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.

Metody a nástroje reprezentace znalostí

• Jazyk predikátové logiky - s přesně definovanou syntaxí a sémantikou, který při pravdivosti výchozích znalostí zaručuje pravdivost znalostí odvozených
• Produkční systémy pracují v cyklu "rozpoznání situace"(vybírají se aplikovatalná pravidla porovnáním levé strany pravidel s aktuálním stavem báze dat, mají-li pravidla proměnné, jsou přiřazeny konkrétní hodnoty - vytvoří se instance pravidel→množina instancí pravidel(výsledkem je soubor aplikovatelných instancí pravidel)→řešení konfliktu (volba pravidla)→"vykonání akce", produkční systémy jsou tvořeny 3 částmi:

• Soubor produkčních pravidel tvaru Situace→Akce, kde situační část pravidla vymezuje podmínku, při které je pravidlo použito. Pravidla jsou uloženy v paměti produkčních pravidel.
• Pracovní paměť (báze dat) obsahuje původní i odvozená data, takže popisuje výsledek (okamžitý stav) řešené úlohy.
• Inferenční stroj (interpret pravidel) vybírá vohdná pravidla k provedení akce na základě srovnání dat v pracovní paměti s produkčními pravidly

• Sémantické sítě nabízejí reprezantaci znalostí pomocí objektů (entit) a relací mezi nimi (binárních nebo víceargumentových)

Odkazy

Doporučená literatura

MAŘÍK, Vladimír, Olga ŠTĚPÁNKOVÁ a Jiří LAŽANSKÝ. Umělá inteligence. Vyd. 1. Praha: Academia, 2013, 489 s.

Související články

• Umělá inteligence

Klíčová slova

umělá inteligence, reprezentace znalostí