Tudásreprezentációs modellek: típusok, osztályozás és alkalmazási módszerek

Az olyan összetett fogalmak, mint a "gondolkodás" és a "tudat", és még könnyebben meghatározhatók, mint például az " intelligencia "és a "tudás", jelentősen eltérhetnek a különböző profilok szakemberei között (például rendszerelemzés ,Számítástechnika, neuropszichológia, pszichológia, filozófia stb..).

A fő probléma a tudás teljes, megfelelő ábrázolása, amelyet mind az emberek, mind a gépek egyformán egyértelműen érzékelnek modern információk tőzsde. Az ilyen információcsere a tudást alkotó fogalmak és kapcsolatok rendszerén alapul.

A tudás osztályozása

Ezek több kategóriába sorolhatók: fogalmi, konstruktív, eljárási, tényszerű és meta-tudás.

• Fogalmi tudás a problémák megoldásában használt bizonyos fogalmak halmaza. Gyakran használják az alaptudományokban és a Tudományok Elméleti területein. Valójában a fogalmi tudás képezi a tudomány fogalmi apparátusát.
• Konstruktív tudás - struktúrák, rendszerek és alrendszerek halmazai, valamint ezek közötti kölcsönhatások. Aktívan használják a mérnöki munkában.
• Eljárási ismeretek - az alkalmazott tudományokban leggyakrabban alkalmazott módszerek és algoritmusok.
• Tényszerű ismeretek – a tárgyak és jelenségek jellemzői, mind mennyiségi, mind minőségi. Leggyakrabban a kísérleti tudományokban használják őket.
• Meta - tudás-bármilyen tudás a tudásról, annak szervezeti rendszeréről, mérnöki munkájáról, valamint alkalmazásuk rendjéről és szabályairól.

A tudás szervezése

A tudásszervezési rendszer a folyamat a tájékoztatás nyújtásáról ismerős üzenetek formájában (szóbeli és írásbeli beszéd, rajzok,.stb..) és szokatlan (képletek, földrajzi térkép objektumok, rádióhullámok stb.).

Annak érdekében, hogy a tudásszervezési rendszer érthető és sikeres legyen, érthető és konstruktív szabályrendszer, amely szerint a tudást bemutatják és érzékelik. Ehhez egy személy használja a nyelvet és az írást.

Nyelv

A nyelv azért jelent meg és fejlődött ki, mert az emberek által felhalmozott tudást folyamatosan be kell mutatni, kifejezni, tárolni és. Egy olyan gondolat, amelyet nem lehet formális konstrukcióval (nyelv, kép) kifejezni, elveszíti a lehetőséget, hogy az információcsere részévé váljon. Ezért az emberiség története során a nyelv volt a tudásreprezentáció leghatékonyabb formája.

Minél gazdagabb a nyelv, annál több tudást fejez ki, vagyis gazdagabbá teszi az emberek kultúráját, ami viszont lehetővé teszi számunkra, hogy új és hatékonyabb tudásszervezési rendszereket fejlesszünk ki.

A tudomány nyelve

A nyelv mint tudásmegjelenítés egyik formájának fő problémája a szavak és mondatok kétértelmű szemantikai jelentése. , ezért a tudomány nyelve különleges szerepet játszik a tudás formalizálásában.

A tudomány nyelvének fő célja a tudás kifejezési formáinak, tömörítésének és tárolásának tipizálása és szabványosítása. A tudás tipikus, szabványos bemutatásával megszabadulhat a nyelv poliszémiájától vagy szemantikai kétértelműségétől.

Ami a nyelvet gazdagabbá teszi a nyelvi evolúció természetes körülményei között (a kifejezések kétértelműsége), akadályozza a tudáscsere folyamatát, növeli a félreértés, a szemantikai zaj és az információ kétértelmű észlelésének kockázatát.

A tudás osztályozása

A tudás formalizálásának egyik fő módszere az osztályozás. Ez a tudás megoszlása csoportokba egy bizonyos osztály szerint. Vagyis csak az osztálynak megfelelő bizonyos kritériumoknak megfelelő információ kerül egy bizonyos tudásosztályba.

Az osztályozás a tudományos szisztematika különösen fontos módszere, amelyet nem lehet elhagyni a tudományos irány alapismereteinek kialakulásának első szakaszában. Például a számítástechnikában osztályozás nélkül nincs egyenértékűség, amely lehetővé teszi olyan fontos feladatok megoldását, mint az összehasonlítás, a keresés és a kategorizálás. A tudományba való besorolás nélkül nem kaptunk volna olyan egyedi és felbecsülhetetlen adatszervezési rendszereket, mint a periódusos rendszer.

A tudás reprezentációjának modelljei

A periódusos rendszer, a rangsor, a Büntető Törvénykönyv, , családfák és egyéb osztályozási rendszerek a tudás reprezentációjának modelljei. Ezek olyan formális struktúrák, amelyek összekapcsolnak bizonyos ismereteket: tények, jelenségek, fogalmak, folyamatok, tárgyak, kapcsolatok.

Annak érdekében, hogy a számítógép megértse és feldolgozza az adott tárgykörrel kapcsolatos ismereteket, ezt a tudást egy bizonyos, formalizált formában kell bemutatni. A céltól függően a számítógépes ismeretek feldolgozása az algoritmusra épülő modellnek megfelelően történik. Ennek megfelelően a modellben bemutatott ismeretek a feldolgozás algoritmusától függenek.

A szakértői rendszerekben a tudásreprezentációnak számos modellje létezik. A legfontosabbak a termelés, a keret, a hálózat és a logikai.

A modellek osztályozása

A fent felsorolt tudásreprezentációs modellek, vannak példák, amelyek , majd, bár széles körben elterjedt, messze az egyetlenektől. Ma sok olyan modell létezik, amelyek érvényességükben különböznek egymástól, megközelítésük teremtés és alapelvek szervezet.

Például az alábbi táblázat bemutatja a tudásreprezentációs modellek típusait, empirikus és elméleti felosztásukat, valamint további felosztást.

Empirikus modellezés

A tudás szervezésének és reprezentációjának empirikus modelljei példaként vesznek egy személyt, és megpróbálják megtestesíteni emlékezetének, tudatosságának és döntéshozatali mechanizmusainak szervezését és problémamegoldását. Az empirikus modellezés minden olyan modellt jelent, amely empirikus megfigyelések alapján épül fel, nem pedig matematikai leírásra és modellezésre alkalmas kapcsolatokra.

Az empirikus modellezés a megfigyelések és kísérletek alapján létrehozott tudásreprezentációs modellek általános megnevezése.

Az empirikus modell egy egyszerű szemantikai elv szerint működik: a Teremtő megfigyeli a modell és a referens kölcsönhatását. A kapott információk feldolgozása különböző módon "empirikus" lehet, az analitikai képletektől, az ok-okozati összefüggésektől a próbálkozásig.

A tudásreprezentáció termelési modelljei

Az adatok bemutatásának ez a modellje leggyakrabban összefüggéseken és ok-okozati összefüggéseken alapul. Ha az információ olyan feltételek formájában jeleníthető meg, mint a " Ha

A tudás reprezentációjának termelési modelljei leggyakrabban olyan számítógépes programok, amelyek bizonyos formát biztosítanak mesterséges intelligencia egy számmal a viselkedési szabályok, tartalmaz egy mechanizmust is, szükséges kövesse ezeket a Szabályokat a megadott feltételek mellett.

A termék (szabálykészlet) két részből áll: egy előfeltételből ("ha") és egy műveletből ("akkor"). Ha a gyártási előfeltétel megfelel a világ jelenlegi állapotának, akkor a modell fut. A gyártási modell tartalmaz egy adatbázist is, amelyet néha munkamemóriának hívnak, amely naprakész ismereteket tartalmaz.

A gyártási modell hátrányai az, hogy túl sok szabály mellett a modell cselekedetei ellentmondhatnak egymásnak.

Szemantikus hálózatok

Ezek a kép integritásán alapulnak, és a tudás reprezentációjának leginkább vizuális modelljei. A szemantikai hálózatot leggyakrabban gráfként vagy összetett gráfstruktúraként ábrázolják, amelynek csomópontjai vagy csúcsai objektumokat, fogalmakat, jelenségeket képviselnek, az élek pedig bizonyos objektumok, fogalmak és jelenségek közötti kapcsolatok.

Könnyű elképzelni a legegyszerűbb szemantikai hálózatot háromszög formájában, amelynek csúcsai olyan fogalmak, mint például "kutya", "emlős" és "gerinc". Ebben az esetben a csúcsok összekapcsolják a háromszög oldalait, amelyeket olyan kapcsolatok és kapcsolatok jelölhetnek, mint "Van", "rendelkezik", "van". ilyen módon kapunk egy tudásábrázolási modellt, amelyből megtudjuk, hogy a kutya emlős, az emlősöknek gerincük van, a kutyának pedig gerince van.

Az ilyen modellek vizuálisak, és segítségükkel a komplex rendszerek és az ok-okozati összefüggések leghatékonyabban ábrázolhatók. Ezenkívül ezeket a szemantikai hálózatokat új ismeretekkel lehet kiegészíteni egy meglévő hálózat kibővítésével, vagyis egy háromszöget téglalapmá, majd hatszöggé, majd keresztező alakzatok komplex hálózatává alakíthatunk, amelyben például a tulajdonságok öröklődése figyelhető meg.

Keret modell

A keretmodellt az angol frame – frame vagy frame szóból nevezik el. A keret olyan struktúra, amelyben adatokat gyűjtenek, amelyeket egy bizonyos fogalom ábrázolására használnak.

Mint a szociológiában, ahol a keretek egyfajta sztereotip adatok, amelyek befolyásolják az emberi felfogás a világ és a folyamat döntéshozatal, a számítástechnikában és a mesterséges intelligenciával való együttműködésben a kereteket sztereotip helyzeteket képviselő strukturált adatok létrehozására használják. Valójában ez a kezdeti, alapvető adatrendszer, amelyen a világ mesterséges intelligencia általi észlelése alapul.

Emellett a tudás reprezentációjának hatékony modelljeként a keretek nemcsak a számítástechnikában aktívak. Kezdetben a szemantikai hálózatok változata volt.

A keret a következőkből áll egy vagy több slot. Viszont a rések maguk is keretek lehetnek. Így a keretmodell képes összetett fogalmi objektumokat ábrázolni, széles hierarchikus tudásláncot alkotva.

A tudásábrázolás keretmodellje információkat tartalmaz arról, hogyan kell használni a keretet, mire számíthat a használat során és után, valamint mit kell tennie, ha a keret használatával kapcsolatos elvárások nem teljesülnek.

A keretmodellben bizonyos típusú adatok változatlanok, míg más, általában a terminálhelyekben tárolt adatok változhatnak. A terminálhelyeket leggyakrabban változóknak tekintik. A résidők és a legfelső szintű keretek információkat hordoznak a helyzetről, ami mindig igaz, de a terminálrésidőknek nem kell igaznak lenniük.

Egy komplex hálózat keretei megoszthatják ugyanazon hálózat más kereteinek réseit.

Az adatbázis képes tárolni prototípus kereteket (megváltoztathatatlan) és példánykereteket, amelyeket szituációként hoznak létre egy adott helyzet vagy egy adott koncepció képviseletére.

A tudásábrázolás keretmodelljei az egyik leguniverzálisabbak, amelyek képesek különféle típusú ismeretek megjelenítésére:

• a vázszerkezeteket fogalmak és objektumok ábrázolására használják;
• a keret szerepek a szerepköri felelősségeket jelölik;
• a keret szkriptek leírják a viselkedést;
• a kerethelyzeteket az államok ábrázolására használják, és tevékenységek.

Neurális hálózatok

Ezek az algoritmusok feltételesen csatolhatók a tudás empirikus megközelítésén alapuló modellek csoportjához is. Valójában a neurális hálózatok megpróbálják másolni az emberi agyban zajló folyamatokat. Ezek azon az elméleten alapulnak, hogy egy olyan mesterséges intelligencia rendszer, amely ugyanolyan struktúrákkal és folyamatokkal rendelkezik, mint az emberi agyban, képes lesz hasonló eredményeket elérni a döntéshozatal folyamatában, a helyzetek értékelésében és a valóság észlelésében.

Elméleti alapú megközelítés

A tudásreprezentáció matematikai, predikatív és logikai modelljei ezen a megközelítésen alapulnak. Ezek a modellek garantálja a helyességet megoldások, mivel formális logikán alapulnak. Alkalmasak egyszerű problémák megoldására egy szűk tárgykörből, gyakran a formális logikához kapcsolódóan.

A tudás reprezentációjának logikai modelljei

Ez az egyik leginkább népszerű modellek, elméleti megközelítés alapján. A logikai modell a predikátum algebrát, annak axiómarendszerét és következtetési szabályait használja. A leggyakoribb a logikai modellek kifejezéseket használnak-logikai állandók, függvények és változók, valamint predikátumok, azaz logikai műveletek kifejezései.