logo

Što je reprezentacija znanja?

Ljudi su najbolji u razumijevanju, zaključivanju i tumačenju znanja. Ljudi znaju stvari, što je znanje i prema svom znanju izvode različite radnje u stvarnom svijetu. Ali način na koji strojevi rade sve te stvari dolazi pod znanje i rezoniranje . Stoga reprezentaciju znanja možemo opisati na sljedeći način:

  • Predstavljanje znanja i rasuđivanje (KR, KRR) dio je umjetne inteligencije koji se bavi razmišljanjem AI agenata i načinom na koji razmišljanje doprinosi inteligentnom ponašanju agenata.
  • Odgovorno je za predstavljanje informacija o stvarnom svijetu tako da računalo može razumjeti i koristiti to znanje za rješavanje složenih problema stvarnog svijeta kao što je dijagnoza medicinskog stanja ili komunikacija s ljudima prirodnim jezikom.
  • To je također način koji opisuje kako možemo predstaviti znanje u umjetnoj inteligenciji. Predstavljanje znanja nije samo pohranjivanje podataka u neku bazu podataka, već također omogućuje inteligentnom stroju da uči iz tog znanja i iskustava kako bi se mogao ponašati inteligentno poput čovjeka.

Što predstavljati:

Slijede vrste znanja koje treba predstaviti u sustavima umjetne inteligencije:

    Objekt:Sve činjenice o objektima u našem svijetu. Npr. gitare sadrže žice, trube su limeni puhački instrumenti.Događaji:Događaji su radnje koje se događaju u našem svijetu.Izvođenje:Opisuje ponašanje koje uključuje znanje o tome kako raditi stvari.Meta-znanje:To je znanje o onome što znamo.činjenice:Činjenice su istine o stvarnom svijetu i onome što predstavljamo.Baza znanja:Središnja komponenta agenata temeljenih na znanju je baza znanja. Predstavljen je kao KB. Baza znanja je grupa rečenica (ovdje se rečenice koriste kao tehnički izraz i nisu identične s engleskim jezikom).

Znanje: Znanje je svijest ili bliskost stečena iskustvima činjenica, podataka i situacija. Slijede vrste znanja u umjetnoj inteligenciji:

Vrste znanja

Slijede različite vrste znanja:

Reprezentacija znanja u umjetnoj inteligenciji

1. Deklarativno znanje:

  • Deklarativno znanje je znati o nečemu.
  • Uključuje pojmove, činjenice i objekte.
  • Također se naziva deskriptivnim znanjem i izražava se deklarativnim rečenicama.
  • Jednostavniji je od proceduralnog jezika.

2. Proceduralno znanje

  • Također je poznato kao imperativno znanje.
  • Proceduralno znanje je vrsta znanja koja je odgovorna za znanje kako nešto učiniti.
  • Može se izravno primijeniti na bilo koji zadatak.
  • Uključuje pravila, strategije, procedure, planove itd.
  • Proceduralno znanje ovisi o zadatku na kojem se može primijeniti.

3. Meta-znanje:

  • Znanje o drugim vrstama znanja naziva se meta-znanje.

4. Heurističko znanje:

pretvoriti string datum
  • Heurističko znanje predstavlja znanje nekih stručnjaka u nekom području ili predmetu.
  • Heurističko znanje su pravila koja se temelje na prethodnim iskustvima, svijesti o pristupima i koja su dobra za rad, ali nisu zajamčena.

5. Strukturno znanje:

  • Strukturno znanje je osnovno znanje za rješavanje problema.
  • Opisuje odnose između različitih koncepata kao što su vrsta, dio i grupiranje nečega.
  • Opisuje odnos koji postoji između pojmova ili objekata.

Odnos znanja i inteligencije:

Poznavanje stvarnih svjetova igra vitalnu ulogu u inteligenciji, a isto tako iu stvaranju umjetne inteligencije. Znanje igra važnu ulogu u demonstriranju inteligentnog ponašanja agenata AI. Agent može točno djelovati na neki input samo ako ima neko znanje ili iskustvo o tom inputu.

Pretpostavimo da ste sreli neku osobu koja govori jezikom koji ne poznajete, kako ćete onda moći reagirati na to. Ista stvar vrijedi i za inteligentno ponašanje agenata.

Kao što možemo vidjeti na donjem dijagramu, postoji jedan donositelj odluka koji djeluje osjećajući okolinu i koristeći znanje. Ali ako se dio znanja tada ne predstavi, ne može pokazati inteligentno ponašanje.

Reprezentacija znanja u umjetnoj inteligenciji

Ciklus znanja AI:

Sustav umjetne inteligencije ima sljedeće komponente za prikazivanje inteligentnog ponašanja:

  • Percepcija
  • Učenje
  • Predstavljanje znanja i rasuđivanje
  • Planiranje
  • Izvršenje
Reprezentacija znanja u umjetnoj inteligenciji

Gornji dijagram pokazuje kako AI sustav može komunicirati sa stvarnim svijetom i koje komponente mu pomažu da pokaže inteligenciju. AI sustav ima Perception komponentu pomoću koje dohvaća informacije iz svog okruženja. To može biti vizualni, audio ili neki drugi oblik osjetilnog unosa. Komponenta učenja je odgovorna za učenje iz podataka koje je uhvatio Perception comporment. U cijelom ciklusu glavne komponente su reprezentacija znanja i rasuđivanje. Ove dvije komponente uključene su u pokazivanje inteligencije kod ljudi sličnih strojevima. Ove dvije komponente su neovisne jedna o drugoj, ali su također povezane zajedno. Planiranje i izvođenje ovise o analizi reprezentacije znanja i zaključivanju.

Pristupi predstavljanju znanja:

Postoje uglavnom četiri pristupa predstavljanju znanja, koji su navedeni u nastavku:

1. Jednostavno relacijsko znanje:

  • To je najjednostavniji način pohranjivanja činjenica koji koristi relacijsku metodu, a svaka činjenica o skupu predmeta sustavno je prikazana u stupcima.
  • Ovaj pristup predstavljanja znanja je poznat u sustavima baza podataka gdje je predstavljen odnos između različitih entiteta.
  • Ovaj pristup ima malo mogućnosti za zaključivanje.

Primjer: Slijedi jednostavan prikaz relacijskog znanja.

Igrač Težina Dob
Igrač1 65 23
Igrač2 58 18
Igrač3 75 24

2. Nasljedno znanje:

  • U pristupu naslijeđenog znanja, svi podaci moraju biti pohranjeni u hijerarhiji klasa.
  • Sve klase trebaju biti raspoređene u generaliziranom obliku ili hijerarhijski.
  • U ovom pristupu primjenjujemo nasljednu imovinu.
  • Elementi nasljeđuju vrijednosti od drugih članova klase.
  • Ovaj pristup sadrži nasljedno znanje koje pokazuje odnos između instance i klase, a naziva se relacija instance.
  • Svaki pojedinačni okvir može predstavljati skup atributa i njegovu vrijednost.
  • U ovom pristupu, objekti i vrijednosti predstavljeni su u okvirnim čvorovima.
  • Koristimo strelice koje pokazuju od objekata do njihovih vrijednosti.
  • Primjer:
Reprezentacija znanja u umjetnoj inteligenciji

3. Inferencijalno znanje:

  • Inferencijalni pristup znanja predstavlja znanje u obliku formalne logike.
  • Ovaj pristup se može koristiti za izvođenje više činjenica.
  • Garantirala je ispravnost.
  • Primjer:Pretpostavimo da postoje dvije izjave:
    1. Marcus je muškarac
    2. Svi ljudi su smrtni
      Tada se može predstavljati kao;

      čovjek (Marcus)
      ∀x = čovjek (x) ----------> smrtnik (x)s

4. Proceduralno znanje:

  • Pristup proceduralnog znanja koristi male programe i kodove koji opisuju kako učiniti određene stvari i kako nastaviti.
  • U ovom pristupu koristi se jedno važno pravilo koje je Ako-onda pravilo .
  • U ovom znanju možemo koristiti različite jezike kodiranja kao što su LISP jezik i Prolog jezik .
  • Pomoću ovog pristupa lako možemo prikazati heurističko znanje ili znanje specifično za domenu.
  • Ali nije nužno da možemo prikazati sve slučajeve u ovom pristupu.

Zahtjevi za sustav reprezentacije znanja:

Dobar sustav reprezentacije znanja mora posjedovati sljedeća svojstva.

    1. Točnost prikaza:
    KR sustav bi trebao imati sposobnost predstavljanja svih vrsta potrebnog znanja.2. Inferencijalna adekvatnost:
    KR sustav bi trebao imati sposobnost manipuliranja reprezentacijskim strukturama kako bi proizveo novo znanje koje odgovara postojećoj strukturi.3. Inferencijalna učinkovitost:
    Sposobnost usmjeravanja mehanizma zaključivanja znanja u najproduktivnije smjerove pohranjivanjem odgovarajućih vodiča.4. Akvizicijska učinkovitost-Sposobnost lakog stjecanja novih znanja automatskim metodama.