Co je to uvažování založené na modelu?

Zdůvodnění založené na modelu je používání pracovního modelu a doprovodné pozorování v reálném světě k vyvození závěrů.Hraje důležitou roli v umělých logických systémech a zdůvodnění ve vědách.Vytváření modelu je časově náročný aspekt tohoto přístupu, protože je nutné, aby byl model co nejhlubší, složitý a nejpodrobnější, aby dosáhl nejlepších výsledků.Jakmile bude stanoven pracovní model, může také vyžadovat periodické aktualizace.Model by normálně zahrnoval informace o síti připojení nalezených v centrálním a periferním nervovém systému.Do systému by mohly být zabudovány údaje o symptomech neurologických problémů pomocí pozorování k vytvoření matice známých informací.Uživatel by mohl potenciálně interagovat s modelem zadáváním symptomů pacienta, jako je nezlevená řeč a nerovnoměrně rozšířené žáky, a vrátí by potenciální diagnózu, jako je mrtvice.Umělé systémy mohou vědcům umožnit prozkoumat a testovat hypotézy.Zdůvodnění založené na modelu může být také páteří monitorovacího systému, který odesílá upozornění na základě vstupů.Například modelování klimatu umožňuje počítačům přijímat informace o aktuálních povětrnostních podmínkách a spustit je pomocí modelu, aby poskytoval informace o začínajících tropických bouřích a dalších meteorologických událostech.Automatizace některých úkolů může vědcům umožnit soustředit se na jiná témata, která vyžadují složitější zdůvodnění.Vědci udržují pracovní modely o vědeckých koncepcích, jako je to, jak fungují tektonické desky, a vytvářejí pozorování k posílení modelu a vyvinutí kompendia podpůrných informací.To jim umožňuje vyvodit závěr o vědeckých událostech na základě toho, co z modelu vědí, a pozorování, která učinili.Pokud například vědci monitorují sopku, může jim uvažování založené na modelu umožnit vydat varování o evakuaci, pokud je chování sopky v souladu s bezprostřední erupcí.

Vývoj modelů může trvat čas, trpělivost a vstup z číslazdrojů.Čím více údajů, tím přesnější a podrobnější mohou být uvažování založené na modelu.To může modelářům pomoci vyhnout se potenciálně nákladným chybám, jako je to, že nedokáže předvídat problém, který by byl zřejmý s více údaji.Jakmile přicházejí pozorování, mohou být přidány do těla znalostí, což může vést k posunu k modelu.Například pozorování by mohlo prokázat, že pravidlo založené na modelu je ve skutečnosti nesprávné nebo nezohledňuje konkrétní proměnnou.