このページは、生成規則モデルにおける「既知事実」「問い合わせ/目標」「入力形式」を整理するノートです。
ざっくりいうと
生成規則モデルは自由文を直接理解するより、機械が扱いやすい形式で入力を受け取る設計が中心でした。
そのため、ユーザー体験はアンケートやウィザードに近くなることが多いです。
既知事実とは何か
既知事実とは、現時点で真とみなす情報です。推論エンジンはこの事実を材料にルールを適用します。
例:
発熱 = あり咳 = あり症状開始 = 昨日
事実の主な供給元:
- ユーザー入力（選択肢、数値、フォーム）
- センサーやログ
- 既存データベース
問い合わせ/目標とは何か
問い合わせ/目標は、「何を確かめたいか」を表す命題です。特に後ろ向き推論では必須です。
例:
胸部検査推奨は成り立つかこの障害原因は電源系か
前向き推論は既知事実から広げる方式なので、目標を置かずに動かすこともできます。
三項目入力は必須か
比較のために次の三項目で書くことがあります。
- ルール集合
- 既知事実
- 問い合わせ/目標
ただし必須条件は方式で異なります。
- 前向き推論: ルール集合 + 既知事実（目標は任意）
- 後ろ向き推論: ルール集合 + 既知事実 + 問い合わせ/目標（目標は必須）
自由文入力は無理だったのか
「完全に無理」ではありませんが、古典的なルールベース単体では強くありませんでした。
できたこと:
- キーワード一致
- 限定語彙でのパターン解析
- 定型文テンプレートの解釈
難しかったこと:
- 文脈依存の曖昧表現の安定解釈
- 言い換えや省略が多い自然会話の理解
- ドメイン外の自由入力対応
このため、推論を安定化するには入力を構造化する設計が合理的でした。
事前に定義した入力形式の例
- はい/いいえ、単一選択、複数選択
- 数値 + 単位（体温、血圧、時間）
- コード入力（病名コード、障害コード）
- スロット入力（症状、期間、程度）
- 制限コマンド（限定された問い合わせ文）
現代との接続
現在は LLM が自然文理解を担当し、ルールエンジンが最終判定と根拠管理を担当する分業が増えています。
古典方式の入力制約は厳しい一方、説明可能性と統制性では今も有効です。