Řetězení Metod v Umělé Inteligenci

vytvořili Jsme Umělé Inteligence jako způsob, jak zesílit lidskou inteligenci a podporovat růst, jako nikdy předtím. AI nám může pomoci vyřešit řadu problémů s různou složitostí.

jedním takovým typem problému je případ, kdy je třeba předvídat výsledky pomocí daného souboru znalostí. Zde je dána znalostní báze a pomocí logických pravidel a uvažování je třeba předpovědět výsledek.

Tyto problémy jsou obvykle řešeny pomocí Inference Motory, které využívají jejich dva speciální režimy: Zpětné Řetězení a Vpřed Řetězení.

jak postupujeme, podívejme se podrobně na oba procesy řetězení používané v umělé inteligenci.

co je odvozovací Motor?

inferenční motor je nástroj umělé inteligence, který se používá jako součást systému k odvození nových informací ze znalostní báze pomocí logických pravidel a uvažování. Vůbec první inferenční motory byly součástí expertních systémů v AI. Jak již bylo uvedeno, inferenční motory předpovídají výsledky s již existujícím souborem dat, komplexně je analyzují a pomocí logického uvažování předpovídají výsledky.

další informace o algoritmech AI, jako je vyhledávací algoritmus*.

stejný proces se bude opakovat tak nové skutečnosti, bude objeven a to by inference engine vyvolat další pravidla pro jeho zjištění. Po nějaké běhy v závěru motor, to bylo si všiml, že Závěr Motorů pracuje v jednom ze dvou způsobů, a to buď na základě cílů nebo na základě faktů, který později přišel být známý jako přesměrování řetězení a zpětné řetězení.

Vpřed řetězení přichází se známými fakty a opakuje proces najít nová fakta, zatímco zpětné řetězení začíná cíle a práce zpětně zjistit, jaké podmínky by bylo nutné k dosažení daného cíle.

Příklady týkající se Odvození Pravidla

Pojďme se podívat na některé jednoduché příklady, aby vám pomohou rozlišovat mezi obě sady odvozovací pravidla.

inferenční pravidla

• deduktivní inferenční pravidlo:

dopředné řetězení: uzavírat z „A“ a „znamená B“ na „B“.

A

A – > B

B

příklad:

prší.

pokud prší, ulice je mokrá.

ulice je mokrá.

• pravidlo únosné inference:

zpětné řetězení: uzavírat z „B „A“ a znamená B „na “ a“.

B

A – > B

a

příklad:

ulice je mokrá.

pokud prší, ulice je mokrá.

prší.

Vpřed Řetězení

Vpřed Řetězení je jedním ze dvou hlavních metod inference engine, který používá logický proces odvozování neznámých pravd najít řešení ze známého souboru dat pomocí stanovených podmínek a pravidel.

můžete říci, že obecně komplexní úkoly mohou být snížena na několik jednodušších úloh, které se provádí buď současně nebo postupně, stejně jako řetězec, nebo řetězení je efektivní metoda výuky komplexní dovednosti a procesy pomocí více kroků.

jako logický přístup založený na datech i zdola nahoru začíná dopředné řetězení od známých skutečností a podmínek, poté postupuje k logickému závěru pomocí příkazů if-then. Poté se tyto podmínky a pravidla použijí na problém, dokud nezůstanou žádné další použitelné situace nebo dokud nebude dosaženo limitu. Forward Chaining hledá jakákoli řešení a může přijít s nekonečným počtem možných závěrů.

Dozvědět se o expertní systémy v AI

Vpřed Řetězení v AI

Dopředu-myšlení přístup se používá v AI pomoci AI agent řešit logické problémy pomocí kontroly dat z předchozí poznatky a poté dospěl k závěru, plný řešení. To není vše, dopředné řetězení může být také použito k prozkoumání dostupných informací nebo zodpovězení otázky nebo vyřešení problému. Dopředné řetězení se značně používá k rozbití dlouhého a složitého logického přístupu připojením každého kroku po dokončení předchozího. Tímto způsobem jde od začátku do konce relativně snadno.

Kroky pro pracovní Spedice Řetězení

1. Krok 1: začneme z již uvedené skutečnosti, a pak, budeme následně vybrat skutečnosti, které nemají žádné dopady na všechny.
2. Krok 2: Nyní uvedeme ty skutečnosti, které lze odvodit z dostupných skutečností se spokojenými prostory.
3. Krok 3: v kroku 3 můžeme zkontrolovat daný výrok, který je třeba zkontrolovat, a zkontrolovat, zda je spokojen se substitucí, která vyvozuje všechny dříve uvedené skutečnosti. Tím dosáhneme našeho cíle.

Vezměme si příklad, aby byl pro vás srozumitelnější.

“ podle zákona je pro Američana zločinem prodávat zbraně nepřátelským národům. Země a, nepřítel Ameriky, má nějaké rakety a všechny rakety jí prodal Robert, který je americkým občanem.“

Dokažte, že “ Robert je zločinec.“

Krok 1: Zde jsou uvedeny všechny uvedené skutečnosti, které nemají vůbec žádné důsledky.

Krok 2: Vybíráme fakta, která lze odvodit z dostupných skutečností se spokojenými prostory.

Krok 3: V kroku 3 můžeme zkontrolovat vzhledem k prohlášení, které musí být kontrolovány, a zkontrolujte, zda je spokojen s náhradou, která vyvozuje všechny dříve uvedené skutečnosti. Tím dosáhneme našeho cíle.

lze tedy prokázat, že Robert byl zločinec.

Zpětné Řetězení

Zpětné Řetězení je logický proces určování neznámých faktů ze známého řešení pozpátku od známé řešení pro určení počátečních podmínek a pravidel.

To znamená, že Zpětné Řetězení je top-down uvažování přístup, který začíná od závěrů a pak se vrátí k podmínkám to bylo odvozeno z používání depth-first přístupu. Stručně řečeno, to znamená, že zpětné řetězení sleduje zpět kód a používá logiku k určení, která z následujících akcí by způsobila výsledek.

Zpětné Řetězení v AI

Zpětné Řetězení přístup se používá v AI najít podmínky a pravidla, kvůli které konkrétní logický výsledek nebo závěr. Aplikace zpětného řetězení v reálném životě zahrnují použití k nalezení informací o závěrech a řešeních v reverzních inženýrských postupech a aplikacích teorie her.

některé další aplikace zpětného řetězení zahrnují automatizované nástroje pro dokazování teorémů, inferenční motory, asistenty důkazů a další aplikace umělé inteligence.

kroky práce pro zpětné řetězení

1. Krok 1. V prvním kroku si vezmeme fakt gólu a z faktu gólu odvodíme další fakta, která se prokáží jako pravdivá.
2. Krok 2: Budeme odvozovat další fakta z brankové fakta, které splňují pravidla
3. Krok 3: krok 3, budeme extrahovat další skutečnosti, které vyvozuje z faktů vyvodit v kroku 2.
4. Krok 4: zopakujeme to samé, dokud se nedostaneme k určité skutečnosti, která splňuje podmínky.

Vezměme si stejný příklad jako v dopředném řetězení, abychom tentokrát dokázali, že Robert je zločinec.

Krok 1:

v prvním kroku vezmeme fakt gólu a z faktu gólu odvodíme další fakta, která prokážeme.

Krok 2:

V druhém kroku budeme odvozovat další fakta z brankové fakta, která splňuje pravidla

Krok 3: V kroku 3 získáme další fakta, která vyvodí ze skutečností odvozených v kroku 2.

Krok 4: Budeme opakovat stejné, dokud jsme se dostat na určité skutečnosti, které splňuje podmínky.

Krok 5:

Jakmile jsou všechny skutečnosti a podmínky byly odvozeny, iterační proces se zastaví.

Rozdíl mezi Vpřed Řetězení a Zpětné Řetězení

Nyní, když víte Rozhraní Motory fungování a přesné role Vpřed a Vzad Řetězení, můžete si dopřát do řešení problému a získat lepší přehled na „hlodů a role“ AI!
exkluzivní kurzy Great Learning o umělé inteligenci a strojovém učení vám to určitě pomohou.