人工智慧中前向推理和後向推理的區別

在人工智慧 (AI) 中，搜尋的目標是找到解決不同問題的路徑。人工智慧中的搜尋可以透過兩種方式執行，即前向推理和後向推理。兩者之間最基本的區別在於，前向推理從新資料開始尋找結論，而後向推理從結論開始確定初始資料。

閱讀本文以瞭解更多關於前向推理和後向推理的資訊，以及它們之間是如何不同的。

什麼是前向推理？

前向推理是人工智慧中的一種過程，它根據初始資料和事實找到問題的全部可能解決方案。因此，前向推理是一種資料驅動的任務，因為它從新資料開始。人工智慧中前向推理的主要目標是找到一個後續的結論。它使用一種機會主義的方法。

前向推理從初始到結果流動。推理引擎根據約束條件搜尋知識庫中的給定資訊。這些約束條件的優先順序必須與當前狀態匹配。

在前向推理中，第一步是系統給出一個或多個約束條件。然後在知識庫中搜索每個約束條件的規則。選擇滿足條件的規則。此外，每個規則都可以從呼叫的規則得到的結論中生成一個新的條件。這些新條件可以被新增並再次被處理。

如果不存在新的條件，則步驟結束。因此，我們可以得出結論，前向推理遵循自底向上的方法。

後向推理是前向推理的反向過程，其中選擇一個目標或假設，並對其進行分析以找到初始資料、事實和規則。因此，後向推理是一種目標驅動的任務，因為它從不確定的結論或目標開始。後向推理的主要目標是找到支援結論的事實。

後向推理使用一種保守型的方法，並從結果到初始流動。系統有助於選擇一個目標狀態並向後推理。後向推理的第一步是選擇目標狀態和規則。然後，從選定的規則中生成子目標，這些子目標需要得到滿足才能使目標狀態為真。

初始條件設定為滿足所有子目標。此外，已建立的狀態與提供的初始狀態匹配。如果條件滿足，則目標是解決方案，否則目標被拒絕。因此，後向推理遵循自頂向下的技術。

後向推理也被稱為決策驅動或目標驅動推理技術，因為系統選擇一個目標狀態並向後推理。

以下是人工智慧中前向推理和後向推理之間的重要區別 -

序號	前向推理	後向推理
1.	它是一個數據驅動的任務。	它是一個目標驅動的任務。
2.	它從新資料開始。	它從不確定的結論開始。
3.	目標是找到一個後續的結論。	目標是找到支援結論的事實。
4.	它使用一種機會主義的方法。	它使用一種保守型的方法。
5.	它從初始到結果流動。	它從結果到初始流動。
6.	前向推理從初始事實開始。	後向推理從某個目標（假設）開始。
7.	前向推理測試所有規則。	後向推理測試一些規則。
8.	前向推理是一種自底向上的方法。	後向推理是一種自頂向下的方法。
9.	前向推理可以產生無限數量的結論。	後向推理產生有限數量的結論。
10.	在前向推理中，所有資料都可用。	在後向推理中，資料按需獲取。
11.	前向推理具有少量初始狀態，但結論數量較多。	後向推理具有較少的目標和較多的規則。
12.	在前向推理中，目標的形成比較困難。	在後向推理中，目標的形成比較容易。
13.	前向推理按前向方向工作，以找到從事實得出的所有可能結論。	後向推理按後向方向工作，以找到證明目標的事實。
14.	前向推理適用於回答規劃、控制、監控等問題。	後向推理適用於診斷類問題。

這兩種方法之間最顯著的區別在於，前向推理是一種資料驅動的任務，而後向推理是一種目標驅動的任務。

Kiran Kumar Panigrahi

更新於: 2023-11-03

53K+ 次瀏覽

透過完成課程獲得認證