什么是基于模型的推理(Model-Based Reasoning)？

基于模型的推理是利用一个工作模型和伴随的现实世界的观察来得出结论。它在人工逻辑系统和科学推理中起着重要的作用。模型的创建是这种方法耗时的一个方面，因为它需要使模型更深入、更复杂，一旦建立了一个工作模型，它也可能需要定期更新。如果研究人员正在监测火山，基于模型的推理允许他们发布在一个基于模型推理的例子中，一家公司可以开发出一个人体的神经系统模型，该模型通常包括有关网络的信息在中枢和外周神经系统中发现的联系。有关神经系统问题症状的数据可以通过观察建立一个已知信息的矩阵。用户可以通过输入病人的症状，如说话含糊不清和瞳孔不均匀扩张，与模型进行交互，研究人员维持着一些科学概念的工作模型，例如构造板块是如何工作的这样的系统在科学上有着广泛的应用人工系统可以让研究人员探索和测试假设。基于模型的推理也可以作为监测系统的支柱，根据输入发出警报。例如，气候建模，允许计算机获取有关当前天气状况的信息，并在模型中运行，以提供有关萌芽的热带风暴和其他值得关注的气象事件的信息。某些任务的自动化可以使研究人员专注于其他需要更复杂推理的课题同样的概念也可以作为一些科学思想的基础。研究人员维持着科学概念的工作模型，比如板块是如何工作的，通过观察来强化模型，并编制一份支持信息的概要。这使他们能够根据从模型中得到的知识和他们所做的观察得出科学事件的结论。例如，如果研究人员正在监测一座火山，基于模型的推理可以让他们在火山行为与即将喷发相一致的情况下发出疏散警报。开发模型需要时间、耐心和来自多个来源的输入。数据点越多，他们就越有可能发出疏散警报基于模型的推理可以更精确、更详细。这有助于建模者避免潜在的代价高昂的错误，例如未能预测到在更多数据下显而易见的问题。随着观察结果的出现，它们可以被添加到知识体中，这可能会导致模型的转换。例如，观察可以证明基于模型的规则实际上是不正确的，或者没有考虑到特定的变量。