Modelos de representação do conhecimento: tipos, classificação e métodos de aplicação

Índice:

Modelos de representação do conhecimento: tipos, classificação e métodos de aplicação
Modelos de representação do conhecimento: tipos, classificação e métodos de aplicação
Anonim

Conceitos tão complexos como “pensamento” e “consciência”, e ainda mais facilmente definidos, como “inteligência” e “conhecimento”, entre especialistas de diversos perfis (por exemplo, análise de sistemas, ciência da computação, neuropsicologia, psicologia, filosofia, etc.) podem diferir significativamente.

A representação completa e adequada do conhecimento, que é percebida igualmente inequivocamente por pessoas e máquinas, é o principal problema da troca de informações moderna. Essa troca de informações é baseada em um sistema de conceitos e relações que compõem o conhecimento.

Classificação do conhecimento

representação do conhecimento
representação do conhecimento

Eles podem ser classificados em várias categorias: conceitual, construtivo, procedimental, factual e metaconhecimento.

  • Conhecimento conceitual é um conjunto de conceitos específicos usados na resolução de problemas. Eles são frequentemente usados nas ciências fundamentais e nos campos teóricos da ciência. De fato, o conhecimento conceitual constitui o aparato conceitual da ciência.
  • Conhecimento construtivo - conjuntos de estruturas, sistemas e subsistemas, bem comointerações entre eles. Usado ativamente em tecnologia.
  • Conhecimento processual são os métodos e algoritmos mais usados em ciências aplicadas.
  • Conhecimento factual são as características de objetos e fenômenos, tanto quantitativos quanto qualitativos. Mais frequentemente usado em ciências experimentais.
  • Metaconhecimento é qualquer conhecimento sobre o conhecimento, seu sistema de organização, sua engenharia e a ordem e as regras de sua aplicação.

Organização do conhecimento

Sistema de organização do conhecimento é o processo de fornecer informações na forma de mensagens que podem ser familiares (fala oral e escrita, imagens, etc.) e incomuns (fórmulas, objetos de mapas, ondas de rádio, etc.).

Para que um sistema de organização do conhecimento seja compreensível e bem-sucedido, é necessário utilizar um sistema de regras compreensível e construtivo segundo o qual o conhecimento será apresentado e percebido. Para fazer isso, uma pessoa usa linguagem e escrita.

Idioma

A linguagem surgiu e se desenvolveu devido ao fato de que o conhecimento acumulado pelas pessoas precisa constantemente ser apresentado, expresso, armazenado e trocado. Um pensamento que não pode ser expresso por uma estrutura formal (linguagem, imagem) perde a oportunidade de fazer parte da troca de informações. É por isso que ao longo da história da humanidade, a linguagem tem sido a forma mais eficaz de representação do conhecimento.

Quanto mais rica a língua, mais conhecimento ela expressa, respectivamente, tornando mais rica a cultura do povo, o que, por sua vez, permite desenvolver sistemas cada vez mais eficazes de organização do conhecimento.

Idiomaciência

troca de informações entre inteligência artificial e humanos
troca de informações entre inteligência artificial e humanos

O principal problema no uso da linguagem como forma de representação do conhecimento é o significado semântico ambíguo das palavras e frases. É por isso que a linguagem da ciência desempenha um papel especial na formalização do conhecimento.

O principal objetivo da linguagem da ciência é tipificar e padronizar as formas de expressão, compressão e armazenamento do conhecimento. Com a ajuda de uma apresentação típica e padrão do conhecimento, pode-se livrar-se da polissemia ou ambiguidade semântica da linguagem.

O que, nas condições naturais de evolução da linguagem, torna uma língua mais rica (polissemia de expressões), torna-se um entrave no processo de troca de conhecimento, aumentando o risco de mal-entendidos, ruídos semânticos e percepção ambígua da informação.

Classificação do conhecimento

Um dos principais métodos de formalização do conhecimento é a classificação. Esta é a distribuição do conhecimento em grupos de acordo com uma determinada classe. Ou seja, apenas as informações que atendem a determinados critérios correspondentes à classe se enquadram em uma determinada classe de conhecimento.

A classificação é um método particularmente importante da sistemática científica, indispensável na primeira etapa da formação do conhecimento básico de uma direção científica. Por exemplo, em ciência da computação sem classificação, não há equivalência que permita resolver tarefas tão importantes como comparação, pesquisa e categorização. Sem a classificação na ciência, não teríamos sistemas de organização de dados tão únicos e inestimáveis como a tabela periódica.

Modelos de Representação do Conhecimento

conhecimento de inteligência artificial
conhecimento de inteligência artificial

A tabela periódica, a Tabela de Graus, o Código Penal, as árvores genealógicas e outros sistemas de classificação são modelos de representação do conhecimento. São estruturas formais que ligam certos conhecimentos: fatos, fenômenos, conceitos, processos, objetos, relacionamentos.

Para entender e processar o conhecimento sobre uma determinada área de conhecimento por um computador, esse conhecimento deve ser apresentado de uma forma certa e formalizada. Dependendo da finalidade, o processamento do conhecimento por um computador ocorre de acordo com um modelo construído sobre um algoritmo. Assim, o conhecimento apresentado no modelo depende do algoritmo para processá-lo.

Existem vários modelos de representação do conhecimento em sistemas especialistas. As principais são produção, frame, rede e lógica.

Classificação dos modelos

Os modelos de representação do conhecimento listados acima, cujos exemplos a seguir, embora difundidos, estão longe de ser os únicos. Hoje, existem muitos modelos que diferem entre si em termos de validade, abordagens de sua criação e princípios de organização.

Por exemplo, a tabela abaixo mostra os tipos de modelos de representação do conhecimento, sua divisão em empíricos e teóricos, bem como outras subdivisões.

Modelos empíricos Modelos teóricos
Modelos de produção Modelos lógicos
Modelos de rede Gramáticas formais
Modelos de molduras Modelos combinatórios
Lenemy Modelos algébricos
Redes neurais
Algoritmos genéticos

Modelagem empírica

modelo de conhecimento de inteligência artificial
modelo de conhecimento de inteligência artificial

Modelos empíricos de organização e representação do conhecimento tomam uma pessoa como exemplo e tentam incorporar a organização de sua memória, consciência e mecanismos de tomada de decisão e resolução de problemas. A modelagem empírica refere-se a qualquer tipo de modelo construído com base em observações empíricas, em vez de relacionamentos que podem ser descritos e modelados matematicamente.

Modelagem empírica é um termo geral para modelos de representação de conhecimento que são criados com base em observações e experimentos.

Um modelo empírico opera de acordo com um princípio semântico simples: o criador observa a interação do modelo e seu referente. O processamento das informações recebidas pode ser "empírico" de várias maneiras, desde fórmulas analíticas, relações causais, até tentativa e erro.

Modelos de produção de representação do conhecimento

Este modelo de representação de dados é mais frequentemente baseado em relacionamentos e causalidade. Se a informação puder ser representada na forma de condições do tipo "If, Then", então o modelo é produção. É mais frequentemente usado em aplicações e simplesinteligência.

Modelos de produção de representação de conhecimento são na maioria das vezes programas de computador que fornecem alguma forma de inteligência artificial com um conjunto de regras de comportamento, bem como o mecanismo necessário para seguir essas regras sob certas condições.

Produção (um conjunto de regras) consiste em duas partes: uma pré-condição ("SE") e uma ação ("ENTÃO"). Se a pré-condição de produção corresponder ao estado atual do mundo, o modelo será executado. O modelo de produção também contém um banco de dados, às vezes chamado de memória de trabalho, que contém o conhecimento atual.

As desvantagens do modelo de produção são que, se o número de regras for muito grande, as ações do modelo podem se contradizer.

Redes semânticas

inteligência artificial
inteligência artificial

Eles se baseiam na integridade da imagem e são os modelos mais visuais de representação do conhecimento. A rede semântica é mais frequentemente representada como um grafo ou uma estrutura gráfica complexa, cujos nós ou vértices representam objetos, conceitos, fenômenos e as arestas representam relacionamentos entre certos objetos, conceitos e fenômenos.

A rede semântica mais simples pode ser facilmente representada como um triângulo, cujos vértices são conceitos como, digamos, "cachorro", "mamífero" e "espinha". Nesse caso, os vértices conectarão os lados do triângulo, que podem ser denotados por conexões e relações como "é", "possui", "tem". desta forma obtemos um modelo de representação do conhecimento a partir do qual aprendemos,que um cão é um mamífero, os mamíferos têm uma espinha dorsal e um cão tem uma espinha dorsal.

Esses modelos são ilustrativos e, com a ajuda deles, você pode representar sistemas complexos e relações causais de maneira mais eficaz. Além disso, essas redes semânticas podem ser complementadas com novos conhecimentos por meio da expansão de uma rede existente, ou seja, um triângulo pode ser transformado em retângulo, depois em hexágono e depois em uma rede complexa de formas que se cruzam, na qual se pode observar, por exemplo, herança de propriedades.

Modelo de moldura

transferência de conhecimento
transferência de conhecimento

O modelo de quadro é assim chamado a partir da palavra em inglês frame - frame ou frame. Um quadro é uma estrutura que coleta dados usados para representar um conceito específico.

Assim como na sociologia, onde os frames são um tipo de dado estereotipado que influencia a percepção humana do mundo e o processo de tomada de decisão, na ciência da computação e no trabalho com inteligência artificial, os frames são usados para criar dados estruturados que representam situações estereotipadas. Na verdade, este é o sistema de dados inicial e básico sobre o qual é construída a percepção do mundo pela inteligência artificial.

Além de serem modelos eficazes de representação do conhecimento, os frames são ativos não apenas na ciência da computação. Eles eram originalmente uma variação de redes semânticas.

Um quadro consiste em um ou mais slots. Por sua vez, os slots podem ser quadros. Assim, o modelo de quadro é capaz de representar objetos conceituais complexos, formando uma ampla cadeia hierárquica.conhecimento.

O modelo de quadro de representação de conhecimento contém informações sobre como usar um quadro, o que esperar durante e depois de usá-lo e o que fazer quando as expectativas de usar um quadro não são atendidas.

Certos tipos de dados em um modelo de quadro são fixos, enquanto outros dados, geralmente armazenados em slots de terminal, podem mudar. Os slots de terminal são mais frequentemente tratados como variáveis. Slots e frames de nível superior carregam informações sobre a situação, o que é sempre verdade, mas slots de terminal não precisam ser verdadeiros.

Quadros de uma rede complexa podem compartilhar os slots de outros quadros da mesma rede.

O banco de dados pode armazenar quadros de protótipo (imutáveis) e quadros de instância que são criados situacionalmente para representar uma situação ou conceito específico.

Os modelos de quadros de representação do conhecimento são um dos mais versáteis e capazes de exibir vários tipos de conhecimento:

  • estruturas de quadros são usadas para representar conceitos e objetos;
  • papéis de quadro denotam responsabilidades de função;
  • scripts de quadro descrevem o comportamento;
  • situações de quadro são usadas para representar estado e atividades.

Redes neurais

Esses algoritmos também podem ser adicionados condicionalmente ao grupo de modelos baseados em uma abordagem empírica do conhecimento. Na verdade, as redes neurais estão tentando copiar os processos que ocorrem no cérebro humano. Eles são baseados na teoria de que um sistema de inteligência artificial com as mesmas estruturas eprocessos, como no cérebro humano, poderão obter resultados semelhantes no processo de tomada de decisão, avaliação de situações e percepção da realidade.

Abordagem teoricamente correta

Troca de conhecimento
Troca de conhecimento

Modelos matemáticos, predicativos e lógicos de representação do conhecimento são baseados nesta abordagem. Esses modelos garantem decisões corretas porque são baseados em lógica formal. Eles são adequados para resolver problemas simples de uma área restrita, geralmente associada à lógica formal.

Modelos lógicos de representação do conhecimento

Este é um dos modelos mais populares baseado em uma abordagem teórica. O modelo lógico usa a álgebra de predicados, seu sistema de axiomas e regras de inferência. Os modelos lógicos mais comuns utilizam termos - constantes lógicas, funções e variáveis, bem como predicados, ou seja, expressões de ações lógicas.

Recomendado: