私たちは、人間の知性を増幅し、これまでにないような成長を促進する方法として人工知能を作成しました。 AIは、さまざまな複雑さの多くの問題を解決するのに役立ちます。
そのようなタイプの問題の1つは、与えられた知識のプールを使用して結果を予測しなければならない場合です。 ここでは、知識ベースが与えられ、論理的なルールと推論を使用して、結果を予測する必要があります。
これらの問題は、通常、後方連鎖と前方連鎖の二つの特別なモードを利用する推論エンジンを使用して解決されます。
進行中に、人工知能で使用されている両方の連鎖プロセスを詳細に見てみましょう。
推論エンジンとは何ですか？
推論エンジンは、論理的なルールと推論を使用して知識ベースから新しい情報を推論するためにシステムのコンポーネントとして使用される人工知能 史上初の推論エンジンは、AIのエキスパートシステムの一部でした。 前述したように、推論エンジンは、既存のデータプールで結果を予測し、それを包括的に分析し、論理的推論を使用して結果を予測します。
*検索アルゴリズムのようなAIアルゴリズムについて学びます。
この同じプロセスは、新しい事実が発見されると繰り返され、これにより推論エンジンはその発見のための追加のルールをトリガします。 推論エンジンのいくつかの実行の後、推論エンジンは、後に転送連鎖と後方連鎖として知られるようになった、目標に基づいて、または事実に基づいて、
Forward chainingには既知の事実が付属しており、新しい事実を見つけるためにプロセスを繰り返しますが、backward chainingは目標から始まり、指定された目標を達成するた
推論規則に関する例
両方の推論規則を区別するのに役立つ簡単な例を見てみましょう。
推論ルール
- 演繹推論ルール:
前方連鎖：”A”と”AはBを意味する”から”B”への結論。
a
A->B
B
例：
雨が降っています。
雨が降っていると、通りは濡れています。
通りは濡れている。
- 拉致推論ルール:
後方連鎖：”B”と”A”から”A”への結論。
B
A->B
A
例：
通りが濡れています。
雨が降っていると、通りは濡れています。
雨が降っています。
Forward Chaining
Forward Chainingは、未知の真理を推論して、決定された条件とルールを使用して既知のデータセットから解を見つける論理的プロセスを使用する推論エン
一般的に複雑なタスクは、連鎖や連鎖が複数のステップを使用して複雑なスキルやプロセスを教える効果的な方法であるように、同時にまたは連続して実行される複数の単純なタスクに減らすことができると言うことができます。
データ駆動型およびボトムアップ型論理アプローチとして、フォワードチェーンは既知の事実と条件から始まり、if-then文を使用して論理的な結論に向かって進 その後、これらの条件とルールは、それ以上適用可能な状況が残っていないか、限界に達するまで問題に適用されます。 前方連鎖は、任意の解を検索し、可能な結論の無限の数を思い付くことができます。
AIのエキスパートシステムについて学ぶ
AIのフォワードチェーン
前向きなアプローチは、AIエージェントが以前の学習からのデータを検査し、解決策に満ちた結論に達することによって論理的な問題を解決するのを助けるためにAIで使用されています。 それだけではありませんが、前方連鎖は、利用可能な情報を探索したり、質問に答えたり、問題を解決したりするためにも使用される可能性があります。 前方連鎖は、前のステップが完了したら各ステップをアタッチすることにより、長く複雑な論理的アプローチを打破するために広く使用されています。 こうすれば、それは相対的な容易さの最初から端に行く。
転送連鎖の作業手順
- ステップ1：すでに述べた事実から始め、その後、まったく意味のない事実を選択します。
- ステップ2：ここで、利用可能な事実から推論できる事実を、満足した前提で述べます。
- ステップ3：ステップ3では、チェックする必要がある指定された文をチェックし、前述のすべての事実を推測する置換に満足しているかどうかを 従って私達は私達の目的に達する。
あなたにそれをより理解できるように例を見てみましょう。
「法律によると、アメリカ人が敵対国に武器を売るのは犯罪です。 国A、アメリカの敵は、いくつかのミサイルを持っており、すべてのミサイルは、アメリカの市民であるロバートによってそれに売却されました。”
“ロバートは犯罪者であることを証明する。”
ステップ1：ここでは、すべての記載された事実が記載されていますが、それはまったく意味がありません。
ステップ2: 私たちは、満足している前提で利用可能な事実から推論できる事実を選択します。
ステップ3:ステップ3では、チェックする必要がある指定されたステートメントをチェックし、前述のすべての事実を推測する置換に満足しているかどうかをチェックすることができます。 従って私達は私達の目的に達する。
したがって、ロバートが犯罪者であったことが証明できます。
Backward Chaining
Backward Chainingは、既知の解から逆方向に移動して初期条件とルールを決定することにより、既知の解から未知の事実を決定する論理的なプロセスです。
これは、後方連鎖は、結論から始まり、深さ優先アプローチを使用して推論された条件に戻るトップダウン推論アプローチであることを意味します。 つまり、バックワードチェインはコードをトレースし、ロジックを適用して、次のアクションのどれが結果を引き起こしたかを判断することを意味します。
AIにおける後方連鎖
後方連鎖アプローチは、特定の論理的な結果や結論に達した条件やルールを見つけるためにAIで使用されます。 バックワードチェーンの実際のアプリケーションには、リバースエンジニアリングの実践だけでなく、ゲーム理論の応用における結論と解決策に関する情報
後方連鎖の他のアプリケーションには、自動定理証明ツール、推論エンジン、証明アシスタント、その他の人工知能アプリケーションがあります。
バックワードチェインのための作業のステップ
- ステップ1。 最初のステップでは、目標の事実を取り、目標の事実から、私たちが真実であることを証明する他の事実を導き出します。
- ステップ2:ルールを満たすゴールファクトから他のファクトを導出します
- ステップ3:ステップ3では、ステップ2で推論されたファクトからさらに推論するファクトを抽出します。
- ステップ4：条件を満たす特定の事実に到達するまで同じことを繰り返します。
今回はロバートが犯罪者であることを証明するために、前方連鎖で取られたのと同じ例を見てみましょう。
ステップ1：
最初のステップでは、ゴールファクトを取得し、ゴールファクトから、真実であることが証明される他のファクトを導出します。
ステップ2：
2番目のステップでは、ルールを満たすゴールファクトから他のファクトを導出します
ステップ3: ステップ3では、ステップ2で推論された事実からさらに推論された事実を抽出します。
での前方連鎖と後方連鎖ステップ4：条件を満たす特定の事実に到達するまで同じことを繰り返します。
ステップ5:
すべてのファクトと条件が導出されると、反復プロセスは停止します。
前方連鎖と後方連鎖の違い
| S No | フォワードチェーン | バックワードチェーン |
| 既知の事実から始まり、推論ルール | を使用して目標に到達するより多くのデータ単位を抽出し、目標から始まり、推論ルールを逆方向に働き、目標をサポートす | |
| ボトムアップアプローチ | トップダウンアプローチ | |
| 与えられたデータを使用して目標を達成するためのデータ駆動型アプローチとして知られています | 与えられた目標を使用して目標をサポートするファクト | |
| 4 | 幅優先検索ストラテジーを適用 | 奥行き優先検索ストラテジーを適用 |
| 5 | 使用可能なすべてのルールのテスト | 特定の指定されたルールと選択されたルールのテストのみ |
| 6 | 計画、監視、制御および解釈の適用のために適した。 | 診断、処方、およびデバッグアプリケーションに適しています。 |
| 可能な結論の無限の数を生成することができます | 可能な結論の事実と条件の有限の数を生成することができます | |
| 順方向に動作 | 逆方向に動作 | |
| 9 | 前方連鎖は、任意の結論を目指しています。 | バックワードチェインは、必要なデータのみを対象としています。 |
インターフェイスエンジンの機能と前方および後方の連鎖の正確な役割を知ったので、あなたはいくつかの問題解決に自分自身をふけるとAIの”aboutsと
人工知能と機械学習に関するGreat Learningの排他的なコースは、間違いなくあなたがそれを行うのに役立ちます。