前言：
人工智慧在1956-1974年開始進入黃金發展的年代，這個時代可以說是大發現時代，此時研究者們興致滿滿認為完全智能機器會在20年內出現，而政府也投入了大量的資金。今天的文章要來介紹搜索式推理，是一項在當代常用的推理方法。

搜索式推理：
AI最主要的基本算法程序，就是為了實現一個目標一步步慢慢前進，要是錯了或與結果不符則退回去回朔，這個概念就叫做搜索是推理。
但這個搜索方式有一個很大的問題，我們要推理的事件的路線數往往是一個天文數字，用這種方式慢慢找根本如同大海撈針。因此研究學者們也發展出了很多套可以縮小收所範圍的演算法，把不可能的路徑刪去，可以大大降低浪費的時間。
以下跟大家介紹一個AI案例推理的原則跟方法：

case-based reasoning(CBR)：
中文的翻譯就是基於案例的推理，顧名思義針對不同的問題提出不同的問題解決方法，最主要包含四4個大步驟：

1檢索(retrieve)：

給定一個目標問題，從data中搜索解決相關問題的案例(包括問題及解決安案)
ex有一位新手廚師fafa想要製作藍莓鬆餅，在他的記憶裡最相關的案例是成功製作原味的鬆餅，而他當初製作原味鬆餅的回憶便成為了他的檢索。

2重用(reuse)：

將前一個case應用到現在這個
ex廚師fafa現在要將檢索中的事件做調整，比如說加藍莓到現在的鬆餅。

3修改(revise)：

開始解決問題後也需要對實體事件作調整
ex在鬆餅麵糊裡加了藍莓後卻發現麵糊變藍了，因為這樣賣相不佳，因此可能需要將加入藍莓的時間往後延，這樣子來實作修正。

4保留(retain)：

在成功解決目標問題後，將所得到的經驗儲存到內存記憶體中，用以英對未來的問題。
ex廚師將藍莓鬆餅食譜紀錄進資料中。

資料來源：
https://zh.wikipedia.org/zh-tw/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%8F%B2

https://www.researchgate.net/figure/Case-based-reasoning-lifecycle_fig1_27466341

https://en.wikipedia.org/wiki/Case-based_reasoning