Secinājumu dzinējs ir programmatūras sistēma, kas ir izstrādāta, lai izdarītu secinājumus, analizējot problēmas, ņemot vērā ekspertu zināšanu datubāzi, uz kuru tā balstās. Tas sasniedz loģiskus rezultātus, pamatojoties uz premisām, ko nosaka dati. Dažreiz secinājumu dzinēji spēj arī pārsniegt stingru loģisko apstrādi un izmantot varbūtības aprēķinus, lai izdarītu secinājumus, kurus zināšanu datubāze stingri neatbalsta, bet gan tikai norāda uz tiem vai sniedz mājienus.
Lielākā daļa mākslīgā intelekta jomā izstrādāto secinājumu dzinēju ir balstīti uz ekspertu sistēmas koncepciju. Ekspertu sistēma ir izveidota, lai atrisinātu problēmas konkrētā un dažkārt šauri definētā jomā, piemēram, noteiktās medicīnas specialitātēs. Ekspertu sistēmas secinājumu dzinēja komponents ir vadības struktūra, kas rada sākotnējo izvadi, pamatojoties uz jebkādiem datiem, kas pašlaik pastāv zināšanu bāzē un ekspertu sistēmas programmēšanas likumiem, un pēc tam tos jēgpilnā veidā piemēro konkrētai problēmai. Tā kā secinājumu programmas rezultāti ir datu rezultāts, tie mainās, kad dati tiek atjaunināti, kā arī var mainīties, jo pati secinājumu programma dažādos veidos meklē datus. Ja sistēmas dati tiek svērti pret vienu vai vairākiem secinājumiem salīdzinājumā ar citiem, tas var mainīt secinājumu dzinēja ģenerētos rezultātus.
Programmatūru, kas izmanto secinājumu dzinēju, var uzskatīt par aktīvu selektīvu mehānismu, kurā apstrādes darbības tiek virzītas pēc jaunākā datu stāvokļa. Ekspertu sistēmām ir divi vispārīgi veidi, kā apstrādāt šos saglabātos datus, ko dēvē par ķēdes uz priekšu vai atpakaļ ķēdi. Uz priekšu ķēdē ekspertu sistēmas noteikumi analizē datus, ko tai ievada secinājumu dzinējs, un rezultāti tiek ievadīti atpakaļ sistēmas datu krātuvē kā jauni dati. Tas izraisa jaunus problēmu risinājumus, jo sistēma precizē datus un nosver tos, veicot induktīvus secinājumus, kas nozīmē, ka izdarītie secinājumi ne vienmēr atspoguļos sākotnējos datus vai telpas, kas tika izmantotas analīzes sākšanai.
Atpakaļ ķēde ir vairāk orientēta uz varbūtību, un saglabātie dati tiek svērti pēc vērtības jau no paša sākuma. Noteikumi tiek izmantoti, lai pārbaudītu datu nosacījumu derīgumu, ņemot vērā doto problēmu, un, to darot, datiem tiek piešķirtas jaunas varbūtības vērtības. To dēvē arī par hipotēžu vadītu, atpakaļejošā ķēde neizdara stingrus secinājumus, kamēr nepārtraukta datu pārbaude attiecībā pret ekspertu sistēmas noteikumos noteiktajiem nosacījumiem atbilst minimālajam pētāmā jautājuma vai problēmas pierādījumu līmenim.
Bajesa loģika ir viens no uz varbūtību orientētajiem secinājumu dzinēja programmatūras veidiem, kas izmanto atpakaļejošu ķēdi, kas nosaukts 18. gadsimta vidus angļu matemātiķa Tomasa Beiza vārdā. Šāda loģika izmanto zināšanu bāzi par iepriekšējiem notikumiem, lai prognozētu nākotnes rezultātus, atkārtoti pārbaudot zināšanas, un tā ņem vērā papildu pierādījumus par izmēģinājumu rezultātiem jaunos izmēģinājumos, lai iegūtu arvien precīzākus rezultātus. Izplūdušās loģikas programmatūras arhitektūra var paļauties arī uz secinājumu dzinēju kā savas sistēmas daļu. Atšķirība no izplūdušās loģikas ir tāda, ka izvade ir izplūdusi iespējamo risinājumu kopa vai diapazons, kas pēc tam tiek apkopoti vienā grupā un, izmantojot loģiku un varbūtību, tiek sašaurināti līdz vienam optimālam secinājumam vai darbībai.
SmartAsset.