Reprezentace znalostí

Stránka ve výstavbě

Na této stránce se právě pracuje. Prosím needitujte tuto stránku, dokud na ní zůstává tato šablona. Předejdete tak editačnímu konfliktu. Jestliže uběhla od poslední editace doba alespoň dvou dnů, neváhejte tuto šablonu odstranit.

Reprezentace znalostí je významnou oblastí vědního oboru umělé inteligence využívající různé metody a techniky zachycení znalostí (poznatků) v expertních systémech.

Znalost

Znalost vzniká jako schopnost člověka nebo inteligentního systému uchovávat, komunikovat a zpracovávat informace do systematicky a hierarchicky uspořádaných znalostních struktur. Znalost je charakterizována schopností abstrakce a generalizace dat a informací.." Znalosti mohou být vyjádřeny implicitně nebo explicitně:

• implicitní znalosti - Jsou vyjádřené procedurou samou a získáme je provedením této procedury (procedurální reprezentace znalostí).
• explicitní znalosti - Jsou zaznamenané v určitém jazyce a uložené v určitém informačním zdroji (např. v databázi), v rámci kterého je program umožňuje třídit či vyhledávat, ale program je zde oddělen od samotných dat. Explicitní reprezentace znalosti umožňuje odvozování nových znalostí (deklarativní reprezentace znalostí).

Reprezentace znalostí

Jazyk reprezentace znalostí

V běžném životě lidé vyjadřují své znalosti v přirozeném jazyce, ale pro popis znalostí určitého oboru jsou pro svou jednoznačnost a úspornost používány umělé jazyky. Pro reprezentaci znalostí je důležité hodnotit vhodnost umělého jazyka podle těchto kritérií:

• vyjadřovací schopnost (třída možných světů, o kterých je jazyk schopen vypovídat)
• schopnost jazyka podporovat využívání popsaných znalostí v inferenčním procesu

Typy požadavků na reprezentaci znalostí

Na reprezentaci znalostí jsou kladeny různé požadavky:

• Modulárnost, kde je reprezentace znalostí systémem jednoduchých a vzájemně nezávislých zdrojů znalostí, které umožňují proces inference nových faktů. Nové znalosti jsou začleněny přidáním dalších jednoduchých a nezávislých modulů
• Sémantické sdružování znalostí, u kterého je požadováno vzájemné sdružování znalostí souvisejících s určitým faktem
• Sdružování objektů a jejich zařazení do tříd, kde jsou objekty a třídy uspořádány do hierarchií. Objekty a třídy níže postavené v hierarchii (speciálnější) mohou některé vlastnosti získávat tzv. děděním od objektů a tříd hierarchicky výše postavených.

Schémata, metody a nástroje reprezentace znalostí

Nabízejí se různá schémata používaná k popisu objektů v znalostních bázích_

• Jazyk predikátové logiky - s přesně definovanou syntaxí a sémantikou, který při pravdivosti výchozích znalostí zaručuje pravdivost znalostí odvozených
• Produkční systémy - fungující na základě sady pravidel chování (tzv. produkční pravidel) užívaných systémem k řešení situací a provádění akcí v souladu s předem stanoveným cílem.
• Sémantické sítě nabízejí reprezentaci znalostí pomocí objektů (entit) a relací mezi nimi (binárních nebo víceargumentových)
• Rámce se sestávají z položek (slots) sloužících k popisu vlastností objektu. K položkám jsou přiřazovány v průběhu užívání konkrétní hodnoty (popis položky se skládá z jména a hodnoty). Položky dělíme na fasety (facet) a jednotlivé hodnoty se stávají jednou s faset.

Odkazy

Doporučená literatura

• MAŘÍK, Vladimír, Olga ŠTĚPÁNKOVÁ a Jiří LAŽANSKÝ. Umělá inteligence. Vyd. 1. Praha: Academia, 2013, 489 s.
• OLEJ, Vladimír a Pavel PETR. Expertní systémy. Vyd. 1. Pardubice: Univerzita Pardubice, 1997, v, 257 s.

Externí odkazy

• Webový průvodce světem expertních systémů
• Znalostní technologie

Související články

• Umělá inteligence
• Produkční systémy
• Sémantická síť

Klíčová slova

umělá inteligence, reprezentace znalostí