Un moteur d’inf?rence est un syst?me logiciel con?u pour tirer des conclusions en analysant les probl?mes ? la lumi?re d’une base de donn?es de connaissances sp?cialis?es sur laquelle il s’appuie. Il atteint des r?sultats logiques bas?s sur les pr?misses ?tablies par les donn?es. Parfois, les moteurs d’inf?rence sont ?galement capables d’aller au-del? du traitement logique strict et utilisent des calculs de probabilit? pour parvenir ? des conclusions que la base de donn?es de connaissances ne prend pas strictement en charge, mais implique simplement ou sugg?re.
La plupart des moteurs d’inf?rence con?us dans le domaine de l’intelligence artificielle sont bas?s sur le concept de syst?me expert. Un syst?me expert est construit pour r?soudre des probl?mes dans un domaine sp?cifique et parfois ?troitement d?fini, comme certaines sp?cialit?s m?dicales. Le composant moteur d’inf?rence d’un syst?me expert est la structure de contr?le qui produit une sortie initiale bas?e sur les donn?es existantes dans la base de connaissances et les r?gles de programmation du syst?me expert, puis l’applique au probl?me sp?cifique de mani?re significative. ?tant donn? que les r?sultats du moteur d’inf?rence sont le r?sultat des donn?es, ils changent au fur et ? mesure que les donn?es sont mises ? jour, et peuvent ?galement changer lorsque les donn?es sont recherch?es de diff?rentes mani?res par le moteur d’inf?rence lui-m?me. Si les donn?es du syst?me sont pond?r?es vers une ou plusieurs conclusions par rapport ? une autre, cela peut modifier les r?sultats g?n?r?s par le moteur d’inf?rence.
Les logiciels qui utilisent un moteur d’inf?rence peuvent ?tre consid?r?s comme un m?canisme s?lectif actif, o? les actions de traitement sont dirig?es par l’?tat le plus actuel des donn?es. Les syst?mes experts ont deux mani?res g?n?rales de traiter ces donn?es stock?es, appel?es cha?nage avant ou cha?nage arri?re. Dans le cha?nage avant, les r?gles du syst?me expert analysent les donn?es qui lui sont fournies par le moteur d’inf?rence, et les r?sultats sont r?inject?s dans le stockage de donn?es du syst?me en tant que nouvelles donn?es. Cela d?clenche de nouvelles solutions aux probl?mes au fur et ? mesure que le syst?me affine les donn?es et les ?value par inf?rence inductive, ce qui signifie que les conclusions atteintes ne refl?teront pas n?cessairement les donn?es ou les pr?misses d’origine qui ont ?t? utilis?es pour d?marrer l’analyse.
Le cha?nage en amont est plus ax? sur la probabilit?, les donn?es stock?es ?tant pond?r?es en fonction de la valeur d?s le d?part. Des r?gles sont utilis?es pour tester les conditions de validit? des donn?es ? la lumi?re du probl?me donn? et, ? mesure que cela est fait, de nouvelles valeurs de probabilit? sont attribu?es aux donn?es. ?galement appel? par hypoth?se, le cha?nage en amont ne tire pas de conclusions strictes tant que les tests continus des donn?es par rapport aux conditions ?tablies par les r?gles du syst?me expert n’atteignent pas un niveau de preuve minimum pour la question ou le probl?me ?tudi?.
La logique bay?sienne est l’une des formes de logiciels de moteur d’inf?rence orient?es probabilit? qui utilisent le cha?nage en amont, du nom de Thomas Bayes, un math?maticien anglais du milieu du XVIIIe si?cle. Une telle logique utilise une base de connaissances d’?v?nements ant?rieurs pour pr?dire les r?sultats futurs gr?ce ? des tests r?p?t?s des connaissances, et elle int?gre des preuves suppl?mentaires des r?sultats des essais dans de nouveaux essais, dans le but de produire des r?sultats de plus en plus pr?cis. L’architecture logicielle de logique floue peut ?galement s’appuyer sur le moteur d’inf?rence dans le cadre de son syst?me. La diff?rence avec la logique floue est que la sortie est un ensemble flou ou une gamme de solutions possibles qui sont ensuite agr?g?es en un seul groupe et, par la logique et la probabilit?, r?duites ? une conclusion ou action optimale.
SmartAsset.