Mesin inferensi adalah sistem perangkat lunak yang dirancang untuk menarik kesimpulan dengan menganalisis masalah berdasarkan database pengetahuan ahli yang digunakannya. Ini mencapai hasil logis berdasarkan premis yang ditetapkan data. Kadang-kadang mesin inferensi juga mampu melampaui pemrosesan logis yang ketat, dan menggunakan perhitungan probabilitas untuk mencapai kesimpulan bahwa basis data pengetahuan tidak sepenuhnya mendukung, tetapi hanya menyiratkan atau memberi petunjuk.
Sebagian besar mesin inferensi yang dirancang di bidang kecerdasan buatan didasarkan pada konsep sistem pakar. Sistem pakar dibangun untuk memecahkan masalah dalam bidang tertentu dan terkadang didefinisikan secara sempit, seperti spesialisasi medis tertentu. Komponen mesin inferensi dari sistem pakar adalah struktur kontrol yang menghasilkan keluaran awal berdasarkan data apa pun yang ada saat ini di basis pengetahuan dan aturan pemrograman sistem pakar, kemudian menerapkannya pada masalah spesifik dengan cara yang berarti. Karena hasil mesin inferensi adalah hasil dari data, mereka berubah saat data diperbarui, dan juga dapat berubah saat data dicari dengan cara yang berbeda oleh mesin inferensi itu sendiri. Jika data dalam sistem dibobot ke satu atau lebih kesimpulan di atas yang lain, ini dapat mengubah hasil yang dihasilkan mesin inferensi.
Perangkat lunak yang menggunakan mesin inferensi dapat dilihat sebagai mekanisme selektif aktif, di mana tindakan pemrosesan diarahkan oleh keadaan data terkini. Sistem pakar memiliki dua cara umum untuk memproses data yang tersimpan ini, yang disebut sebagai forward chaining atau backward chaining. Dalam forward chaining, aturan sistem pakar menganalisis data yang diumpankan kepadanya oleh mesin inferensi, dan hasilnya diumpankan kembali ke penyimpanan data sistem sebagai data baru. Ini memicu solusi baru untuk masalah saat sistem menyaring data dan menimbangnya dengan inferensi induktif, yang berarti bahwa kesimpulan yang dicapai tidak selalu mencerminkan data atau premis asli yang digunakan untuk memulai analisis.
Rantai ke belakang lebih berorientasi pada probabilitas, dengan data yang disimpan dibobot untuk nilai sejak awal. Aturan digunakan untuk menguji kondisi validitas data dalam kaitannya dengan masalah yang diberikan, dan, saat ini dilakukan, nilai probabilitas baru diberikan ke data. Disebut juga sebagai hipotesis-driven, backward chaining tidak menarik kesimpulan yang ketat sampai pengujian data terus-menerus terhadap kondisi yang ditetapkan oleh aturan sistem pakar memenuhi tingkat minimum bukti untuk pertanyaan atau masalah yang sedang dipelajari.
Logika Bayesian adalah salah satu bentuk perangkat lunak mesin inferensi berorientasi probabilitas yang memanfaatkan rantai mundur, dinamai Thomas Bayes, seorang matematikawan Inggris pada pertengahan abad ke-18. Logika semacam itu menggunakan basis pengetahuan dari peristiwa sebelumnya untuk memprediksi hasil di masa depan melalui pengujian pengetahuan yang berulang, dan faktor tersebut menjadi bukti tambahan dari hasil uji coba menjadi uji coba baru, dengan tujuan menghasilkan hasil yang lebih akurat. Arsitektur perangkat lunak logika fuzzy juga dapat mengandalkan mesin inferensi sebagai bagian dari sistemnya. Perbedaannya dengan logika fuzzy adalah bahwa outputnya adalah himpunan fuzzy atau rentang solusi yang mungkin yang kemudian digabungkan menjadi satu kelompok dan, melalui logika dan probabilitas, dipersempit menjadi satu kesimpulan atau tindakan yang optimal.