Modely reprezentace znalostí: druhy, klasifikace a metody aplikace

Složité pojmy jako "myšlení" a "vědomí" a ještě snadněji definované, jako jsou "inteligence" a "znalosti", mají specialisté různých profilů (například systémová analýza, Informatika, neuropsychologie, psychologie, filozofie atd.).) se mohou výrazně lišit.

Kompletní, adekvátní reprezentace znalostí, která je vnímána stejně jednoznačně jak lidmi, tak stroji, je hlavním problémem moderní informační výměna. Taková výměna informací je založena na systému konceptů a vztahů, které tvoří znalosti.

Klasifikace znalostí

Mohou být rozděleny do několika kategorií: konceptuální, konstruktivní, procedurální, faktografické a metasnania.

• Koncepční znalosti - soubor určitých konceptů používaných při řešení problémů. Často se používají v základních vědách a teoretických oborech věd. Ve skutečnosti koncepční znalosti tvoří koncepční aparát vědy.
• Konstruktivní znalosti - sady struktur, systémů a subsystémů a interakce mezi nimi. Aktivně se používají v technice.
• Procedurální znalosti - metody a algoritmy používané v aplikovaných vědách nejčastěji.
• Faktografické znalosti – vlastnosti objektů a jevů, kvantitativní i kvalitativní. Nejčastěji se používají v experimentálních vědách.
• Metasnania - jakékoli znalosti o znalostech, jejich organizačním systému, jejich inženýrství a pořadí a pravidlech jejich aplikace.

Organizace znalostí

Systém organizace znalostí je proces poskytování informací ve formě zpráv, které mohou být známé (ústní a písemná řeč, kresby atd.).d.) a neobvyklé (vzorce, objekty geografické mapy, rádiové vlny atd.).

Aby byl systém organizace znalostí srozumitelný a úspěšný, je nutné použít srozumitelný a konstruktivní systém pravidel, podle kterého budou znalosti prezentovány a přijímány. K tomu osoba používá jazyk a psaní.

Jazyk

Jazyk se objevil a vyvinul, protože znalosti získané lidmi neustále potřebují reprezentaci, vyjádření, skladování a výměnu. Myšlenka, kterou nelze vyjádřit formální konstrukcí (jazyk, obrázek), ztrácí příležitost stát se součástí výměny informací. Proto byl jazyk v průběhu lidské historie nejúčinnější formou reprezentace znalostí.

Čím bohatší je jazyk, tím více znalostí vyjadřuje, čímž je kultura lidí bohatší, což zase umožňuje vývoj stále účinnějších systémů organizace znalostí.

Jazyk vědy

Hlavním problémem při používání jazyka jako formy reprezentace znalostí je nejednoznačný sémantický význam slov a vět. Proto jazyk vědy hraje zvláštní roli při formalizaci znalostí.

Hlavním účelem jazyka vědy je typizovat a standardizovat formy vyjádření, komprese a ukládání znalostí. Pomocí typického standardního výkladu znalostí se můžete zbavit polysémie nebo sémantické polysémie jazyka.

To, co v přirozeném prostředí jazykové evoluce činí jazyk bohatším (polysemika výrazů), se v procesu sdílení znalostí stává překážkou, což zvyšuje riziko nedorozumění, sémantického šumu a nejednoznačného vnímání informací.

Klasifikace znalostí

Jednou z hlavních metod formalizace znalostí je klasifikace. Jedná se o rozdělení znalostí do skupin podle konkrétní třídy. To znamená, že do určité třídy znalostí spadají pouze informace, které splňují určitá kritéria odpovídající třídě.

Klasifikace je obzvláště důležitá metoda vědecké systematiky, bez které se neobejdete v první fázi formování základních znalostí vědeckého směru. Například v informatice Bez klasifikace neexistuje ekvivalence, která umožňuje řešení důležitých problémů, jako je srovnání, vyhledávání a kategorizace. Bez klasifikace ve vědě bychom neobdrželi takové jedinečné a neocenitelné systémy organizace dat, jako je periodická tabulka.

Modely reprezentace znalostí

Periodická tabulka, vysvědčení o hodnosti, trestní zákoník, rodokmen a další klasifikační systémy představují modely reprezentace znalostí. Jedná se o formální struktury, které spojují určité znalosti: fakta, jevy, koncepty, procesy, objekty, vztahy.

Aby bylo možné počítačově porozumět a zpracovat znalosti o samostatné doméně, musí být tyto znalosti prezentovány určitým formalizovaným způsobem. V závislosti na cíli probíhá zpracování znalostí počítačem podle modelu postaveného na algoritmu. Znalosti uvedené v modelu tedy závisí na algoritmu jejich zpracování.

Existuje několik modelů reprezentace znalostí v expertních systémech. Hlavní jsou produkty, rámce, sítě a logické.

Klasifikace modelů

Výše uvedené modely reprezentace znalostí, příklady, které následují, i když rozšířené, zdaleka nejsou jediné. Dnes existuje mnoho modelů, které se navzájem liší v platnosti, přístupech k nim vytvoření a principy společnost.

Například níže uvedená tabulka ukazuje druhy modelů reprezentace znalostí, jejich rozdělení na empirické a teoretické a další rozdělení.

Empirické modelování

Empirické modely organizace a reprezentace znalostí berou jako příklad člověka a snaží se ztělesnit organizaci jeho paměti, vědomí a mechanismů rozhodování a řešení problémů. Empirické modelování se týká jakéhokoli druhu modelů postavených spíše na empirických pozorováních než na vztazích, které lze matematicky popsat a modelovat.

Empirické modelování-obecné označení pro modely reprezentace znalostí, které jsou vytvářeny pozorováním a experimentováním.

Empirický model funguje podle jednoduchého sémantického principu: tvůrce sleduje interakci modelu a jeho referenta. Zpracování získaných informací může být" empirické " různými způsoby, od analytických vzorců, příčinných souvislostí až po metodu pokusů a omylů.

Produktové modely reprezentace znalostí

Tento model předpojatosti dat je nejčastěji založen na vztazích a příčinných souvislostech. Pokud lze informace prezentovat jako podmínky jako " Pokud

Produktové modely reprezentace znalostí jsou nejčastěji počítačové programy, které poskytují určitou formu umělá inteligence vedle pravidla chování, a také zahrnují mechanismus, nezbytné pro dodržovat tato pravidla za dodržených podmínek.

Produkce (sada pravidel) se skládá ze dvou částí: předpoklad ("pokud") a akce ("pak"). Pokud předpoklad produktu odpovídá aktuálnímu stavu světa, spustí se model. Produktový model také obsahuje databázi, někdy označovanou jako pracovní paměť, která obsahuje aktuální znalosti.

Nevýhody produktového modelu jsou, že s příliš velkým počtem pravidel mohou být modely v rozporu.

Sémantické sítě

Jsou založeny na integritě obrazu a jsou nejviditelnějšími modely reprezentace znalostí. Sémantický web je nejčastěji reprezentován jako graf nebo složitá grafická struktura, jejíž uzly nebo vrcholy jsou objekty, koncepty, jevy a hrany jsou vztahy mezi určitými objekty, koncepty a jevy.

Nejjednodušší sémantický web lze snadno reprezentovat jako trojúhelník, jehož vrcholy jsou pojmy jako, řekněme, "Pes", "savec" a "páteř". V tomto případě vrcholy spojí strany trojúhelníku, které lze označit vazbami a vztahy jako "je", "má", "má". tímto způsobem získáme model reprezentace znalostí ze kterého se dozvíme, že pes je savec, savci mají páteř a pes má páteř.

Takové modely jsou vizuální a s jejich pomocí si můžete nejúčinněji představit složité systémy a kauzální vztahy. Kromě toho lze tyto sémantické sítě doplnit novými znalostmi rozšířením již existujícího webu, tj.

Rámový model

Rámový model je pojmenován tak z anglického slova rám-rám nebo rám. Rámec se nazývá struktura, která shromažďuje data použitá k reprezentaci konkrétního konceptu.

Stejně jako v sociologii, kde jsou rámce označovány jako druh stereotypních dat, která ovlivňují lidské vnímání světa a proces rozhodování, v informatice a při práci s umělou inteligencí se rámce používají k vytváření strukturovaných dat představujících stereotypní situace. Ve skutečnosti je to počáteční, základní datový systém, na kterém je postaveno vnímání světa umělou inteligencí.

Kromě toho, jako efektivní modely reprezentace znalostí, rámce jsou aktivní nejen v informatice. Původně to byla variace sémantických sítí.

Rám se skládá z jednoho nebo více slotů. Na oplátku mohou být sloty samy o sobě rámy. Rámcový model je tedy schopen reprezentovat složité koncepční objekty a vytvářet široký hierarchický řetězec znalostí.

Rámcový model reprezentace znalostí obsahuje informace o použití rámce, co očekávat během a po jeho použití a co dělat, když očekávání použití rámce nebyla splněna.

Určité druhy dat v rámcovém modelu jsou neměnné, zatímco jiná data obvykle uložená v terminálových slotech se mohou měnit. Terminálové sloty jsou nejčastěji považovány za proměnné. Sloty a rámečky nejvyšší úrovně nesou informace o situaci, která je vždy správná, ale terminálové sloty nemusí být pravdivé.

Rámce jedné složité sítě mohou mezi sebou sdílet sloty jiných rámců stejné sítě.

Databáze může ukládat prototypové rámce (neměnné) a instanční rámce, které jsou vytvářeny situačně, aby představovaly konkrétní situaci nebo konkrétní koncept.

Rámcové modely reprezentace znalostí patří mezi nejuniverzálnější a jsou schopny zobrazit různé druhy znalostí:

• rámcové struktury se používají k reprezentaci konceptů a objektů;
• rámcové role označují role;
• rámcové skripty popisují chování;
• rámcové situace se používají k reprezentaci stavu a druhů činnosti.

Neurosety

Tyto algoritmy lze také podmíněně připojit ke skupině modelů založených na empirickém přístupu ke znalostem. Neuronové sítě se ve skutečnosti snaží kopírovat procesy probíhající v lidském mozku. Jsou založeny na teorii, že umělý systém inteligence se stejnými strukturami a procesy jako v lidském mozku bude schopen získat podobné výsledky v rozhodovacím procesu, hodnocení situací a vnímání reality.

Teoreticky platný přístup

Na tomto přístupu jsou založeny matematické, predikativní a logické modely reprezentace znalostí. Tyto modely zaručují správnost rozhodnutí, protože jsou založena na formální logice. Jsou vhodné pro řešení jednoduchých problémů z úzké domény, často spojené s formální logikou.

Logické modely reprezentace znalostí

To je jeden z nejvíce populární modely, na základě teoretického přístupu. Logický model používá predikátovou algebru, její systém axiomů a odvozovacích pravidel. Nejběžnější jsou logické modely používají termální logické konstanty, funkce a proměnné a predikáty, tj.