人类最擅长理解、推理和解释知识。人类知道事物,这是知识,根据他们的知识,他们在现实世界中执行各种行动。但是机器如何做所有这些事情取决于知识表示和推理。因此,我们可以将知识表示描述如下:
知识表示和推理(KR,KRR)是人工智能的一部分,它关注人工智能代理的思维以及思维如何促进代理的智能行为。
它负责表示有关现实世界的信息,以便计算机可以理解并利用这些知识来解决复杂的现实世界问题,例如诊断医疗状况或用自然语言与人类交流。
这也是一种描述我们如何在人工智能中表示知识的方式。知识表示不仅仅是将数据存储到某个数据库中,而且还使智能机器能够从这些知识和经验中学习,从而可以像人类一样智能地行动。
以下是需要在 AI 系统中表示的知识类型:
对象:关于我们世界域中对象的所有事实。例如,吉他包含弦乐,小号是铜管乐器。
事件:事件是发生在我们世界中的行为。
表现:它描述了涉及如何做事的知识的行为。
元知识:它是关于我们所知道的知识。
事实:事实是关于现实世界和我们所代表的事实。
知识库:基于知识的代理的核心组件是知识库。它表示为 KB。知识库是一组句子(这里,句子用作技术术语,与英语不同)。
知识:知识是通过事实、数据和情况的经验获得的意识或熟悉程度。以下是人工智能中的知识类型:
以下是各种类型的知识:
1. 陈述性知识:
陈述性知识是对某事的了解。
它包括概念、事实和对象。
它也称为描述性知识,用陈述句表达。
它比过程语言更简单。
2. 程序知识
它也被称为命令式知识。
程序性知识是一种负责知道如何做某事的知识。
它可以直接应用于任何任务。
它包括规则、策略、程序、议程等。
程序性知识取决于可以应用它的任务。
3.元知识:
关于其他类型知识的知识称为元知识。
4、启发式知识:
启发式知识代表某个领域或主题的某些专家的知识。
启发式知识是基于以往经验、方法意识的经验法则,哪些是有用的,但不能保证。
5、结构知识:
结构性知识是解决问题的基础知识。
它描述了各种概念之间的关系,例如某物的种类、部分和分组。
它描述了概念或对象之间存在的关系。
现实世界的知识在智能中起着至关重要的作用,对于创造人工智能也是如此。知识在展示 AI 代理的智能行为方面发挥着重要作用。智能体只有在对某个输入有一些知识或经验时才能准确地对某个输入采取行动。
让我们假设,如果您遇到某个说您不知道的语言的人,那么您将如何采取行动。同样的事情也适用于代理的智能行为。
正如我们在下图中看到的,有一个决策者通过感知环境和使用知识来行动。但是如果知识部分不出现,它就不能表现出智能行为。
人工智能系统具有以下用于显示智能行为的组件:
洞察力
学习
知识表示与推理
规划
执行
上图显示了人工智能系统如何与现实世界交互,以及哪些组件可以帮助它展示智能。AI 系统具有感知组件,通过它从环境中检索信息。它可以是视觉、音频或其他形式的感官输入。学习组件负责从 Perception 报告捕获的数据中学习。在完整的循环中,主要的组成部分是知识表示和推理。这两个组成部分涉及显示类似机器的人类的智能。这两个组件相互独立,但也耦合在一起。计划和执行取决于对知识表示和推理的分析。
知识表示的方法主要有四种,分别如下:
它是使用关系方法存储事实的最简单方法,关于一组对象的每个事实都以列的形式系统地列出。
这种知识表示方法在表示不同实体之间关系的数据库系统中很有名。
这种方法几乎没有推理的机会。
示例:以下是简单的关系知识表示。
播放器 | 重量 | 年龄 |
---|---|---|
玩家 1 | 65 | 23 |
玩家2 | 58 | 18 |
玩家3 | 75 | 24 |
在可继承的知识方法中,所有数据都必须存储在类的层次结构中。
所有的类都应该以通用的形式或分层的方式排列。
在这种方法中,我们应用了继承属性。
元素从类的其他成员继承值。
这种方法包含可继承的知识,表明实例与类之间的关系,称为实例关系。
每个单独的框架都可以表示属性及其值的集合。
在这种方法中,对象和值在 Boxed 节点中表示。
我们使用从对象指向它们的值的箭头。
例子:
推理知识方法以形式逻辑的形式表示知识。
这种方法可以用来推导出更多的事实。
它保证了正确性。
示例:假设有两个语句:
马库斯是个男人
所有的人都是凡人,
那么它可以表示为;
人(马库斯)
∀x = 人(x) ----------> 凡人(x)s
程序知识方法使用小程序和代码来描述如何做特定的事情,以及如何进行。
在这种方法中,使用了一个重要的规则,即If-Then 规则。
在这些知识中,我们可以使用LISP 语言和Prolog 语言等各种编码语言。
我们可以使用这种方法轻松表示启发式或特定领域的知识。
但是我们没有必要在这种方法中代表所有情况。
一个好的知识表示系统必须具备以下特性。
1. 表征精度:
KR 系统应具备表征所有所需知识的能力。
2. 推理充分性:
KR 系统应该具有操纵表征结构以产生与现有结构相对应的新知识的能力。
3. 推理效率:
通过存储适当的指南,将推理知识机制引导到最有效的方向的能力。
4. 获取效率——使用自动方法轻松获取新知识的能力。