Solche komplexen Konzepte wie „Denken“und „Bewusstsein“und noch einfacher zu definierende wie „Intelligenz“und „Wissen“unter Spezialisten verschiedener Profile (z. B. Systemanalyse, Informatik, Neuropsychologie, Psychologie, Philosophie usw.) können sich erheblich unterscheiden.
Die vollständige, adäquate Repräsentation von Wissen, das von Menschen und Maschinen gleichermaßen eindeutig wahrgenommen wird, ist das Hauptproblem des modernen Informationsaustauschs. Ein solcher Informationsaustausch basiert auf einem System von Konzepten und Beziehungen, die Wissen ausmachen.
Klassifizierung von Wissen
Sie können in mehrere Kategorien eingeteilt werden: konzeptionell, konstruktiv, prozedural, sachlich und Metawissen.
- Konzeptwissen ist eine Reihe spezifischer Konzepte, die zur Lösung von Problemen verwendet werden. Sie werden häufig in den Grundlagenwissenschaften und theoretischen Wissenschaftsbereichen verwendet. Tatsächlich bildet konzeptionelles Wissen den konzeptuellen Apparat der Wissenschaft.
- Konstruktives Wissen - Mengen von Strukturen, Systemen und Subsystemen sowieWechselwirkungen zwischen ihnen. Aktiv in der Technologie eingesetzt.
- Prozedurales Wissen sind die in den angewandten Wissenschaften am häufigsten verwendeten Methoden und Algorithmen.
- Faktenwissen ist die Eigenschaften von Objekten und Phänomenen, sowohl quantitativ als auch qualitativ. Am häufigsten in experimentellen Wissenschaften verwendet.
- Metwissen ist jegliches Wissen über Wissen, sein Organisationssystem, seine Technik und die Ordnung und Regeln seiner Anwendung.
Wissensorganisation
Wissensorganisationssystem ist der Prozess der Bereitstellung von Informationen in Form von Nachrichten, die vertraut (mündliche und schriftliche Sprache, Bilder usw.) und ungewöhnlich (Formeln, Kartenobjekte, Radiowellen usw.) sein können.
Damit eine Wissensorganisation verständlich und erfolgreich ist, bedarf es eines verständlichen und konstruktiven Regelwerks, nach dem Wissen präsentiert und wahrgenommen wird. Dazu verwendet eine Person Sprache und Schrift.
Sprache
Sprache entstand und entwickelte sich aufgrund der Tatsache, dass das von Menschen angesammelte Wissen ständig präsentiert, ausgedrückt, gespeichert und ausgetauscht werden muss. Ein Gedanke, der nicht durch eine formale Struktur (Sprache, Bild) ausgedrückt werden kann, verliert die Chance, Teil des Informationsaustausches zu werden. Aus diesem Grund war Sprache in der gesamten Menschheitsgeschichte die effektivste Form der Wissensrepräsentation.
Je reichh altiger die Sprache ist, desto mehr Wissen drückt sie aus bzw. macht die Kultur der Menschen reicher, was es Ihnen wiederum ermöglicht, immer effektivere Systeme zur Organisation von Wissen zu entwickeln.
SpracheWissenschaft
Das Hauptproblem bei der Verwendung von Sprache als Form der Wissensrepräsentation ist die mehrdeutige semantische Bedeutung von Wörtern und Sätzen. Deshalb spielt die Wissenschaftssprache bei der Formalisierung von Wissen eine besondere Rolle.
Der Hauptzweck der Wissenschaftssprache besteht darin, die Formen des Ausdrucks, der Verdichtung und der Speicherung von Wissen zu typisieren und zu standardisieren. Mit Hilfe einer typischen, standardisierten Wissensdarstellung kann man Polysemie oder semantische Mehrdeutigkeit der Sprache beseitigen.
Was unter den natürlichen Bedingungen der Sprachentwicklung eine Sprache reicher macht (Polysemie von Ausdrücken), wird zu einem Hindernis im Prozess des Wissensaustauschs und erhöht das Risiko von Missverständnissen, semantischem Rauschen und mehrdeutiger Wahrnehmung von Informationen.
Klassifizierung von Wissen
Eine der wichtigsten Methoden der Wissensformalisierung ist die Klassifizierung. Dies ist die Verteilung von Wissen in Gruppen gemäß einer bestimmten Klasse. Das heißt, nur Informationen, die bestimmte Kriterien erfüllen, die der Klasse entsprechen, fallen in eine bestimmte Wissensklasse.
Klassifikation ist eine besonders wichtige Methode der wissenschaftlichen Systematik, die auf der ersten Stufe der Bildung von Grundkenntnissen einer wissenschaftlichen Richtung unabdingbar ist. Beispielsweise gibt es in der Informatik ohne Klassifikation keine Äquivalenz, mit der Sie so wichtige Aufgaben wie Vergleichen, Suchen und Kategorisieren lösen können. Ohne Klassifikation in der Wissenschaft hätten wir keine so einzigartigen und unschätzbaren Datenorganisationssysteme wie das Periodensystem.
Wissensrepräsentationsmodelle
Das Periodensystem, die Rangordnung, das Strafgesetzbuch, Stammbäume und andere Klassifikationssysteme sind Modelle der Wissensrepräsentation. Dies sind formale Strukturen, die bestimmtes Wissen verknüpfen: Fakten, Phänomene, Konzepte, Prozesse, Objekte, Beziehungen.
Um Wissen über ein bestimmtes Fachgebiet mit einem Computer zu verstehen und zu verarbeiten, muss dieses Wissen in einer bestimmten, formalisierten Form präsentiert werden. Je nach Zweck erfolgt die Wissensverarbeitung durch einen Computer nach einem auf einem Algorithmus aufgebauten Modell. Dementsprechend hängt das im Modell dargestellte Wissen vom Algorithmus zu seiner Verarbeitung ab.
Es gibt mehrere Modelle der Wissensrepräsentation in Expertensystemen. Die wichtigsten sind Produktion, Rahmen, Netzwerk und Logik.
Modellklassifizierung
Die oben aufgeführten Wissensrepräsentationsmodelle, von denen Beispiele folgen, sind, obwohl sie weit verbreitet sind, bei weitem nicht die einzigen. Heute gibt es viele Modelle, die sich in Gültigkeit, Herangehensweise an ihre Entstehung und Organisationsprinzipien voneinander unterscheiden.
Beispielsweise zeigt die folgende Tabelle die Arten von Wissensrepräsentationsmodellen, ihre Einteilung in empirische und theoretische sowie weitere Unterteilungen.
| Empirische Modelle | Theoretische Modelle |
| Produktionsmodelle | Logische Modelle |
| Netzwerkmodelle | Formale Grammatiken |
| Rahmenmodelle | Kombinatorische Modelle |
| Lenemy | Algebraische Modelle |
| Neuronale Netzwerke | |
| Genetische Algorithmen |
Empirische Modellierung
Empirische Modelle der Organisation und Repräsentation von Wissen nehmen sich eine Person als Beispiel und versuchen, die Organisation ihres Gedächtnisses, ihres Bewusstseins und ihrer Entscheidungs- und Problemlösungsmechanismen zu verkörpern. Empirische Modellierung bezieht sich auf jede Art von Modell, das auf der Grundlage empirischer Beobachtungen erstellt wird, und nicht auf Beziehungen, die mathematisch beschrieben und modelliert werden können.
Empirische Modellierung ist ein allgemeiner Begriff für Wissensrepräsentationsmodelle, die auf der Grundlage von Beobachtungen und Experimenten erstellt werden.
Ein empirisches Modell funktioniert nach einem einfachen semantischen Prinzip: Der Ersteller beobachtet die Interaktion des Modells mit seinem Referenten. Die Verarbeitung der erh altenen Informationen kann in vielerlei Hinsicht "empirisch" sein, von analytischen Formeln, kausalen Zusammenhängen bis hin zu Versuch und Irrtum.
Produktionsmodelle der Wissensrepräsentation
Dieses Datenrepräsentationsmodell basiert meistens auf Beziehungen und Kausalität. Wenn die Informationen in Form von Bedingungen vom Typ "Wenn, Dann" dargestellt werden können, dann ist das Modell Produktion. Es wird am häufigsten in Anwendungen und einfachen künstlichen verwendetIntelligenz.
Produktionsmodelle für Wissensrepräsentation sind meistens Computerprogramme, die irgendeine Form von künstlicher Intelligenz mit einer Reihe von Verh altensregeln sowie dem Mechanismus ausstatten, der erforderlich ist, um diese Regeln unter bestimmten Bedingungen zu befolgen.
Die Produktion (ein Satz von Regeln) besteht aus zwei Teilen: einer Vorbedingung ("WENN") und einer Aktion ("DANN"). Passt die Produktionsvoraussetzung zum aktuellen Zustand der Welt, dann läuft das Modell. Das Produktionsmodell enthält auch eine Datenbank, manchmal auch als Arbeitsgedächtnis bezeichnet, die aktuelles Wissen enthält.
Die Nachteile des Produktionsmodells sind, dass sich die Aktionen des Modells widersprechen können, wenn die Anzahl der Regeln zu groß ist.
Semantische Netze
Sie basieren auf der Integrität des Bildes und sind die visuellsten Modelle der Wissensrepräsentation. Das semantische Netzwerk wird meistens als Graph oder komplexe Graphstruktur dargestellt, deren Knoten oder Vertices Objekte, Konzepte, Phänomene darstellen und deren Kanten Beziehungen zwischen bestimmten Objekten, Konzepten und Phänomenen darstellen.
Das einfachste semantische Netzwerk lässt sich leicht als Dreieck darstellen, dessen Eckpunkte Begriffe wie beispielsweise „Hund“, „Säugetier“und „Wirbelsäule“sind. In diesem Fall verbinden die Eckpunkte die Seiten des Dreiecks, was durch solche Verbindungen und Beziehungen wie "ist", "besitzt", "hat" bezeichnet werden kann. auf diese Weise erh alten wir ein Wissensrepräsentationsmodell, aus dem wir lernen,dass ein Hund ein Säugetier ist, Säugetiere ein Rückgrat haben und ein Hund ein Rückgrat hat.
Solche Modelle sind anschaulich und mit ihrer Hilfe lassen sich komplexe Systeme und kausale Zusammenhänge am besten darstellen. Darüber hinaus können diese semantischen Netze durch Erweiterung eines bestehenden Netzes mit neuem Wissen ergänzt werden, d. h. aus einem Dreieck kann ein Rechteck, dann ein Sechseck und dann ein komplexes Netz sich überschneidender Formen werden, in denen man beobachten kann, zum Beispiel Vererbung von Eigenschaften.
Rahmenmodell
Das Rahmenmodell ist nach dem englischen Wort frame benannt - frame oder frame. Ein Frame ist eine Struktur, die Daten sammelt, die zur Darstellung eines bestimmten Konzepts verwendet werden.
Wie in der Soziologie, wo Frames eine Art stereotyper Daten sind, die die menschliche Wahrnehmung der Welt und den Entscheidungsprozess beeinflussen, werden in der Informatik und der Arbeit mit künstlicher Intelligenz Frames verwendet, um strukturierte Daten zu erstellen, die repräsentieren Stereotype Situationen. Tatsächlich ist dies das erste, grundlegende Datensystem, auf dem die Wahrnehmung der Welt durch künstliche Intelligenz aufbaut.
Frames sind nicht nur effektive Modelle der Wissensrepräsentation, sondern auch nicht nur in der Informatik aktiv. Sie waren ursprünglich eine Variation semantischer Netze.
Ein Frame besteht aus einem oder mehreren Slots. Slots wiederum können selbst Frames sein. Somit ist das Rahmenmodell in der Lage, komplexe konzeptionelle Objekte darzustellen, die eine breite hierarchische Kette bilden. Wissen.
Das Rahmenmodell der Wissensrepräsentation enthält Informationen darüber, wie ein Rahmen verwendet wird, was während und nach seiner Verwendung zu erwarten ist und was zu tun ist, wenn die Erwartungen an die Verwendung eines Rahmens nicht erfüllt werden.
Bestimmte Arten von Daten in einem Rahmenmodell sind festgelegt, während andere Daten, die normalerweise in Terminal-Slots gespeichert sind, sich ändern können. Anschlusssteckplätze werden meistens als Variablen behandelt. Slots und Frames der obersten Ebene enth alten Informationen über die Situation, was immer wahr ist, aber Terminal-Slots müssen nicht wahr sein.
Frames eines komplexen Netzwerks können sich die Slots anderer Frames desselben Netzwerks teilen.
Die Datenbank kann Prototyp-Frames (unveränderlich) und Instanz-Frames speichern, die situativ erstellt werden, um eine bestimmte Situation oder ein bestimmtes Konzept darzustellen.
Frame-Modelle der Wissensrepräsentation sind eines der vielseitigsten und in der Lage, verschiedene Arten von Wissen darzustellen:
- Rahmenstrukturen werden verwendet, um Konzepte und Objekte darzustellen;
- Rahmenrollen bezeichnen Rollenverantwortlichkeiten;
- Frame-Skripte beschreiben das Verh alten;
- Rahmensituationen werden verwendet, um Zustände und Aktivitäten darzustellen.
Neuronale Netzwerke
Diese Algorithmen können auch bedingt in die Gruppe der Modelle aufgenommen werden, die auf einem empirischen Erkenntnisansatz beruhen. Tatsächlich versuchen neuronale Netze, die Prozesse zu kopieren, die im menschlichen Gehirn ablaufen. Sie basieren auf der Theorie, dass ein künstliches Intelligenzsystem mit den gleichen Strukturen uProzesse, wie im menschlichen Gehirn, werden in der Lage sein, ähnliche Ergebnisse im Prozess der Entscheidungsfindung, Bewertung von Situationen und Wahrnehmung der Realität zu erzielen.
Theoretisch fundierter Ansatz
Mathematische, prädikative und logische Modelle der Wissensrepräsentation basieren auf diesem Ansatz. Diese Modelle garantieren richtige Entscheidungen, weil sie auf formaler Logik beruhen. Sie eignen sich zur Lösung einfacher Probleme aus einem engen Fachgebiet, oft verbunden mit formaler Logik.
Logische Modelle der Wissensrepräsentation
Dies ist eines der beliebtesten Modelle, das auf einem theoretischen Ansatz basiert. Das logische Modell verwendet die Prädikatenalgebra, ihr System von Axiomen und Inferenzregeln. Die gebräuchlichsten logischen Modelle verwenden Terme - logische Konstanten, Funktionen und Variablen sowie Prädikate, also Ausdrücke logischer Aktionen.
