Konsep kompleks seperti "pemikiran" dan "kesedaran", dan lebih mudah ditakrifkan, seperti "kepintaran" dan "pengetahuan", dalam kalangan pakar pelbagai profil (contohnya, analisis sistem, sains komputer, neuropsikologi, psikologi, falsafah, dsb.) boleh berbeza dengan ketara.
Perwakilan pengetahuan yang lengkap dan mencukupi, yang dianggap sama jelas oleh kedua-dua orang dan mesin, adalah masalah utama pertukaran maklumat moden. Pertukaran maklumat sedemikian adalah berdasarkan sistem konsep dan perhubungan yang membentuk pengetahuan.
Klasifikasi pengetahuan
Ia boleh dikelaskan kepada beberapa kategori: konseptual, konstruktif, prosedural, fakta dan metaknowledge.
- Pengetahuan konseptual ialah satu set konsep khusus yang digunakan dalam menyelesaikan masalah. Mereka sering digunakan dalam sains asas dan bidang teori sains. Malah, pengetahuan konseptual membentuk radas konsep sains.
- Pengetahuan membina - set struktur, sistem dan subsistem, sertainteraksi antara mereka. Digunakan secara aktif dalam teknologi.
- Pengetahuan prosedur ialah kaedah dan algoritma yang paling biasa digunakan dalam sains gunaan.
- Pengetahuan fakta ialah ciri-ciri objek dan fenomena, baik secara kuantitatif mahupun kualitatif. Paling kerap digunakan dalam sains eksperimen.
- Metaknowledge ialah sebarang pengetahuan tentang pengetahuan, sistem organisasinya, kejuruteraannya, dan susunan serta peraturan penggunaannya.
Organisasi pengetahuan
Sistem organisasi pengetahuan ialah proses menyediakan maklumat dalam bentuk mesej yang boleh dikenali (pertuturan lisan dan bertulis, gambar, dll.) dan luar biasa (formula, objek peta, gelombang radio, dll.).
Untuk sistem organisasi pengetahuan boleh difahami dan berjaya, adalah perlu untuk menggunakan sistem peraturan yang boleh difahami dan membina mengikut mana pengetahuan akan dipersembahkan dan dirasakan. Untuk melakukan ini, seseorang menggunakan bahasa dan tulisan.
Bahasa
Bahasa muncul dan berkembang kerana pengetahuan yang dikumpul oleh orang sentiasa perlu disampaikan, diluahkan, disimpan dan ditukar. Pemikiran yang tidak dapat diungkapkan oleh struktur formal (bahasa, imej) kehilangan peluang untuk menjadi sebahagian daripada pertukaran maklumat. Itulah sebabnya sepanjang sejarah umat manusia, bahasa telah menjadi bentuk perwakilan pengetahuan yang paling berkesan.
Semakin kaya bahasa, semakin banyak pengetahuan yang diungkapkan, masing-masing, menjadikan budaya orang lebih kaya, yang seterusnya, membolehkan anda mengembangkan sistem penyusunan pengetahuan yang lebih dan lebih berkesan.
Bahasasains
Masalah utama dalam menggunakan bahasa sebagai bentuk representasi pengetahuan ialah makna semantik perkataan dan ayat yang samar-samar. Itulah sebabnya bahasa sains memainkan peranan istimewa dalam pemformalkan pengetahuan.
Tujuan utama bahasa sains adalah untuk menaip dan menyeragamkan bentuk ungkapan, pemampatan dan penyimpanan pengetahuan. Dengan bantuan penyampaian pengetahuan standard yang tipikal, seseorang boleh menyingkirkan polisemi atau kekaburan semantik bahasa.
Apa, dalam keadaan semula jadi evolusi bahasa, menjadikan bahasa lebih kaya (polisemi ekspresi), menjadi penghalang dalam proses pertukaran pengetahuan, meningkatkan risiko salah faham, bunyi semantik dan persepsi yang samar-samar terhadap maklumat.
Klasifikasi pengetahuan
Salah satu kaedah utama pemformalkan pengetahuan ialah pengelasan. Ini adalah pembahagian ilmu kepada kumpulan mengikut kelas tertentu. Iaitu, hanya maklumat yang memenuhi kriteria tertentu yang sepadan dengan kelas yang termasuk dalam kelas pengetahuan tertentu.
Pengkelasan ialah kaedah sistematik saintifik yang sangat penting, yang amat diperlukan pada peringkat pertama pembentukan pengetahuan asas arah saintifik. Sebagai contoh, dalam sains komputer tanpa pengelasan, tidak ada kesetaraan yang membolehkan anda menyelesaikan tugas penting seperti perbandingan, carian dan pengkategorian. Tanpa klasifikasi dalam sains, kami tidak akan mempunyai sistem organisasi data yang unik dan tidak ternilai seperti jadual berkala.
Model Perwakilan Pengetahuan
Jadual berkala, Jadual Kedudukan, Kanun Jenayah, salasilah keluarga dan sistem pengelasan lain ialah model perwakilan pengetahuan. Ini adalah struktur formal yang menghubungkan pengetahuan tertentu: fakta, fenomena, konsep, proses, objek, hubungan.
Untuk memahami dan memproses pengetahuan tentang bidang subjek tertentu oleh komputer, pengetahuan ini mesti dipersembahkan dalam bentuk formal tertentu. Bergantung kepada tujuan, pemprosesan pengetahuan oleh komputer berlaku mengikut model yang dibina pada algoritma. Sehubungan itu, pengetahuan yang dibentangkan dalam model bergantung pada algoritma untuk memprosesnya.
Terdapat beberapa model perwakilan pengetahuan dalam sistem pakar. Yang utama ialah pengeluaran, bingkai, rangkaian dan logik.
Klasifikasi model
Model perwakilan pengetahuan yang disenaraikan di atas, contoh yang berikut, walaupun meluas, jauh daripada satu-satunya. Hari ini, terdapat banyak model yang berbeza antara satu sama lain dari segi kesahihan, pendekatan terhadap penciptaan dan prinsip organisasinya.
Sebagai contoh, jadual di bawah menunjukkan jenis model perwakilan pengetahuan, pembahagiannya kepada empirikal dan teori, serta pembahagian selanjutnya.
| Model empirikal | Model teori |
| Model pengeluaran | Model logik |
| Model rangkaian | Tatabahasa formal |
| Model bingkai | Model kombinatorial |
| Lenemy | Model algebra |
| Rangkaian saraf | |
| Algoritma genetik |
Pemodelan empirikal
Model organisasi empirikal dan perwakilan pengetahuan mengambil seseorang sebagai contoh dan cuba menjelmakan organisasi ingatan, kesedaran dan mekanisme membuat keputusan dan penyelesaian masalahnya. Pemodelan empirikal merujuk kepada apa-apa jenis model yang dibina berdasarkan pemerhatian empirikal, bukannya hubungan yang boleh diterangkan dan dimodelkan secara matematik.
Pemodelan empirikal ialah istilah umum untuk model perwakilan pengetahuan yang dicipta berdasarkan pemerhatian dan eksperimen.
Model empirikal beroperasi mengikut prinsip semantik mudah: pencipta memerhati interaksi model dan rujukannya. Pemprosesan maklumat yang diterima boleh menjadi "empirikal" dalam pelbagai cara, daripada formula analitikal, hubungan sebab-akibat, kepada percubaan dan kesilapan.
Model pengeluaran perwakilan pengetahuan
Model perwakilan data ini selalunya berdasarkan perhubungan dan kausalitas. Jika maklumat boleh diwakili dalam bentuk keadaan jenis "Jika, Kemudian", maka model itu adalah pengeluaran. Ia paling kerap digunakan dalam aplikasi dan tiruan mudahkecerdasan.
Model pengeluaran perwakilan pengetahuan selalunya adalah program komputer yang menyediakan beberapa bentuk kecerdasan buatan dengan satu set peraturan tingkah laku, serta mekanisme yang diperlukan untuk mematuhi peraturan ini dalam keadaan tertentu.
Pengeluaran (satu set peraturan) terdiri daripada dua bahagian: prasyarat ("JIKA") dan tindakan ("KEMUDIAN"). Jika prasyarat pengeluaran sepadan dengan keadaan semasa dunia, maka model itu berjalan. Model pengeluaran juga mengandungi pangkalan data, kadangkala dirujuk sebagai memori kerja, yang mengandungi pengetahuan semasa.
Kelemahan model pengeluaran ialah jika bilangan peraturan terlalu besar, tindakan model mungkin bercanggah antara satu sama lain.
Rangkaian semantik
Ia berdasarkan integriti imej dan merupakan model perwakilan pengetahuan yang paling visual. Rangkaian semantik paling kerap diwakili sebagai graf atau struktur graf kompleks, nod atau bucunya mewakili objek, konsep, fenomena dan tepi mewakili hubungan antara objek, konsep dan fenomena tertentu.
Rangkaian semantik yang paling mudah boleh digambarkan dengan mudah sebagai segi tiga, yang bucunya adalah konsep seperti, katakan, "anjing", "mamalia" dan "tulang belakang". Dalam kes ini, bucu akan menyambungkan sisi segi tiga, yang boleh dilambangkan dengan sambungan dan hubungan seperti "adalah", "memiliki", "ada". dengan cara ini kita mendapat model perwakilan pengetahuan dari mana kita belajar,bahawa anjing adalah mamalia, mamalia mempunyai tulang belakang, dan anjing mempunyai tulang belakang.
Model sedemikian adalah ilustrasi, dan dengan bantuan mereka, anda boleh mewakili sistem yang kompleks dan hubungan sebab akibat dengan paling berkesan. Di samping itu, rangkaian semantik ini boleh ditambah dengan pengetahuan baru dengan mengembangkan rangkaian sedia ada, iaitu, segitiga boleh diubah menjadi segi empat tepat, kemudian menjadi heksagon, dan kemudian menjadi rangkaian kompleks bentuk bersilang, di mana seseorang boleh memerhati., sebagai contoh, pewarisan harta.
Model bingkai
Model bingkai dinamakan demikian daripada perkataan Inggeris bingkai - bingkai atau bingkai. Bingkai ialah struktur yang mengumpul data yang digunakan untuk mewakili konsep tertentu.
Seperti dalam sosiologi, di mana bingkai ialah sejenis data stereotaip yang mempengaruhi persepsi manusia terhadap dunia dan proses membuat keputusan, dalam sains komputer dan bekerja dengan kecerdasan buatan, bingkai digunakan untuk mencipta data berstruktur yang mewakili situasi stereotaip. Sebenarnya, ini adalah sistem data asas yang awal di mana persepsi dunia melalui kecerdasan buatan dibina.
Selain menjadi model perwakilan pengetahuan yang berkesan, bingkai aktif bukan sahaja dalam sains komputer. Ia pada asalnya merupakan variasi rangkaian semantik.
Bingkai terdiri daripada satu atau lebih slot. Sebaliknya, slot sendiri boleh menjadi bingkai. Oleh itu, model bingkai mampu mewakili objek konsep yang kompleks, membentuk rantaian hierarki yang luas.pengetahuan.
Model bingkai perwakilan pengetahuan mengandungi maklumat tentang cara menggunakan bingkai, perkara yang diharapkan semasa dan selepas menggunakannya serta perkara yang perlu dilakukan apabila jangkaan daripada menggunakan bingkai tidak dipenuhi.
Jenis data tertentu dalam model bingkai ditetapkan, manakala data lain, biasanya disimpan dalam slot terminal, boleh berubah. Slot terminal paling kerap dianggap sebagai pembolehubah. Slot dan bingkai peringkat atas membawa maklumat tentang situasi, yang sentiasa benar, tetapi slot terminal tidak semestinya benar.
Bingkai satu rangkaian kompleks boleh berkongsi slot bingkai lain daripada rangkaian yang sama.
Pangkalan data boleh menyimpan bingkai prototaip (tidak berubah) dan bingkai contoh yang dicipta mengikut situasi untuk mewakili situasi atau konsep tertentu.
Model bingkai perwakilan pengetahuan ialah salah satu yang paling serba boleh dan mampu memaparkan pelbagai jenis pengetahuan:
- struktur bingkai digunakan untuk mewakili konsep dan objek;
- peranan bingkai menunjukkan tanggungjawab peranan;
- skrip bingkai menerangkan tingkah laku;
- situasi bingkai digunakan untuk mewakili keadaan dan aktiviti.
Rangkaian saraf
Algoritma ini juga boleh ditambah secara bersyarat pada kumpulan model berdasarkan pendekatan empirikal terhadap pengetahuan. Malah, rangkaian saraf cuba menyalin proses yang berlaku dalam otak manusia. Mereka adalah berdasarkan teori bahawa sistem kecerdasan buatan dengan struktur yang sama danproses, seperti dalam otak manusia, akan dapat memperoleh hasil yang sama dalam proses membuat keputusan, penilaian situasi dan persepsi realiti.
Pendekatan kukuh secara teori
Model perwakilan pengetahuan matematik, predikatif dan logik adalah berdasarkan pendekatan ini. Model ini menjamin keputusan yang betul kerana ia berdasarkan logik formal. Ia sesuai untuk menyelesaikan masalah mudah dari kawasan subjek yang sempit, selalunya dikaitkan dengan logik formal.
Model logik perwakilan pengetahuan
Ini adalah salah satu model paling popular berdasarkan pendekatan teori. Model logik menggunakan algebra predikat, sistem aksiom dan peraturan inferens. Model logik yang paling biasa menggunakan istilah - pemalar logik, fungsi dan pembolehubah, serta predikat, iaitu ungkapan tindakan logik.
