La representación de conocimiento del es una edición que se presenta en la ciencia cognoscitiva y la inteligencia artificial . En ciencia cognoscitiva se refiere a cómo almacén de la gente e información de proceso. En la inteligencia artificial (AI) la puntería primaria es almacenar conocimiento de modo que los programas puedan procesarlo y alcanzar la verosimilitud de la inteligencia humana. Los investigadores del AI han pedido prestadas teorías de la representación de ciencia cognoscitiva.

Descripción

Hay técnicas de la representación tales como marcos, reglas y redes semánticas que han originado de teorías de la tratamiento de la información humana. Puesto que el conocimiento se utiliza para alcanzar comportamiento inteligente, la meta fundamental de la representación de conocimiento es representar conocimiento de una forma en cuanto a facilita el inferencing (es decir las conclusiones del dibujo) de conocimiento.

Algunas ediciones que se presentan en la representación de conocimiento de una perspectiva del AI son:
¿

cómo hacer gente representa conocimiento?
¿Cuál es la naturaleza del conocimiento y cómo nosotros la representan?
¿Debe un reparto del esquema de la representación con un dominio particular o debe él ser de fines generales?
¿Cómo expresivo es un esquema de la representación?
¿Debe el esquema ser declarativo o procesal?

Ha habido discusión de arriba hacia abajo muy pequeña de las ediciones de la representación (KR) de conocimiento y la investigación en esta área es un quiltwork bien envejecido. Hay problemas bien conocidos tales como " activation" de extensión; (esto es un problema en la navegación de una red de nodos), " subsumption" (esto se refiere a herencia selectiva; e. un ATV se puede pensar en como especialización de un coche pero hereda solamente características particulares) y el " classification." Por ejemplo un tomate se podía clasificar como una fruta y vehículo. En el campo de la inteligencia artificial, la solución de problemas se puede simplificar por una opción apropiada de la representación de conocimiento del . La representación de conocimiento en cierto modo hace ciertos problemas más fáciles solucionar. Por ejemplo, es más fácil dividir los números representados en los números Hindú-Árabes que los números representados como números romanos

Historia de la representación de conocimiento

En el de informática, particularmente inteligencia artificial del, un número de representaciones se han ideado para estructurar la información.

El KR es el más de uso general referir a las representaciones previstas para procesar por las computadoras modernas, y particularmente, para las representaciones que consisten en los objetos explícitos (la clase de todos los elefantes, o de Clyde cierto individuo), y de aserciones o de demandas sobre ellas (“Clyde es un elefante”, o “todos los elefantes son grises "). La representación de conocimiento en tal forma explícita permite a las computadoras extraer conclusiones del conocimiento almacenado ya (“Clyde es gris ").

Muchos métodos del KR fueron intentados en los años 70 y principios de los 80, tal como respuesta a preguntas heurística, redes de los nervios, teorema que probaba, y sistemas expertos, con éxito diverso. La diagnosis médica (e., Mycin ) era un área de aplicación importante, al igual que juegos tales como ajedrez .

En la representación de conocimiento formal de la computadora de los años 80 las idiomas y los sistemas se presentaron. Los proyectos importantes intentaron codificar cuerpos anchos del conocimiento general; por ejemplo el " Cyc " el proyecto pasó a través de una enciclopedia grande, codificando no la información sí mismo, pero la información que un lector necesitaría para entender la enciclopedia: la física ingenua; nociones del tiempo, causalidad, motivación; objetos corrientes y clases de objetos. El proyecto de Cyc es manejado por el Cycorp, Inc. ; mucho pero no todos los datos está libremente disponibles ahora.

A través de tal trabajo, la dificultad del KR vino ser apreciada mejor. En la lingu5ística computacional, mientras tanto, bases de datos mucho más grandes de la información de la lengua eran construidas, y éstas, junto con grandes aumentos en velocidad y capacidad de la computadora, hicieron un KR más profundo más factible.

Se han desarrollado varios lenguajes de programación que se orientan al KR. Prólogo desarrollado en 1972 (véase http://www.html#mod), pero popularizado mucho más adelante, representa asuntos y lógica básica, y puede derivar conclusiones de premisas sabidas. El KL-ONE (años 80) es la representación de conocimiento más específicamente dirigida sí mismo.

En el mundo del documento electrónico, las idiomas eran desarrolladas para representar la estructura de documentos más explícitamente, por ejemplo SGML y posterior XML . Éstos facilitaron el esfuerzos de recuperación de la información de la explotación minera de datos de y, que han comenzado estos últimos años a relacionarse con el KR. La comunidad del Web ahora está interesada especialmente en el Web semántico, en el cual XML-basó idiomas del KR tales como RDF, asunto traza, y otras se pueden utilizar para poner la información del KR a disposición los sistemas del Web.

Asuntos en la representación de conocimiento

Lengua y notación

Alguna gente piensa que sería el mejor representar conocimiento de la misma manera que está representado en la mente humana, que es la única inteligencia de trabajo sabida hasta ahora, o representar conocimiento bajo la forma de lengua humana . Ballard, por ejemplo, ha desarrollado un sistema theory-based de la semántica que es independiente del lenguaje, que demanda capturar y razón con los mismos conceptos y teoría que gente. La semántica theory-based subyacente de la fórmula es: Knowledge=Theory+Information. La mayoría de todos los usos y sistemas de base de datos convencionales son basados en el lenguaje. Desafortunadamente, no sabemos cómo el conocimiento se representa en la mente humana, o manipular idiomas humanas la misma manera que la mente humana la hace. Una pista es que los primates saben utilizar el punto y chascar interfaces utilizador de ; así el interfaz gesto-basado aparece ser parte de nuestro aparato cognoscitivo, una modalidad que no se ate a la lengua verbal, y que existe en otros animales además de los seres humanos

Por esta razón, las idiomas artificiales del vario y las notaciones se han propuesto para representar conocimiento. Los basan típicamente en la lógica y las matemáticas, y han analizado fácilmente las gramáticas para facilitar la máquina que procesa . Caen generalmente en el dominio amplio de las ontologías .

Idiomas de la ontología

considera también:

la lengua de la ontología Después CycL, se han desarrollado un número de idiomas de la ontología. La mayoría son las idiomas declarativas y son cualquier idiomas del capítulo o se basan en la primera lógica de la orden.

Acoplamientos y estructuras

Mientras que los enlaces hipertexto han entrado en uso extenso, el acoplamiento semántico estrechamente vinculado no es todavía ampliamente utilizado. La tabla matemática se ha utilizado desde tiempos babilónicos . Más recientemente, estas tablas se han utilizado para representar los resultados de las operaciones de lógica, tales como tablas de verdad que fueron utilizadas para estudiar y para modelar lógica boleana, por ejemplo. Las hojas de balance son otra más representación tabular del conocimiento. Otras representaciones de conocimiento son los árboles, por medio de los cuales las conexiones entre conceptos fundamentales y conceptos derivados pueden ser demostradas.

Representaciones visuales, llamadas un " plex" según lo convertido por TheBrain Technologies es relativamente nuevo en el campo de la gerencia del conocimiento pero da a usuario una manera de visualizar cómo una pensamiento o idea está conectado con otras ideas permitiendo la posibilidad de la mudanza a partir de un pensamiento a otro para encontrar la información required. El acercamiento no está sin sus competidores.

Notación

La manera reciente en idiomas de la representación de conocimiento es utilizar el XML como el sintaxis bajo. Esto tiende a hacer que el hace salir de estas idiomas del KR fáciles para las máquinas al analiza, a expensas de la legibilidad humana y a menudo de la espacio-eficacia.

El cálculo de predicado de primer orden es de uso general como base matemática para estos sistemas, evitar la complejidad excesiva . Sin embargo, incluso los sistemas simples basados en esta lógica simple se pueden utilizar para representar los datos que están bien más allá de la capacidad de proceso de los sistemas informáticos actuales: ver el Computability por razones.

Ejemplos de notaciones:
El DATR es un ejemplo para representar conocimiento léxico
El RDF es una notación simple para representar relaciones entre y entre los objetos

Almacenaje y manipulación

Un problema en la representación de conocimiento consiste en cómo almacenar y manipular el conocimiento en un sistema de información de una manera formal para poderlo utilizar por los mecanismos para lograr una tarea dada. Los ejemplos de usos son sistemas automatizados del mantenimiento de los sistemas de traducción automática de los sistemas expertos y sistemas de recuperación de la información (delantero-fines incluyendo de la base de datos).

Las redes semánticas se pueden utilizar para representar conocimiento. Cada nodo representa un concepto y los arcos se utilizan para definir las relaciones entre los conceptos. Uno de los paradigmas más expresivos y comprensivo descritos de la representación de conocimiento a lo largo de las líneas de redes semánticas está el MultiNet (siglas para las redes semánticas extendidas de varias capas).

A partir de los años 60, se ha utilizado el marco del conocimiento o apenas el marco del . Cada marco tiene su propio nombre y un sistema de atribuye, o el ranura que contengan valores; por ejemplo, el marco para la casa del pudo contener una ranura del color del, el número del de ranura de los pisos, el etc.

Usar los marcos para los sistemas expertos es un uso orientado al objeto que programa, con la herencia de las características descritas por el " " AIA ; acoplamiento. Sin embargo, no ha habido pequeña cantidad de la inconsistencia en el uso del " es-a" acoplamiento: El Ronald J. Brachman escribió un " titulado de papel; Qué AIA es y no es ", en donde diversa semántica 29 fue encontrada en los proyectos cuyos esquemas de la representación de conocimiento implicaron un " es-a" acoplamiento. Otros acoplamientos incluyen el " " de la Tener-parte ; acoplamiento.

Las estructuras del capítulo están bien adaptadas para la representación del conocimiento esquemático y de los patrones cognoscitivos stereotypical. Los elementos de tales patrones esquemáticos se cargan desigual, atribuyendo pesos más altos a los elementos más típicos de un esquema. Un patrón es activado por ciertas expectativas: Si una persona ve un pájaro grande, él o ella lo clasificará algo como águila de mar que un águila de oro, si se asume que su " mar-scheme" se activa actual y su " tierra-scheme" no es.

Las representaciones del capítulo objeto-se centran en el mismo sentido que las redes semánticas son: Todos los hechos y características conectados con un concepto están situados en un lugar - no hay necesidad de procesos costosos de la búsqueda en la base de datos.

Una escritura del comportamiento es un tipo de bastidor que describa qué sucede temporal; el ejemplo generalmente dado es el de describir ir a un restaurante . Los pasos incluyen esperar que se asentará, recibiendo un menú, ordenar, un etc.

Las diversas soluciones se pueden arreglar en un espectro semántico supuesto del con respecto a su expresividad semántica.

Zenithic

KITI (AM)

Random links:

Proyección oblicua | Saludar Hofmans | Ismat Chughtai | Carro (álbum) | Tom Parlon