ความแตกต่างระหว่างการให้เหตุผลแบบไปข้างหน้าและข้างหลังใน AI

ในบทความนี้ เราจะเข้าใจความแตกต่างระหว่างการให้เหตุผลล่วงหน้าและการให้เหตุผลแบบย้อนหลังใน AI -

การให้เหตุผลล่วงหน้า

• เป็นงานที่ขับเคลื่อนด้วยข้อมูล

• เริ่มต้นด้วยข้อมูลใหม่

• เป้าหมายคือการหาข้อสรุปที่จะตามมา

• ใช้วิธีการฉวยโอกาส

• มันไหลจากจุดเริ่มต้นไปสู่ผลที่ตามมา

• เครื่องมืออนุมานจะค้นหาฐานความรู้ด้วยข้อมูลที่กำหนดขึ้นอยู่กับข้อจำกัด

• ลำดับความสำคัญของข้อจำกัดเหล่านี้ต้องตรงกับสถานะปัจจุบัน

• ขั้นตอนแรกคือระบบมีข้อจำกัดตั้งแต่หนึ่งข้อขึ้นไป

• มีการค้นหากฎในฐานความรู้สำหรับทุกข้อจำกัด

• มีการเลือกกฎที่ตรงตามเงื่อนไขไว้

• กฎทุกข้อสามารถสร้างเงื่อนไขใหม่ได้จากข้อสรุปที่ได้มาจากเงื่อนไขที่เรียกใช้

• สามารถเพิ่มเงื่อนไขใหม่และดำเนินการอีกครั้งได้

• ขั้นตอนจะสิ้นสุดลงหากไม่มีเงื่อนไขใหม่

• อาจจะช้า

• มันเป็นไปตามการให้เหตุผลจากบนลงล่าง

การให้เหตุผลแบบย้อนหลัง

• เป็นงานที่เน้นเป้าหมาย

• เริ่มต้นด้วยข้อสรุปที่ไม่แน่นอน

• โดยมีวัตถุประสงค์เพื่อค้นหาข้อเท็จจริงที่สนับสนุนข้อสรุป

• ใช้แนวทางอนุรักษ์นิยม

• มันไหลจากผลลัพธ์สู่จุดเริ่มต้น

• ระบบช่วยเลือกสถานะเป้าหมายและเหตุผลในทิศทางย้อนกลับ

• ขั้นตอนแรกคือเลือกสถานะเป้าหมายและกฎ

• เป้าหมายย่อยถูกสร้างขึ้นจากกฎที่เลือก ซึ่งจำเป็นต้องได้รับความพึงพอใจเพื่อให้สถานะเป้าหมายเป็นจริง

• เงื่อนไขเริ่มต้นถูกกำหนดให้เป็นไปตามเป้าหมายย่อยทั้งหมด

• สถานะที่จัดตั้งขึ้นจะถูกจับคู่กับสถานะเริ่มต้นที่ให้ไว้

• หากเป็นไปตามเงื่อนไข เป้าหมายคือทางออก

• มิฉะนั้น เป้าหมายจะถูกปฏิเสธ

• มันทดสอบกฎจำนวนน้อยลง

• ให้ข้อมูลจำนวนเล็กน้อย

• มันเป็นไปตามเทคนิคการให้เหตุผลจากล่างขึ้นบน

• มีจำนวนเป้าหมายเริ่มต้นน้อยกว่าและมีกฎเกณฑ์จำนวนมาก

• ขึ้นอยู่กับการตัดสินใจที่ดึงมาจากสถานะเริ่มต้น

• เรียกอีกอย่างว่าเทคนิคการอนุมานที่ขับเคลื่อนด้วยการตัดสินใจหรือตามเป้าหมาย

• ระบบจะเลือกสถานะเป้าหมายและเหตุผลในทิศทางย้อนกลับ