理工酷

正向链接和后向链接是用于解决人工智能问题的2种方法。

正向连接

在正向链接方法中，为研究人员/机器提供了一组已知数据，研究人员基于此数据和所需的计算和技术得出结论。 简而言之，“这是从初始状态到目标状态的过程”

例子

假设约翰是一位老师。在各种作业，内部考试和项目中，他都将获得学生的评分。现在，他需要开发一个数学模型，该模型可以预测每个学生在期末考试中是否会通过。 在这里，研究人员已经获得了可用的数据（内部考试，作业和项目中的分数），并且他需要从数据中得出一些结论（学生是否将通过期末考试）。

结论

此技术也称为数据驱动或自上而下的方法，主要用于计划，设计，解释，推理构建等。 在这里，研究可能从少量的初始状态开始，但最终有大量的结论。有时，也可能会有无数结论。同样，此方法也可能会尝试推断许多与输入数据有关的事物，但是它们不一定都必须是目标状态的一部分。

反向连接

在反向链接方法中，为研究人员/机器提供了一些推断，研究人员根据这些结论，实施了一些推断规则，并得出了实际导致推断的事实。 简单地说“这是从目标状态到初始状态的过程”

例子

同样考虑约翰老师。向他提供了一定数量学生的期末考试结果（无论他们是及格还是不及格）。现在，约翰需要分析并找出导致学生最终通过及/或失败的真正原因。经过深入的研究和计算，他可能会得出以下推断：

• 在内部考试中得分超过50％的学生大部分会在期末考试中通过。
• 在内部考试中得分不超过50％的学生大多在期末考试中不及格。
• 在作业中得分超过50％的学生大部分会在期末考试中及格。
• 在作业中得分不超过50％的学生大多在期末考试中不及格。

实际上，以上数据说明了内部考试和作业是使学生为最终考试做好心理准备并确定结果的关键因素。

结论

此技术也称为目标驱动或自下而上的方法，主要用于调试，诊断，做出决策等。 在这里，研究可能从少数目标状态开始，但最终以大量初始状态结束。但是，从历史的角度来看，初始状态或事实的数量将不是无限的。这种方法可能最终会导致与目标相关的事实。因此，研究尝试回答当正不在此范围内的那些问题的可能性较小。 转载自：https://www.quora.com/What-is-the-difference-between-forward-and-backward-chaining-in-AI