自动推理机

自动推理机，即在目标引擎设定目标对象后，使用外部信息作为输入， 使用演绎归纳等逻辑运算方法根据已建立的模式匹配，针对目标对象进行演算生成结论的引擎。

目标对象可以是who,what,when,where,why,how等属性目标。由特定的目标引擎生成，目标可以具体也可以抽象。可以是一个目标也可以是集合目标。

推理机的先用归纳事实总结规律，再用演绎推演出的结论和再次发生的事实相比较。如果相吻合则记录规律用于未来使用，如果不同则使用事实继续归纳。确定规律后不断使用事实进行演绎推导结论并指挥执行，直到推导的结论和事实产生不吻合则打开重新归纳。这是一个内循环过程，用于维护归纳形成的模式匹配，以及不断更新模式匹配池。

推理机的外部输出逻辑上是一个结论，这个结论可能是一个具体的事实或者逻辑判定，如目标对象是什么或者是真的还是假的。也可以是一个动作或者一系列动作的组合，如做什么或者如何做才能实现目标。

定义自动推理机(Automation Inference Engine)是人工智能系统中用于实现信息推理的部件，是基于输入归纳总结规律，并用输入和总结的规律演绎结论的推理系统。自动推理机对外使用工作循环，从外界获得事实并使用推理引擎推导结论。同时自动推理机不断维持建构循环，即用生成的结论和真实的事实做比较验证内在模式系统是否成立以及周延，如果出现结论和事实不符的情况则重新进入归纳过程总结规律。

推理方法推理方法包括精确推理和不精确推理。

精确推理所谓精确推理就是把领域知识表示为必然的因果关系，推理的前提和推理的结论或者是肯定的，或者是否定的，不存在第三种可能。在这种推理中，一条规则被激活的条件是它的所有前提都必须为真。

不精确推理在现实中，事物的特征并不总是表现在明显的是与非，同时还可能存在着其他原因，如概念模糊、知识本身存在着可信度问题，因此使得在专家系统中往往要使用不精确推理方法。不精确推理又称为似然推理，是专家系统中常用的推理方法，它比精确推理要复杂的多。1

推理方向推理方向有三种：正向（或向前）推理、反向（或向后）推理及正反向混合推理。

正向推理正向推理是指从已知的事实出发，向结论方向推导，直到推出正确的结论。这种方式又称为事实驱动方式，它的大体过程是：系统根据用户提供的原始信息与规则库中的规则的前提条件进行匹配，若匹配成功，则将该知识块的结论部分作为中间结果，利用这个中间结果继续与知识库中的规则进行匹配，直到得出最后的结论。与其他推理方式相比，正向推理简单，容易实现，但在推理过程中常常要用到回溯，使得推理速度较慢，且目的性不强，不能反推。

反向推理反向推理从目标出发，沿着推理路径回溯到事实。它从一般性开始，逐步涉及细节，即它是通过求解较小的子问题达到求解较大问题的目标。反向推理通过收集越来越详细的证据以求证实一种情况或假设，当用户提供的数据与系统所需要的证据完全匹配成功时，则推理成功，所作假设也就得到了证实。反向推理一般用于验证某一特定规则是否成立。这种推理方式又称为目标驱动方式，与正向推理相比，反向推理具有很强的目的性。

正反向混合推理所谓正反向混合推理是指先根据给定的不充分的原始数据或证据向前推理，得出可能成立的结论，然后以这些结论为假设，进行反向推理，寻找支持这些假设的事实或证据。正反向混合推理一般用于以下几种情形：

(1)已知条件不足，用正向推理不能激发任何一条规则；

(2)正向推理所得的结果可信度不高，用反向推理来求解更确切的答案；

(3)由已知条件查看是否还有其他结论存在。

正反向混合推理集中了正向推理和反向推理的优点，更类似于人们日常进行决策时的思维模式，求解过程也更容易为人们所理解，但其控制策略较前两种更为复杂，这种方式常用来实现复杂问题的求解。1

本词条内容贡献者为:

王慧维 - 副研究员 - 西南大学