后向链与前向链的区别

顾名思义，前向链推理从已知事实开始，通过应用推理规则提取更多数据，直到达到目标。而后向链推理则从目标开始，通过使用推理规则向后追溯，找出满足目标的事实。

前向链推理被称为数据驱动的推理技术，而后向链推理被称为目标驱动的推理技术。前者也称为自下而上方法，而后者称为自上而下方法。

前向链推理使用 广度优先搜索 策略，而后向链推理使用深度优先搜索策略。前向链和后向链推理都应用了肯定前件（Modus Ponens）推理规则。前向链可用于规划、设计过程监控、诊断和分类等任务，而后向链可用于分类和诊断任务。

前向链推理可能进行 穷举搜索，而后向链推理则试图避免不必要的推理路径。在前向链推理中，知识库可能会提出各种“ASK”（询问）问题，而在后向链推理中，“ASK”问题可能会更少。

前向链推理速度较慢，因为它会检查所有规则；而后向链推理速度较快，因为它只检查所需规则。

后向链和前向链推理的关键区别

启动点：目标 vs. 数据

• 后向链推理： 这种策略从一个特定的目标或假设开始。系统通过使用已识别的规则或事实进行反向工作，以证明或实现客户的目标。例如，后向链推理的目标是在医疗实践中进行诊断，也就是说，如果目标是诊断一种疾病，那么医生就会深入研究患者的症状和病史分析，以确认是否符合某种疾病。
• 前向链推理： 这种方法从“给定的信息或给定的条件”开始。它使用数据上的规则来推断新数据，直到得出结论。例如，在基于传感器的自动化中，前向链推理依赖传感器输入来激活相应的动作或系统，例如，如果火灾传感器有烟雾，它就会触发警报。

执行流程：反向演绎 vs. 正向推进

• 后向链推理： 执行流程是演绎式的。系统与之相反，它从目标回溯到数据或事实，并观察是否有足够的证据来证明该目标。只有当规则适用于目标时，才会考虑每个规则。
• 前向链推理： 流程是渐进式的，逐步向前推进。对现有数据集的规则进行迭代应用，产生各种新事实，直到不再可能进行推理或获得所需结果。这确保了选项的搜索。

效率：上下文相关比较

• 后向链推理： 当潜在目标数量适中且正在测试准确的假设时，它非常实用。有针对性的方法可以减少不必要的计算，并且仅依赖于适用于其目标的规则。
• 前向链推理： 它非常适合需要过滤大量原始数据才能找到模式或得出结论的情况。然而，它可能在计算上更具挑战性，因为它在每一步都会考虑所有可能的规则，因此对于目标导向的活动效果不佳。

用例：面向目标 vs. 数据驱动系统

• 后向链推理： 主要用于面向目标系统，例如诊断系统、规划系统和专家系统。这些应用程序需要根据期望的最终状态进行反向推理，以确定要实现期望的最终状态需要什么。
• 前向链推理： 适用于数据驱动的系统，例如监控系统、传感器网络和实时决策应用程序。这些系统使用传入数据作为源，并且随着源的不断更新，它会确定其结论或操作。

实际应用示例：医疗诊断 vs. 基于传感器的自动化

• 医疗诊断（后向链推理）： 基于患者症状的医疗保健系统以一种特定疾病的构想为起点。它通过建立怀疑疾病的相似特征来检验这一假设，例如，测试结果。
• 基于传感器的自动化（前向链推理）： 在智能家居系统中，传感器会感知外部环境的变化（温度/运动），并根据前向链推理的规则启动响应（空调开启/安全警报）。

示例场景：医疗诊断

设想一个用于诊断肺炎的医疗诊断系统。该系统从目标（诊断肺炎）开始，然后沿着规则向后追溯。

• 目标： 诊断肺炎。
• 规则 1： 当出现高烧、胸痛和呼吸困难时，疑似肺炎。
• 规则 2： 如果患者体温高于 101°F，则诊断为高烧。
• 规则 3： 当将患者的矛盾主诉与体格检查结果相结合时，即可诊断为胸痛。

系统提供数据以支持以下每种情况：

• 测量了患者的体温，表明发烧。
• 患者出现胸痛，甚至临床体征也支持这一点。
• 通过血氧饱和度水平和肺部声音判断呼吸困难。

在确认所有条件后，系统将诊断为可能是 肺炎，并提供诊断路径。

示例场景：家庭自动化

在家庭环境中，智能前向链推理可以根据相关环境的值来自动化各种操作。

输入数据： 房间温度、占用率或光线水平传感器读数。

规则

• 如果房间有人且光线昏暗，则打开灯。
• 当室温高于 25°C 时，打开空调。
• 在 10 分钟后无人占用时，关闭所有灯和电器。
• 过程： 首先，系统从传感器获取数据，并逐一应用规则。
• 结果
• 如果一个黑暗的房间里有人，灯就会被打开。
• 如果房间太热，空调就会启动。
• 在任何空房间中关闭闲置设备时，实现节能。

这表明数据驱动的方法在前向链推理中是多么根深蒂固，因为系统不断确定输入以做出决策并分别提升用户体验。