ในปัญญาประดิษฐ์ระบบการให้เหตุผลเชิงกระบวนการ ( Procedural Reasoning System: PRS ) คือกรอบการทำงานสำหรับการสร้างระบบการให้เหตุผล แบบเรียลไทม์ ที่สามารถทำงานที่ซับซ้อนในสภาพแวดล้อมแบบไดนามิกได้ โดยอิงจากแนวคิดของตัวแทนที่มีเหตุผลหรือตัวแทนอัจฉริยะโดยใช้แบบจำลองซอฟต์แวร์ความเชื่อ-ความปรารถนา-เจตนา (Belief-Desire-Intention Software Model )

แอปพลิเคชันของผู้ใช้ส่วนใหญ่จะถูกกำหนดขึ้น และระบบ PRS จะได้รับชุดของพื้นที่ความรู้แต่ละพื้นที่ความรู้เป็นความรู้เชิงกระบวนการที่ระบุวิธีการทำบางสิ่งบางอย่าง เช่น วิธีการนำทางไปตามทางเดิน หรือวิธีการวางแผนเส้นทาง (ซึ่งแตกต่างจากสถาปัตยกรรมหุ่นยนต์ที่โปรแกรมเมอร์ เพียงแค่จัดเตรียมแบบจำลองของสถานะต่างๆ ในโลก และการกระทำพื้นฐานของเอเจนต์ส่งผลกระทบต่อสถานะเหล่านั้นอย่างไร) โปรแกรมดังกล่าว ร่วมกับ ตัวแปลภาษา PRS จะถูกใช้เพื่อควบคุมเอเจนต์

ผู้แปลมีหน้าที่รับผิดชอบในการรักษาความเชื่อเกี่ยวกับสถานะของโลก เลือกเป้าหมายที่จะพยายามบรรลุต่อไป และเลือกขอบเขตความรู้ที่จะนำไปใช้ในสถานการณ์ปัจจุบัน วิธีการดำเนินการเหล่านี้อาจขึ้นอยู่กับขอบเขตความรู้ระดับเมตา เฉพาะด้าน แตกต่างจากระบบ วางแผน AI แบบดั้งเดิม ที่สร้างแผนที่สมบูรณ์ในตอนเริ่มต้น และวางแผนใหม่หากเกิดเหตุการณ์ไม่คาดฝัน ระบบ PRS จะผสมผสานการวางแผนและการลงมือทำในโลก ณ จุดใดจุดหนึ่ง ระบบอาจมีแผนสำหรับอนาคตที่ระบุไว้เพียงบางส่วนเท่านั้น

PRS อิงตาม กรอบแนวคิด BDIหรือความเชื่อ-ความปรารถนา-เจตนา สำหรับเอเจนต์อัจฉริยะ ความเชื่อประกอบด้วยสิ่งที่เอเจนต์เชื่อว่าเป็นความจริงเกี่ยวกับสถานะปัจจุบันของโลก ความปรารถนาประกอบด้วยเป้าหมายของเอเจนต์ และเจตนาประกอบด้วยแผนการปัจจุบันของเอเจนต์ในการบรรลุเป้าหมายเหล่านั้น ยิ่งไปกว่านั้น ส่วนประกอบทั้งสามนี้มักจะ ถูกแสดงไว้ อย่างชัดเจนในหน่วยความจำของเอเจนต์ PRS ในระหว่างการทำงาน ซึ่งแตกต่างจากระบบตอบสนองอย่างเดียว เช่นสถาปัตยกรรม แบบ ซับซัมป์ชัน

แนวคิด PRS ได้รับการพัฒนาโดยศูนย์ปัญญาประดิษฐ์แห่งSRI Internationalในช่วงทศวรรษ 1980 โดยนักวิจัยหลายคน รวมถึงMichael Georgeff , Amy L. Lansky และFrançois Félix Ingrandเฟรมเวิร์กของพวกเขามีส่วนสำคัญในการใช้ประโยชน์และเผยแพร่โมเดล BDI ในซอฟต์แวร์สำหรับการควบคุมตัวแทนอัจฉริยะ การ ประยุกต์ ใช้เฟรมเวิร์กที่สำคัญที่สุดคือระบบตรวจจับความผิดพลาดสำหรับระบบควบคุมปฏิกิริยาของกระสวยอวกาศดิสคัฟเวอรีของ NASA การพัฒนา PRS นี้ยังคงดำเนินต่อไปที่สถาบันปัญญาประดิษฐ์แห่งออสเตรเลียจนถึงปลายทศวรรษ 1990 ซึ่งนำไปสู่การพัฒนาการ ใช้งานและการขยายในภาษา C++ที่เรียกว่า dMARS

โครงสร้างระบบของ PRS ของ SRI ประกอบด้วยส่วนประกอบต่อไปนี้:

• ฐานข้อมูลสำหรับความเชื่อเกี่ยวกับโลก ซึ่งแสดงโดยใช้แคลคูลัสเชิงประพจน์ลำดับที่หนึ่ง
• เป้าหมายที่ระบบต้องการให้บรรลุผลสำเร็จนั้น ถูกกำหนดเป็นเงื่อนไขในช่วงเวลาหนึ่ง โดยมีผลต่อคำอธิบายสถานะภายในและภายนอก (ความต้องการ)
• ขอบเขตความรู้ (KAs) หรือแผนงานที่กำหนดลำดับขั้นตอนการกระทำระดับต่ำเพื่อบรรลุเป้าหมายในสถานการณ์เฉพาะต่างๆ
• เจตนาเหล่านั้นรวมถึงเป้าหมายสำคัญ (KA) ที่ได้รับการคัดเลือกสำหรับการดำเนินการในปัจจุบันและในอนาคต
• ตัวแปลหรือกลไกการอนุมานที่จัดการระบบ

PRS ของ SRI ได้รับการพัฒนาสำหรับการใช้งานแบบฝังตัวในสภาพแวดล้อมแบบไดนามิกและแบบเรียลไทม์ ดังนั้นจึงมุ่งเน้นแก้ไขข้อจำกัดของสถาปัตยกรรมควบคุมและการให้เหตุผลร่วมสมัยอื่นๆ เช่นระบบผู้เชี่ยวชาญและระบบกระดานดำข้อกำหนดทั่วไปสำหรับการพัฒนา PRS มีดังต่อไปนี้: ^{[ 1 ]}

• การจัดการเหตุการณ์แบบอะซิงโครนัส
• ประเภทการตอบสนองและปฏิกิริยาที่รับประกัน
• การแสดงความรู้เชิงกระบวนการ
• การจัดการปัญหาหลายประการ
• พฤติกรรมตอบสนองและมุ่งเป้าหมาย
• จุดสนใจ
• ความสามารถในการใช้เหตุผลเชิงไตร่ตรอง
• การทำงานแบบฝังตัวอย่างต่อเนื่อง
• การจัดการกับข้อมูลที่ไม่สมบูรณ์หรือไม่ถูกต้อง
• การจัดการสัญญาณชั่วขณะ
• การสร้างแบบจำลองผลตอบรับที่ล่าช้า
• การควบคุมผู้ปฏิบัติงาน

การประยุกต์ใช้ PRS ของ SRI ที่สำคัญ คือระบบตรวจสอบและตรวจจับข้อผิดพลาดสำหรับระบบควบคุมปฏิกิริยา (RCS) บนกระสวยอวกาศของ NASA ^{[ 2 ]} RCS ให้แรงขับเคลื่อนจากชุดไอพ่นและควบคุมระดับความสูงของกระสวยอวกาศ ระบบวินิจฉัยข้อผิดพลาดที่ใช้ PRS ได้รับการพัฒนาและทดสอบโดยใช้โปรแกรมจำลอง ประกอบด้วย KA มากกว่า 100 รายการ และ KA ระดับเมตามากกว่า 25 รายการ KA เฉพาะของ RCS ถูกเขียนโดยผู้ควบคุมภารกิจกระสวยอวกาศ ระบบนี้ถูกนำไปใช้บน เครื่อง Symbolics 3600 Series LISPและใช้ PRS หลายอินสแตนซ์ที่สื่อสารกัน ระบบนี้เก็บรักษาข้อเท็จจริงเกี่ยวกับ RCS มากกว่า 1,000 รายการ มากกว่า 650 รายการสำหรับ RCS ด้านหน้าเพียงอย่างเดียว และครึ่งหนึ่งของข้อเท็จจริงเหล่านี้ได้รับการอัปเดตอย่างต่อเนื่องในระหว่างภารกิจ เวอร์ชันของ PRS ถูกใช้เพื่อตรวจสอบระบบควบคุมปฏิกิริยาบนกระสวยอวกาศดิสคัฟเวอรี

PRS ได้รับการทดสอบบนหุ่นยนต์ Shakeyรวมถึงสถานการณ์การนำทางและการจำลองการทำงานผิดพลาดของเครื่องบินเจ็ทโดยอิงจากกระสวยอวกาศ^{[ 3 ]}ต่อมามีการใช้งานเพิ่มเติมคือจอภาพการจัดการเครือข่ายที่เรียกว่า Interactive Real-time Telecommunications Network Management System (IRTNMS) สำหรับTelecom Australia ^{[ 4 ]}

รายการต่อไปนี้แสดงรายการการใช้งานหลักและส่วนขยายของสถาปัตยกรรม PRS ^{[ 5 ]}

• UM-PRS ^{[ 6 ]}
• OpenPRS (เดิมคือ C-PRS และ Propice) ^{[ 7 ] [ 8 ]}
• เอเจนท์สปีค
• ระบบการให้เหตุผลแบบหลายเอเจนต์แบบกระจาย (dMARS)
• โกไรต์
• แยม^{[ 9 ]}
• ตัวแทนอัจฉริยะ JACK
• ชุดการสร้างตัวแทนเชิงกระบวนการ SRI (SPARK) ^{[ 10 ]}
• PRS-CL ^{[ 11 ]}

• ระบบการให้เหตุผลแบบหลายเอเจนต์แบบกระจาย
• ตัวแทนอัจฉริยะ JACK
• แบบจำลองซอฟต์แวร์ความเชื่อ-ความปรารถนา-ความตั้งใจ
• ตัวแทนอัจฉริยะ

• MP Georgeff และ AL Lansky. "ระบบสำหรับการให้เหตุผลในโดเมนไดนามิก: การวินิจฉัยข้อผิดพลาดบนกระสวยอวกาศ" บันทึกทางเทคนิคหมายเลข 375 ศูนย์ปัญญาประดิษฐ์ SRI International, 1986
• Michael P. Georgeff, Amy L. Lansky, Marcel J. Schoppers. " การให้เหตุผลและการวางแผนในโดเมนไดนามิก: การทดลองกับหุ่นยนต์เคลื่อนที่ " เอกสารทางเทคนิคหมายเลข 380 ศูนย์ปัญญาประดิษฐ์ SRI International, 1987
• M. Georgeff และ AL Lansky (1987). ความรู้เชิงกระบวนการ . การดำเนินการของ IEEE 74(10):1383–1398, สำนักพิมพ์ IEEE
• Georgeff, Michael P.; Ingrand, Francois Felix. " งานวิจัยเกี่ยวกับระบบการให้เหตุผลเชิงกระบวนการ " รายงานฉบับสุดท้าย – ระยะที่ 1 ศูนย์ปัญญาประดิษฐ์ SRI International, 1988.
• Michael P. Georgeff และ François Félix Ingrand " การตัดสินใจในระบบการให้เหตุผลแบบฝังตัว " รายงานการประชุมนานาชาติร่วมครั้งที่สิบเอ็ดว่าด้วยปัญญาประดิษฐ์ ดีทรอยต์ (มิชิแกน) สิงหาคม 1989
• KL Myers, คู่มือผู้ใช้สำหรับระบบการให้เหตุผลเชิงกระบวนการ (Procedural Reasoning System)รายงานทางเทคนิค ศูนย์ปัญญาประดิษฐ์ รายงานทางเทคนิค SRI International เมนโลพาร์ค แคลิฟอร์เนีย 1997
• โครงการแยกย่อย "A Match Made in Space"โดย NASA ปี 2006

• PRS-CL: ระบบการให้เหตุผลเชิงกระบวนการ (Procedural Reasoning System)ส่วนขยายของ PRS ที่ดูแลโดย SRI International