推理機

設計推理機時，應使其推理過程和專家的推理過程相類似，最好是完全一致。在專家系統中，常用的推理策略有正向推理、反向推理以及混合推理三種。

正向推理一般又稱事實驅動的推理，是由原始數據出發，按一定的策略，運用知識庫中的知識，推斷出結論的方法。該方式由數據到結論，故又稱為數據驅動或由底向上策略。基於正向推理的推理機至少能做到：根據數據庫中的數據，知道選用知識庫中哪些知識；將運用知識得到的結論存入數據庫，並將所用過的知識記錄下來（以備解釋之用）；判斷何時應結束推理，必要時向用户提問。

反向推理是先提出結論（假設），然後尋找支持這個結論的證據。若證據不足，重新提出新假設，再重複上述過程，直到得出答案為止。這種由結論到數據的策略，稱之為目標驅動或由頂向下策略。基於反向推理的推理機至少有如下功能：提出假設，並運用知識庫中知識判斷此假設的真假。若真，記錄下運用了什麼知識（以備解釋之用），同時告訴用户；若假，系統應能重新提出新的假設，再進行判斷，必要時向用户詢問情況。 ^[1] 

先根據數據庫中的原始數據，用正向推理幫助提出假設，再用反向推理，進一步尋找支持假設的證據，如此反覆。反向推理機並不能隨意確認條件的真或假，它只是引導用户進行反向推理，減少了推理的盲目性。 ^[2]  在推理方法中，又有精確推理和不精確推理之分。在精確推理中，領域知識都表示成必然的因果關係和邏輯關係，推理的結論或肯定或否定，也可把可能性大於某個固定的值的假設認為是肯定的。在不精確推理中，證據不一定是肯定的，而是給予某種“權”。推理的規則也不是肯定的，也給予某種“權”。對多個證據或多條規則的推理要進行“權”的組合。當“權”值超過設定的閾值時，結論即可成立。“權”組合的方法不同，就形成不同的不精確性。在現實世界中，不肯定的問題佔多數，故不精確推理難以避免，是必須認真對待的重要課題。

推理機的性能與構造一般與知識的表示方法有關，但與知識的內容無關，這有利於保證推理機與知識庫的獨立性，提高專家系統的靈活性。