Modeliu pagrįstas samprotavimas – tai veikiančio modelio ir jį lydinčių realaus pasaulio stebėjimų naudojimas išvadoms daryti. Jis vaidina svarbų vaidmenį dirbtinėse logikos sistemose ir samprotavimuose moksluose. Modelio sukūrimas yra daug laiko reikalaujantis šio požiūrio aspektas, nes norint pasiekti geriausių rezultatų, būtina sukurti kuo gilesnį, sudėtingesnį ir išsamesnį modelį. Sukūrus veikiantį modelį, jį taip pat gali reikėti periodiškai atnaujinti.
Modeliu pagrįsto samprotavimo pavyzdyje įmonė galėtų sukurti veikiantį neurologinį žmogaus kūno modelį. Modelis paprastai apima informaciją apie centrinėje ir periferinėje nervų sistemose randamą jungčių tinklą. Duomenys apie neurologinių problemų simptomus gali būti integruoti į sistemą, naudojant stebėjimus, kad būtų sukurta žinomos informacijos matrica. Naudotojas gali sąveikauti su modeliu įvesdamas paciento simptomus, pvz., neaiškią kalbą ir nevienodai išsiplėtusius vyzdžius, ir tai grąžintų galimą diagnozę, pvz., insultą.
Tokios sistemos gali būti plačiai pritaikytos moksluose. Dirbtinės sistemos gali leisti tyrėjams ištirti ir patikrinti hipotezes. Modeliu pagrįstas samprotavimas taip pat gali būti stebėjimo sistemos, kuri siunčia įspėjimus pagal įvestį, pagrindas. Pavyzdžiui, klimato modeliavimas leidžia kompiuteriams paimti informaciją apie dabartines oro sąlygas ir paleisti ją per modelį, kad pateiktų informaciją apie kylančias tropines audras ir kitus susirūpinimą keliančius meteorologinius įvykius. Kai kurių užduočių automatizavimas gali leisti tyrėjams sutelkti dėmesį į kitas temas, kurioms reikia sudėtingesnių samprotavimų.
Ta pati koncepcija taip pat gali būti kai kurių mokslinės minties formų pagrindas. Tyrėjai palaiko darbo modelius apie mokslines koncepcijas, pavyzdžiui, kaip veikia tektoninės plokštės, ir atlieka stebėjimus, kad sustiprintų modelį ir sukurtų pagalbinės informacijos rinkinį. Tai leidžia jiems padaryti išvadas apie mokslinius įvykius, remiantis tuo, ką jie žino iš modelio ir atliktų stebėjimų. Pavyzdžiui, jei tyrėjai stebi ugnikalnį, modeliu pagrįsti samprotavimai gali leisti jiems paskelbti evakuacijos įspėjimą, jei ugnikalnio elgesys atitinka neišvengiamą išsiveržimą.
Modelių kūrimas gali pareikalauti laiko, kantrybės ir įvairių šaltinių. Kuo daugiau duomenų taškų, tuo tikslesnis ir išsamesnis modeliu pagrįstas samprotavimas. Tai gali padėti modeliuotojams išvengti potencialiai brangių klaidų, pvz., nesugebėjimo numatyti problemos, kuri būtų akivaizdi turint daugiau duomenų. Kai gaunami stebėjimai, jie gali būti įtraukti į žinių rinkinį, todėl modelis gali būti perkeltas. Pavyzdžiui, stebėjimas gali įrodyti, kad modeliu pagrįsta taisyklė iš tikrųjų yra neteisinga arba neatsižvelgia į konkretų kintamąjį.