Verkettungstechniken in der künstlichen Intelligenz

Wir haben künstliche Intelligenz geschaffen, um die menschliche Intelligenz zu verstärken und das Wachstum wie nie zuvor zu fördern. KI kann uns helfen, zahlreiche Probleme unterschiedlicher Komplexität zu lösen.

Eine solche Art von Problem ist der Fall, wenn man Ergebnisse unter Verwendung des gegebenen Wissenspools vorhersagen muss. Hier wird die Wissensbasis gegeben und mit logischen Regeln und Argumenten muss man das Ergebnis vorhersagen.

Diese Probleme werden normalerweise mit Inferenz-Engines gelöst, die ihre zwei speziellen Modi verwenden: Rückwärtsketten und Vorwärtsketten.

Lassen Sie uns im weiteren Verlauf einen detaillierten Blick auf die beiden Verkettungsprozesse werfen, die in der künstlichen Intelligenz verwendet werden.

Was ist eine Inferenz-Engine?

Eine Inferenz-Engine ist ein Werkzeug der künstlichen Intelligenz, das als Komponente des Systems verwendet wird, um mithilfe logischer Regeln und Argumentation neue Informationen aus einer Wissensdatenbank abzuleiten. Die ersten Inferenz-Engines waren Teil von Expertensystemen in der KI. Wie bereits erwähnt, prognostizieren Inferenz-Engines Ergebnisse mit dem bereits vorhandenen Datenpool, analysieren sie umfassend und verwenden logisches Denken, um die Ergebnisse vorherzusagen.

Erfahren Sie mehr über KI-Algorithmen wie einen * Suchalgorithmus.

Derselbe Prozess würde sich wiederholen, wenn neue Fakten entdeckt würden, und dies würde die Inferenz-Engine veranlassen, zusätzliche Regeln für ihre Ergebnisse auszulösen. Nach einigen Durchläufen der Inferenz-Engine wurde festgestellt, dass Inferenz-Engines auf eine der beiden Arten funktionieren, entweder basierend auf Zielen oder basierend auf Fakten, die später als Weiterleitungsverkettung und Rückwärtskettung bekannt wurden.

Die Vorwärts-Verkettung kommt mit bekannten Fakten und iteriert den Prozess, um neue Fakten zu finden, während die Rückwärts-Verkettung mit Zielen beginnt und rückwärts arbeitet, um zu bestimmen, welche Bedingungen erforderlich wären, um die gegebenen Ziele zu erreichen.

Beispiele für Inferenzregeln

Schauen wir uns einige einfache Beispiele an, um Ihnen zu helfen, zwischen beiden Sätzen von Inferenzregeln zu unterscheiden.

Inferenzregeln

• Deduktive Inferenzregel:

Vorwärtsketten: Schließen Sie von „A“ und „A impliziert B“ zu „B“.

A

A -> B

B

Beispiel:

Es regnet.

Wenn es regnet, ist die Straße nass.

Die Straße ist nass.

• Abduktive Inferenzregel:

Rückwärtsketten: Schließen Sie von „B“ und „A impliziert B“ zu „A“.

B

A -> B

A

Beispiel:

Die Straße ist nass.

Wenn es regnet, ist die Straße nass.

Es regnet.

Forward Chaining

Forward Chaining ist eine der beiden Hauptmethoden der Inferenz-Engine, die den logischen Prozess der Ableitung unbekannter Wahrheiten verwendet, um eine Lösung aus dem bekannten Datensatz unter Verwendung bestimmter Bedingungen und Regeln zu finden.

Man kann sagen, dass im Allgemeinen komplexe Aufgaben in mehrere einfachere Aufgaben reduziert werden können, die entweder gleichzeitig oder nacheinander ausgeführt werden, genau wie eine Kette oder Verkettung eine effektive Methode ist, komplexe Fähigkeiten und Prozesse in mehreren Schritten zu vermitteln.

Als datengesteuerter und Bottom-up-logischer Ansatz beginnt die Vorwärtskettung mit bekannten Fakten und Bedingungen und schreitet dann mit if-Then-Anweisungen zu logischen Schlussfolgerungen fort. Dann werden diese Bedingungen und Regeln auf das Problem angewendet, bis keine weiteren anwendbaren Situationen mehr vorhanden sind oder die Grenze erreicht ist. Forward Chaining sucht nach beliebigen Lösungen und kann unendlich viele mögliche Schlussfolgerungen ziehen.

Erfahren Sie mehr über Expertensysteme in der KI

Vorwärtsketten in der KI

Der zukunftsorientierte Ansatz wird in der KI verwendet, um einem KI-Agenten bei der Lösung logischer Probleme zu helfen, indem er die Daten aus den vorherigen Erkenntnissen überprüft und dann zu einer Schlussfolgerung voller Lösungen kommt. Das ist noch nicht alles, Forward Chaining kann genauso gut verwendet werden, um die verfügbaren Informationen zu erkunden oder eine Frage zu beantworten oder ein Problem zu lösen. Forward Chaining wird häufig verwendet, um einen langen und komplexen logischen Ansatz aufzuschlüsseln, indem jeder Schritt angehängt wird, sobald der vorherige abgeschlossen ist. Auf diese Weise geht es relativ einfach von Anfang bis Ende.

Schritte zur Weiterleitung der Verkettung

1. Schritt 1: Wir gehen von den bereits genannten Fakten aus und wählen anschließend die Fakten aus, die überhaupt keine Auswirkungen haben.
2. Schritt 2: Nun werden wir die Fakten angeben, die aus den verfügbaren Fakten mit zufriedenen Prämissen abgeleitet werden können.
3. Schritt 3: In Schritt 3 können wir die gegebene Aussage, die überprüft werden muss, überprüfen und prüfen, ob sie mit der Substitution zufrieden ist, die alle zuvor angegebenen Fakten ableitet. So erreichen wir unser Ziel.

Nehmen wir ein Beispiel, um es Ihnen verständlicher zu machen.

„Laut Gesetz ist es ein Verbrechen für einen Amerikaner, Waffen an feindliche Nationen zu verkaufen. Land A, ein Feind Amerikas, hat einige Raketen, und alle Raketen wurden ihm von Robert verkauft, der amerikanischer Staatsbürger ist.“

Beweisen Sie, dass „Robert ein Verbrecher ist.“

Schritt 1: Hier werden alle angegebenen Fakten angegeben, die überhaupt keine Auswirkungen haben.

Schritt 2: Wir wählen die Fakten aus, die aus verfügbaren Fakten mit zufriedenen Prämissen abgeleitet werden können.

Schritt 3: In Schritt 3 können wir die gegebene Aussage, die überprüft werden muss, überprüfen und prüfen, ob sie mit der Substitution zufrieden ist, die alle zuvor angegebenen Fakten ableitet. So erreichen wir unser Ziel.

Daher kann bewiesen werden, dass Robert der Verbrecher war.

Rückwärtsketten

Rückwärtsketten ist ein logischer Prozess zum Bestimmen unbekannter Fakten aus bekannten Lösungen, indem von bekannten Lösungen rückwärts bewegt wird, um die Anfangsbedingungen und Regeln zu bestimmen.

Dies bedeutet, dass die Rückwärtskettung ein Top-Down-Argumentationsansatz ist, der von Schlussfolgerungen ausgeht und dann zu den Bedingungen zurückkehrt, die aus der Verwendung des Tiefenansatzes abgeleitet wurden. Kurz gesagt bedeutet dies, dass die Rückwärtskettung den Code zurückverfolgt und Logik anwendet, um zu bestimmen, welche der folgenden Aktionen das Ergebnis verursacht hätte.

Rückwärtsketten in der KI

Der Rückwärtskettenansatz wird in der KI verwendet, um die Bedingungen und Regeln zu finden, aufgrund derer ein bestimmtes logisches Ergebnis oder eine bestimmte Schlussfolgerung erzielt wurde. Zu den realen Anwendungen der Rückwärtskettung gehören die Suche nach Informationen zu Schlussfolgerungen und Lösungen in Reverse Engineering-Praktiken sowie Anwendungen der Spieltheorie.

Einige andere Anwendungen der Rückwärtskettung umfassen automatisierte Theorembeweiswerkzeuge, Inferenz-Engines, Beweisassistenten und andere Anwendungen der künstlichen Intelligenz.

Arbeitsschritte für die Rückwärtskettung

1. Schritt 1. Im ersten Schritt nehmen wir die Ziel-Tatsache und leiten aus der Ziel-Tatsache andere Fakten ab, die wir als wahr erweisen werden.
2. Schritt 2: Wir leiten weitere Fakten aus den Fakten ab, die den Regeln entsprechen
3. Schritt 3: In Schritt 3 extrahieren wir weitere Fakten, die aus den in Schritt 2 abgeleiteten Fakten abgeleitet werden.
4. Schritt 4: Wir wiederholen dasselbe, bis wir zu einer bestimmten Tatsache gelangen, die die Bedingungen erfüllt.

Nehmen wir das gleiche Beispiel wie in Forward Chaining , um dieses Mal zu beweisen, dass Robert der Verbrecher ist.

Schritt 1:

Im ersten Schritt nehmen wir die Ziel-Tatsache und leiten aus der Ziel-Tatsache andere Fakten ab, die sich als wahr erweisen.

Schritt 2:

Im zweiten Schritt leiten wir aus den Fakten weitere Fakten ab, die den Regeln entsprechen

Schritt 3: In Schritt 3 werden wir weitere Fakten extrahieren, die aus den in Schritt 2 abgeleiteten Fakten schließen.

Schritt 4: Wir wiederholen dasselbe, bis wir zu einer bestimmten Tatsache gelangen, die die Bedingungen erfüllt.

Schritt 5:

Sobald alle Fakten und Bedingungen abgeleitet wurden, stoppt der Iterationsprozess.

Unterschied zwischen Vorwärtsverkettung und Rückwärtsverkettung

Jetzt, da Sie die Funktionsweise der Interface Engines und die genauen Rollen der Vorwärts- und Rückwärtskettung kennen, können Sie sich der Problemlösung hingeben und die „Abouts und Rollen“ der KI besser verstehen!
Die exklusiven Kurse von Great Learning zu Künstlicher Intelligenz und maschinellem Lernen können Ihnen dabei definitiv helfen.