在这篇文章中，我们将了解 AI 中前向推理和后向推理之间的区别 -
这是一项数据驱动的任务。
它从新数据开始。
目的是找到一个可以遵循的结论。
它使用机会主义类型的方法。
它从初期流向结果。
推理引擎根据约束使用给定信息搜索知识库。
这些约束的优先级必须与当前状态相匹配。
第一步是给系统一个或多个约束。
在知识库中为每个约束搜索规则。
选择满足条件的规则。
每个规则都可以从从被调用的规则中获得的结论中产生新的条件。
可以添加新条件，并再次处理。
如果不存在新条件，则该步骤结束。
可能会很慢，
它遵循自上而下的推理。
这是一个目标驱动的任务。
它始于不确定的结论。
目的是找出支持结论的事实。
它使用保守类型的方法。
它从结果流向初始。
该系统帮助选择一个目标状态，并在反向推理。
第一步是选择目标状态和规则。
子目标由选定的规则构成，需要满足这些规则才能使目标状态为真。
初始条件设置为满足所有子目标。
建立的状态与提供的初始状态相匹配。
如果满足条件，则目标就是解决方案。
否则目标被拒绝。
它测试的规则数量较少。
它提供少量数据。
它遵循自下而上的推理技术。
它包含较少数量的初始目标并具有大量规则。
它基于初始状态获取的决定。
它也被称为决策驱动或目标驱动的推理技术。
系统选择一个目标状态并在向后方向进行推理。