人工智能中前向推理和后向推理的区别

在人工智能 (AI) 中，搜索的目标是找到解决不同问题的路径。人工智能中的搜索可以通过两种方式执行，即前向推理和后向推理。两者之间最基本的区别在于，前向推理从新数据开始寻找结论，而后向推理从结论开始确定初始数据。

阅读本文以了解更多关于前向推理和后向推理的信息，以及它们之间是如何不同的。

什么是前向推理？

前向推理是人工智能中的一种过程，它根据初始数据和事实找到问题的全部可能解决方案。因此，前向推理是一种数据驱动的任务，因为它从新数据开始。人工智能中前向推理的主要目标是找到一个后续的结论。它使用一种机会主义的方法。

前向推理从初始到结果流动。推理引擎根据约束条件搜索知识库中的给定信息。这些约束条件的优先级必须与当前状态匹配。

在前向推理中，第一步是系统给出一个或多个约束条件。然后在知识库中搜索每个约束条件的规则。选择满足条件的规则。此外，每个规则都可以从调用的规则得到的结论中生成一个新的条件。这些新条件可以被添加并再次被处理。

如果不存在新的条件，则步骤结束。因此，我们可以得出结论，前向推理遵循自底向上的方法。

后向推理是前向推理的反向过程，其中选择一个目标或假设，并对其进行分析以找到初始数据、事实和规则。因此，后向推理是一种目标驱动的任务，因为它从不确定的结论或目标开始。后向推理的主要目标是找到支持结论的事实。

后向推理使用一种保守型的方法，并从结果到初始流动。系统有助于选择一个目标状态并向后推理。后向推理的第一步是选择目标状态和规则。然后，从选定的规则中生成子目标，这些子目标需要得到满足才能使目标状态为真。

初始条件设置为满足所有子目标。此外，已建立的状态与提供的初始状态匹配。如果条件满足，则目标是解决方案，否则目标被拒绝。因此，后向推理遵循自顶向下的技术。

后向推理也被称为决策驱动或目标驱动推理技术，因为系统选择一个目标状态并向后推理。

以下是人工智能中前向推理和后向推理之间的重要区别 -

序号	前向推理	后向推理
1.	它是一个数据驱动的任务。	它是一个目标驱动的任务。
2.	它从新数据开始。	它从不确定的结论开始。
3.	目标是找到一个后续的结论。	目标是找到支持结论的事实。
4.	它使用一种机会主义的方法。	它使用一种保守型的方法。
5.	它从初始到结果流动。	它从结果到初始流动。
6.	前向推理从初始事实开始。	后向推理从某个目标（假设）开始。
7.	前向推理测试所有规则。	后向推理测试一些规则。
8.	前向推理是一种自底向上的方法。	后向推理是一种自顶向下的方法。
9.	前向推理可以产生无限数量的结论。	后向推理产生有限数量的结论。
10.	在前向推理中，所有数据都可用。	在后向推理中，数据按需获取。
11.	前向推理具有少量初始状态，但结论数量较多。	后向推理具有较少的目标和较多的规则。
12.	在前向推理中，目标的形成比较困难。	在后向推理中，目标的形成比较容易。
13.	前向推理按前向方向工作，以找到从事实得出的所有可能结论。	后向推理按后向方向工作，以找到证明目标的事实。
14.	前向推理适用于回答规划、控制、监控等问题。	后向推理适用于诊断类问题。

这两种方法之间最显著的区别在于，前向推理是一种数据驱动的任务，而后向推理是一种目标驱动的任务。

Kiran Kumar Panigrahi

更新于: 2023-11-03

53K+ 次浏览

通过完成课程获得认证