逆向推理(又称反向推理、目标驱动推理)是一种问题解决和逻辑推理方法,从期望的目标或结果出发,反向推导实现该目标所需的步骤和条件。与正向推理(从已知前提出发推导结论)不同,逆向推理从结论出发,寻找支持该结论的前提和路径。在人工智能中,逆向推理是专家系统和逻辑编程(如Prolog)的核心推理机制,通过不断将目标分解为子目标,直到子目标可以直接验证。在博弈论中,逆向归纳法(backward induction)是求解有限完美信息博弈的标准方法,从博弈的最后一个决策点开始反向推导,确定每个参与者在每个节点的最优策略。逆向推理特别适合目标明确但路径不清晰的问题,如规划、调度、定理证明等。
回溯推理法(Backward Reasoning)是从已知结果出发,反向推导导致该结果的必要条件和过程。正向推理是「因为 A,所以 B」,回溯推理是「既然 B 发生了,那么 A 一定发生了」。
核心机制:正向推理容易被规则设计者预设的路径引导——你从起点出发,沿着设计者铺好的路走,自然到达设计者想要的终点。回溯推理则从终点倒推,往往能发现设计者没考虑到的路径和矛盾。
应用步骤:1) 明确最终结果(要达成什么,或已经发生了什么);2) 问「要得到这个结果,上一步必须满足什么条件」;3) 继续倒推每一步的必要条件;4) 对比倒推出的路径和实际路径,发现矛盾或漏洞。
与「由果推因」的区别:回溯推理更强调「逐步还原过程」,由果推因更强调「找到根本原因」。两者互补:回溯推理还原过程,由果推因找到根源。


评论区