Sådan komplekse begreber som "tænkning" og "bevidsthed", og endnu lettere definerede, såsom "intelligens" og "viden", blandt specialister med forskellige profiler (f.eks. systemanalyse, datalogi, neuropsykologi, psykologi, filosofi osv.) kan variere betydeligt.
Fuldstændig, tilstrækkelig repræsentation af viden, som opfattes lige entydigt af både mennesker og maskiner, er hovedproblemet ved moderne informationsudveksling. Sådan informationsudveksling er baseret på et system af begreber og relationer, der udgør viden.
Klassificering af viden
De kan klassificeres i flere kategorier: konceptuel, konstruktiv, proceduremæssig, faktuel og metaviden.
- Begrebsviden er et sæt specifikke begreber, der bruges til at løse problemer. De bruges ofte inden for de grundlæggende videnskaber og videnskabsteoretiske områder. Faktisk udgør begrebsviden videnskabens begrebsapparat.
- Konstruktiv viden - sæt af strukturer, systemer og delsystemer, samtinteraktioner mellem dem. Aktivt brugt i teknologi.
- Procedurel viden er de metoder og algoritmer, der oftest bruges i anvendt videnskab.
- Faktisk viden er karakteristika for objekter og fænomener, både kvantitative og kvalitative. Oftest brugt i eksperimentelle videnskaber.
- Metaknowledge er enhver viden om viden, dens organisationssystem, dens konstruktion og rækkefølgen og reglerne for dens anvendelse.
Videnorganisation
Vidensorganisationssystem er processen med at give information i form af beskeder, der kan være velkendte (mundtlig og skriftlig tale, billeder osv.) og usædvanlige (formler, kortobjekter, radiobølger osv.).
For at et videnorganisationssystem skal være forståeligt og vellykket, er det nødvendigt at bruge et forståeligt og konstruktivt system af regler, som viden vil blive præsenteret og opfattet efter. For at gøre dette bruger en person sprog og skrift.
Sprog
Sprog dukkede op og udviklede sig på grund af det faktum, at den viden, som mennesker opsamler, konstant skal præsenteres, udtrykkes, lagres og udveksles. En tanke, der ikke kan udtrykkes ved en formel struktur (sprog, billede), mister muligheden for at blive en del af informationsudvekslingen. Derfor har sprog gennem menneskehedens historie været den mest effektive form for videnrepræsentation.
Jo rigere sproget er, jo mere viden udtrykker det henholdsvis, hvilket gør folkets kultur rigere, hvilket igen giver dig mulighed for at udvikle mere og mere effektive systemer til at organisere viden.
Sprogvidenskab
Hovedproblemet ved at bruge sproget som en form for videnrepræsentation er den tvetydige semantiske betydning af ord og sætninger. Derfor spiller videnskabens sprog en særlig rolle i formaliseringen af viden.
Hovedformålet med videnskabens sprog er at typificere og standardisere udtryksformer, komprimering og opbevaring af viden. Ved hjælp af en typisk standardpræsentation af viden kan man slippe af med polysemi eller semantisk tvetydighed i sproget.
Hvad, under de naturlige betingelser for sprogevolution, gør et sprog rigere (polysemi af udtryk), bliver en hindring i processen med videnudveksling, hvilket øger risikoen for misforståelser, semantisk støj og tvetydig opfattelse af information.
Klassificering af viden
En af de vigtigste metoder til formalisering af viden er klassificering. Dette er fordeling af viden i grupper i overensstemmelse med en bestemt klasse. Det vil sige, at kun information, der opfylder bestemte kriterier svarende til klassen, falder ind under en bestemt vidensklasse.
Klassificering er en særlig vigtig metode til videnskabelig systematik, som er uundværlig i det første trin af dannelsen af grundlæggende viden om en videnskabelig retning. For eksempel i datalogi uden klassificering er der ingen ækvivalens, der giver dig mulighed for at løse så vigtige opgaver som sammenligning, søgning og kategorisering. Uden klassificering i videnskab ville vi ikke have så unikke og uvurderlige dataorganisationssystemer som det periodiske system.
Videnrepræsentationsmodeller
Det periodiske system, ranglisten, straffeloven, stamtræer og andre klassifikationssystemer er modeller for videnrepræsentation. Disse er formelle strukturer, der forbinder bestemt viden: fakta, fænomener, begreber, processer, objekter, relationer.
For at forstå og bearbejde viden om et bestemt fagområde ved hjælp af en computer, skal denne viden præsenteres i en bestemt, formaliseret form. Afhængigt af formålet sker behandlingen af viden af en computer i overensstemmelse med en model bygget på en algoritme. Den viden, der præsenteres i modellen, afhænger derfor af algoritmen til at behandle den.
Der er flere modeller for videnrepræsentation i ekspertsystemer. De vigtigste er produktion, ramme, netværk og logisk.
Klassificering af modeller
De vidensrepræsentationsmodeller, der er anført ovenfor, hvor eksempler følger, selvom de er udbredte, langt fra er de eneste. I dag er der mange modeller, der adskiller sig fra hinanden med hensyn til validitet, tilgange til deres skabelse og organisationsprincipper.
For eksempel viser tabellen nedenfor typerne af vidensrepræsentationsmodeller, deres opdeling i empiriske og teoretiske samt yderligere underopdeling.
| empiriske modeller | Teoretiske modeller |
| Produktionsmodeller | Logiske modeller |
| Netværksmodeller | Formelle grammatikker |
| Rammemodeller | Kombinatoriske modeller |
| Lenemy | Algebraiske modeller |
| Neurale netværk | |
| Genetiske algoritmer |
empirisk modellering
Empiriske modeller for organisation og repræsentation af viden tager en person som eksempel og forsøger at legemliggøre organiseringen af hans hukommelse, bevidsthed og beslutningstagning og problemløsningsmekanismer. Empirisk modellering refererer til enhver form for model bygget på basis af empiriske observationer snarere end sammenhænge, der kan matematisk beskrives og modelleres.
Empirisk modellering er en generel betegnelse for videnrepræsentationsmodeller, der er skabt på baggrund af observationer og eksperimenter.
En empirisk model fungerer efter et simpelt semantisk princip: skaberen observerer interaktionen mellem modellen og dens reference. Behandlingen af modtaget information kan være "empirisk" på mange måder, lige fra analytiske formler, årsagssammenhænge til forsøg og fejl.
Produktionsmodeller for videnrepræsentation
Denne datarepræsentationsmodel er oftest baseret på sammenhænge og kausalitet. Hvis informationen kan repræsenteres i form af betingelser af typen "Hvis, Så", så er modellen produktion. Det bruges oftest i applikationer og simpelt kunstigtintelligens.
Vidensrepræsentationsproduktionsmodeller er oftest computerprogrammer, der giver en form for kunstig intelligens med et sæt adfærdsregler, samt den nødvendige mekanisme for at følge disse regler under visse betingelser.
Produktion (et sæt regler) består af to dele: en forudsætning ("HVIS") og en handling ("SÅ"). Hvis produktionsforudsætningen matcher verdens nuværende tilstand, så kører modellen. Produktionsmodellen indeholder også en database, nogle gange omt alt som arbejdshukommelse, som indeholder aktuel viden.
Ulemperne ved produktionsmodellen er, at hvis antallet af regler er for stort, kan modellens handlinger modsige hinanden.
Semantiske netværk
De er baseret på billedets integritet og er de mest visuelle modeller for videnrepræsentation. Det semantiske netværk er oftest repræsenteret som en graf eller en kompleks grafstruktur, hvis noder eller toppunkter repræsenterer objekter, begreber, fænomener, og kanterne repræsenterer relationer mellem bestemte objekter, begreber og fænomener.
Det enkleste semantiske netværk kan let repræsenteres som en trekant, hvis toppunkter er sådanne begreber som f.eks. "hund", "pattedyr" og "rygsøjle". I dette tilfælde vil toppunkterne forbinde trekantens sider, som kan betegnes ved sådanne forbindelser og relationer som "er", "besidder", "har". på denne måde får vi en vidensrepræsentationsmodel, som vi lærer af,at en hund er et pattedyr, pattedyr har en rygrad, og en hund har en rygrad.
Sådanne modeller er illustrative, og med deres hjælp kan du mest effektivt repræsentere komplekse systemer og årsagssammenhænge. Derudover kan disse semantiske netværk suppleres med ny viden ved at udvide et eksisterende netværk, det vil sige, at en trekant kan omdannes til et rektangel, derefter til en sekskant og derefter til et komplekst netværk af krydsende former, hvori man kan observere f.eks. arv af ejendomme.
Rammemodel
Rammemodellen er navngivet så fra det engelske ord frame - frame eller frame. En ramme er en struktur, der indsamler data, der bruges til at repræsentere et bestemt koncept.
Som i sociologi, hvor frames er en slags stereotype data, der påvirker den menneskelige opfattelse af verden og beslutningsprocessen, i datalogi og arbejde med kunstig intelligens, bruges frames til at skabe strukturerede data, der repræsenterer stereotype situationer. Faktisk er dette det indledende, grundlæggende datasystem, som opfattelsen af verden ved hjælp af kunstig intelligens er bygget på.
Udover at være effektive modeller for videnrepræsentation, er frames aktive ikke kun inden for datalogi. De var oprindeligt en variation af semantiske netværk.
En ramme består af en eller flere pladser. Til gengæld kan slots selv være rammer. Rammemodellen er således i stand til at repræsentere komplekse konceptuelle objekter, der danner en bred hierarkisk kæde.viden.
Kundskabsrepræsentationsrammemodellen indeholder information om, hvordan man bruger en frame, hvad man kan forvente under og efter brug af den, og hvad man skal gøre, når forventningerne fra at bruge en frame ikke opfyldes.
Visse slags data i en rammemodel er faste, mens andre data, norm alt gemt i terminalpladser, kan ændre sig. Terminalslots behandles oftest som variable. Slots og rammer på øverste niveau bærer information om situationen, hvilket altid er sandt, men terminalslots behøver ikke at være sande.
Rammer af ét komplekst netværk kan dele slots for andre frames af samme netværk.
Databasen kan gemme prototypeframes (uforanderlige) og instansframes, der er skabt situationsbestemt for at repræsentere en bestemt situation eller koncept.
Rammemodeller for videnrepræsentation er en af de mest alsidige og i stand til at vise forskellige typer viden:
- rammestrukturer bruges til at repræsentere koncepter og objekter;
- rammeroller angiver rolleansvar;
- rammescripts beskriver adfærd;
- rammesituationer bruges til at repræsentere stat og aktiviteter.
Neurale netværk
Disse algoritmer kan også betinget tilføjes til gruppen af modeller baseret på en empirisk tilgang til viden. Faktisk forsøger neurale netværk at kopiere de processer, der forekommer i den menneskelige hjerne. De er baseret på teorien om, at et kunstigt intelligenssystem med de samme strukturer ogprocesser, som i den menneskelige hjerne, vil kunne få lignende resultater i processen med beslutningstagning, evaluering af situationer og virkelighedsopfattelse.
Teoretisk forsvarlig tilgang
Matematiske, prædikative og logiske modeller for videnrepræsentation er baseret på denne tilgang. Disse modeller garanterer korrekte beslutninger, fordi de er baseret på formel logik. De er velegnede til at løse simple problemer fra et snævert fagområde, ofte forbundet med formel logik.
Logiske modeller for videnrepræsentation
Dette er en af de mest populære modeller baseret på en teoretisk tilgang. Den logiske model bruger prædikatet algebra, dets system af aksiomer og slutningsregler. De mest almindelige logiske modeller bruger termer - logiske konstanter, funktioner og variabler, samt prædikater, det vil sige udtryk for logiske handlinger.
