Le chaînage arrière ou raisonnement arrière est une méthode d'inférence qui peut être décrite (en termes profanes) comme une manière de travailler en remontant en arrière de l'objectif. Il est utilisé en intelligence artificielle, dans un système expert à base de règles ou encore dans un assistant de preuve.
En théorie des jeux, son utilisation dans les sous-jeux pour trouver une solution au jeu est appelée raisonnement rétrograde. Aux échecs, elle est appelée analyse rétrograde et sert à déterminer quels coups ont été joués pour atteindre une position donnée, pour la fin de la partie d'échecs pour les programmes d'échecs.
Le chaînage arrière est mis en œuvre dans la programmation logique par la SLD-résolution. Les deux règles sont basées sur le modus ponens, qui est une des deux méthodes les plus couramment utilisées de raisonnement avec des règles d'inférence et les implications logiques — l'autre est le chaînage avant. Les systèmes arrières emploient généralement un enchaînement en profondeur, comme Prolog.
Le chaînage arrière commence par une liste d'objectifs ou d'hypothèses et fonctionne à l'envers, de la conséquence à l'antécédent, pour voir s'il y a des données disponibles qui soutiennent l'une de ces conséquences. Un moteur d'inférence, à l'aide du chaînage arrière, pourrait chercher l'inférence des règles jusqu'à ce qu'il trouve celui qui a une conséquence qui correspond à un objectif désiré. Si l'antécédent de cette règle n'est pas connu pour être vrai, alors il est ajouté à la liste des objectifs.
Par exemple, on suppose que l'objectif est de conclure la couleur d'un animal de compagnie nommé Fritz, étant donné qu'il coasse et mange des mouches, et que la base des règles contient les quatre règles suivantes :
Si X coasse et mange des mouches, alors X est une grenouille.
Si X piaule et chante, alors X est un canari.
Si X est une grenouille, alors X est vert.
Si X est un canari, alors X est jaune.
Sur ces règles de bases examinées, les troisième et quatrième règles seraient choisies, parce que leurs conséquents (alors X est vert, alors X est jaune) correspondent à l'objectif (déterminer la couleur de Fritz).
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Introduction aux techniques de l'Intelligence Artificielle, complémentée par des exercices de programmation qui montrent les algorithmes et des exemples de leur application à des problèmes pratiques.
Le chaînage avant est une méthode de déduction qui applique des règles en partant des prémisses pour en déduire de nouvelles conclusions. Ces conclusions enrichissent la mémoire de travail et peuvent devenir les prémisses d'autres règles. Par opposition, le chaînage arrière part des conclusions pour essayer de « remonter » aux axiomes. Le chaînage avant est utilisé en intelligence artificielle, dans un système expert à base de règles, dans un moteur de règles, ou encore dans un système de production.
Un système expert est un outil capable de reproduire les mécanismes cognitifs d'un expert, dans un domaine particulier. Il s'agit de l'une des voies tentant d'aboutir à l'intelligence artificielle. Plus précisément, un système expert est un logiciel capable de répondre à des questions, en effectuant un raisonnement à partir de faits et de règles connues. Il peut servir notamment comme outil d'aide à la décision. Le premier système expert a été Dendral. Il permettait d'identifier les constituants chimiques.
Un moteur d'inférence (du verbe « inférer » qui signifie « déduire ») est un logiciel (processus informatique) correspondant à un algorithme de simulation des raisonnements déductifs. Un moteur d'inférence permet aux systèmes experts de conduire des raisonnements logiques et de dériver des conclusions à partir d'une base de faits et d'une base de connaissances. Les moteurs d'inférence peuvent implémenter : une logique formelle d'ordre 0 (logique des propositions), d'ordre 0+, d'ordre 1 (logique des prédicats) ou d'ordre 2 avec une gestion d'hypothèses monotone ou non monotone, un chaînage avant, chaînage arrière ou mixte, une complétude déductive ou non.
In recent years, Boolean methods in logic synthesis have been drawing the attention of EDA researchers due to the continuous push to advance quality of results. Boolean methods require high computational cost, as they rely on complete functional properties ...
2020
Bounding the generalization error of learning algorithms has a long history, which yet falls short in explaining various generalization successes including those of deep learning. Two important difficulties are (i) exploiting the dependencies between the h ...
NEURAL INFORMATION PROCESSING SYSTEMS (NIPS)2018
,
Many applications from artificial intelligence and formal methods use decision procedures as their core solving engines. In this context, automated reasoning based on Satisfiability (SAT) or Satisfiability Modulo Theories (SMT) is very effective. For a giv ...