Cilvēki vislabāk spēj saprast, argumentēt un interpretēt zināšanas. Cilvēks zina lietas, kas ir zināšanas un pēc savām zināšanām reālajā pasaulē veic dažādas darbības. Bet tas, kā mašīnas dara visas šīs lietas, attiecas uz zināšanu attēlojumu un argumentāciju . Tādējādi zināšanu reprezentāciju varam raksturot šādi:
- Zināšanu reprezentācija un argumentācija (KR, KRR) ir mākslīgā intelekta daļa, kas saistīta ar AI aģentu domāšanu un to, kā domāšana veicina aģentu saprātīgu uzvedību.
- Tā ir atbildīga par informācijas attēlošanu par reālo pasauli, lai dators varētu saprast un izmantot šīs zināšanas, lai atrisinātu sarežģītas reālās pasaules problēmas, piemēram, diagnosticētu veselības stāvokli vai sazinātos ar cilvēkiem dabiskā valodā.
- Tas ir arī veids, kas apraksta, kā mēs varam attēlot zināšanas mākslīgajā intelektā. Zināšanu reprezentācija ir ne tikai datu glabāšana kādā datu bāzē, bet arī ļauj viedajai mašīnai mācīties no šīm zināšanām un pieredzes, lai tā varētu rīkoties saprātīgi kā cilvēks.
Ko pārstāvēt:
Tālāk ir norādītas zināšanas, kas ir jāatspoguļo AI sistēmās:
Zināšanas: Zināšanas ir izpratne vai iepazīšanās, kas iegūta, pieredzējot faktus, datus un situācijas. Tālāk ir norādīti mākslīgā intelekta zināšanu veidi:
Zināšanu veidi
Tālāk ir norādīti dažādi zināšanu veidi:
Pīta Deividsona pilsonība
1. Deklaratīvas zināšanas:
- Deklaratīvas zināšanas ir zināt par kaut ko.
- Tas ietver jēdzienus, faktus un objektus.
- To sauc arī par aprakstošām zināšanām un izsaka deklaratīvos teikumos.
- Tā ir vienkāršāka nekā procesuālā valoda.
2. Procedūras zināšanas
- To sauc arī par obligātajām zināšanām.
- Procesuālās zināšanas ir zināšanu veids, kas ir atbildīgs par zināšanām, kā kaut ko darīt.
- To var tieši pielietot jebkuram uzdevumam.
- Tas ietver noteikumus, stratēģijas, procedūras, dienaskārtības utt.
- Procedūras zināšanas ir atkarīgas no uzdevuma, uz kuru tās var pielietot.
3. Metazināšanas:
- Zināšanas par citiem zināšanu veidiem sauc par metazināšanām.
4. Heiristiskās zināšanas:
- Heiristiskās zināšanas atspoguļo dažu ekspertu zināšanas iesniegtajā vai priekšmetā.
- Heiristiskās zināšanas ir īkšķa noteikumi, kuru pamatā ir iepriekšējā pieredze, pieejas izpratne un kas ir labi strādāt, bet nav garantēti.
5. Strukturālās zināšanas:
- Strukturālās zināšanas ir pamatzināšanas problēmu risināšanai.
- Tas apraksta attiecības starp dažādiem jēdzieniem, piemēram, kaut kā veids, daļa un grupēšana.
- Tas apraksta attiecības, kas pastāv starp jēdzieniem vai objektiem.
Saikne starp zināšanām un inteliģenci:
Reālās pasaules zināšanām ir būtiska nozīme intelektā, kā arī mākslīgā intelekta radīšanā. Zināšanām ir svarīga loma AI aģentu inteliģentas uzvedības demonstrēšanā. Aģents spēj precīzi rīkoties tikai tad, ja viņam ir zināmas zināšanas vai pieredze par šo ievadi.
Pieņemsim, ka, ja jūs satikāt kādu cilvēku, kurš runā valodā, kuru jūs nezināt, tad kā jūs varēsit rīkoties. Tas pats attiecas uz aģentu inteliģento uzvedību.
Kā redzams zemāk redzamajā diagrammā, ir viens lēmumu pieņēmējs, kurš darbojas, sajūtot vidi un izmantojot zināšanas. Bet, ja zināšanu daļa netiks parādīta, tā nevar parādīt saprātīgu uzvedību.
AI zināšanu cikls:
Mākslīgā intelekta sistēmai ir šādi komponenti, lai parādītu viedo uzvedību:
- Uztvere
- Mācīšanās
- Zināšanu atspoguļošana un argumentācija
- Plānošana
- Izpilde
Iepriekš redzamā diagramma parāda, kā AI sistēma var mijiedarboties ar reālo pasauli un kādi komponenti palīdz tai parādīt inteliģenci. AI sistēmai ir uztveres komponents, ar kura palīdzību tā izgūst informāciju no savas vides. Tā var būt vizuāla, audio vai cita veida maņu ievade. Mācību komponents ir atbildīgs par mācīšanos no datiem, kas iegūti uztveres komponentā. Pilnajā ciklā galvenie komponenti ir zināšanu atspoguļošana un spriešana. Šie divi komponenti ir saistīti ar mašīnu līdzīgu cilvēku intelekta parādīšanu. Šie divi komponenti ir neatkarīgi viens no otra, bet arī savienoti kopā. Plānošana un izpilde ir atkarīga no Zināšanu reprezentācijas un argumentācijas analīzes.
Zināšanu reprezentācijas pieejas:
Galvenokārt ir četras pieejas zināšanu atspoguļošanai, kas ir norādītas zemāk:
1. Vienkāršas relāciju zināšanas:
- Tas ir vienkāršākais faktu glabāšanas veids, kurā tiek izmantota relāciju metode, un katrs fakts par objekta kopu tiek sistemātiski izklāstīts kolonnās.
- Šī zināšanu reprezentācijas pieeja ir slavena datu bāzu sistēmās, kurās tiek attēlotas attiecības starp dažādām entītijām.
- Šai pieejai ir maz iespēju izdarīt secinājumus.
Piemērs: Tālāk ir sniegts vienkāršs relāciju zināšanu attēlojums.
| Spēlētājs | Svars | Vecums |
|---|---|---|
| Spēlētājs1 | 65 | 23 |
| Spēlētājs2 | 58 | 18 |
| Spēlētājs3 | 75 | 24 |
2. Mantojamas zināšanas:
- Mantojamo zināšanu pieejā visi dati ir jāsaglabā klašu hierarhijā.
- Visas nodarbības jāsakārto vispārinātā formā vai hierarhiskā veidā.
- Šajā pieejā mēs izmantojam mantojuma īpašumu.
- Elementi pārmanto vērtības no citiem klases dalībniekiem.
- Šī pieeja satur pārmantojamas zināšanas, kas parāda saistību starp gadījumu un klasi, un to sauc par instances relāciju.
- Katrs atsevišķs kadrs var attēlot atribūtu kolekciju un tās vērtību.
- Šajā pieejā objekti un vērtības tiek attēlotas kārbveida mezglos.
- Mēs izmantojam bultiņas, kas norāda no objektiem uz to vērtībām.
3. Secinošas zināšanas:
- Secinošā zināšanu pieeja atspoguļo zināšanas formālas loģikas veidā.
- Šo pieeju var izmantot, lai iegūtu vairāk faktu.
- Tas garantēja pareizību.
- Markuss ir vīrietis
- Visi vīrieši ir mirstīgi
Tad tas var attēlot kā;
vīrietis (Markuss)
∀x = cilvēks (x) ----------> mirstīgais (x)s
4. Procedūras zināšanas:
- Procedūru zināšanu pieeja izmanto nelielas programmas un kodus, kas apraksta, kā veikt noteiktas lietas un kā rīkoties.
- Šajā pieejā tiek izmantots viens svarīgs noteikums, kas ir Ja-tad valda .
- Šajās zināšanās mēs varam izmantot dažādas kodēšanas valodas, piemēram, LISP valoda un Prologa valoda .
- Izmantojot šo pieeju, mēs varam viegli attēlot heiristiskas vai domēnspecifiskas zināšanas.
- Bet nav nepieciešams, lai mēs varētu pārstāvēt visus gadījumus šajā pieejā.
Prasības zināšanu attēlošanas sistēmai:
Labai zināšanu reprezentācijas sistēmai ir jābūt šādām īpašībām.
KR sistēmai jāspēj reprezentēt visa veida nepieciešamās zināšanas.
KR sistēmai jābūt iespējai manipulēt ar reprezentācijas struktūrām, lai radītu jaunas zināšanas, kas atbilst esošajai struktūrai.
Spēja novirzīt secinājumu zināšanu mehānismu visproduktīvākajos virzienos, saglabājot atbilstošus norādījumus.