Википедия

Представление знаний

20 Июл, 2025 / 20:05

Представление знаний — вопрос, возникающий в когнитологии (науке о мышлении) и информатике, а также в исследовании вопросов, связанных с искусственным интеллектом. В когнитологии он связан с тем, как люди хранят и обрабатывают информацию. В информатике — с подбором представления конкретных и обобщённых знаний, сведений и фактов для накопления и обработки информации в ЭВМ. Главная задача в искусственном интеллекте (ИИ) — научиться хранить знания таким образом, чтобы программы могли осмысленно обрабатывать их и достигнуть тем подобия человеческого интеллекта.

Под термином «представление знаний» чаще всего подразумеваются способы представления знаний, ориентированные на автоматическую обработку современными компьютерами, и, в частности, представления, состоящие из явных объектов ('класс всех слонов', 'Клайд — индивид') и из суждений или утверждений о них ('Клайд — слон', 'все слоны серые'). Представление знаний в подобной явной форме позволяет компьютерам делать дедуктивные выводы из ранее сохранённого знания ('Клайд — серый').

Представление знаний в ИИ

Исследователи ИИ используют теории представления знаний из когнитологии. Такие методы, как фреймы, правила вывода и семантические сети пришли в ИИ из теорий обработки информации человеком. Поскольку знание используется для достижения разумного поведения, фундаментальной целью дисциплины представления знаний является поиск таких способов представления, которые делают возможным процесс логического вывода, то есть создание знания из знаний.

Некоторые вопросы, которые возникают в представлении знаний с точки зрения ИИ:

  • Как люди представляют знания?
  • Какова природа знаний и как мы их представляем?
  • Должна ли схема представления связываться с частной областью знаний, или она должна быть общецелевой?
  • Насколько выразительна данная схема представления?
  • Должна ли быть схема декларативной или процедурной?

Было очень немного скрупулёзного, нисходящего обсуждения вопросов представления знаний, и исследования в данной области так по сути и не продвинулись за последние годы. Есть хорошо известные проблемы, такие как «spreading activation» (задача навигации в сети узлов), категоризация (это связано с выборочным наследованием; например, вездеход можно считать специализацией (особым случаем) автомобиля, но он наследует только некоторые характеристики) и классификация. Например, помидор можно считать как ягодой, так и овощем.

Решение сложных задач часто может быть упрощено правильным выбором метода представления знаний. Определённый метод может сделать какую-либо область знаний легко представимой. Например, диагностическая экспертная система MYCIN использовала схему представления знаний, основанную на правилах. Неправильный выбор метода представления затрудняет обработку. В качестве аналогии можно взять вычисления в индо-арабской или римской записи. Деление в столбик проще в первом случае и сложнее во втором. Аналогично, не существует такого способа представления, который можно было бы использовать во всех задачах, или сделать все задачи одинаково простыми.

История

Для структурирования информации, а также организации баз знаний и экспертных систем были предложены несколько способов представления знаний. Одно из них — представление данных и сведений в рамках логической модели баз знаний.

В 1960-х и начале 1980-х были предложены, и с переменным успехом опробованы многочисленные методы представления знаний, например эвристические вопросно-ответные системы, нейросети, доказательство теорем и экспертные системы. Главными областями их применения в то время были медицинская диагностика (MYCIN) и игры (например, шахматы).

В 1980-х годах появились формальные компьютерные языки представления знаний. Основные проекты того времени пытались закодировать (занести в свои базы знаний) огромные массивы общечеловеческого знания. Например, в проекте «Cyc» была обработана большая энциклопедия, и кодировалась не сама хранящаяся в ней информация, а знания, которые потребуются читателю, чтобы понять эту энциклопедию: наивная физика, понятия времени, причинности и мотивации, типичные объекты и их классы. Проект Cyc развивается компанией ; большая часть (но не вся) их базы свободно доступна.

Данная работа привела к более точной оценке сложности задачи представления знаний. Одновременно в математической лингвистике были созданы гораздо более объёмные базы языковой информации, и они, вместе с огромным приростом скорости и объёмов памяти компьютеров, сделали более глубокое представление знаний более реальным.

Было также разработано несколько языков программирования, ориентированных на представление знаний. Пролог (разработанный в 1972 году, но получивший популярность значительно позже) описывает высказывания и основную логику, и может производить выводы из известных посылок. Ещё больше нацелен на представление знаний язык (1980-е).

В области электронных документов были разработаны языки, явно выражающие структуру хранимых документов, такие как SGML (а впоследствии — XML). Они облегчили задачи поиска и извлечения информации, которые в последнее время всё больше связаны с задачей представления знаний. Большой интерес проявляется к технологии семантической паутины, в которой основанные на XML языки представления знаний, такие как RDF, и другие используются для увеличения доступности компьютерным системам информации, хранящейся в сети.

Связи и структуры

Сегодня широко используются гиперссылки, однако близкое понятие (en:semantic link) ещё не вошло в широкое употребление. Со времён Вавилона использовались . Позже эти таблицы использовались для представления результатов логических операций, например таблицы истинности использовались для изучения и моделирования булевой логики. Табличные процессоры также являются примером табличного представления знаний. Другим методом представления знаний являются деревья, с помощью которых можно показать связи между фундаментальными концепциями и их производными.

Относительно новый подход к управлению знаниями — визуальные способы представления, например, разработанный компанией «плекс». Они дают пользователю способ визуализировать то, как мысль или идея связана с другими идеями, позволяя перемещаться от одной мысли к другой в поисках требующейся информации. Данный подход развивают несколько компаний. Другие визуальные инструменты поиска созданы компаниями Convera, Entopia, Inc., EPeople Inc., и Inxight Software Inc.

Хранение и обработка знаний

Одна из проблем в представлении знаний — как хранить и обрабатывать знания в информационных системах формальным способом так, чтобы машины могли использовать их для достижения поставленных задач. Примеры применения — экспертные системы, машинный перевод, и системы извлечения и поиска информации (включая пользовательские интерфейсы баз данных).

Семантические сети

Основная статья: Семантическая сеть

Для представления знаний можно использовать семантические сети. Каждый узел такой сети представляет концепцию, а дуги используются для определения отношений между концепциями.

Одна из самых выразительных и детально описанных парадигм представления знаний, основанных на семантических сетях — (акроним для «многослойные расширенные семантические сети», англ. Multilayered Extended Semantic Networks).

Фреймы

Основная статья: Фрейм (инженерия знаний)

Начиная с 1960-х годов, использовалось понятие фрейма знаний или просто фрейма. Каждый фрейм имеет своё собственное имя и набор атрибутов, или слотов которые содержат значения; например фрейм дом мог бы содержать слоты цвет, количество этажей и так далее.

Использование фреймов в экспертных системах является примером объектно-ориентированного программирования с наследованием свойства, которое описывается связью «is-a» («является»). Однако в использовании связи «is-a» существовало немало противоречий: написал работу, озаглавленную «Чем является и не является IS-A», в которой были найдены 29 различных семантик связи «is-a» в проектах, чьи схемы представления знаний включали связь «is-a». Другие связи включают, например, «» («имеет своей частью»).

Фреймовые структуры хорошо подходят для представления знаний, представленных в виде схем и стереотипных когнитивных паттернов. Элементы подобных паттернов обладают разными весами, причём большие веса назначаются тем элементам, которые соответствуют текущей когнитивной схеме (schema). Паттерн активизируется при определённых условиях: если человек видит большую птицу, при условии что сейчас активна его «морская схема», а «земная схема» — нет, он классифицирует её скорее как морского орлана, а не сухопутного беркута.

Фреймовые представления объектно-центрированы в том же смысле, что и семантическая сеть: все факты и свойства, связанные с одной концепцией, размещаются в одном месте, поэтому не требуется тратить ресурсы на поиск по базе данных.

Скрипт — это тип фреймов, который описывает последовательность событий во времени; типичный пример — описание похода в ресторан. События здесь включают ожидание места, прочитать меню, сделать заказ, и так далее.

Различные решения в зависимости от их семантической выразительности могут быть организованы в так называемый (англ. Semantic spectrum).

Язык и нотация

Некоторые люди считают, что лучше всего будет представлять знания так же, как они представлены в человеческом разуме, который является единственным известным на сегодняшний день работающим разумом, или же представлять знания в форме естественного языка. Доктор Ричард Баллард, например, разработал «семантическую систему, базирующуюся на теории», которая не зависит от языка, которая выводит цель и рассуждает теми же концепциями и теориями, что и люди. Формула, лежащая в основе этой семантики: Знание=Теория+Информация. Большинство распространённых приложений и систем баз данных основаны на языках. К несчастью, мы не знаем, как знания представляются в человеческом разуме или как манипулировать естественными языками так же, как это делает человек. Одной из подсказок является то, что приматы знают, как использовать интерфейсы пользователя Наведи-и-кликни; таким образом интерфейс жестов, похоже, является частью нашего когнитивного аппарата, модальность, которая не привязана к устному языку и которая существует у других животных, кроме человека.

Поэтому для представления знаний были предложены различные искусственные языки и нотации. Обычно они основаны на логике и математике и имеют легко читаемую грамматику для облегчения машинной обработки. Обычно они попадают в широкую область онтологий.

Нотация

Последней модой в языках представления знаний является использование XML в качестве низкоуровневого синтаксиса. Это приводит к тому, что машины могут легко производить синтаксический анализ и вывод этих языков представления знаний, за счёт удобочитаемости для человека.

Логика первого порядка и язык Пролог широко используется в качестве математической основы для этих систем, чтобы избежать избыточной сложности. Однако даже простые системы, основанные на этой простой логике, можно использовать для представления данных, которое значительно лучше возможностей обработки для нынешних компьютерных систем: причины раскрываются в теории вычислимости.

Примеры нотаций:

  • [англ.] является примером представления лексических знаний
  • RDF является простой нотацией для представления отношений между и среди объектов

Языки

Языки делятся на искусственные и естественные.

Естественные языки формировались и формируются национальными или профессиональными сообществами людей. Знания передаются от одного человека к другому, после их перевода на язык, который понимают человек источник знания и человек приёмник знания.

Искусственные языки создавались и создаются для связи человека с машинами.

Примеры искусственных языков, которые используются преимущественно для представления знаний:

  • [англ.]
  • [англ.]
  • [англ.]
  • OWL
  •  : Машина Знаний (англ. Knowledge Machine) (фреймовый язык, использовавшийся для задач представления знаний)
  • язык Пролог

Методы и формализмы

Методы и формализмы представления знаний — название раздела I.2.4 в (англ. ACM Computing Classification System).

Данная секция расположена под:

  • Категорией самого верхнего уровня, I Вычислительные методологии, и
  • Категорией второго уровня, I.2 Искусственный интеллект.

Она включает следующие темы:

  1. фреймы и
  2. Модальная логика
  3. Логика первого порядка
  4. Языки представления
  5. Представления (процедурные и основанные на правилах)
  6. Семантические сети
  7. Темпоральная логика
  8. язык Пролог
  9. Логическое программирование
  10. База знаний
  11. Экспертные системы
  12. Когнитивное моделирование

См. также

Примечания

  1. Brief History of Artificial Intelligence (англ.). Дата обращения: 13 апреля 2007. Архивировано из оригинала 29 января 2007 года.

Литература

  • Джозеф Джарратано, Гари Райли. Глава 2. Представление знаний (в PDF) // Экспертные системы: принципы разработки и программирование = Expert Systems: Principles and Programming. — 4-е изд. — М.: , 2006. — С. 1152. — ISBN 978-5-8459-1156-8.
  • Amaravadi, C. S., "Knowledge Management for Administrative Knowledge, " Expert Systems, 25(2), pp 53-61, May 2005.
  • ; What IS-A is and isn’t. An Analysis of Taxonomic Links in Semantic Networks; IEEE Computer, 16 (10); October 1983
  • Jean-Luc Hainaut, Jean-Marc Hick, Vincent Englebert, Jean Henrard, Didier Roland: Understanding Implementations of IS-A Relations. ER 1996: 42-57
  • Hermann Helbig: Knowledge Representation and the Semantics of Natural Language, Springer, Berlin, Heidelberg, New York 2006
  • Arthur B. Marкмan: Knowledge Representation Lawrence Erlbaum Associates, 1998
  • Michael Negnevitsky: Artificial Intelligence, A Guide to Intelligent Systems, Pearson Education Limited, 2002
  • John F. Sowa: Knowledge Representation: Logical, Philosophical, and Computational Foundations. Brooks/Cole: New York, 2000
  • Adrian Walker, Michael McCord, John F. Sowa, and Walter G. Wilson: Knowledge Systems and Prolog, Second Edition, Addison-Wesley, 1990
  • Субботін С. О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: Навчальний посібник. — Запоріжжя: ЗНТУ, 2008. — 341 с.

Ссылки

  • Что такое представление знаний? Архивная копия от 7 ноября 2005 на Wayback Machine Рэндала Дэвиса и других (EN)
  • Введение в моделирование знаний Архивная копия от 2 апреля 2007 на Wayback Machine Пижмана Махфи (EN)
  • Введение в курс Описательной Логики Архивная копия от 9 февраля 2009 на Wayback Machine Энрико Франкони, Факультет Информатики, Свободный Университет Больцано, Италия
  • DATR Lexical knowledge representation language Архивная копия от 17 февраля 2016 на Wayback Machine
  • Домашняя страница проекта Loom Архивная копия от 5 апреля 2007 на Wayback Machine
  • Description Logic in Practice: A CLASSIC Application Архивная копия от 4 апреля 2006 на Wayback Machine
  • The Rule Markup Initiative
  • Schemas
  • Nelements KOS Архивная копия от 1 марта 2021 на Wayback Machine — a generic 3d knowledge representation system
  • Представление знаний в интеллектуальных системах
  • Когнитология Архивная копия от 10 мая 2009 на Wayback Machine

Википедия, чтение, книга, библиотека, поиск, нажмите, истории, книги, статьи, wikipedia, учить, информация, история, скачать, скачать бесплатно, mp3, видео, mp4, 3gp, jpg, jpeg, gif, png, картинка, музыка, песня, фильм, игра, игры, мобильный, телефон, Android, iOS, apple, мобильный телефон, Samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Сеть, компьютер, Информация о Представление знаний, Что такое Представление знаний? Что означает Представление знаний?

Predstavlenie znanij vopros voznikayushij v kognitologii nauke o myshlenii i informatike a takzhe v issledovanii voprosov svyazannyh s iskusstvennym intellektom V kognitologii on svyazan s tem kak lyudi hranyat i obrabatyvayut informaciyu V informatike s podborom predstavleniya konkretnyh i obobshyonnyh znanij svedenij i faktov dlya nakopleniya i obrabotki informacii v EVM Glavnaya zadacha v iskusstvennom intellekte II nauchitsya hranit znaniya takim obrazom chtoby programmy mogli osmyslenno obrabatyvat ih i dostignut tem podobiya chelovecheskogo intellekta Pod terminom predstavlenie znanij chashe vsego podrazumevayutsya sposoby predstavleniya znanij orientirovannye na avtomaticheskuyu obrabotku sovremennymi kompyuterami i v chastnosti predstavleniya sostoyashie iz yavnyh obektov klass vseh slonov Klajd individ i iz suzhdenij ili utverzhdenij o nih Klajd slon vse slony serye Predstavlenie znanij v podobnoj yavnoj forme pozvolyaet kompyuteram delat deduktivnye vyvody iz ranee sohranyonnogo znaniya Klajd seryj Predstavlenie znanij v IIIssledovateli II ispolzuyut teorii predstavleniya znanij iz kognitologii Takie metody kak frejmy pravila vyvoda i semanticheskie seti prishli v II iz teorij obrabotki informacii chelovekom Poskolku znanie ispolzuetsya dlya dostizheniya razumnogo povedeniya fundamentalnoj celyu discipliny predstavleniya znanij yavlyaetsya poisk takih sposobov predstavleniya kotorye delayut vozmozhnym process logicheskogo vyvoda to est sozdanie znaniya iz znanij Nekotorye voprosy kotorye voznikayut v predstavlenii znanij s tochki zreniya II Kak lyudi predstavlyayut znaniya Kakova priroda znanij i kak my ih predstavlyaem Dolzhna li shema predstavleniya svyazyvatsya s chastnoj oblastyu znanij ili ona dolzhna byt obshecelevoj Naskolko vyrazitelna dannaya shema predstavleniya Dolzhna li byt shema deklarativnoj ili procedurnoj Bylo ochen nemnogo skrupulyoznogo nishodyashego obsuzhdeniya voprosov predstavleniya znanij i issledovaniya v dannoj oblasti tak po suti i ne prodvinulis za poslednie gody Est horosho izvestnye problemy takie kak spreading activation zadacha navigacii v seti uzlov kategorizaciya eto svyazano s vyborochnym nasledovaniem naprimer vezdehod mozhno schitat specializaciej osobym sluchaem avtomobilya no on nasleduet tolko nekotorye harakteristiki i klassifikaciya Naprimer pomidor mozhno schitat kak yagodoj tak i ovoshem Reshenie slozhnyh zadach chasto mozhet byt uprosheno pravilnym vyborom metoda predstavleniya znanij Opredelyonnyj metod mozhet sdelat kakuyu libo oblast znanij legko predstavimoj Naprimer diagnosticheskaya ekspertnaya sistema MYCIN ispolzovala shemu predstavleniya znanij osnovannuyu na pravilah Nepravilnyj vybor metoda predstavleniya zatrudnyaet obrabotku V kachestve analogii mozhno vzyat vychisleniya v indo arabskoj ili rimskoj zapisi Delenie v stolbik proshe v pervom sluchae i slozhnee vo vtorom Analogichno ne sushestvuet takogo sposoba predstavleniya kotoryj mozhno bylo by ispolzovat vo vseh zadachah ili sdelat vse zadachi odinakovo prostymi IstoriyaDlya strukturirovaniya informacii a takzhe organizacii baz znanij i ekspertnyh sistem byli predlozheny neskolko sposobov predstavleniya znanij Odno iz nih predstavlenie dannyh i svedenij v ramkah logicheskoj modeli baz znanij V 1960 h i nachale 1980 h byli predlozheny i s peremennym uspehom oprobovany mnogochislennye metody predstavleniya znanij naprimer evristicheskie voprosno otvetnye sistemy nejroseti dokazatelstvo teorem i ekspertnye sistemy Glavnymi oblastyami ih primeneniya v to vremya byli medicinskaya diagnostika MYCIN i igry naprimer shahmaty V 1980 h godah poyavilis formalnye kompyuternye yazyki predstavleniya znanij Osnovnye proekty togo vremeni pytalis zakodirovat zanesti v svoi bazy znanij ogromnye massivy obshechelovecheskogo znaniya Naprimer v proekte Cyc byla obrabotana bolshaya enciklopediya i kodirovalas ne sama hranyashayasya v nej informaciya a znaniya kotorye potrebuyutsya chitatelyu chtoby ponyat etu enciklopediyu naivnaya fizika ponyatiya vremeni prichinnosti i motivacii tipichnye obekty i ih klassy Proekt Cyc razvivaetsya kompaniej bolshaya chast no ne vsya ih bazy svobodno dostupna Dannaya rabota privela k bolee tochnoj ocenke slozhnosti zadachi predstavleniya znanij Odnovremenno v matematicheskoj lingvistike byli sozdany gorazdo bolee obyomnye bazy yazykovoj informacii i oni vmeste s ogromnym prirostom skorosti i obyomov pamyati kompyuterov sdelali bolee glubokoe predstavlenie znanij bolee realnym Bylo takzhe razrabotano neskolko yazykov programmirovaniya orientirovannyh na predstavlenie znanij Prolog razrabotannyj v 1972 godu no poluchivshij populyarnost znachitelno pozzhe opisyvaet vyskazyvaniya i osnovnuyu logiku i mozhet proizvodit vyvody iz izvestnyh posylok Eshyo bolshe nacelen na predstavlenie znanij yazyk 1980 e V oblasti elektronnyh dokumentov byli razrabotany yazyki yavno vyrazhayushie strukturu hranimyh dokumentov takie kak SGML a vposledstvii XML Oni oblegchili zadachi poiska i izvlecheniya informacii kotorye v poslednee vremya vsyo bolshe svyazany s zadachej predstavleniya znanij Bolshoj interes proyavlyaetsya k tehnologii semanticheskoj pautiny v kotoroj osnovannye na XML yazyki predstavleniya znanij takie kak RDF i drugie ispolzuyutsya dlya uvelicheniya dostupnosti kompyuternym sistemam informacii hranyashejsya v seti Svyazi i strukturySegodnya shiroko ispolzuyutsya giperssylki odnako blizkoe ponyatie en semantic link eshyo ne voshlo v shirokoe upotreblenie So vremyon Vavilona ispolzovalis Pozzhe eti tablicy ispolzovalis dlya predstavleniya rezultatov logicheskih operacij naprimer tablicy istinnosti ispolzovalis dlya izucheniya i modelirovaniya bulevoj logiki Tablichnye processory takzhe yavlyayutsya primerom tablichnogo predstavleniya znanij Drugim metodom predstavleniya znanij yavlyayutsya derevya s pomoshyu kotoryh mozhno pokazat svyazi mezhdu fundamentalnymi koncepciyami i ih proizvodnymi Otnositelno novyj podhod k upravleniyu znaniyami vizualnye sposoby predstavleniya naprimer razrabotannyj kompaniej pleks Oni dayut polzovatelyu sposob vizualizirovat to kak mysl ili ideya svyazana s drugimi ideyami pozvolyaya peremeshatsya ot odnoj mysli k drugoj v poiskah trebuyushejsya informacii Dannyj podhod razvivayut neskolko kompanij Drugie vizualnye instrumenty poiska sozdany kompaniyami Convera Entopia Inc EPeople Inc i Inxight Software Inc Hranenie i obrabotka znanijOdna iz problem v predstavlenii znanij kak hranit i obrabatyvat znaniya v informacionnyh sistemah formalnym sposobom tak chtoby mashiny mogli ispolzovat ih dlya dostizheniya postavlennyh zadach Primery primeneniya ekspertnye sistemy mashinnyj perevod i sistemy izvlecheniya i poiska informacii vklyuchaya polzovatelskie interfejsy baz dannyh Semanticheskie seti Osnovnaya statya Semanticheskaya set Dlya predstavleniya znanij mozhno ispolzovat semanticheskie seti Kazhdyj uzel takoj seti predstavlyaet koncepciyu a dugi ispolzuyutsya dlya opredeleniya otnoshenij mezhdu koncepciyami Odna iz samyh vyrazitelnyh i detalno opisannyh paradigm predstavleniya znanij osnovannyh na semanticheskih setyah akronim dlya mnogoslojnye rasshirennye semanticheskie seti angl Multilayered Extended Semantic Networks Frejmy Osnovnaya statya Frejm inzheneriya znanij Nachinaya s 1960 h godov ispolzovalos ponyatie frejma znanij ili prosto frejma Kazhdyj frejm imeet svoyo sobstvennoe imya i nabor atributov ili slotov kotorye soderzhat znacheniya naprimer frejm dom mog by soderzhat sloty cvet kolichestvo etazhej i tak dalee Ispolzovanie frejmov v ekspertnyh sistemah yavlyaetsya primerom obektno orientirovannogo programmirovaniya s nasledovaniem svojstva kotoroe opisyvaetsya svyazyu is a yavlyaetsya Odnako v ispolzovanii svyazi is a sushestvovalo nemalo protivorechij napisal rabotu ozaglavlennuyu Chem yavlyaetsya i ne yavlyaetsya IS A v kotoroj byli najdeny 29 razlichnyh semantik svyazi is a v proektah chi shemy predstavleniya znanij vklyuchali svyaz is a Drugie svyazi vklyuchayut naprimer imeet svoej chastyu Frejmovye struktury horosho podhodyat dlya predstavleniya znanij predstavlennyh v vide shem i stereotipnyh kognitivnyh patternov Elementy podobnyh patternov obladayut raznymi vesami prichyom bolshie vesa naznachayutsya tem elementam kotorye sootvetstvuyut tekushej kognitivnoj sheme schema Pattern aktiviziruetsya pri opredelyonnyh usloviyah esli chelovek vidit bolshuyu pticu pri uslovii chto sejchas aktivna ego morskaya shema a zemnaya shema net on klassificiruet eyo skoree kak morskogo orlana a ne suhoputnogo berkuta Frejmovye predstavleniya obektno centrirovany v tom zhe smysle chto i semanticheskaya set vse fakty i svojstva svyazannye s odnoj koncepciej razmeshayutsya v odnom meste poetomu ne trebuetsya tratit resursy na poisk po baze dannyh Skript eto tip frejmov kotoryj opisyvaet posledovatelnost sobytij vo vremeni tipichnyj primer opisanie pohoda v restoran Sobytiya zdes vklyuchayut ozhidanie mesta prochitat menyu sdelat zakaz i tak dalee Razlichnye resheniya v zavisimosti ot ih semanticheskoj vyrazitelnosti mogut byt organizovany v tak nazyvaemyj angl Semantic spectrum Yazyk i notaciya Nekotorye lyudi schitayut chto luchshe vsego budet predstavlyat znaniya tak zhe kak oni predstavleny v chelovecheskom razume kotoryj yavlyaetsya edinstvennym izvestnym na segodnyashnij den rabotayushim razumom ili zhe predstavlyat znaniya v forme estestvennogo yazyka Doktor Richard Ballard naprimer razrabotal semanticheskuyu sistemu baziruyushuyusya na teorii kotoraya ne zavisit ot yazyka kotoraya vyvodit cel i rassuzhdaet temi zhe koncepciyami i teoriyami chto i lyudi Formula lezhashaya v osnove etoj semantiki Znanie Teoriya Informaciya Bolshinstvo rasprostranyonnyh prilozhenij i sistem baz dannyh osnovany na yazykah K neschastyu my ne znaem kak znaniya predstavlyayutsya v chelovecheskom razume ili kak manipulirovat estestvennymi yazykami tak zhe kak eto delaet chelovek Odnoj iz podskazok yavlyaetsya to chto primaty znayut kak ispolzovat interfejsy polzovatelya Navedi i klikni takim obrazom interfejs zhestov pohozhe yavlyaetsya chastyu nashego kognitivnogo apparata modalnost kotoraya ne privyazana k ustnomu yazyku i kotoraya sushestvuet u drugih zhivotnyh krome cheloveka Poetomu dlya predstavleniya znanij byli predlozheny razlichnye iskusstvennye yazyki i notacii Obychno oni osnovany na logike i matematike i imeyut legko chitaemuyu grammatiku dlya oblegcheniya mashinnoj obrabotki Obychno oni popadayut v shirokuyu oblast ontologij Notaciya Poslednej modoj v yazykah predstavleniya znanij yavlyaetsya ispolzovanie XML v kachestve nizkourovnevogo sintaksisa Eto privodit k tomu chto mashiny mogut legko proizvodit sintaksicheskij analiz i vyvod etih yazykov predstavleniya znanij za schyot udobochitaemosti dlya cheloveka Logika pervogo poryadka i yazyk Prolog shiroko ispolzuetsya v kachestve matematicheskoj osnovy dlya etih sistem chtoby izbezhat izbytochnoj slozhnosti Odnako dazhe prostye sistemy osnovannye na etoj prostoj logike mozhno ispolzovat dlya predstavleniya dannyh kotoroe znachitelno luchshe vozmozhnostej obrabotki dlya nyneshnih kompyuternyh sistem prichiny raskryvayutsya v teorii vychislimosti Primery notacij angl yavlyaetsya primerom predstavleniya leksicheskih znanij RDF yavlyaetsya prostoj notaciej dlya predstavleniya otnoshenij mezhdu i sredi obektovYazyki Yazyki delyatsya na iskusstvennye i estestvennye Estestvennye yazyki formirovalis i formiruyutsya nacionalnymi ili professionalnymi soobshestvami lyudej Znaniya peredayutsya ot odnogo cheloveka k drugomu posle ih perevoda na yazyk kotoryj ponimayut chelovek istochnik znaniya i chelovek priyomnik znaniya Iskusstvennye yazyki sozdavalis i sozdayutsya dlya svyazi cheloveka s mashinami Primery iskusstvennyh yazykov kotorye ispolzuyutsya preimushestvenno dlya predstavleniya znanij angl angl angl OWL Mashina Znanij angl Knowledge Machine frejmovyj yazyk ispolzovavshijsya dlya zadach predstavleniya znanij yazyk PrologMetody i formalizmyMetody i formalizmy predstavleniya znanij nazvanie razdela I 2 4 v angl ACM Computing Classification System Dannaya sekciya raspolozhena pod Kategoriej samogo verhnego urovnya I Vychislitelnye metodologii i Kategoriej vtorogo urovnya I 2 Iskusstvennyj intellekt Ona vklyuchaet sleduyushie temy frejmy i Modalnaya logika Logika pervogo poryadka Yazyki predstavleniya Predstavleniya procedurnye i osnovannye na pravilah Semanticheskie seti Temporalnaya logika yazyk Prolog Logicheskoe programmirovanie Baza znanij Ekspertnye sistemy Kognitivnoe modelirovanieSm takzheSemanticheskij analiz Morfologicheskij analiz Nauchnoe modelirovanie Zashita informacii Inzheneriya znanij Deskripcionnaya logikaPrimechaniyaBrief History of Artificial Intelligence angl Data obrasheniya 13 aprelya 2007 Arhivirovano iz originala 29 yanvarya 2007 goda LiteraturaDzhozef Dzharratano Gari Rajli Glava 2 Predstavlenie znanij v PDF Ekspertnye sistemy principy razrabotki i programmirovanie Expert Systems Principles and Programming rus 4 e izd M 2006 S 1152 ISBN 978 5 8459 1156 8 Amaravadi C S Knowledge Management for Administrative Knowledge Expert Systems 25 2 pp 53 61 May 2005 What IS A is and isn t An Analysis of Taxonomic Links in Semantic Networks IEEE Computer 16 10 October 1983 Jean Luc Hainaut Jean Marc Hick Vincent Englebert Jean Henrard Didier Roland Understanding Implementations of IS A Relations ER 1996 42 57 Hermann Helbig Knowledge Representation and the Semantics of Natural Language Springer Berlin Heidelberg New York 2006 Arthur B Markman Knowledge Representation Lawrence Erlbaum Associates 1998 Michael Negnevitsky Artificial Intelligence A Guide to Intelligent Systems Pearson Education Limited 2002 John F Sowa Knowledge Representation Logical Philosophical and Computational Foundations Brooks Cole New York 2000 Adrian Walker Michael McCord John F Sowa and Walter G Wilson Knowledge Systems and Prolog Second Edition Addison Wesley 1990 Subbotin S O Podannya j obrobka znan u sistemah shtuchnogo intelektu ta pidtrimki prijnyattya rishen Navchalnij posibnik Zaporizhzhya ZNTU 2008 341 s SsylkiChto takoe predstavlenie znanij Arhivnaya kopiya ot 7 noyabrya 2005 na Wayback Machine Rendala Devisa i drugih EN Vvedenie v modelirovanie znanij Arhivnaya kopiya ot 2 aprelya 2007 na Wayback Machine Pizhmana Mahfi EN Vvedenie v kurs Opisatelnoj Logiki Arhivnaya kopiya ot 9 fevralya 2009 na Wayback Machine Enriko Frankoni Fakultet Informatiki Svobodnyj Universitet Bolcano Italiya DATR Lexical knowledge representation language Arhivnaya kopiya ot 17 fevralya 2016 na Wayback Machine Domashnyaya stranica proekta Loom Arhivnaya kopiya ot 5 aprelya 2007 na Wayback Machine Description Logic in Practice A CLASSIC Application Arhivnaya kopiya ot 4 aprelya 2006 na Wayback Machine The Rule Markup Initiative Schemas Nelements KOS Arhivnaya kopiya ot 1 marta 2021 na Wayback Machine a generic 3d knowledge representation system Predstavlenie znanij v intellektualnyh sistemah Kognitologiya Arhivnaya kopiya ot 10 maya 2009 na Wayback Machine

20 Июл, 2025 / 20:05
NiNa.Az

NiNa.Az

NiNa.Az - Абсолютно бесплатная система, которая делится для вас информацией и контентом 24 часа в сутки.
Взгляните
Закрыто
© 2019 NiNa.Az - Все права защищены.
Авторские права: Dadash Mammadov