Ang mga kumplikadong konsepto gaya ng "pag-iisip" at "kamalayan", at mas madaling matukoy, gaya ng "katalinuhan" at "kaalaman", sa mga espesyalista ng iba't ibang profile (halimbawa, pagsusuri ng mga sistema, computer science, neuropsychology, sikolohiya, pilosopiya, atbp.) ay maaaring magkaiba nang malaki.
Kumpleto, sapat na representasyon ng kaalaman, na itinuturing na pantay na hindi malabo ng mga tao at makina, ang pangunahing problema ng modernong pagpapalitan ng impormasyon. Ang nasabing pagpapalitan ng impormasyon ay nakabatay sa isang sistema ng mga konsepto at ugnayang bumubuo ng kaalaman.
Pag-uuri ng kaalaman
Maaaring uriin ang mga ito sa ilang kategorya: conceptual, constructive, procedural, factual at metaknowledge.
- Ang kaalaman sa konsepto ay isang hanay ng mga partikular na konsepto na ginagamit sa paglutas ng mga problema. Madalas silang ginagamit sa mga pangunahing agham at teoretikal na larangan ng agham. Sa katunayan, ang konseptong kaalaman ay bumubuo sa konseptwal na kagamitan ng agham.
- Nakabuo na kaalaman - mga hanay ng mga istruktura, system at subsystem, pati na rinpakikipag-ugnayan sa pagitan nila. Aktibong ginagamit sa teknolohiya.
- Ang kaalaman sa pamamaraan ay ang mga pamamaraan at algorithm na pinakakaraniwang ginagamit sa mga inilapat na agham.
- Ang tunay na kaalaman ay ang mga katangian ng mga bagay at phenomena, parehong quantitative at qualitative. Pinakamadalas na ginagamit sa mga pang-eksperimentong agham.
- Ang Metaknowledge ay anumang kaalaman tungkol sa kaalaman, ang sistema ng organisasyon nito, ang inhinyero nito, at ang kaayusan at mga tuntunin ng paggamit nito.
Samahan ng kaalaman
Ang sistema ng organisasyon ng kaalaman ay ang proseso ng pagbibigay ng impormasyon sa anyo ng mga mensahe na maaaring pamilyar (oral at nakasulat na pananalita, mga larawan, atbp.) at hindi karaniwan (mga formula, mga bagay sa mapa, mga radio wave, atbp.).
Para maunawaan at matagumpay ang isang sistema ng organisasyon ng kaalaman, kinakailangan na gumamit ng isang naiintindihan at nakabubuo na sistema ng mga tuntunin ayon sa kung saan ang kaalaman ay ilalahad at makikita. Para magawa ito, gumagamit ang isang tao ng wika at pagsusulat.
Wika
Ang wika ay lumitaw at umunlad dahil sa katotohanang ang kaalamang naipon ng mga tao ay patuloy na kailangang iharap, ipahayag, itago at ipagpalit. Ang isang kaisipang hindi maipahayag ng isang pormal na istruktura (wika, larawan) ay nawawalan ng pagkakataong maging bahagi ng pagpapalitan ng impormasyon. Kaya naman sa buong kasaysayan ng sangkatauhan, ang wika ang naging pinakamabisang anyo ng representasyon ng kaalaman.
Kung mas mayaman ang wika, mas maraming kaalaman ang ipinahahayag nito, ayon sa pagkakabanggit, na nagpapayaman sa kultura ng mga tao, na nagbibigay-daan naman sa iyo na bumuo ng higit at mas epektibong mga sistema ng pag-oorganisa ng kaalaman.
Wikaagham
Ang pangunahing suliranin sa paggamit ng wika bilang isang anyo ng representasyon ng kaalaman ay ang hindi tiyak na semantikong kahulugan ng mga salita at pangungusap. Kaya naman may espesyal na papel ang wika ng agham sa pormalisasyon ng kaalaman.
Ang pangunahing layunin ng wika ng agham ay ilarawan at gawing pamantayan ang mga anyo ng pagpapahayag, pag-compress at pag-iimbak ng kaalaman. Sa tulong ng isang tipikal, karaniwang presentasyon ng kaalaman, maaalis ng isa ang polysemy o semantic ambiguity ng wika.
Ano, sa natural na mga kondisyon ng ebolusyon ng wika, ang nagpapayaman sa isang wika (polysemy of expressions), nagiging hadlang sa proseso ng pagpapalitan ng kaalaman, na nagdaragdag ng panganib ng hindi pagkakaunawaan, semantic noise at malabong persepsyon sa impormasyon.
Pag-uuri ng kaalaman
Isa sa mga pangunahing paraan ng pormalisasyon ng kaalaman ay ang pag-uuri. Ito ay ang pamamahagi ng kaalaman sa mga pangkat alinsunod sa isang tiyak na klase. Ibig sabihin, ang impormasyon lamang na nakakatugon sa ilang pamantayan na naaayon sa klase ang nabibilang sa isang partikular na klase ng kaalaman.
Ang Classification ay isang partikular na mahalagang paraan ng mga sistematikong siyentipiko, na kailangang-kailangan sa unang yugto ng pagbuo ng pangunahing kaalaman sa direksyong siyentipiko. Halimbawa, sa computer science na walang pag-uuri, walang katumbas na nagpapahintulot sa iyo na malutas ang mga mahahalagang gawain tulad ng paghahambing, paghahanap at pagkakategorya. Kung walang klasipikasyon sa agham, hindi tayo magkakaroon ng natatangi at napakahalagang sistema ng organisasyon ng data gaya ng periodic table.
Mga Modelo ng Pagpapakita ng Kaalaman
Ang periodic table, ang Table of Ranks, ang Criminal Code, mga family tree at iba pang sistema ng pag-uuri ay mga modelo ng representasyon ng kaalaman. Ito ay mga pormal na istrukturang nag-uugnay sa ilang partikular na kaalaman: katotohanan, kababalaghan, konsepto, proseso, bagay, ugnayan.
Upang maunawaan at maproseso ang kaalaman tungkol sa isang partikular na lugar ng paksa sa pamamagitan ng isang computer, ang kaalamang ito ay dapat ipakita sa isang tiyak, pormal na anyo. Depende sa layunin, ang pagproseso ng kaalaman ng isang computer ay nangyayari alinsunod sa isang modelo na binuo sa isang algorithm. Alinsunod dito, ang kaalamang ipinakita sa modelo ay nakasalalay sa algorithm para sa pagproseso nito.
May ilang mga modelo ng representasyon ng kaalaman sa mga expert system. Ang mga pangunahing ay produksyon, frame, network at lohikal.
Pag-uuri ng mga modelo
Ang mga modelo ng representasyon ng kaalaman na nakalista sa itaas, ang mga sumusunod na halimbawa, bagama't laganap, ay malayo sa mga ito lamang. Sa ngayon, maraming mga modelo na naiiba sa bawat isa sa mga tuntunin ng bisa, mga diskarte sa kanilang paglikha at mga prinsipyo ng organisasyon.
Halimbawa, ipinapakita ng talahanayan sa ibaba ang mga uri ng mga modelo ng representasyon ng kaalaman, ang paghahati nito sa empirical at teoretikal, pati na rin ang karagdagang subdivision.
| Empirical models | Mga teoretikal na modelo |
| Mga modelo ng produksyon | Mga lohikal na modelo |
| Mga modelo ng network | Mga pormal na grammar |
| Mga modelo ng frame | Combinatorial models |
| Lenemy | Algebraic models |
| Mga Neural network | |
| Genetic algorithm |
Empirical modelling
Ang mga empirikal na modelo ng organisasyon at representasyon ng kaalaman ay kumukuha ng isang tao bilang isang halimbawa at subukang isama ang organisasyon ng kanyang memorya, kamalayan at mga mekanismo sa paggawa ng desisyon at paglutas ng problema. Ang empirical modeling ay tumutukoy sa anumang uri ng modelo na binuo batay sa mga empirical na obserbasyon, sa halip na mga ugnayang mathematically describe and model.
Ang empirical modeling ay isang pangkalahatang termino para sa mga modelo ng representasyon ng kaalaman na nilikha batay sa mga obserbasyon at eksperimento.
Ang isang empirical na modelo ay gumagana ayon sa isang simpleng semantic na prinsipyo: ang tagalikha ay nagmamasid sa interaksyon ng modelo at ang tinutukoy nito. Ang pagpoproseso ng impormasyong natanggap ay maaaring maging "empirical" sa maraming paraan, mula sa mga analytical na formula, mga ugnayang sanhi, hanggang sa pagsubok at pagkakamali.
Mga modelo ng produksyon ng representasyon ng kaalaman
Ang modelo ng representasyon ng data na ito ay kadalasang nakabatay sa mga ugnayan at sanhi. Kung ang impormasyon ay maaaring katawanin sa anyo ng mga kondisyon ng uri na "Kung, Pagkatapos", kung gayon ang modelo ay produksyon. Ito ay kadalasang ginagamit sa mga aplikasyon at simpleng artipisyalkatalinuhan.
Ang mga modelo ng produksyon ng representasyon ng kaalaman ay kadalasang mga computer program na nagbibigay ng ilang uri ng artificial intelligence na may hanay ng mga panuntunan ng pag-uugali, pati na rin ang mekanismong kinakailangan upang sundin ang mga panuntunang ito sa ilalim ng ilang partikular na kundisyon.
Produksyon (isang hanay ng mga panuntunan) ay binubuo ng dalawang bahagi: isang paunang kondisyon ("KUNG") at isang aksyon ("THEN"). Kung tumutugma ang precondition ng produksyon sa kasalukuyang estado ng mundo, tatakbo ang modelo. Naglalaman din ang modelo ng produksyon ng database, kung minsan ay tinutukoy bilang working memory, na naglalaman ng kasalukuyang kaalaman.
Ang mga disadvantage ng production model ay kung masyadong malaki ang bilang ng mga panuntunan, maaaring magkasalungat ang mga aksyon ng modelo.
Semantic network
Ang mga ito ay nakabatay sa integridad ng larawan at ang mga pinaka-visual na modelo ng representasyon ng kaalaman. Ang semantic network ay kadalasang kinakatawan bilang isang graph o isang kumplikadong istraktura ng graph, ang mga node o vertices nito ay kumakatawan sa mga bagay, konsepto, phenomena, at ang mga gilid ay kumakatawan sa mga ugnayan sa pagitan ng ilang partikular na bagay, konsepto at phenomena.
Ang pinakasimpleng semantic network ay madaling mailarawan bilang isang tatsulok, ang mga vertices nito ay mga konsepto gaya ng, sabihin nating, "aso", "mammal" at "spine". Sa kasong ito, ikokonekta ng mga vertices ang mga gilid ng tatsulok, na maaaring tukuyin ng mga koneksyon at relasyon bilang "ay", "nagtataglay", "may". sa ganitong paraan nakakakuha tayo ng modelo ng representasyon ng kaalaman kung saan tayo natututo,na ang aso ay mammal, ang mammal ay may gulugod, at ang aso ay may gulugod.
Ang mga ganitong modelo ay naglalarawan, at sa tulong ng mga ito ay pinakamabisa mong kinakatawan ang mga kumplikadong sistema at mga ugnayang sanhi. Bilang karagdagan, ang mga semantic network na ito ay maaaring dagdagan ng bagong kaalaman sa pamamagitan ng pagpapalawak ng isang umiiral na network, iyon ay, ang isang tatsulok ay maaaring maging isang parihaba, pagkatapos ay sa isang hexagon, at pagkatapos ay sa isang kumplikadong network ng mga intersecting na mga hugis, kung saan ang isang tao ay maaaring obserbahan., halimbawa, pamana ng mga ari-arian.
Modelo ng frame
Ang modelo ng frame ay pinangalanan mula sa salitang Ingles na frame - frame o frame. Ang frame ay isang istraktura na nangongolekta ng data na ginamit upang kumatawan sa isang partikular na konsepto.
Tulad ng sa sosyolohiya, kung saan ang mga frame ay isang uri ng stereotyped na data na nakakaimpluwensya sa pananaw ng tao sa mundo at sa proseso ng paggawa ng desisyon, sa computer science at nagtatrabaho gamit ang artificial intelligence, ang mga frame ay ginagamit upang lumikha ng structured data na kumakatawan mga stereotypical na sitwasyon. Sa katunayan, ito ang paunang, pangunahing sistema ng data kung saan binuo ang pananaw sa mundo sa pamamagitan ng artificial intelligence.
Bukod sa mga mabisang modelo ng representasyon ng kaalaman, ang mga frame ay aktibo hindi lamang sa computer science. Ang mga ito ay orihinal na pagkakaiba-iba ng mga semantic network.
Ang isang frame ay binubuo ng isa o higit pang mga puwang. Sa turn, ang mga puwang ay maaaring maging mga frame. Kaya, ang modelo ng frame ay maaaring kumatawan sa mga kumplikadong konseptong bagay, na bumubuo ng isang malawak na hierarchical chain.kaalaman.
Ang modelo ng frame ng representasyon ng kaalaman ay naglalaman ng impormasyon tungkol sa kung paano gumamit ng frame, kung ano ang aasahan sa panahon at pagkatapos gamitin ito, at kung ano ang gagawin kapag hindi natugunan ang mga inaasahan mula sa paggamit ng frame.
Ang ilang uri ng data sa isang frame model ay naayos, habang ang ibang data, na kadalasang nakaimbak sa mga terminal slot, ay maaaring magbago. Ang mga terminal slot ay kadalasang itinuturing bilang mga variable. Ang mga top-level na slot at frame ay nagdadala ng impormasyon tungkol sa sitwasyon, na palaging totoo, ngunit ang mga terminal slot ay hindi kailangang totoo.
Ang mga frame ng isang kumplikadong network ay maaaring magbahagi ng mga puwang ng iba pang mga frame ng parehong network.
Maaaring mag-imbak ang database ng mga prototype na frame (hindi nababago) at mga instance frame na ginawa ayon sa sitwasyon upang kumatawan sa isang partikular na sitwasyon o konsepto.
Ang mga modelo ng frame ng representasyon ng kaalaman ay isa sa pinaka maraming nalalaman at may kakayahang magpakita ng iba't ibang uri ng kaalaman:
- mga istruktura ng frame ay ginagamit upang kumatawan sa mga konsepto at bagay;
- Ang frame roles ay tumutukoy sa mga responsibilidad sa tungkulin;
- mga script ng frame na naglalarawan ng gawi;
- mga sitwasyon ng frame ang ginagamit upang kumatawan sa estado at mga aktibidad.
Mga Neural network
Ang mga algorithm na ito ay maaari ding idagdag na may kundisyon sa pangkat ng mga modelo batay sa isang empirical na diskarte sa kaalaman. Sa katunayan, sinusubukan ng mga neural network na kopyahin ang mga prosesong nagaganap sa utak ng tao. Ang mga ito ay batay sa teorya na ang isang artificial intelligence system na may parehong mga istraktura atAng mga proseso, tulad ng sa utak ng tao, ay makakakuha ng katulad na mga resulta sa proseso ng paggawa ng desisyon, pagsusuri ng mga sitwasyon at pang-unawa sa katotohanan.
Theoretically sound approach
Mathematical, predicative at logical na mga modelo ng representasyon ng kaalaman ay nakabatay sa diskarteng ito. Ginagarantiyahan ng mga modelong ito ang mga tamang desisyon dahil nakabatay ang mga ito sa pormal na lohika. Angkop ang mga ito para sa paglutas ng mga simpleng problema mula sa isang makitid na lugar ng paksa, na kadalasang nauugnay sa pormal na lohika.
Mga lohikal na modelo ng representasyon ng kaalaman
Ito ang isa sa mga pinakasikat na modelo batay sa isang teoretikal na diskarte. Ang lohikal na modelo ay gumagamit ng predicate algebra, ang sistema ng mga axiom at mga panuntunan ng inference. Ang pinakakaraniwang lohikal na modelo ay gumagamit ng mga termino - mga lohikal na constant, function at variable, pati na rin ang mga predicate, iyon ay, mga expression ng lohikal na aksyon.
