Kjedeteknikker I Kunstig Intelligens

Vi har skapt Kunstig Intelligens som en måte å forsterke menneskelig intelligens og fremme vekst som aldri før. AI kan hjelpe oss med å løse mange problemer med varierende kompleksitet.

En slik type problem er tilfelle der man må forutsi utfall ved hjelp av gitt kunnskapspool. Her er kunnskapsgrunnlaget gitt og ved hjelp av logiske regler og resonnement må man forutsi utfallet.

disse problemene løses vanligvis ved Hjelp Av Slutningsmotorer, som benytter sine to spesielle moduser: Bakoverkjetting og Foroverkjetting.

når vi utvikler oss, la oss se nærmere på begge kjedeprosessene som brukes I Kunstig Intelligens.

Hva er En Slutningsmotor?

En Inferansemotor er et Verktøy For Kunstig Intelligens som brukes som en del av systemet for å utlede ny informasjon fra en kunnskapsbase ved hjelp av logiske regler og resonnement. De aller første Inference Motorer var en del av ekspertsystemer I AI. Som tidligere nevnt, Forutsier Slutningsmotorer utfall med allerede eksisterende datapool, analyserer det grundig og bruker logisk resonnement for å forutsi resultatene.

Lær OM ai-algoritmer som En * søkealgoritme.

Denne samme prosessen vil bli gjentatt som nye fakta vil bli oppdaget, og dette vil gjøre slutningsmotoren utløse ytterligere regler for sine funn. Etter noen kjøringer av slutningsmotoren ble det lagt merke til at Slutningsmotorer fungerer på en av de to måtene, enten basert på mål eller basert på fakta, som senere kom til å bli kjent som videresending kjeding og bakover kjeding.

foroverkjetting kommer med kjente fakta og itererer prosessen for å finne nye fakta mens bakoverkjetting starter med mål og arbeider bakover for å bestemme hvilke forhold som kreves for å oppnå de gitte målene.

Eksempler på Slutningsregler

La oss ta en titt på noen enkle eksempler for å hjelpe deg med å skille mellom begge settene med slutningsregler.

Slutningsregler

• Deduktiv slutningsregel:

Forward Chaining: Konkludere fra » A » og «a innebærer B» Til «B».

A

A -> B

B

Eksempel:

det regner.

hvis det regner, er gaten våt.

gaten er våt.

• Abduktiv slutningsregel:

Bakover Kjeding: Konkludere fra » B » og «a innebærer B» Til «A».

B

A -> B

A

Eksempel:

gaten er våt.

hvis det regner, er gaten våt.

det regner.

Forward Chaining

Forward Chaining er en av de to hovedmetodene for inference engine som bruker den logiske prosessen med å utlede ukjente sannheter for å finne en løsning fra det kjente datasettet ved å bruke bestemte forhold og regler.

du kan si at generelt komplekse oppgaver kan reduseres til flere enklere oppgaver som utføres enten samtidig eller sekvensielt, akkurat som en kjede eller kjeding er en effektiv metode for å undervise komplekse ferdigheter og prosesser ved hjelp av flere trinn.

som en data-drevet samt bottom-up logikk tilnærming, forward kjeding starter fra kjente fakta og betingelser, deretter utvikler seg mot logisk konklusjon ved hjelp av if-then uttalelser. Da gjelder disse betingelsene og reglene for problemet til det ikke lenger er noen gjeldende situasjoner igjen eller grensen er nådd. Forward Chaining søker etter løsninger og kan komme opp med et uendelig antall mulige konklusjoner.

Lær om ekspertsystemer i AI

Forward Chaining I AI

Den Fremtidsrettede tilnærmingen brukes I AI for å hjelpe EN AI-agent til å løse logiske problemer ved å inspisere dataene fra tidligere læringer og deretter komme til en konklusjon full av løsninger. Det er ikke alt, Forward Chaining kan også brukes til å utforske tilgjengelig informasjon eller svare på et spørsmål eller løse et problem. Forward kjeding er mye brukt til å bryte ned en lang og kompleks logisk tilnærming ved å feste hvert trinn når den forrige er fullført. På denne måten går det fra begynnelse til slutt med relativ letthet.

Trinn for å arbeide Med Videresendingskjetting

1. Trinn 1: vi starter fra de allerede oppgitte fakta, og deretter velger vi fakta som ikke har noen implikasjoner i det hele tatt.
2. Trinn 2: Nå vil vi oppgi de fakta som kan utledes fra tilgjengelige fakta med fornøyde lokaler.
3. Trinn 3: i trinn 3 kan vi sjekke den oppgitte setningen som må kontrolleres og sjekke om den er fornøyd med substitusjonen som gir alle tidligere oppgitte fakta. Dermed når vi vårt mål.

La oss ta et eksempel for å gjøre det mer forståelig for deg.

«ifølge loven er Det en forbrytelse For En Amerikaner å selge våpen til fiendtlige nasjoner. Land A, en fiende Av Amerika, har noen missiler, og Alle missilene ble solgt til Det Av Robert, Som Er Amerikansk statsborger.»

Bevis At » Robert er en kriminell.»

Trinn 1: her er alle oppgitte fakta oppgitt som ikke har noen implikasjoner i det hele tatt.

Trinn 2: Vi velger fakta som kan utledes fra tilgjengelige fakta med fornøyde lokaler.

Trinn 3: i trinn 3 kan vi sjekke den oppgitte setningen som må kontrolleres og sjekke om den er fornøyd med substitusjonen som gir alle tidligere oppgitte fakta. Dermed når vi vårt mål.

Derfor kan Det bevises At Robert var den kriminelle.

Bakoverkjetting

Bakoverkjetting er en logisk prosess for å bestemme ukjente fakta fra kjente løsninger ved å bevege seg bakover fra kjente løsninger for å bestemme de opprinnelige forholdene og reglene.

Dette betyr At Bakover Kjeding er en top-down resonnement tilnærming som starter fra konklusjoner og deretter går tilbake mot forholdene det ble utledet fra å bruke dybde-første tilnærming. Kort sagt betyr Dette At Bakoverkjetting sporer tilbake gjennom koden og bruker logikk for å bestemme hvilken av følgende handlinger som ville ha forårsaket resultatet.

Bakoverkjetting I AI

Bakoverkjetting-tilnærmingen brukes I AI for å finne forholdene og reglene på grunn av hvilke et bestemt logisk resultat eller konklusjon ble nådd. Real-life applikasjoner Av Bakover Kjeding inkluderer bruk for å finne informasjon om konklusjoner og løsninger i reverse engineering praksis samt spillteori applikasjoner.

Noen andre programmer Av Bakover Kjeding inkluderer automatisert teorem beviser verktøy, slutningsmotorer, bevis assistenter og andre kunstig intelligens programmer.

Arbeidstrinn For Bakoverkjetting

1. Trinn 1. I det første trinnet vil vi ta Målfakta og fra målfakta vil vi utlede andre fakta som vi vil bevise sanne.
2. Trinn 2: vi vil utlede andre fakta fra målfakta som tilfredsstiller reglene
3. Trinn 3: på trinn-3 vil vi trekke ut ytterligere fakta som utleder fra fakta utledet i trinn 2.
4. Trinn 4: vi gjentar det samme til vi kommer til et visst faktum som tilfredsstiller betingelsene.

La oss ta det samme eksemplet som tatt I Forward Chaining, for å bevise denne gangen At Robert er den kriminelle.

Trinn 1:

i det første trinnet tar Vi Målfakta og fra målfakta vil vi utlede andre fakta som vi vil bevise sanne.

Trinn 2:

i andre trinn vil vi utlede andre fakta fra målfakta som tilfredsstiller reglene

Trinn 3: På trinn 3, vil vi trekke ut ytterligere fakta som utleder fra fakta utledet i trinn 2.

Trinn 4: vi gjentar det samme til vi kommer til et visst faktum som tilfredsstiller betingelsene.

Trinn 5:

når alle fakta og forhold er avledet, stopper iterasjonsprosessen.

Forskjell Mellom Foroverkjetting og Bakoverkjetting

Nå som du kjenner Grensesnittmotorens funksjon og de nøyaktige rollene For Fremover og Bakover, kan du hengi deg til noen problemløsing og få en bedre forståelse av» abouts og roller » AV AI!
Great Learning eksklusive kurs På Kunstig Intelligens og Maskinlæring kan definitivt hjelpe deg med å gjøre det.