ในเทคโนโลยีสารสนเทศระบบการให้เหตุผลคือระบบซอฟต์แวร์ที่สร้างข้อสรุปจากความรู้ ที่มีอยู่ โดยใช้ เทคนิค เชิงตรรกะเช่นการหักล้างและการอุปมานระบบการให้เหตุผลมีบทบาทสำคัญในการนำปัญญาประดิษฐ์และระบบฐานความรู้ไปใช้

ตามความหมายการใช้งานทั่วไปของวลีนี้ ระบบคอมพิวเตอร์ทั้งหมดเป็นระบบการให้เหตุผลในแง่ที่ว่าระบบเหล่านั้นล้วนทำการประมวลผลตรรกะหรือการตัดสินใจบางประเภทโดยอัตโนมัติ อย่างไรก็ตาม ในการใช้งานทั่วไปใน สาขา เทคโนโลยีสารสนเทศวลีนี้มักสงวนไว้สำหรับระบบที่ทำการให้เหตุผลที่ซับซ้อนกว่า ตัวอย่างเช่น ไม่ใช่สำหรับระบบที่ทำการให้เหตุผลแบบตรงไปตรงมา เช่น การคำนวณภาษีขายหรือส่วนลดลูกค้า แต่เป็นการอนุมานเชิงตรรกะเกี่ยวกับการวินิจฉัยทางการแพทย์หรือทฤษฎีบททางคณิตศาสตร์ ระบบการให้เหตุผลมีสองโหมด ได้แก่ แบบโต้ตอบและแบบประมวลผลเป็นชุด ระบบแบบโต้ตอบจะติดต่อกับผู้ใช้เพื่อถามคำถามเพิ่มเติมหรืออนุญาตให้ผู้ใช้ชี้นำกระบวนการให้เหตุผล ระบบแบบประมวลผลเป็นชุดจะรับข้อมูลที่มีอยู่ทั้งหมดในคราวเดียวและสร้างคำตอบที่ดีที่สุดเท่าที่จะเป็นไปได้โดยไม่ต้องมีการตอบรับหรือคำแนะนำจากผู้ใช้^{[ 1 ]}

ระบบการให้เหตุผลมีขอบเขตการใช้งานที่กว้างขวาง ซึ่งรวมถึงการจัดตารางเวลาการประมวลผลกฎทางธุรกิจการแก้ปัญหาการประมวลผลเหตุการณ์ที่ซับซ้อนการตรวจจับการบุกรุกการวิเคราะห์เชิงพยากรณ์หุ่นยนต์คอมพิวเตอร์วิชั่นและการประมวลผลภาษาธรรมชาติ

ระบบการให้เหตุผลแบบแรก ๆ คือ ระบบพิสูจน์ทฤษฎีบท ซึ่งเป็นระบบที่แสดงสัจพจน์และข้อความในตรรกะลำดับที่หนึ่ง จากนั้นใช้กฎของตรรกะ เช่นmodus ponensเพื่ออนุมานข้อความใหม่ ระบบการให้เหตุผลอีกประเภทหนึ่งในยุคแรก ๆ คือ ระบบแก้ปัญหาทั่วไป ระบบเหล่านี้ได้แก่ ระบบแก้ปัญหาทั่วไปที่ออกแบบโดยNewellและSimonระบบแก้ปัญหาทั่วไปพยายามที่จะสร้างเครื่องมือวางแผนแบบทั่วไปที่สามารถแสดงและแก้ปัญหาที่มีโครงสร้างได้ โดยทำงานโดยการแบ่งปัญหาออกเป็นปัญหาย่อยที่เล็กกว่าและจัดการได้ง่ายกว่า แก้ปัญหาย่อยแต่ละปัญหา และรวบรวมคำตอบบางส่วนเข้าเป็นคำตอบสุดท้าย ตัวอย่างอีกตัวอย่างหนึ่งของระบบแก้ปัญหาทั่วไปคือ ตระกูลระบบ SOAR

ในทางปฏิบัติ ตัวพิสูจน์ทฤษฎีบทและตัวแก้ปัญหาทั่วไปเหล่านี้แทบจะไม่มีประโยชน์สำหรับการใช้งานจริง และต้องใช้ผู้ใช้เฉพาะทางที่มีความรู้ด้านตรรกศาสตร์ในการใช้งาน การประยุกต์ใช้การให้เหตุผลอัตโนมัติ ในทางปฏิบัติครั้งแรก คือระบบผู้เชี่ยวชาญระบบผู้เชี่ยวชาญมุ่งเน้นไปที่โดเมนที่กำหนดไว้อย่างชัดเจนมากกว่าการแก้ปัญหาทั่วไป เช่น การวินิจฉัยทางการแพทย์หรือการวิเคราะห์ข้อบกพร่องในเครื่องบิน ระบบผู้เชี่ยวชาญยังมุ่งเน้นไปที่การใช้งานตรรกศาสตร์ที่จำกัดกว่า แทนที่จะพยายามใช้งานนิพจน์ตรรกศาสตร์ทั้งหมด พวกเขามักจะมุ่งเน้นไปที่ modus-ponen ที่ดำเนินการผ่านกฎ IF-THEN การมุ่งเน้นไปที่โดเมนเฉพาะและอนุญาตให้ใช้เฉพาะส่วนย่อยของตรรกศาสตร์ที่จำกัดช่วยปรับปรุงประสิทธิภาพของระบบดังกล่าว ทำให้สามารถใช้งานได้จริงในโลกแห่งความเป็นจริง ไม่ใช่เพียงแค่การสาธิตการวิจัยเหมือนระบบการให้เหตุผลอัตโนมัติก่อนหน้านี้ส่วนใหญ่ เครื่องมือที่ใช้สำหรับการให้เหตุผลอัตโนมัติในระบบผู้เชี่ยวชาญมักเรียกว่าเครื่องมืออนุมานส่วนเครื่องมือที่ใช้สำหรับการอนุมานเชิงตรรกศาสตร์ทั่วไปมักเรียกว่าตัวพิสูจน์ทฤษฎีบท^{[ 2 ]}

ด้วยความนิยมที่เพิ่มขึ้นของระบบผู้เชี่ยวชาญ ทำให้มีการนำวิธีการให้เหตุผลอัตโนมัติแบบใหม่ๆ มาประยุกต์ใช้กับปัญหาต่างๆ ในภาครัฐและภาคอุตสาหกรรม บางวิธี เช่น การให้เหตุผลโดยอิงจากกรณีศึกษา เป็นผลสืบเนื่องมาจากการวิจัยระบบผู้เชี่ยวชาญ ส่วนวิธีอื่นๆ เช่น อัลกอริทึมการแก้ปัญหาข้อจำกัด ก็ได้รับอิทธิพลจากสาขาต่างๆ เช่น เทคโนโลยีการตัดสินใจและการเขียนโปรแกรมเชิงเส้น นอกจากนี้ แนวทางที่แตกต่างอย่างสิ้นเชิง ซึ่งไม่ได้อิงกับการให้เหตุผลเชิงสัญลักษณ์แต่ใช้แบบจำลองเชิงเชื่อมโยง ก็ได้ผลลัพธ์ที่ดีเยี่ยมเช่นกัน การให้เหตุผลอัตโนมัติประเภทหลังนี้ เหมาะอย่างยิ่งสำหรับปัญหาประเภทการจับคู่รูปแบบและการตรวจจับสัญญาณ เช่น การค้นหาข้อความและการจับคู่ใบหน้า

คำว่าระบบการให้เหตุผลสามารถนำไปใช้กับระบบสนับสนุนการตัดสินใจ ที่ซับซ้อนได้เกือบทุกประเภท ดังที่แสดงให้เห็นโดยพื้นที่เฉพาะที่อธิบายไว้ด้านล่าง อย่างไรก็ตาม การใช้คำว่าระบบการให้เหตุผลที่พบบ่อยที่สุดหมายถึงการแสดงตรรกะด้วยคอมพิวเตอร์ การใช้งานต่างๆ แสดงให้เห็นถึงความแตกต่างอย่างมีนัยสำคัญในแง่ของระบบตรรกะและความเป็นทางการ ระบบการให้เหตุผลส่วนใหญ่จะใช้ ตรรกะ เชิงประพจน์และเชิงสัญลักษณ์ ( ภาคแสดง ) ที่แตกต่างกัน ความแตกต่างเหล่านี้อาจเป็นการแสดงระบบตรรกะที่เป็นทางการที่แม่นยำทางคณิตศาสตร์ (เช่นFOL ) หรือเวอร์ชันที่ขยายและผสมผสานของระบบเหล่านั้น (เช่น ตรรกะสุภาพ^{[ 3 ]} ) ระบบการให้เหตุผลอาจใช้ตรรกะประเภทเพิ่มเติมอย่างชัดเจน (เช่น ตรรกะเชิงโมดอล ตรรกะเชิง จริยธรรม ตรรกะเชิงเวลา ) อย่างไรก็ตาม ระบบการให้เหตุผลจำนวนมากใช้การประมาณค่าที่ไม่แม่นยำ และ กึ่งทางการของระบบตรรกะที่เป็นที่รู้จัก ระบบเหล่านี้มักจะรองรับเทคนิคเชิงกระบวนการและ กึ่งประกาศที่หลากหลายเพื่อจำลองกลยุทธ์การให้เหตุผลที่แตกต่างกัน พวกเขาให้ความสำคัญกับการใช้งานจริงมากกว่ารูปแบบที่เป็นทางการ และอาจต้องพึ่งพาการปรับแต่งเพิ่มเติมและส่วนเสริมต่างๆ เพื่อแก้ปัญหาในโลกแห่งความเป็นจริง

ระบบการให้เหตุผลจำนวนมากใช้การให้เหตุผลแบบนิรนัยเพื่อสรุปผลจากความรู้ที่มีอยู่ กลไกการอนุมานเหล่านี้รองรับการให้เหตุผลแบบไปข้างหน้าหรือแบบย้อนกลับเพื่อสรุปผลผ่าน วิธีการอนุมาน แบบโมดัสโพ เนนส์ วิธี การให้เหตุผล แบบวนซ้ำที่ใช้เรียกว่า ' การเชื่อมโยงไปข้างหน้า ' และ ' การเชื่อมโยงย้อนกลับ ' ตามลำดับ แม้ว่าระบบการให้เหตุผลจะรองรับการอนุมานแบบนิรนัยอย่างกว้างขวาง แต่บางระบบก็ใช้การ ให้เหตุผล แบบอุปนัยอุปนัยที่สามารถหักล้างได้และการให้เหตุผลประเภทอื่นๆ นอกจากนี้ ยังอาจใช้ ฮิวริสติกส์เพื่อกำหนดวิธีแก้ปัญหาที่ยอมรับได้สำหรับปัญหาที่แก้ไขได้ยาก

ระบบการให้เหตุผลอาจใช้สมมติฐานโลกปิด (CWA) หรือสมมติฐานโลกเปิด (OWA) OWA มักเกี่ยวข้องกับ การแสดงความรู้ เชิงออนโทโลยีและเว็บเชิงความหมาย ระบบต่างๆ แสดงให้เห็นถึงวิธี การปฏิเสธที่หลากหลายนอกเหนือจาก การเติมเต็ม เชิงตรรกะหรือเชิงบิตแล้วระบบอาจรองรับรูปแบบการปฏิเสธแบบเข้มแข็งและแบบอ่อนแอในเชิงการมีอยู่ รวมถึงการปฏิเสธในฐานะความล้มเหลวและการปฏิเสธแบบ 'ขยายตัว' (การปฏิเสธอะตอมที่ไม่ใช่พื้นฐาน ) ระบบการให้เหตุผลที่แตกต่างกันอาจรองรับการให้เหตุผลแบบโมโนโทนิกหรือไม่โมโนโทนิกการแบ่งชั้นและเทคนิคเชิงตรรกะอื่นๆ

ระบบการให้เหตุผลจำนวนมากมีศักยภาพในการให้เหตุผลภายใต้ความไม่แน่นอนซึ่งเป็นสิ่งสำคัญเมื่อสร้างตัวแทนการให้เหตุผลตามสถานการณ์ ที่ต้องจัดการกับการแสดงแทนโลกที่ไม่แน่นอน มีแนวทางทั่วไปหลายประการในการจัดการกับความไม่แน่นอน ซึ่งรวมถึงการใช้ปัจจัยความแน่นอน วิธีการ ทางความน่าจะเป็นเช่นการอนุมานแบบเบย์เซียนหรือทฤษฎี Dempster–Shafer ตรรกะ แบบหลายค่า (' ฟัซซี ') และแนวทางการเชื่อมโยง ต่างๆ ^{[ 4 ]}

ส่วนนี้เป็นการจัดหมวดหมู่แบบไม่เป็นทางการและไม่ครอบคลุมทุกประเภทของระบบการให้เหตุผลที่พบได้ทั่วไป หมวดหมู่เหล่านี้ไม่ใช่คำจำกัดความที่ตายตัว มีการทับซ้อนกันในระดับที่สำคัญและใช้เทคนิค วิธีการ และอัลกอริธึมร่วม กันหลายอย่าง

ตัวแก้ปัญหาข้อจำกัดจะแก้ปัญหาความพึงพอใจข้อจำกัด (CSPs) โดยสนับสนุน การ เขียนโปรแกรมข้อจำกัดข้อจำกัดคือเงื่อนไขที่ต้องเป็นไปตามนั้นสำหรับวิธีแก้ปัญหา ที่ถูกต้องใดๆ ข้อจำกัดถูกกำหนดแบบประกาศและนำไปใช้กับตัวแปรภายในโดเมนที่กำหนด ตัวแก้ปัญหาข้อจำกัดใช้ เทคนิค การค้นหาการย้อนกลับและการแพร่กระจายข้อจำกัดเพื่อค้นหาวิธีแก้ปัญหาและกำหนดวิธีแก้ปัญหาที่เหมาะสมที่สุด อาจใช้รูปแบบของ การเขียนโปรแกรม เชิงเส้นและไม่เชิงเส้นมักใช้เพื่อดำเนินการเพิ่มประสิทธิภาพภายใน พื้นที่ปัญหา ที่มีการจัดเรียง สูง ตัวอย่างเช่น อาจใช้เพื่อคำนวณการจัดตารางเวลาที่เหมาะสมที่สุด ออกแบบวงจรรวม ที่มีประสิทธิภาพ หรือเพิ่มผลผลิตสูงสุดในกระบวนการผลิต^{[ 5 ]}

โปรแกรมพิสูจน์ทฤษฎีบทใช้ เทคนิค การให้เหตุผลอัตโนมัติเพื่อพิสูจน์ทฤษฎีบททางคณิตศาสตร์ นอกจากนี้ยังสามารถใช้เพื่อตรวจสอบความถูกต้องของการพิสูจน์ที่มีอยู่แล้วได้อีกด้วย นอกเหนือจากการใช้งานทางวิชาการแล้ว การใช้งานทั่วไปของโปรแกรมพิสูจน์ทฤษฎีบท ได้แก่ การตรวจสอบความถูกต้องของวงจรรวม โปรแกรมซอฟต์แวร์ การออกแบบทางวิศวกรรม เป็นต้น

โปรแกรมเชิงตรรกะ (LP) คือโปรแกรมซอฟต์แวร์ที่เขียนขึ้นโดยใช้ภาษาโปรแกรมที่มีส่วนประกอบพื้นฐานและนิพจน์ที่แสดงถึงโครงสร้างที่ได้มาจากตรรกะทางคณิตศาสตร์โดยตรง ตัวอย่างของภาษาโปรแกรมเชิงตรรกะอเนกประสงค์คือPrologโปรแกรมเชิงตรรกะแสดงถึงการประยุกต์ใช้โปรแกรมเชิงตรรกะโดยตรงเพื่อแก้ปัญหา โปรแกรมเชิงตรรกะมีลักษณะเด่นคือวิธีการประกาศอย่างชัดเจนโดยอิงจากตรรกะเชิงรูปธรรม และมีการประยุกต์ใช้อย่างกว้างขวางในหลายสาขาวิชา

ระบบประมวลผลกฎ (Rule engine)แสดงตรรกะแบบมีเงื่อนไขในรูปแบบของกฎย่อยๆ ชุดกฎสามารถจัดการและนำไปใช้กับฟังก์ชันอื่นๆ ได้อย่างอิสระ และมีประโยชน์ใช้สอยอย่างกว้างขวางในหลายๆ ด้าน ระบบประมวลผลกฎจำนวนมากมีฟังก์ชันการให้เหตุผล แนวทางทั่วไปคือการสร้างระบบการผลิตเพื่อรองรับการเชื่อมโยงไปข้างหน้าหรือย้อนกลับ แต่ละกฎ ('ระบบการผลิต') จะผูกการเชื่อมโยงของเงื่อนไขกับรายการของการกระทำที่สามารถดำเนินการได้

ในระหว่างการทำงาน ระบบประมวลผลกฎจะจับคู่ข้อกำหนดกับข้อเท็จจริง และดำเนินการ (เรียกใช้) รายการการกระทำที่เกี่ยวข้องสำหรับแต่ละการจับคู่ หากการกระทำเหล่านั้นลบหรือแก้ไขข้อเท็จจริงใดๆ หรือยืนยันข้อเท็จจริงใหม่ ระบบจะคำนวณชุดการจับคู่ใหม่ทันที ระบบประมวลผลกฎถูกใช้กันอย่างแพร่หลายในการจำลองและประยุกต์ใช้กฎทางธุรกิจเพื่อควบคุมการตัดสินใจในกระบวนการอัตโนมัติ และเพื่อบังคับใช้นโยบายทางธุรกิจและทางเทคนิค

ระบบจำแนกแบบนิรนัยเกิดขึ้นช้ากว่าระบบที่ใช้กฎเกณฑ์เล็กน้อย และเป็นส่วนประกอบของเครื่องมือแสดงความรู้ในปัญญาประดิษฐ์ รูปแบบใหม่ที่เรียกว่า ภาษาเฟรมภาษาเฟรมอธิบายโดเมนของปัญหาในรูปของชุดคลาส คลาสย่อย และความสัมพันธ์ระหว่างคลาสต่างๆ คล้ายกับ แบบ จำลองเชิงวัตถุแต่แตกต่างจากแบบจำลองเชิงวัตถุตรงที่ ภาษาเฟรมมีความหมายเชิงรูปธรรมโดยอิงจากตรรกะลำดับที่หนึ่ง

พวกเขานำความหมายเชิงนามธรรมนี้ไปใช้ในการป้อนข้อมูลให้กับตัวจำแนกแบบนิรนัย ตัวจำแนกจะวิเคราะห์แบบจำลองที่กำหนด (เรียกว่า ออนโทโลยี ) และพิจารณาว่าความสัมพันธ์ต่างๆ ที่อธิบายไว้ในแบบจำลองนั้นสอดคล้องกันหรือไม่ หากออนโทโลยีไม่สอดคล้องกัน ตัวจำแนกจะเน้นข้อความที่ไม่สอดคล้องกัน หากออนโทโลยีสอดคล้องกัน ตัวจำแนกก็จะสามารถใช้เหตุผลเพิ่มเติมและสรุปเพิ่มเติมเกี่ยวกับความสัมพันธ์ของวัตถุในออนโทโลยีได้

ตัวอย่างเช่น อาจกำหนดว่าวัตถุนั้นเป็นคลาสย่อยหรืออินสแตนซ์ของคลาสเพิ่มเติมตามที่ผู้ใช้อธิบายไว้ ตัวจำแนกประเภทเป็นเทคโนโลยีที่สำคัญในการวิเคราะห์ออนโทโลยีที่ใช้ในการอธิบายโมเดลใน^เว็บเชิงความหมาย [ ^{6 ] [ 7 ]}

ระบบ การเรียนรู้ของเครื่องจะพัฒนาพฤติกรรมของตนเองไปเรื่อย ๆ ตามกาลเวลาโดยอาศัยประสบการณ์ซึ่งอาจเกี่ยวข้องกับการใช้เหตุผลจากเหตุการณ์ที่สังเกตได้หรือข้อมูลตัวอย่างที่ให้ไว้เพื่อวัตถุประสงค์ในการฝึกฝน เช่น ระบบการเรียนรู้ของเครื่องอาจใช้เหตุผลแบบอุปมานเพื่อสร้างสมมติฐานสำหรับข้อเท็จจริงที่สังเกตได้ ระบบการเรียนรู้จะค้นหากฎหรือฟังก์ชันทั่วไปที่ให้ผลลัพธ์สอดคล้องกับการสังเกต แล้วใช้ข้อสรุปทั่วไปเหล่านี้เพื่อควบคุมพฤติกรรมในอนาคต

ระบบการให้เหตุผล โดยอาศัยกรณีศึกษา (Case-based reasoning : CBR) ให้คำตอบของปัญหาโดยการวิเคราะห์ความคล้ายคลึงกับปัญหาอื่นๆ ที่มีคำตอบอยู่แล้ว การให้เหตุผลโดยอาศัยกรณีศึกษาใช้ระดับความคล้ายคลึงระดับบนสุด (ผิวเผิน) ได้แก่ เกณฑ์วัตถุ คุณลักษณะ และคุณค่า ซึ่งแตกต่างจากการ ให้เหตุผล เชิงเปรียบเทียบตรงที่ การให้เหตุผลเชิงเปรียบเทียบใช้เกณฑ์ความคล้ายคลึงระดับ "ลึก" เท่านั้น เช่น ความสัมพันธ์ หรือแม้แต่ความสัมพันธ์ของความสัมพันธ์ และไม่จำเป็นต้องหาความคล้ายคลึงในระดับที่ตื้นกว่า ความแตกต่างนี้ทำให้การให้เหตุผลโดยอาศัยกรณีศึกษาใช้ได้เฉพาะกับกรณีศึกษาในโดเมนเดียวกันเท่านั้น เพราะวัตถุ คุณลักษณะ และ/หรือคุณค่าที่คล้ายคลึงกันต้องอยู่ในโดเมนเดียวกัน ในขณะที่เกณฑ์ความคล้ายคลึงระดับ "ลึก" ของ "ความสัมพันธ์" ทำให้การให้เหตุผลเชิงเปรียบเทียบใช้ได้ข้ามโดเมน โดยที่ความสัมพันธ์ระหว่างกรณีศึกษาเท่านั้นที่คล้ายคลึงกัน ระบบ CBR มักใช้ในการสนับสนุนลูกค้า/ ด้านเทคนิคและศูนย์บริการลูกค้าและมีการประยุกต์ใช้ในอุตสาหกรรมการผลิตเกษตรกรรมการแพทย์กฎหมายและอีกหลายสาขา

ระบบการให้เหตุผลเชิงกระบวนการ (Procedural Reasoning System: PRS) ใช้เทคนิคการให้เหตุผลเพื่อเลือกแผนจาก ฐาน ความรู้เชิงกระบวนการแต่ละแผนแสดงถึงแนวทางการดำเนินการเพื่อให้บรรลุเป้าหมาย ที่กำหนด PRS ใช้โมเดลความเชื่อ-ความปรารถนา-เจตนาโดยการให้เหตุผลจากข้อเท็จจริง (' ความเชื่อ ') เพื่อเลือกแผนที่เหมาะสม (' เจตนา ') สำหรับเป้าหมายที่กำหนด ('ความปรารถนา') ตัวอย่างการใช้งานทั่วไปของ PRS ได้แก่ระบบ การจัดการ การตรวจสอบ และ การตรวจจับข้อผิดพลาด