の状態と逆方向の理由を選択するのに役立ちます。

• 最初のステップは、目標の状態とルールを選択することです。

• サブゴールは選択されたルールから作成されます。ゴールの状態が真になるには、これらのルールを満たす必要があります。

• 初期条件は、すべてのサブゴールを満たすように設定されています。

• 確立された状態は、提供された初期状態と一致します。

• 条件が満たされている場合、目標は解決策です。

• それ以外の場合、目標は拒否されます。

• テストするルールの数が少なくなります。

• 少量のデータを提供します。

• ボトムアップの推論手法に従います。

• 含まれる初期目標の数が少なく、ルールの数が多い。

• これは、初期状態によってフェッチされた決定に基づいています。

• これは、意思決定主導または目標主導の推論手法としても知られています。

• システムは、逆方向の目標状態と理由を選択します。