Технологии интеллектуального анализа данных

Представление знаний в ИИ описывает процесс представления знаний. По сути, это изучение того, как убеждения, намерения и суждения интеллектуального агента могут быть выражены в форме, подходящей для автоматизированного рассуждения. Одна из основных целей представления знаний — моделирование интеллектуального поведения агента.

Представление знаний и рассуждения (KR, KRR) — это представление информации из реального мира, позволяющее компьютеру понимать и затем использовать эти знания для решения сложных реальных задач, таких как общение с людьми на естественном языке. Представление знаний в ИИ — это не просто хранение данных в базе данных, оно позволяет машине обучаться на основе этих знаний и вести себя разумно, как человек.

Различные виды знаний, которые необходимо учитывать при создании ИИ, включают в себя:

• Объекты.
• Мероприятия.
• Производительность.
• Факты.
• Метазнание.
• База знаний.

 Теперь, когда вы знаете о представлении знаний в ИИ, давайте перейдём к различным типам знаний.

 Различные типы знаний.

 Существует 5 типов знаний, таких как:

 Декларативное знание включает в себя понятия, факты и объекты и выражается в повествовательном предложении.

• Структурные знания — это базовые знания для решения задач, которые описывают взаимосвязь между понятиями и объектами.
• Процедурные знания — это знания о том, как что-то делать, включающие в себя правила, стратегии, процедуры и т. д.
• Мета-знание — мета-знание определяет знание о других типах знания.
• Эвристическое знание — это экспертные знания в определённой области или предмете.

Это основные типы представления знаний в ИИ. Теперь давайте рассмотрим цикл представления знаний и то, как он работает.

Цикл представления знаний в искусственном интеллекте

Системы искусственного интеллекта обычно состоят из различных компонентов, обеспечивающих их интеллектуальное поведение. Некоторые из этих компонентов включают:

• Восприятие
• Обучение
• Представление Знаний и Рассуждения
• Планирование
• Исполнение

Вот пример, демонстрирующий различные компоненты системы и принцип её работы.

 На приведённой выше схеме показано взаимодействие системы искусственного интеллекта с реальным миром и компонентами, участвующими в проявлении интеллекта.

• Компонент «Восприятие» извлекает данные или информацию из окружающей среды. С помощью этого компонента вы можете получать данные из окружающей среды, определять источник шума и проверять, не был ли ИИ чем-то повреждён. Кроме того, он определяет, как реагировать на обнаружение какого-либо объекта.
• Кроме того, существует компонент обучения, который извлекает данные из компонента восприятия. Цель состоит в том, чтобы создавать компьютеры, которые можно обучать, а не программировать. Обучение фокусируется на процессе самосовершенствования. Чтобы изучать новое, системе требуется получать знания, делать выводы, приобретать эвристику, ускорять поиск и т. д.
• Основным компонентом цикла является представление знаний и рассуждение, которые демонстрируют человекоподобный интеллект в машинах. Представление знаний — это понимание интеллекта. Вместо того чтобы пытаться понять или создать мозг с нуля, цель состоит в том, чтобы понять и создать интеллектуальное поведение с нуля и сосредоточиться на том, что нужно знать агенту, чтобы вести себя разумно. Кроме того, это определяет, как автоматизированные процедуры рассуждений могут сделать эти знания доступными по мере необходимости.
• Компоненты «Планирование» и «Выполнение» зависят от анализа представления знаний и рассуждений. Здесь планирование включает в себя определение начального состояния, поиск его предпосылок и последствий, а также последовательности действий для достижения состояния, в котором достигается конкретная цель. После завершения планирования наступает заключительный этап — выполнение всего процесса.