Reprezentace znalostí

Reprezentace znalostí je proces uložení a uspořádání znalostí v bázích, který rovněž umožňuje vyjádření jejich vzájemných vazeb. Cílem je odvozování dalších znalostí. [1]

Oblast umělé inteligence

Reprezentace znalostí je významnou oblastí vědního oboru umělé inteligence využívající různé metody a techniky zachycení znalostí (poznatků) pro jejich "robotické" užití k řešení problémů a úkolů v expertních a znalostních systémech a znalostních bázích.

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. [2] Znalosti mohou být vyjádřeny implicitně nebo explicitně: [3]

  • 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).

Obor umělé inteligence se zabývá problematikou reprezentace znalostí jako nástroje jejich organizace v expertních systémech, aby bylo možné k nim lehce přistupovat a provádět s nimi další operace (např. řešit úkoly, odvozovat nové poznatky). Někdy se hovoří o třech typech schémat reprezentace znalostí: procedurální, deklarativní a rámcové. [4]

Schémata reprezentace znalostí











Schémata reprezentace znalostí

Nabízejí se různá schémata, metody a nástroje používané k popisu objektů v znalostních bázích: [5]

  • Deklarativní schémata - pracují s vyjádřením znalostí ve formě poznatků (onotologie). Schémata pracují s množinou specifických, navzájem nezávislých faktů a množinou všeobecných procedur (tvrzení) na manipulování s obsahem množiny specifikovaných faktů. Do této skupiny schémat patří také schémata založená na matematické logice, algebře, relačních strukturách či grafech. Mezi jazyky pro deklarativní reprezentaci znalostí patří RDF (Resource Description framework), RDFS (RDF Schema), OWL (Web ontology language), SKOS, Topic maps, ERA (Entity Relationship attribute), UML (Unified modeling language). [5]
    • Sémantické sítě (semantic network) - nabízejí reprezentaci znalostí pomocí objektů (entit) a relací mezi nimi (binárních nebo víceargumentových).
    • Stavový prostor (state space) - struktura problému je reprezentována alternativami přípustnými pro daný stav. Forma reprezentace znalostí původně určená na řešení úloh (problem solving) a programování her.
    • Jazyk predikátové logiky (predicate logic) - s přesně definovanou syntaxí a sémantikou, který při pravdivosti výchozích znalostí zaručuje pravdivost znalostí odvozených.
    • Fuzzy logika
  • Procedurální schémata
    • Produkční systémy (production systems) - fungující na základě sady pravidel chování (tzv. produkční pravidel) užívaných systémem k řešení situací a provádění akcí v souladu s předem stanoveným cílem.
  • Rámcová schémata - představují syntézu deklarativního a procedurálního přístupu k reprezentaci znalostí. Vlastnosti objektů a hodnoty těchto vlastností jsou vyjádřeny deklarativně, podmínky použití rámce jsou reprezentované procedurálním způsobem.[5]
    • Rámce (frames) 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 z faset.

Jazyk

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: [3]

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

Vlastnosti

Na reprezentaci znalostí jsou kladeny různé požadavky:[3]

  • 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.

Odkazy

Reference

  1. KATUŠČÁK, Dušan, Marta MATTHAEIDESOVÁ, Marta NOVÁKOVÁ, Jozef PASTIER, Ladislav ĎURIČ a Viliam S HOTÁR. Informačná výchova. 1. vyd. Bratislava: Slovenské pedagogické nakladateľstvo, 1998, 375 s.
  2. JONÁK, Zdeněk. Znalost. In. Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha: Národní knihovna ČR, 2003-[cit. 2015-11-03]. Dostupné také z: http://aleph.nkp.cz/F/?func=direct&doc_number=000000498&local_base=KTD
  3. 3,0 3,1 3,2 MAŘÍK, Vladimír, Olga ŠTĚPÁNKOVÁ a Jiří LAŽANSKÝ. Umělá inteligence. Vyd. 1. Praha: Academia, 2013, 489 s.
  4. KUČEROVÁ, Helena. Reprezentace znalostí. In. Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha: Národní knihovna ČR, 2003-[cit. 2015-11-23]. Dostupné také z: http://aleph.nkp.cz/F/?func=direct&doc_number=000000127&local_base=ktd
  5. 5,0 5,1 5,2 OLEJ, Vladimír a Pavel PETR. Expertní systémy. Vyd. 1. Pardubice: Univerzita Pardubice, 1997, v, 257 s.

Doporučená literatura

  • BERKA, Petr, MAŘÍK, Vladimír, SVÁTEK, Vojtěch. Znalostní inženýrství. In: MAŘÍK, Vladimír, ŠTĚPÁNKOVÁ, Olga, LAŽANSKÝ, Jiří. Umělá inteligence 2. 1. vyd. Praha: Academia, 1997, s. 102-141. ISBN 80-200-0504-8.
  • BRACHMAN, Ronald J a Hector J LEVESQUE. Readings in knowledge representation. San Mateo (California): Morgan Kaufmann Publ, 1985, 17, 571 s.
  • 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.
  • PSUTKA, Josef a Jiří KEPKA. Reprezentace znalostí : umělá inteligence. Plzeň: Západočeská univerzita, 1994. 82 s. ISBN 80-7082-126-4.
  • SKLENÁK, Vilém a kol., Data, informace, znalosti a Internet. Praha: C.H. Beck, 2001. xvii, 507 s. ISBN 80-7179-409-0.
  • SOWA, J. Knowledge Representation: Logical, Philosophical, and Computational Foundations. Pacific Grove, CA: Brooks/Cole Publishing Co., 2000.
  • ZDRÁHAL, Zdeněk. Reprezentace znalostí. In: Vladimír MAŘÍK, Jiří LAŽANSKÝ, Olga ŠTĚPÁNKOVÁ a kol. Umělá inteligence. 1. Vyd. 1. Praha: Academia, 1993, kap. 4, s. 99-122. ISBN 80- 200-0496-3. ISBN 978-80-200-0496-3.

Externí odkazy

Související články

Klíčová slova

umělá inteligence, reprezentace znalostí