Järeldusmootor on tarkvarasüsteem, mis on loodud järelduste tegemiseks, analüüsides probleeme, võttes aluseks ekspertteadmiste andmebaasi. See saavutab loogiliste tulemusteni, tuginedes andmetele kehtestatud eeldustele. Mõnikord on järeldusmootorid võimelised ka rangest loogilisest töötlemisest kaugemale minema ja kasutavad tõenäosusarvutusi, et jõuda järeldusteni, mida teadmiste andmebaas ei toeta, vaid ainult viitab või vihjab.
Enamik tehisintellekti valdkonnas kavandatud järeldusmootoreid põhinevad ekspertsüsteemi kontseptsioonil. Spetsiifilise ja mõnikord kitsalt piiritletud valdkonna, näiteks teatud meditsiinierialade probleemide lahendamiseks on üles ehitatud ekspertsüsteem. Ekspertsüsteemi järeldusmootori komponent on juhtimisstruktuur, mis loob esialgse väljundi teadmiste baasis praegu olemasolevate andmete ja ekspertsüsteemi programmeerimisreeglite põhjal, seejärel rakendab seda konkreetsele probleemile sisukalt. Kuna järeldusmootori tulemused tulenevad andmetest, muutuvad need andmete värskendamisel ja võivad muutuda ka siis, kui järeldusmootor ise otsib andmeid erineval viisil. Kui süsteemis olevaid andmeid kaalutakse ühe või mitme järelduse suhtes, võib see muuta järeldusmootori genereeritavaid tulemusi.
Järeldusmootorit kasutavat tarkvara võib vaadelda kui aktiivset valikumehhanismi, kus töötlemistoiminguid suunab andmete kõige värskem olek. Ekspertsüsteemidel on salvestatud andmete töötlemiseks kaks üldist viisi, mida nimetatakse edasi- või tagasiaheldamiseks. Edaspidisel aheldamisel analüüsivad ekspertsüsteemi reeglid järeldusmootori poolt talle etteantud andmeid ning tulemused suunatakse uute andmetena tagasi süsteemi andmehoidlasse. See käivitab probleemidele uued lahendused, kuna süsteem täpsustab andmeid ja kaalub neid induktiivse järelduse abil, mis tähendab, et tehtud järeldused ei pruugi kajastada esialgseid andmeid või eeldusi, mida analüüsi alustamiseks kasutati.
Tagasi aheldamine on rohkem tõenäosusele orienteeritud, kusjuures salvestatud andmeid kaalutakse algusest peale väärtuse alusel. Reeglite abil testitakse andmete tingimuste kehtivust antud probleemi valguses ja seda tehes omistatakse andmetele uued tõenäosusväärtused. Seda nimetatakse ka hüpoteesipõhiseks, tagurpidi aheldamine ei tee rangeid järeldusi enne, kui andmete pidev testimine ekspertide süsteemi reeglitega kehtestatud tingimuste suhtes vastab uuritava küsimuse või probleemi minimaalsele tõestustasemele.
Bayesi loogika on üks tõenäosusele orienteeritud järeldusmootori tarkvara vorme, mis kasutavad tagurpidi aheldamist ja mis sai nime 18. sajandi keskpaiga inglise matemaatiku Thomas Bayesi järgi. Selline loogika kasutab varasemate sündmuste teadmistebaasi, et ennustada tulevasi tulemusi teadmiste korduva testimise kaudu, ja see arvestab täiendavate tõenditega katsete tulemuste kohta uuteks katseteks, eesmärgiga saada rohkem ja täpsemaid tulemusi. Hägusloogika tarkvara arhitektuur võib oma süsteemi osana tugineda ka järeldusmootorile. Erinevus hägusloogikaga seisneb selles, et väljundiks on hägune kogum või võimalike lahenduste vahemik, mis seejärel koondatakse ühte rühma ning loogika ja tõenäosuse kaudu kitsendatud üheks optimaalseks järelduseks või tegevuseks.
SmartAsset.