Niniejszy artykuł przedstawia moduł wnioskowania oparty na języku Prolog do generowania kontrfaktycznych wyjaśnień na podstawie przewidywań obliczonych przez klasyfikator typu "czarna skrzynka". Zastosowane podejście składa się z czterech dobrze zdefiniowanych etapów, które można zastosować do dowolnego strukturalnego problemu klasyfikacji wzorców. Po pierwsze, wstępne przetworzenie zbioru danych poprzez przypisanie brakujących wartości i normalizację cech numerycznych. Po drugie, przekształcenie cech numerycznych w symboliczne przy użyciu klastrowania rozmytego, tak że wyodrębnione klastry rozmyte są mapowane do uporządkowanego zbioru predefiniowanych symboli. Po trzecie, kodowanie instancji jako reguły Prolog przy użyciu wartości nominalnych, predefiniowanych symboli, klas decyzyjnych i wartości zaufania. Po czwarte, obliczenie  ogólnego zaufana każdej reguły Prolog przy użyciu teorii zbiorów rozmytych, aby poradzić sobie z niepewnością spowodowaną przekształceniem wielkości liczbowych w symbole.