Olyan összetett fogalmak, mint a „gondolkodás” és a „tudat”, és még könnyebben definiált fogalmak, mint az „intelligencia” és a „tudás”, különféle profilú szakemberek (például rendszerelemzés, számítástechnika, neuropszichológia) körében, pszichológia, filozófia stb.) jelentősen eltérhetnek.
A tudás teljes, adekvát megjelenítése, amelyet az emberek és a gépek egyaránt egyértelműen érzékelnek, a modern információcsere fő problémája. Az ilyen információcsere a tudást alkotó fogalmak és kapcsolatok rendszerén alapul.
A tudás osztályozása
Több kategóriába sorolhatók: fogalmi, konstruktív, eljárási, ténybeli és metatudás.
- A fogalmi tudás a problémák megoldásában használt konkrét fogalmak összessége. Gyakran használják az alapvető tudományokban és az elméleti tudományterületeken. Valójában a fogalmi tudás alkotja a tudomány fogalmi apparátusát.
- Konstruktív tudás - struktúrák, rendszerek és alrendszerek halmazai, valamintkölcsönhatások közöttük. Aktívan használják a technológiában.
- Az eljárási ismeretek az alkalmazott tudományokban leggyakrabban használt módszerek és algoritmusok.
- A tényszerű tudás a tárgyak és jelenségek jellemzői, mennyiségi és minőségi egyaránt. Leggyakrabban a kísérleti tudományokban használják.
- Metaktudás minden tudás a tudásról, annak szervezési rendszeréről, tervezéséről, valamint alkalmazásának rendjéről és szabályairól.
Tudásszervezet
A tudásszervezési rendszer olyan üzenetek formájában történő információszolgáltatás folyamata, amelyek lehetnek ismerősek (szóbeli és írásbeli beszéd, képek stb.) és szokatlanok (képletek, térképobjektumok, rádióhullámok stb.).
Ahhoz, hogy egy tudásszervezési rendszer érthető és sikeres legyen, érthető és konstruktív szabályrendszert kell alkalmazni, amely szerint a tudás bemutatása és észlelése történik. Ehhez egy személy nyelvet és írást használ.
Nyelv
A nyelv azért jelent meg és fejlődött, mert az emberek által felhalmozott tudást folyamatosan bemutatni, kifejezni, tárolni és cserélni kell. A formális szerkezettel (nyelvvel, képpel) nem kifejezhető gondolat elveszíti a lehetőséget, hogy az információcsere részévé váljon. Éppen ezért az emberiség történelme során a nyelv volt a tudásábrázolás leghatékonyabb formája.
Minél gazdagabb a nyelv, annál több tudást fejez ki, illetve gazdagabbá teszi az emberek kultúráját, ami viszont lehetővé teszi az ismeretek egyre hatékonyabb rendszerezési rendszerének kialakítását.
Nyelvtudomány
A nyelvnek mint tudásreprezentációs formának a fő problémája a szavak és mondatok kétértelmű szemantikai jelentése. Éppen ezért a tudomány nyelve kiemelt szerepet játszik a tudás formalizálásában.
A tudomány nyelvének fő célja, hogy tipizálja és szabványosítsa a tudás kifejezési, tömörítési és tárolási formáit. A tudás tipikus, standard bemutatása segítségével megszabadulhatunk a nyelv poliszémiájától vagy szemantikai többértelműségétől.
Ami a nyelvi fejlődés természetes körülményei között gazdagabbá tesz egy nyelvet (kifejezések poliszémiája), az akadályozza a tudáscsere folyamatát, növeli a félreértés, a szemantikai zaj és az információ kétértelmű észlelésének kockázatát.
A tudás osztályozása
A tudás formalizálásának egyik fő módszere az osztályozás. Ez a tudás csoportokba osztása egy bizonyos osztálynak megfelelően. Vagyis csak az osztálynak megfelelő bizonyos kritériumoknak megfelelő információ esik egy bizonyos tudásosztályba.
Az osztályozás a tudományos szisztematika különösen fontos módszere, amely elengedhetetlen a tudományos irányú alapismeretek kialakításának első szakaszában. Például az osztályozás nélküli számítástechnikában nincs olyan ekvivalencia, amely lehetővé tenné olyan fontos feladatok megoldását, mint az összehasonlítás, keresés és kategorizálás. A tudomány osztályozása nélkül nem lennének olyan egyedi és felbecsülhetetlen értékű adatszervezési rendszereink, mint a periódusos rendszer.
Tudás-reprezentációs modellek
A periódusos rendszer, a rangsor, a büntető törvénykönyv, a családfák és más osztályozási rendszerek a tudásreprezentáció modelljei. Ezek olyan formális struktúrák, amelyek bizonyos ismereteket kapcsolnak össze: tények, jelenségek, fogalmak, folyamatok, tárgyak, kapcsolatok.
Ahhoz, hogy egy adott tárgykörrel kapcsolatos ismereteket számítógéppel megérthessük és feldolgozzuk, ezeket az ismereteket meghatározott, formalizált formában kell bemutatni. A tudás számítógépes feldolgozása a céltól függően egy algoritmusra épített modell szerint történik. Ennek megfelelően a modellben bemutatott tudás függ a feldolgozó algoritmustól.
A szakértői rendszerekben többféle tudásreprezentációs modell létezik. A főbbek a termelés, a keret, a hálózati és a logikai.
Modellek osztályozása
A fent felsorolt tudásreprezentációs modellek, amelyekre példák következnek, bár széles körben elterjedtek, messze nem az egyetlenek. Manapság sok olyan modell létezik, amelyek érvényessége, létrehozásának megközelítése és szervezési elvei tekintetében különböznek egymástól.
Az alábbi táblázat bemutatja például a tudásreprezentációs modellek típusait, azok empirikus és elméleti felosztását, valamint további felosztását.
| Empirikus modellek | Elméleti modellek |
| Gyártó modellek | Logikai modellek |
| Hálózati modellek | Formális nyelvtan |
| Keretes modellek | Kombinatorikus modellek |
| Lenemy | Algebrai modellek |
| Neurális hálózatok | |
| Genetikus algoritmusok |
Empírikus modellezés
A tudás szerveződésének és reprezentációjának empirikus modelljei egy személyt vesznek példának, és megpróbálják megtestesíteni emlékezetének, tudatának, valamint döntési és problémamegoldó mechanizmusainak szerveződését. Az empirikus modellezés minden olyan modellre vonatkozik, amely empirikus megfigyelések alapján épül fel, nem pedig matematikailag leírható és modellezhető kapcsolatokra.
Az empirikus modellezés a megfigyelések és kísérletek alapján létrehozott tudásreprezentációs modellek általános kifejezése.
Egy empirikus modell egy egyszerű szemantikai elv szerint működik: az alkotó megfigyeli a modell és referense kölcsönhatását. A kapott információk feldolgozása sokféleképpen lehet "empirikus", az analitikus képletektől, az ok-okozati összefüggéseken át a próba és tévedésig.
A tudásreprezentáció termelési modelljei
Ez az adatreprezentációs modell leggyakrabban összefüggéseken és ok-okozati összefüggéseken alapul. Ha az információ "Ha, Akkor" típusú feltételek formájában ábrázolható, akkor a modell termelés. Leggyakrabban alkalmazásokban és egyszerű mesterségesen használjákintelligencia.
A tudásreprezentációs termelési modellek leggyakrabban olyan számítógépes programok, amelyek a mesterséges intelligencia valamilyen formáját biztosítják viselkedési szabályokkal, valamint a szabályok bizonyos feltételek melletti betartásához szükséges mechanizmussal.
A gyártás (szabálykészlet) két részből áll: egy előfeltételből ("HA") és egy műveletből ("AKKOR"). Ha a gyártási feltétel megegyezik a világ jelenlegi állapotával, akkor a modell fut. A termelési modell egy adatbázist is tartalmaz, amelyet néha munkamemóriának is neveznek, és amely tartalmazza az aktuális tudást.
A termelési modell hátránya, hogy ha túl nagy a szabályok száma, akkor a modell műveletei ellentmondhatnak egymásnak.
Szemantikus hálózatok
A kép integritásán alapulnak, és a tudásreprezentáció legvizuálisabb modelljei. A szemantikai hálózatot leggyakrabban gráfként vagy összetett gráfstruktúraként ábrázolják, amelynek csomópontjai vagy csúcsai objektumokat, fogalmakat, jelenségeket, az élek pedig bizonyos objektumok, fogalmak és jelenségek közötti kapcsolatokat ábrázolják.
A legegyszerűbb szemantikai hálózat könnyen ábrázolható háromszögként, amelynek csúcsai olyan fogalmak, mint például a "kutya", az "emlős" és a "gerinc". Ebben az esetben a csúcsok összekötik a háromszög oldalait, amelyeket olyan kapcsolatokkal és kapcsolatokkal jelölhetünk, mint "van", "birtokolja", "van". így egy tudásreprezentációs modellt kapunk, amelyből tanulunk,hogy a kutya emlős, az emlősöknek van gerince, és a kutyának van gerince.
Az ilyen modellek szemléltető jellegűek, segítségükkel lehet a leghatékonyabban ábrázolni összetett rendszereket és ok-okozati összefüggéseket. Ezen túlmenően ezek a szemantikai hálózatok egy meglévő hálózat bővítésével új ismeretekkel egészíthetők ki, vagyis egy háromszögből téglalap, majd hatszög, majd egymást metsző alakzatok komplex hálózata alakítható, amelyben megfigyelhető., például a tulajdonságok öröklődése.
Keretmodell
A keretmodell elnevezése az angol frame szóból származik - frame vagy frame. A keret egy olyan struktúra, amely egy adott fogalom megjelenítésére szolgáló adatokat gyűjt össze.
Ahogyan a szociológiában, ahol a keretek egyfajta sztereotip adatok, amelyek befolyásolják az emberi világfelfogást és a döntéshozatali folyamatot, a számítástechnikában és a mesterséges intelligenciával való munka során a kereteket olyan strukturált adatok létrehozására használják, amelyek sztereotip helyzetek. Valójában ez az a kezdeti, alapvető adatrendszer, amelyre a világ mesterséges intelligencia általi észlelése épül.
Amellett, hogy a tudásreprezentáció hatékony modelljei, a keretek nem csak a számítástechnikában aktívak. Eredetileg a szemantikai hálózatok változatai voltak.
Egy keret egy vagy több helyből áll. A rések viszont maguk is lehetnek keretek. Így a keretmodell képes összetett fogalmi objektumok ábrázolására, széles hierarchikus láncot alkotva.tudás.
A tudásreprezentációs keretmodell információkat tartalmaz arról, hogyan kell egy keretet használni, mire számíthatunk a használata közben és után, és mi a teendő, ha a keret használatával kapcsolatos elvárások nem teljesülnek.
Bizonyos típusú adatok a keretmodellben rögzítettek, míg más adatok, amelyeket általában a terminálnyílásokban tárolnak, változhatnak. A terminálhelyeket leggyakrabban változóként kezelik. A legfelső szintű slotok és keretek információkat hordoznak a helyzetről, ami mindig igaz, de a terminálréseknek nem kell igaznak lenniük.
Egy összetett hálózat keretei megoszthatják ugyanazon hálózat többi keretének slotjait.
Az adatbázis prototípus kereteket (megváltoztathatatlan) és példánykereteket tud tárolni, amelyeket szituáció szerint hoznak létre egy adott helyzet vagy koncepció ábrázolására.
A tudásreprezentáció keretmodelljei az egyik legsokoldalúbb és különféle típusú tudás megjelenítésére alkalmas modellek:
- keretstruktúrák a fogalmak és objektumok ábrázolására szolgálnak;
- a keretszerepek szerepköri felelősséget jelölnek;
- keret szkriptek írják le a viselkedést;
- a kerethelyzetek az állapot és a tevékenységek ábrázolására szolgálnak.
Neurális hálózatok
Ezek az algoritmusok a tudás empirikus megközelítése alapján is feltételesen hozzáadhatók a modellek csoportjához. Valójában a neurális hálózatok megpróbálják lemásolni az emberi agyban zajló folyamatokat. Azon az elméleten alapulnak, hogy egy mesterséges intelligencia rendszer azonos felépítésű ésA folyamatok, mint az emberi agyban, hasonló eredményeket érhetnek el a döntéshozatal, a helyzetértékelés és a valóság észlelésének folyamatában.
Elméletileg megalapozott megközelítés
A tudásreprezentáció matematikai, predikatív és logikai modelljei ezen a megközelítésen alapulnak. Ezek a modellek garantálják a helyes döntéseket, mert formális logikán alapulnak. Alkalmasak egyszerű problémák megoldására szűk témakörből, gyakran formális logikával társítva.
A tudásreprezentáció logikai modelljei
Ez az egyik legnépszerűbb elméleti modell. A logikai modell az predikátum algebrát, annak axiómarendszerét és következtetési szabályait használja. A leggyakoribb logikai modellek kifejezéseket használnak - logikai állandókat, függvényeket és változókat, valamint predikátumokat, azaz logikai műveletek kifejezéseit.
