Tak złożone pojęcia, jak „myślenie” i „świadomość”, a jeszcze łatwiej definiowalne, takie jak „inteligencja” i „wiedza”, wśród specjalistów o różnych profilach (np. analiza systemowa, informatyka, neuropsychologia)., psychologia, filozofia itp.) mogą się znacznie różnić.
Pełna, adekwatna reprezentacja wiedzy, która jest równie jednoznacznie postrzegana zarówno przez ludzi, jak i maszyny, to główny problem współczesnej wymiany informacji. Taka wymiana informacji opiera się na systemie pojęć i relacji składających się na wiedzę.
Klasyfikacja wiedzy
Można je podzielić na kilka kategorii: koncepcyjne, konstruktywne, proceduralne, merytoryczne i metawiedza.
- Wiedza koncepcyjna to zbiór konkretnych pojęć wykorzystywanych w rozwiązywaniu problemów. Są często wykorzystywane w naukach podstawowych i teoretycznych dziedzinach nauki. W rzeczywistości wiedza pojęciowa stanowi pojęciowy aparat nauki.
- Wiedza konstruktywna - zbiory struktur, systemów i podsystemów, a takżeinterakcje między nimi. Aktywnie używany w technologii.
- Wiedza proceduralna to metody i algorytmy najczęściej używane w naukach stosowanych.
- Wiedza faktograficzna to charakterystyka obiektów i zjawisk, zarówno ilościowa, jak i jakościowa. Najczęściej używany w naukach eksperymentalnych.
- Metawiedza to wszelka wiedza o wiedzy, jej systemie organizacji, inżynierii oraz porządku i zasadach jej stosowania.
Organizacja wiedzy
System organizacji wiedzy to proces dostarczania informacji w formie komunikatów, które mogą być znajome (mowa ustna i pisemna, obrazy itp.) i nietypowe (wzory, obiekty map, fale radiowe itp.).
Aby system organizacji wiedzy był zrozumiały i skuteczny, konieczne jest stosowanie zrozumiałego i konstruktywnego systemu reguł, zgodnie z którymi wiedza będzie prezentowana i postrzegana. Aby to zrobić, osoba używa języka i pisma.
Język
Język pojawił się i rozwinął dzięki temu, że wiedza gromadzona przez ludzi musi być stale prezentowana, wyrażana, przechowywana i wymieniana. Myśl, której nie da się wyrazić za pomocą struktury formalnej (języka, obrazu) traci możliwość stania się częścią wymiany informacji. Dlatego w całej historii ludzkości język był najskuteczniejszą formą reprezentacji wiedzy.
Im bogatszy język, tym więcej wiedzy wyraża odpowiednio, wzbogacając kulturę ludzi, co z kolei pozwala na opracowywanie coraz bardziej efektywnych systemów organizowania wiedzy.
Języknauka
Głównym problemem w używaniu języka jako formy reprezentacji wiedzy jest niejednoznaczne znaczenie semantyczne słów i zdań. Dlatego język nauki odgrywa szczególną rolę w formalizacji wiedzy.
Głównym celem języka nauki jest typowanie i standaryzacja form wyrażania, kompresji i przechowywania wiedzy. Za pomocą typowej, standardowej prezentacji wiedzy można pozbyć się polisemii czy semantycznej niejednoznaczności języka.
To, co w naturalnych warunkach ewolucji języka czyni język bogatszym (polisemia wyrażeń), staje się przeszkodą w procesie wymiany wiedzy, zwiększającą ryzyko niezrozumienia, szumu semantycznego i niejednoznacznego postrzegania informacji.
Klasyfikacja wiedzy
Jedną z głównych metod formalizacji wiedzy jest klasyfikacja. Jest to podział wiedzy na grupy zgodnie z określoną klasą. Oznacza to, że tylko informacje, które spełniają określone kryteria odpowiadające klasie, należą do określonej klasy wiedzy.
Klasyfikacja jest szczególnie ważną metodą systematyki naukowej, która jest niezbędna w pierwszym etapie kształtowania podstawowej wiedzy o kierunku naukowym. Na przykład w informatyce bez klasyfikacji nie ma równoważności, która pozwala na rozwiązywanie tak ważnych zadań, jak porównanie, wyszukiwanie i kategoryzacja. Bez klasyfikacji w nauce nie mielibyśmy tak unikalnych i bezcennych systemów organizacji danych, jak układ okresowy.
Modele reprezentacji wiedzy
Układ okresowy pierwiastków, tabela rang, kodeks karny, drzewa genealogiczne i inne systemy klasyfikacji to modele reprezentacji wiedzy. Są to struktury formalne, które łączą pewną wiedzę: fakty, zjawiska, koncepcje, procesy, przedmioty, relacje.
Aby zrozumieć i przetworzyć wiedzę na dany temat przez komputer, wiedza ta musi być przedstawiona w określonej, sformalizowanej formie. W zależności od celu, przetwarzanie wiedzy przez komputer odbywa się zgodnie z modelem zbudowanym na algorytmie. W związku z tym wiedza prezentowana w modelu zależy od algorytmu jej przetwarzania.
Istnieje kilka modeli reprezentacji wiedzy w systemach eksperckich. Główne z nich to produkcyjna, ramowa, sieciowa i logiczna.
Klasyfikacja modeli
Wymienione powyżej modele reprezentacji wiedzy, których przykłady są następujące, choć rozpowszechnione, nie są jedynymi. Obecnie istnieje wiele modeli, które różnią się od siebie zasadnością, podejściem do ich tworzenia i zasadami organizacji.
Na przykład poniższa tabela przedstawia rodzaje modeli reprezentacji wiedzy, ich podział na empiryczne i teoretyczne oraz dalszy podział.
| Modele empiryczne | Modele teoretyczne |
| Modele produkcyjne | Modele logiczne |
| Modele sieciowe | Gramatyki formalne |
| Modele ramek | Modele kombinatoryczne |
| Lenemy | Modele algebraiczne |
| Sieci neuronowe | |
| Algorytmy genetyczne |
Modelowanie empiryczne
Empiryczne modele organizacji i reprezentacji wiedzy biorą za przykład osobę i starają się ucieleśnić organizację jej pamięci, świadomości oraz mechanizmy podejmowania decyzji i rozwiązywania problemów. Modelowanie empiryczne odnosi się do wszelkiego rodzaju modeli zbudowanych na podstawie obserwacji empirycznych, a nie relacji, które można matematycznie opisać i modelować.
Modelowanie empiryczne to ogólne określenie modeli reprezentacji wiedzy, które są tworzone na podstawie obserwacji i eksperymentów.
Model empiryczny działa zgodnie z prostą zasadą semantyczną: twórca obserwuje interakcję modelu i jego desygnatu. Przetwarzanie otrzymanych informacji może być „empiryczne” na wiele sposobów, od formuł analitycznych, związków przyczynowych, po próby i błędy.
Modele produkcyjne reprezentacji wiedzy
Ten model reprezentacji danych jest najczęściej oparty na związkach i przyczynowości. Jeżeli informacje można przedstawić w postaci warunków typu „Jeżeli, Wtedy”, to model jest produkcyjny. Jest najczęściej używany w aplikacjach i prostych sztucznychinteligencja.
Modele produkcji reprezentacji wiedzy to najczęściej programy komputerowe, które zapewniają pewną formę sztucznej inteligencji z zestawem reguł zachowania, a także mechanizmem niezbędnym do przestrzegania tych reguł w określonych warunkach.
Produkcja (zestaw reguł) składa się z dwóch części: warunku wstępnego („JEŻELI”) i działania („THEN”). Jeśli warunek wstępny produkcji jest zgodny z aktualnym stanem świata, model działa. Model produkcyjny zawiera również bazę danych, czasami nazywaną pamięcią roboczą, która zawiera aktualną wiedzę.
Wady modelu produkcyjnego polegają na tym, że jeśli liczba reguł jest zbyt duża, działania modelu mogą być ze sobą sprzeczne.
Sieci semantyczne
Opierają się na integralności obrazu i są najbardziej wizualnymi modelami reprezentacji wiedzy. Sieć semantyczna jest najczęściej reprezentowana jako graf lub złożona struktura grafu, której węzły lub wierzchołki reprezentują obiekty, pojęcia, zjawiska, a krawędzie reprezentują relacje między pewnymi obiektami, pojęciami i zjawiskami.
Najprostszą sieć semantyczną można łatwo przedstawić jako trójkąt, którego wierzchołkami są takie pojęcia jak, powiedzmy, „pies”, „ssak” i „kręgosłup”. W tym przypadku wierzchołki połączą boki trójkąta, co można określić takimi połączeniami i relacjami, jak „jest”, „posiada”, „ma”. w ten sposób otrzymujemy model reprezentacji wiedzy, z którego się uczymy,że pies jest ssakiem, ssaki mają kręgosłup, a pies ma kręgosłup.
Takie modele mają charakter ilustracyjny i za ich pomocą można najefektywniej przedstawić złożone systemy i związki przyczynowe. Ponadto te sieci semantyczne można uzupełnić o nową wiedzę poprzez rozszerzenie istniejącej sieci, czyli trójkąt można zamienić w prostokąt, następnie w sześciokąt, a następnie w złożoną sieć przecinających się kształtów, w której można obserwować, na przykład dziedziczenie właściwości.
Model ramy
Nazwa modelu ramki pochodzi od angielskiego słowa frame - frame lub frame. Ramka to struktura, która gromadzi dane używane do reprezentowania określonej koncepcji.
Podobnie jak w socjologii, gdzie ramki są rodzajem stereotypowych danych, które wpływają na ludzkie postrzeganie świata i proces podejmowania decyzji, w informatyce i pracy ze sztuczną inteligencją, ramki są używane do tworzenia ustrukturyzowanych danych, które reprezentują stereotypowe sytuacje. W rzeczywistości jest to wstępny, podstawowy system danych, na którym zbudowane jest postrzeganie świata przez sztuczną inteligencję.
Oprócz tego, że są skutecznymi modelami reprezentacji wiedzy, ramy są aktywne nie tylko w informatyce. Pierwotnie były odmianą sieci semantycznych.
Ramka składa się z co najmniej jednego gniazda. Z kolei sloty mogą same być ramkami. W ten sposób model ramy jest w stanie reprezentować złożone obiekty pojęciowe, tworząc szeroki łańcuch hierarchiczny.wiedza.
Model ramek reprezentacji wiedzy zawiera informacje o tym, jak używać ramki, czego można się spodziewać podczas i po jej użyciu oraz co zrobić, gdy oczekiwania związane z użyciem ramki nie są spełnione.
Niektóre rodzaje danych w modelu ramki są stałe, podczas gdy inne dane, zwykle przechowywane w gniazdach terminala, mogą ulec zmianie. Sloty terminalowe są najczęściej traktowane jako zmienne. Szczeliny i ramki najwyższego poziomu przenoszą informacje o sytuacji, co zawsze jest prawdą, ale szczeliny terminala nie muszą być prawdziwe.
Ramki jednej złożonej sieci mogą współdzielić gniazda innych ramek tej samej sieci.
Baza danych może przechowywać ramki prototypowe (niezmienne) i ramki instancji, które są tworzone sytuacyjnie w celu reprezentowania określonej sytuacji lub koncepcji.
Ramkowe modele reprezentacji wiedzy są jednymi z najbardziej wszechstronnych i zdolnych do wyświetlania różnych rodzajów wiedzy:
- struktury ramek są używane do reprezentowania pojęć i obiektów;
- role ramek oznaczają obowiązki ról;
- skrypty ramki opisują zachowanie;
- sytuacje ramek są używane do reprezentowania stanu i działań.
Sieci neuronowe
Algorytmy te można również warunkowo dodać do grupy modeli opartych na empirycznym podejściu do wiedzy. W rzeczywistości sieci neuronowe próbują skopiować procesy zachodzące w ludzkim mózgu. Opierają się na teorii, że system sztucznej inteligencji o tych samych strukturach iprocesy, jak w ludzkim mózgu, będą mogły uzyskać podobne rezultaty w procesie podejmowania decyzji, oceny sytuacji i postrzegania rzeczywistości.
Teoretycznie rozsądne podejście
Matematyczne, predykatywne i logiczne modele reprezentacji wiedzy opierają się na tym podejściu. Modele te gwarantują prawidłowe decyzje, ponieważ opierają się na logice formalnej. Nadają się do rozwiązywania prostych problemów z wąskiego obszaru tematycznego, często związanego z logiką formalną.
Logiczne modele reprezentacji wiedzy
Jest to jeden z najpopularniejszych modeli opartych na podejściu teoretycznym. Model logiczny wykorzystuje algebrę predykatów, jej system aksjomatów i reguły wnioskowania. Najpopularniejsze modele logiczne wykorzystują terminy - stałe logiczne, funkcje i zmienne, a także predykaty, czyli wyrażenia działań logicznych.
