Oamenii sunt cei mai buni la înțelegerea, raționamentul și interpretarea cunoștințelor. Omul cunoaște lucruri, adică cunoaștere și, conform cunoștințelor lor, efectuează diverse acțiuni în lumea reală. Dar modul în care mașinile fac toate aceste lucruri ține de reprezentarea cunoașterii și raționamentul . Prin urmare, putem descrie reprezentarea cunoștințelor astfel:

• Reprezentarea și raționamentul cunoașterii (KR, KRR) este partea inteligenței artificiale care se referă la gândirea agenților AI și la modul în care gândirea contribuie la comportamentul inteligent al agenților.
• Este responsabil pentru reprezentarea informațiilor despre lumea reală, astfel încât un computer să poată înțelege și să poată utiliza aceste cunoștințe pentru a rezolva probleme complexe din lumea reală, cum ar fi diagnosticarea unei afecțiuni medicale sau comunicarea cu oamenii în limbaj natural.
• Este, de asemenea, o modalitate care descrie modul în care putem reprezenta cunoștințele în inteligența artificială. Reprezentarea cunoștințelor nu înseamnă doar stocarea datelor într-o bază de date, ci permite și unei mașini inteligente să învețe din acele cunoștințe și experiențe, astfel încât să se poată comporta inteligent ca un om.

Ce să reprezinte:

Următoarele sunt tipurile de cunoștințe care trebuie reprezentate în sistemele AI:

Obiect:Toate faptele despre obiectele din domeniul nostru mondial. De exemplu, chitara conține corzi, trompetele sunt instrumente de alamă.Evenimente:Evenimentele sunt acțiunile care au loc în lumea noastră.Performanţă:Descrie comportamentul care implică cunoștințe despre cum să faci lucrurile.Meta-cunoștințe:Este cunoaștere despre ceea ce știm.Fapte:Faptele sunt adevăruri despre lumea reală și despre ceea ce reprezentăm noi.Bază de cunoștințe:Componenta centrală a agenților bazați pe cunoștințe este baza de cunoștințe. Este reprezentat ca KB. Baza de cunoștințe este un grup de Propoziții (Aici, propozițiile sunt folosite ca termen tehnic și nu identice cu limba engleză).

Cunoştinţe: Cunoașterea este conștientizarea sau familiaritatea dobândită prin experiențele de fapte, date și situații. Următoarele sunt tipurile de cunoștințe în inteligența artificială:

dateformat.format

Tipuri de cunoștințe

Următoarele sunt diferitele tipuri de cunoștințe:

1. Cunoștințe declarative:

• Cunoașterea declarativă înseamnă a cunoaște ceva.
• Include concepte, fapte și obiecte.
• Se mai numește și cunoaștere descriptivă și se exprimă în propoziții declarative.
• Este mai simplu decât limbajul procedural.

2. Cunoștințe procedurale

• Este cunoscută și ca cunoaștere imperativă.
• Cunoașterea procedurală este un tip de cunoaștere care este responsabilă pentru a ști cum să faci ceva.
• Poate fi aplicat direct oricărei sarcini.
• Include reguli, strategii, proceduri, agende etc.
• Cunoștințele procedurale depind de sarcina pentru care pot fi aplicate.

3. Meta-cunoștințe:

• Cunoștințele despre celelalte tipuri de cunoștințe se numesc meta-cunoaștere.

4. Cunoștințe euristice:

• Cunoștințele euristice reprezintă cunoștințele unor experți într-un domeniu sau subiect.
• Cunoștințele euristice sunt reguli de bază bazate pe experiențe anterioare, conștientizarea abordărilor și care sunt bune de funcționat, dar nu sunt garantate.

5. Cunoștințe structurale:

• Cunoștințele structurale sunt cunoștințe de bază pentru rezolvarea problemelor.
• Descrie relațiile dintre diferite concepte, cum ar fi felul, parte din și gruparea a ceva.
• Descrie relația care există între concepte sau obiecte.

Relația dintre cunoaștere și inteligență:

Cunoașterea lumii reale joacă un rol vital în inteligență și același lucru pentru crearea inteligenței artificiale. Cunoașterea joacă un rol important în demonstrarea unui comportament inteligent în agenții AI. Un agent este capabil să acționeze cu acuratețe asupra unei intrări numai atunci când are anumite cunoștințe sau experiență despre acea intrare.

Să presupunem că dacă ai întâlnit o persoană care vorbește într-o limbă pe care nu o cunoști, atunci cum vei putea acționa în acest sens. Același lucru este valabil și pentru comportamentul inteligent al agenților.

După cum putem vedea în diagrama de mai jos, există un factor de decizie care acționează prin detectarea mediului și folosind cunoștințele. Dar dacă partea de cunoștințe nu se va prezenta atunci, nu poate afișa un comportament inteligent.

c

Ciclul de cunoștințe AI:

Un sistem de inteligență artificială are următoarele componente pentru afișarea unui comportament inteligent:

• Percepţie
• Învăţare
• Reprezentarea și raționamentul cunoștințelor
• Planificare
• Execuţie

Diagrama de mai sus arată cum un sistem AI poate interacționa cu lumea reală și ce componente îl ajută să arate inteligența. Sistemul AI are o componentă de percepție prin care preia informații din mediul său. Poate fi vizual, audio sau o altă formă de intrare senzorială. Componenta de învățare este responsabilă pentru învățarea din datele capturate de comportamentul de percepție. În ciclul complet, componentele principale sunt reprezentarea cunoștințelor și Raționamentul. Aceste două componente sunt implicate în arătarea inteligenței la oameni asemănătoare mașinilor. Aceste două componente sunt independente între ele, dar și cuplate între ele. Planificarea și execuția depind de analiza reprezentării și raționamentului cunoștințelor.

Abordări ale reprezentării cunoștințelor:

Există în principal patru abordări ale reprezentării cunoștințelor, care sunt prezentate mai jos:

1. Cunoștințe relaționale simple:

• Este cel mai simplu mod de stocare a faptelor care folosește metoda relațională, iar fiecare fapt despre un set al obiectului este prezentat sistematic în coloane.
• Această abordare a reprezentării cunoștințelor este renumită în sistemele de baze de date unde este reprezentată relația dintre diferite entități.
• Această abordare are puține șanse de deducere.

Exemplu: Următoarea este reprezentarea simplă a cunoștințelor relaționale.

2. Cunoștințe moștenite:

• În abordarea cunoștințelor moștenite, toate datele trebuie stocate într-o ierarhie de clase.
• Toate clasele ar trebui să fie aranjate într-o formă generalizată sau într-o manieră ierarhică.
• În această abordare, aplicăm proprietatea moștenirii.
• Elementele moștenesc valori de la alți membri ai unei clase.
• Această abordare conține cunoștințe moștenite care arată o relație între instanță și clasă și se numește relație de instanță.
• Fiecare cadru individual poate reprezenta colecția de atribute și valoarea acesteia.
• În această abordare, obiectele și valorile sunt reprezentate în noduri Boxed.
• Folosim săgeți care indică de la obiecte la valorile lor.
Exemplu:

3. Cunoștințe inferențiale:

• Abordarea cunoașterii inferențiale reprezintă cunoașterea sub forma logicii formale.
• Această abordare poate fi folosită pentru a deduce mai multe fapte.
• A garantat corectitudinea.
Exemplu:Să presupunem că există două afirmații:
1. Marcus este un bărbat
2. Toți bărbații sunt muritori
   Atunci poate reprezenta ca;
   
   bărbat (Marcus)
   ∀x = om (x) ----------> muritor (x)s

4. Cunoștințe procedurale:

• Abordarea cunoștințelor procedurale folosește programe și coduri mici care descriu cum să faci lucruri specifice și cum să procedezi.
• În această abordare, se folosește o regulă importantă care este Dacă-Atunci guvernează .
• În aceste cunoștințe, putem folosi diverse limbaje de codare, cum ar fi Limba LISP și Limbajul prolog .
• Putem reprezenta cu ușurință cunoștințe euristice sau specifice unui domeniu folosind această abordare.
• Dar nu este necesar să putem reprezenta toate cazurile în această abordare.

Cerințe pentru sistemul de reprezentare a cunoștințelor:

Un sistem bun de reprezentare a cunoștințelor trebuie să posede următoarele proprietăți.

1. Precizie reprezentativă:
Sistemul KR ar trebui să aibă capacitatea de a reprezenta toate tipurile de cunoștințe necesare.2. Adecvarea inferenţială:
Sistemul KR ar trebui să aibă capacitatea de a manipula structurile reprezentaționale pentru a produce noi cunoștințe corespunzătoare structurii existente.3. Eficiență inferențială:
Abilitatea de a direcționa mecanismul de cunoaștere inferențială în direcțiile cele mai productive prin stocarea ghidurilor adecvate.4. Eficiența achiziției-Capacitatea de a dobândi cu ușurință noile cunoștințe folosind metode automate.