Tādi sarežģīti jēdzieni kā "domāšana" un "apziņa" un vēl vieglāk definējami, piemēram, "inteliģence" un "zināšanas" dažādu profilu (piemēram, sistēmu analīzes, datorzinātņu, neiropsiholoģijas) speciālistu vidū., psiholoģija, filozofija utt.) var būtiski atšķirties.
Pilnīga, adekvāta zināšanu reprezentācija, ko vienlīdz viennozīmīgi uztver gan cilvēki, gan mašīnas, ir mūsdienu informācijas apmaiņas galvenā problēma. Šādas informācijas apmaiņas pamatā ir jēdzienu un attiecību sistēma, kas veido zināšanas.
Zināšanu klasifikācija
Tās var iedalīt vairākās kategorijās: konceptuālās, konstruktīvās, procesuālās, faktiskās un metazināšanas.
- Konceptuālās zināšanas ir konkrētu jēdzienu kopums, ko izmanto problēmu risināšanā. Tos bieži izmanto fundamentālajās zinātnēs un zinātnes teorētiskajās jomās. Faktiski konceptuālās zināšanas veido zinātnes konceptuālo aparātu.
- Konstruktīvas zināšanas - struktūru, sistēmu un apakšsistēmu kopas, kā arīmijiedarbība starp tām. Aktīvi izmantots tehnoloģijās.
- Procedurālās zināšanas ir lietišķajās zinātnēs visbiežāk izmantotās metodes un algoritmi.
- Faktuālās zināšanas ir objektu un parādību īpašības, gan kvantitatīvās, gan kvalitatīvās. Visbiežāk izmanto eksperimentālajās zinātnēs.
- Metakzināšanas ir jebkuras zināšanas par zināšanām, to organizācijas sistēmu, inženieriju, kā arī to piemērošanas kārtību un noteikumiem.
Zināšanu organizācija
Zināšanu organizēšanas sistēma ir informācijas sniegšanas process ziņojumu veidā, kas var būt pazīstami (mutiska un rakstiska runa, attēli utt.) un neparasti (formulas, kartes objekti, radioviļņi utt.).
Lai zināšanu organizācijas sistēma būtu saprotama un veiksmīga, ir jāizmanto saprotama un konstruktīva noteikumu sistēma, saskaņā ar kuru zināšanas tiks pasniegtas un uztvertas. Lai to izdarītu, persona izmanto valodu un rakstīšanu.
Valoda
Valoda parādījās un attīstījās tāpēc, ka cilvēku uzkrātās zināšanas pastāvīgi ir jāprezentē, jāizsaka, jāuzglabā un jāapmainās. Doma, ko nevar izteikt ar formālu struktūru (valodu, tēlu), zaudē iespēju kļūt par informācijas apmaiņas sastāvdaļu. Tāpēc visā cilvēces vēsturē valoda ir bijusi visefektīvākais zināšanu atspoguļošanas veids.
Jo bagātāka valoda, jo vairāk zināšanu tā pauž, attiecīgi padarot bagātāku tautas kultūru, kas, savukārt, ļauj attīstīt arvien efektīvākas zināšanu organizēšanas sistēmas.
Valodazinātne
Galvenā problēma, izmantojot valodu kā zināšanu reprezentācijas veidu, ir vārdu un teikumu neskaidrā semantiskā nozīme. Tāpēc zinātnes valodai ir īpaša loma zināšanu formalizēšanā.
Zinātnes valodas galvenais mērķis ir tipizēt un standartizēt zināšanu izteiksmes, saspiešanas un uzglabāšanas formas. Izmantojot tipisku, standarta zināšanu izklāstu, var atbrīvoties no valodas polisēmijas vai semantiskās neskaidrības.
Tas, kas valodas evolūcijas dabiskajos apstākļos padara valodu bagātāku (izteikumu polisēmija), kļūst par traucēkli zināšanu apmaiņas procesā, palielinot pārpratuma, semantiskā trokšņa un neviennozīmīgas informācijas uztveres risku.
Zināšanu klasifikācija
Viena no galvenajām zināšanu formalizācijas metodēm ir klasifikācija. Tā ir zināšanu sadale grupās atbilstoši noteiktai klasei. Tas nozīmē, ka tikai informācija, kas atbilst noteiktiem kritērijiem, kas atbilst klasei, ietilpst noteiktā zināšanu klasē.
Klasifikācija ir īpaši svarīga zinātniskās sistemātikas metode, kas ir neaizstājama zinātniskā virziena pamatzināšanu veidošanas pirmajā posmā. Piemēram, datorzinātnēs bez klasifikācijas nav ekvivalences, kas ļauj atrisināt tādus svarīgus uzdevumus kā salīdzināšana, meklēšana un kategorizēšana. Bez klasifikācijas zinātnē mums nebūtu tik unikālu un nenovērtējamu datu organizēšanas sistēmu kā periodiskā tabula.
Zināšanu reprezentācijas modeļi
Periodiskā tabula, Pakāpju tabula, Kriminālkodekss, ciltskoki un citas klasifikācijas sistēmas ir zināšanu atspoguļošanas modeļi. Tās ir formālas struktūras, kas saista noteiktas zināšanas: faktus, parādības, jēdzienus, procesus, objektus, attiecības.
Lai datorā saprastu un apstrādātu zināšanas par konkrēto priekšmeta jomu, šīs zināšanas ir jānorāda noteiktā, formalizētā formā. Atkarībā no mērķa zināšanu apstrāde datorā notiek saskaņā ar modeli, kas veidots uz algoritma. Attiecīgi modelī sniegtās zināšanas ir atkarīgas no to apstrādes algoritma.
Ekspertu sistēmās ir vairāki zināšanu atspoguļošanas modeļi. Galvenās ir ražošanas, rāmja, tīkla un loģiskās.
Modeļu klasifikācija
Iepriekš minētie zināšanu reprezentācijas modeļi, kuru piemēri ir plaši izplatīti, nebūt nav vienīgie. Mūsdienās ir daudz modeļu, kas atšķiras viens no otra pēc derīguma, pieejām to izveidei un organizēšanas principiem.
Piemēram, zemāk esošajā tabulā ir parādīti zināšanu reprezentācijas modeļu veidi, to iedalījums empīriskajā un teorētiskajā, kā arī tālāka iedalīšana.
| Empīriskie modeļi | Teorētiskie modeļi |
| Ražošanas modeļi | Loģiskie modeļi |
| Tīkla modeļi | Formālās gramatikas |
| Rāmju modeļi | Kombinatoriskie modeļi |
| Lenemy | Algebriskie modeļi |
| Neironu tīkli | |
| Ģenētiskie algoritmi |
Empīriskā modelēšana
Empīriskie zināšanu organizēšanas un reprezentācijas modeļi ņem cilvēku par piemēru un cenšas iemiesot viņa atmiņas, apziņas un lēmumu pieņemšanas un problēmu risināšanas mehānismu organizāciju. Empīriskā modelēšana attiecas uz jebkāda veida modeli, kas izveidots, pamatojoties uz empīriskiem novērojumiem, nevis uz attiecībām, kuras var matemātiski aprakstīt un modelēt.
Empīriskā modelēšana ir vispārīgs termins zināšanu reprezentācijas modeļiem, kas izveidoti, pamatojoties uz novērojumiem un eksperimentiem.
Empīriskais modelis darbojas pēc vienkārša semantiska principa: veidotājs novēro modeļa un tā referenta mijiedarbību. Saņemtās informācijas apstrāde var būt "empīriska" daudzos veidos, sākot no analītiskām formulām, cēloņsakarībām un beidzot ar izmēģinājumiem un kļūdām.
Zināšanu reprezentācijas veidošanas modeļi
Šis datu attēlojuma modelis visbiežāk ir balstīts uz attiecībām un cēloņsakarībām. Ja informāciju var attēlot nosacījumu veidā "Ja, Tad", tad modelis ir ražošana. To visbiežāk izmanto lietojumprogrammās un vienkārši mākslīgiinteliģence.
Zināšanu reprezentācijas ražošanas modeļi visbiežāk ir datorprogrammas, kas nodrošina kāda veida mākslīgo intelektu ar uzvedības noteikumu kopumu, kā arī mehānismu, kas nepieciešams šo noteikumu ievērošanai noteiktos apstākļos.
Ražošana (noteikumu kopums) sastāv no divām daļām: priekšnosacījuma (“IF”) un darbības (“TAD”). Ja ražošanas priekšnosacījums atbilst pašreizējam pasaules stāvoklim, modelis darbojas. Ražošanas modelī ir arī datu bāze, ko dažreiz dēvē par darba atmiņu un kurā ir ietvertas pašreizējās zināšanas.
Ražošanas modeļa trūkumi ir tādi, ka, ja noteikumu skaits ir pārāk liels, modeļa darbības var būt pretrunā viena otrai.
Semantiskie tīkli
Tie ir balstīti uz attēla integritāti un ir vizuālākie zināšanu reprezentācijas modeļi. Semantiskais tīkls visbiežāk tiek attēlots kā grafs vai sarežģīta grafa struktūra, kuras mezgli vai virsotnes attēlo objektus, jēdzienus, parādības, bet malas - attiecības starp noteiktiem objektiem, jēdzieniem un parādībām.
Vienkāršāko semantisko tīklu var viegli attēlot kā trīsstūri, kura virsotnes ir tādi jēdzieni kā, piemēram, "suns", "zīdītājs" un "mugurkauls". Šajā gadījumā virsotnes savienos trijstūra malas, kuras var apzīmēt ar tādiem savienojumiem un attiecībām kā "ir", "pieder", "ir". tādā veidā mēs iegūstam zināšanu reprezentācijas modeli, no kura mēs mācāmies,ka suns ir zīdītājs, zīdītājiem ir mugurkauls un sunim ir mugurkauls.
Šādi modeļi ir ilustratīvi, un ar to palīdzību jūs varat visefektīvāk attēlot sarežģītas sistēmas un cēloņsakarības. Turklāt šos semantiskos tīklus var papildināt ar jaunām zināšanām, paplašinot esošu tīklu, tas ir, trīsstūri var pārvērst par taisnstūri, pēc tam par sešstūri un pēc tam par sarežģītu krustojošu formu tīklu, kurā var novērot., piemēram, rekvizītu mantošana.
Rāmja modelis
Rāmja modelis ir nosaukts tā no angļu vārda frame - rāmis vai rāmis. Rāmis ir struktūra, kas apkopo datus, ko izmanto, lai attēlotu konkrētu jēdzienu.
Tāpat kā socioloģijā, kur rāmji ir sava veida stereotipiski dati, kas ietekmē cilvēka pasaules uztveri un lēmumu pieņemšanas procesu, datorzinātnēs un darbā ar mākslīgo intelektu, rāmji tiek izmantoti, lai izveidotu strukturētus datus, kas atspoguļo stereotipiskas situācijas. Faktiski šī ir sākotnējā, pamata datu sistēma, uz kuras balstās mākslīgā intelekta radītā pasaules uztvere.
Ne tikai efektīvi zināšanu reprezentācijas modeļi, tie ir aktīvi ne tikai datorzinātnēs. Sākotnēji tie bija semantisko tīklu varianti.
Rāmis sastāv no viena vai vairākiem slotiem. Savukārt sloti paši var būt rāmji. Tādējādi rāmja modelis spēj attēlot sarežģītus konceptuālus objektus, veidojot plašu hierarhisku ķēdi.zināšanas.
Zināšanu attēlojuma rāmja modelī ir ietverta informācija par to, kā izmantot ietvaru, ko sagaidīt tā lietošanas laikā un pēc tā, kā arī ko darīt, ja ar ietvaru saistītās cerības netiek izpildītas.
Noteikta veida dati kadra modelī ir fiksēti, savukārt citi dati, kas parasti tiek glabāti termināļa slotos, var mainīties. Termināļu sloti visbiežāk tiek uzskatīti par mainīgajiem. Augstākā līmeņa slotos un kadros ir informācija par situāciju, kas vienmēr ir patiesa, taču termināļa slotiem nav jābūt patiesiem.
Viena sarežģīta tīkla kadri var koplietot citu tā paša tīkla kadru slotus.
Datu bāzē var saglabāt prototipu kadrus (nemainīgus) un gadījumu kadrus, kas ir izveidoti atbilstoši situācijai, lai attēlotu konkrētu situāciju vai koncepciju.
Zināšanu attēlojuma rāmja modeļi ir vieni no daudzpusīgākajiem un spēj parādīt dažāda veida zināšanas:
- rāmju struktūras tiek izmantotas, lai attēlotu jēdzienus un objektus;
- rāmja lomas apzīmē lomu pienākumus;
- kadra skripti apraksta uzvedību;
- rāmja situācijas tiek izmantotas, lai attēlotu stāvokli un darbības.
Neironu tīkli
Šos algoritmus var arī nosacīti pievienot modeļu grupai, pamatojoties uz empīrisku pieeju zināšanām. Faktiski neironu tīkli mēģina kopēt procesus, kas notiek cilvēka smadzenēs. Tie ir balstīti uz teoriju, ka mākslīgā intelekta sistēma ar vienādām struktūrām unprocesi, tāpat kā cilvēka smadzenēs, varēs iegūt līdzīgus rezultātus lēmumu pieņemšanas, situāciju izvērtēšanas un realitātes uztveres procesā.
Teorētiski pamatota pieeja
Uz šo pieeju balstās matemātiskie, predikatīvie un loģiskie zināšanu reprezentācijas modeļi. Šie modeļi garantē pareizus lēmumus, jo tie ir balstīti uz formālu loģiku. Tie ir piemēroti vienkāršu problēmu risināšanai no šauras priekšmetu jomas, kas bieži ir saistīta ar formālu loģiku.
Zināšanu reprezentācijas loģiskie modeļi
Šis ir viens no populārākajiem modeļiem, kas balstīts uz teorētisku pieeju. Loģiskajā modelī tiek izmantota predikātu algebra, tās aksiomu sistēma un secinājumu noteikumi. Visbiežāk sastopamajos loģiskajos modeļos tiek izmantoti termini - loģiskās konstantes, funkcijas un mainīgie, kā arī predikāti, tas ir, loģisku darbību izteiksmes.
