Такива сложни понятия като „мислене“и „съзнание“и дори по-лесно дефинирани, като „интелигентност“и „знание“, сред специалисти от различни профили (например системен анализ, компютърни науки, невропсихология, психология, философия и др.) могат да се различават значително.
Пълното, адекватно представяне на знанието, което се възприема еднакво недвусмислено както от хората, така и от машините, е основният проблем на съвременния обмен на информация. Такъв обмен на информация се основава на система от понятия и взаимоотношения, които съставляват знанието.
Класификация на знания
Могат да бъдат класифицирани в няколко категории: концептуални, конструктивни, процедурни, фактически и метазнание.
- Концептуалното знание е набор от специфични понятия, използвани при решаването на проблеми. Те често се използват във фундаменталните науки и теоретичните области на науката. Всъщност концептуалното знание съставлява концептуалния апарат на науката.
- Конструктивни знания - набори от структури, системи и подсистеми, както ивзаимодействия между тях. Използва се активно в технологиите.
- Процедурните знания са методите и алгоритмите, най-често използвани в приложните науки.
- Фактическите знания са характеристиките на обекти и явления, както количествени, така и качествени. Най-често се използва в експерименталните науки.
- Metaknowledge е всяко знание за знанието, неговата система на организация, неговото инженерство и реда и правилата за неговото прилагане.
Организация на знанието
Системата за организация на знанието е процесът на предоставяне на информация под формата на съобщения, които могат да бъдат познати (устна и писмена реч, картини и др.) и необичайни (формули, обекти на карта, радиовълни и т.н.).
За да бъде разбираема и успешна една система за организация на знанието, е необходимо да се използва разбираема и конструктивна система от правила, според които знанието ще се представя и възприема. За да направи това, човек използва език и писменост.
Език
Езикът се появи и разви поради факта, че натрупаните от хората знания постоянно трябва да се представят, изразяват, съхраняват и обменят. Мисъл, който не може да бъде изразен чрез формална структура (език, образ), губи възможността да стане част от обмена на информация. Ето защо през цялата история на човечеството езикът е бил най-ефективната форма на представяне на знанието.
Колкото по-богат е езикът, толкова повече знания изразява, съответно, прави културата на хората по-богата, което от своя страна ви позволява да развивате все по-ефективни системи за организиране на знания.
Езикнаука
Основният проблем при използването на езика като форма на представяне на знанието е нееднозначното семантично значение на думите и изреченията. Ето защо езикът на науката играе специална роля при формализирането на знанието.
Основната цел на езика на науката е да типизира и стандартизира формите на изразяване, компресиране и съхранение на знания. С помощта на типично, стандартно представяне на знания, човек може да се отърве от многозначността или семантичната неяснота на езика.
Това, което в естествените условия на езиковата еволюция прави езика по-богат (полисемия от изрази), се превръща в пречка в процеса на обмен на знания, увеличавайки риска от неразбиране, семантичен шум и нееднозначно възприемане на информацията.
Класификация на знания
Един от основните методи за формализиране на знанието е класификацията. Това е разпределението на знанията в групи в съответствие с определен клас. Тоест само информация, която отговаря на определени критерии, съответстващи на класа, попада в определен клас знания.
Класификацията е особено важен метод на научната систематика, който е незаменим на първия етап от формирането на основни знания за дадено научно направление. Например, в компютърните науки без класификация няма еквивалентност, която ви позволява да решавате такива важни задачи като сравнение, търсене и категоризиране. Без класификация в науката нямаше да имаме такива уникални и безценни системи за организация на данни като периодичната таблица.
Модели за представяне на знанието
Периодичната таблица, таблицата на ранговете, Наказателният кодекс, родословните дървета и други системи за класификация са модели за представяне на знанието. Това са формални структури, които свързват определени знания: факти, явления, понятия, процеси, обекти, взаимоотношения.
За да се разбере и обработи знанията за определена предметна област от компютър, тези знания трябва да бъдат представени в определена формализирана форма. В зависимост от целта, обработката на знания от компютър се извършва в съответствие с модел, изграден по алгоритъм. Съответно, представените в модела знания зависят от алгоритъма за обработката му.
Има няколко модела на представяне на знанието в експертни системи. Основните са производство, рамка, мрежа и логика.
Класификация на модели
Изброените по-горе модели за представяне на знания, примери за които следват, макар и широко разпространени, далеч не са единствените. Днес има много модели, които се различават един от друг по отношение на валидност, подходи към тяхното създаване и принципи на организация.
Например, таблицата по-долу показва видовете модели на представяне на знанието, тяхното разделяне на емпирични и теоретични, както и по-нататъшно подразделение.
| Емпирични модели | Теоретични модели |
| Производствени модели | Логически модели |
| Мрежови модели | Официални граматики |
| Модели с рамки | Комбинаторни модели |
| Lenemy | Алгебрични модели |
| Невронни мрежи | |
| Генетични алгоритми |
Емпирично моделиране
Емпиричните модели на организация и представяне на знанието вземат за пример човек и се опитват да олицетворяват организацията на неговата памет, съзнание и механизми за вземане на решения и решаване на проблеми. Емпиричното моделиране се отнася до всякакъв вид модел, изграден на базата на емпирични наблюдения, а не на връзки, които могат да бъдат математически описани и моделирани.
Емпиричното моделиране е общ термин за модели на представяне на знания, които се създават на базата на наблюдения и експерименти.
Емпиричният модел работи според прост семантичен принцип: създателят наблюдава взаимодействието на модела и неговия референт. Обработката на получената информация може да бъде „емпирична“по много начини, от аналитични формули, причинно-следствени връзки до опит и грешка.
Производствени модели на представяне на знания
Този модел за представяне на данни най-често се основава на връзки и причинно-следствена връзка. Ако информацията може да бъде представена под формата на условия от типа "Ако, Тогава", тогава моделът е производствен. Най-често се използва в приложения и обикновени изкуствениинтелигентност.
Производствените модели за представяне на знания са най-често компютърни програми, които предоставят някаква форма на изкуствен интелект с набор от правила на поведение, както и механизма, необходим за спазване на тези правила при определени условия..
Производството (набор от правила) се състои от две части: предварително условие („IF“) и действие („THEN“). Ако предпоставката за производство съответства на текущото състояние на света, тогава моделът работи. Производственият модел също съдържа база данни, понякога наричана работна памет, която съдържа текущи знания.
Недостатъците на производствения модел са, че ако броят на правилата е твърде голям, действията на модела могат да противоречат едно на друго.
Семантични мрежи
Те се основават на целостта на изображението и са най-визуалните модели на представяне на знанието. Семантичната мрежа най-често се представя като графика или сложна графова структура, чиито възли или върхове представляват обекти, понятия, явления, а ръбовете представляват връзки между определени обекти, понятия и явления.
Най-простата семантична мрежа може лесно да бъде представена като триъгълник, чиито върхове са понятия като, да речем, "куче", "бозайник" и "гръбначен стълб". В този случай върховете ще свързват страните на триъгълника, които могат да бъдат обозначени с такива връзки и отношения като "е", "притежава", "има". по този начин получаваме модел на представяне на знанието, от който се учим,че кучето е бозайник, бозайниците имат гръбнак, а кучето има гръбнак.
Такива модели са илюстративни и с тяхна помощ можете най-ефективно да представите сложни системи и причинно-следствени връзки. В допълнение, тези семантични мрежи могат да бъдат допълнени с нови знания чрез разширяване на съществуваща мрежа, тоест триъгълник може да се превърне в правоъгълник, след това в шестоъгълник и след това в сложна мрежа от пресичащи се форми, в която може да се наблюдава, например, наследяване на свойства.
Модел на рамката
Моделът на рамката е наречен така от английската дума frame - рамка или рамка. Рамката е структура, която събира данни, използвани за представяне на определена концепция.
Както в социологията, където рамки са вид стереотипни данни, които влияят върху човешкото възприятие за света и процеса на вземане на решения, в компютърните науки и работата с изкуствен интелект, рамки се използват за създаване на структурирани данни, които представляват стереотипни ситуации. Всъщност това е първоначалната, основна система от данни, върху която се изгражда светоусещането от изкуствен интелект.
Освен че са ефективни модели на представяне на знанието, фреймовете са активни не само в компютърните науки. Първоначално те бяха вариант на семантични мрежи.
Рамка се състои от един или повече слотове. От своя страна слотовете могат сами да бъдат рамки. По този начин рамковият модел е в състояние да представи сложни концептуални обекти, образувайки широка йерархична верига.знания.
Моделът на рамката за представяне на знания съдържа информация за това как да използвате рамка, какво да очаквате по време и след използването й и какво да направите, когато очакванията от използването на рамка не са изпълнени.
Определени видове данни в модела на рамката са фиксирани, докато други данни, обикновено съхранявани в терминални слотове, могат да се променят. Терминалните слотове най-често се третират като променливи. Слотовете и кадрите от най-високо ниво носят информация за ситуацията, което винаги е вярно, но не е необходимо терминалните слотове да са верни.
Рамките от една сложна мрежа могат да споделят слотовете на други рамки от същата мрежа.
Базата данни може да съхранява прототипни рамки (неизменни) и екземпляри, които са създадени ситуативно, за да представят конкретна ситуация или концепция.
Моделите на рамката за представяне на знания са едни от най-универсалните и способни да показват различни видове знания:
- структурите на рамката се използват за представяне на понятия и обекти;
- рамковите роли означават отговорности за роли;
- рамкови скриптове описват поведение;
- ситуациите на рамката се използват за представяне на състояние и дейности.
Невронни мрежи
Тези алгоритми също могат условно да бъдат добавени към групата на моделите, базирани на емпиричен подход към знанието. Всъщност невронните мрежи се опитват да копират процесите, протичащи в човешкия мозък. Те се основават на теорията, че система за изкуствен интелект със същите структури ипроцесите, както в човешкия мозък, ще могат да получат подобни резултати в процеса на вземане на решения, оценка на ситуациите и възприемане на реалността.
Теоретично разумен подход
Математически, предикативни и логически модели на представяне на знанието се основават на този подход. Тези модели гарантират правилни решения, защото се основават на формална логика. Те са подходящи за решаване на прости задачи от тясна предметна област, често свързани с формална логика.
Логически модели на представяне на знанието
Това е един от най-популярните модели, базирани на теоретичен подход. Логическият модел използва предикатната алгебра, нейната система от аксиоми и правила за извод. Най-често срещаните логически модели използват термини - логически константи, функции и променливи, както и предикати, тоест изрази на логически действия.
