後向き連鎖
出典: フリー百科事典『ウィキペディア（Wikipedia）』
後向き連鎖（Backward chaining）は、（人工知能において）推論規則を使う時の二種類の主要な推論手法のひとつである。もう一方は前向き連鎖である。
後向き連鎖はゴール(または仮説)のリストによって起動して後向きに作業し、いずれかのゴールが正しいことを補強するのに使用可能なデータがあるかどうかを確かめる後向き連鎖を使う推論エンジンは推論規則を検索し、帰結部（THEN節）がゴールにマッチする規則を探す。その規則の条件部（IF節）が真かどうか不明な場合、それもゴールのリストに追加され（つまり、仮説の一部とされ）、それを立証するデータをさらに提供しなければならない。
例として、以下の二つの規則を持つルールベースと、フリッツは蛙であるというゴール（仮説）と、それが弾むというデータがあるとする。
- IF節：フリッツははずむ — THEN節：フリッツは緑色である
- IF節：フリッツは緑色である — THEN節：フリッツは蛙である
このルールベースが検索されると、帰結部（THEN節）がゴール（フリッツは蛙である）とマッチしている規則(2)が選択される。フリッツが緑色かどうかは不明なので、条件部（IF節）はゴールのリストに追加される（フリッツが蛙であるためには、緑色でなければならない）。ルールベースは再び検索されて、THEN節がリストに追加された新しいゴール（フリッツは緑色である）とマッチする規則(1)が選択される。その規則の条件部（フリッツは弾む）が真であることは予め分かっているので、フリッツは蛙であると結論付けられる（フリッツは弾むので緑色であるに違いない、フリッツが緑色なので蛙に違いない）。
ゴールのリストが、どの規則が選ばれて使われるかを決定するので、この方法はゴール駆動型と呼ばれる。一方、前向き連鎖による推論はデータ駆動型と呼ばれる。このようなボトムアップ型アプローチは、しばしばエキスパートシステムで使用される。
プログラミング言語Prologは後向き連鎖をサポートしている。
