Штучний інтелект (ШІ) — популярна та інноваційна технологія, яка виводить людський інтелект на новий рівень. Він пропонує силу точного інтелекту, інтегрованого з машинами.
Люди наділені високим рівнем мислення, міркувань, інтерпретації та розуміння знань. Знання, які ми отримуємо, допомагають нам виконувати різні дії в реальному світі.
У наш час навіть машини стають здатними робити так багато речей завдяки технологіям.
Останнім часом використання систем і пристроїв на базі штучного інтелекту зростає через їхню ефективність і точність у виконанні складних завдань.
Тепер проблема полягає в тому, що люди набули багатьох рівнів і типів знань у своєму житті, машини стикаються з труднощами в інтерпретації тих самих знань.
Отже, використовується представлення знань. Це дозволить розв’язати складні проблеми в нашому світі, вирішення яких людям важко та забирає багато часу.
У цій статті я поясню представлення знань у ШІ, як це працює, його типи та техніки тощо.
Давайте почнемо!
Що таке представлення знань і міркування?
Представлення знань і міркування (KR&R) — це частина штучного інтелекту, яка призначена виключно для представлення інформації про реальний світ у такій формі, яку комп’ютер може зрозуміти та вжити відповідних дій. Це призводить до вирішення складних проблем, таких як обчислення, ведення діалогу природною мовою, діагностика критичного захворювання тощо.
Представлення знань знаходить свій шлях від психології про те, як людина здатна вирішувати проблеми та представляти знання, до формалізмів проектування. Це дозволить ШІ зрозуміти, як людина робить складні системи простішими під час створення та проектування.
Найперша робота була зосереджена на загальних вирішувачах проблем, які були розроблені Гербертом А. Саймоном і Алленом Ньюеллом у 1959 році. Ці системи використовували структуру даних для декомпозиції та планування. Система спочатку починає з цілі, а потім розкладає ціль на підцілі. Після цього система встановлює деякі стратегії побудови, які можуть сприяти досягненню кожної підцілі.
Потім ці зусилля призвели до когнітивної революції в людській психології та етапу ШІ, який зосереджувався на представленні знань. Це призвело до експертних систем у 1970-х і 1980-х роках, фреймових мов, виробничих систем тощо. Пізніше ШІ змінив свою основну увагу на експертні системи, які, можливо, могли б відповідати людській компетенції, наприклад, медичній діагностиці.
Крім того, представлення знань дозволяє комп’ютерним системам розуміти та використовувати знання для вирішення проблем реального світу. Він також визначає спосіб, за допомогою якого ви можете представити знання та міркування в ШІ.
Представлення знань — це не лише збереження даних у базах даних; швидше це дозволяє розумним машинам вчитися на людських знаннях і переживати те саме, щоб машина могла поводитись і діяти як людина.
Люди володіють знаннями, які чужі машинам, включаючи почуття, наміри, переконання, здоровий глузд, судження, упередження, інтуїцію тощо. Деякі знання також є простими, як-от знання певних фактів, загальні знання про події, людей, предмети, мову, навчальні дисципліни тощо.
За допомогою KR&R ви можете представити концепції людей у зрозумілому для машин форматі та зробити системи на основі штучного інтелекту справді інтелектуальними. Тут знання означає надання інформації про екосистему та її зберігання, тоді як міркування означає прийняття рішень і дій на основі збереженої інформації на основі знань.
Які знання мають бути представлені в системах ШІ?
Знання, які необхідно представити в системах штучного інтелекту, можуть включати:
- Об’єкт: предмети постійно оточують людину. Отже, інформація щодо цих об’єктів є важливою, і її слід вважати типом знань. Наприклад, піаніно має білі та чорні клавіші, машини мають колеса, автобуси потребують водіїв, літаки потребують пілотів тощо.
- Події: у реальному світі постійно відбуваються численні події. А людське сприйняття базується на подіях. ШІ потрібен знання про події, щоб діяти. Деякі події – це голод, розвиток суспільства, війни, катастрофи, досягнення тощо.
- Продуктивність: ці знання стосуються певних дій людей у різних ситуаціях. Він представляє бік поведінки знань, який дуже важливий для розуміння ШІ.
- Метазнання: Наприклад, якщо ми подивимося на світ і підсумуємо всі знання, які існують там, ми побачимо, що вони здебільшого поділені на три категорії:
- Те, що ми вже знаємо
- Те, що ми знаємо, це в основному те, що ми не знаємо повністю
- Що ми ще не знаємо
- Метазнання стосується першого, тобто того, що ми знаємо, і дозволяє ШІ сприймати те саме.
- Факти: ці знання базуються на фактичному описі нашого світу. Наприклад, земля не плоска, але й не кругла; наше сонце має ненажерливий апетит і багато іншого.
- База знань: База знань є головним компонентом людського інтелекту. Це відноситься до групи релевантних даних або інформації про будь-яке поле, опис тощо. Наприклад, база знань з проектування моделі автомобіля.
Як працює представлення знань?
Як правило, завдання, яке потрібно виконати, проблему, яку потрібно вирішити, і отримання рішення дається неофіційно, як доставка посилок, коли вони прибувають, або вирішення проблем з електрикою в будинку.
Щоб вирішити реальну проблему, розробник системи повинен:
- Виконайте завдання, щоб визначити, яке краще рішення воно може надати
- Представте проблему мовою, щоб комп’ютер міг її обґрунтувати
- Використовуйте систему для отримання остаточного результату, який є рішенням для користувачів або послідовністю дій, які необхідно виконати в екосистемі.
- Інтерпретуйте кінцевий результат як вирішення основного питання
Знання — це інформація, якою вже володіє людина, але машини повинні вчитися. Оскільки проблем багато, машині потрібні знання. У рамках системи проектування ви можете визначити, які знання мають бути представлені.
Зв’язок між представленням знань і ШІ
Знання відіграють важливу роль в інтелекті. Він також відповідає за створення штучного інтелекту. Коли необхідно виразити інтелектуальну поведінку в агентах ШІ, це відіграє необхідну роль. Агент не може правильно функціонувати, якщо йому не вистачає досвіду або знання певних вхідних даних.
Наприклад, якщо ви хочете спілкуватися з людиною, але не можете зрозуміти мову, очевидно, що ви не можете добре відповісти та виконати будь-яку дію. Це так само працює для розумної поведінки агентів. ШІ повинен мати достатньо знань, щоб виконувати функції, оскільки особа, яка приймає рішення, вивчає середовище та застосовує необхідні знання.
Однак ШІ не може демонструвати інтелектуальну поведінку без компонентів знань.
Типи знань, представлені в ШІ
Тепер, коли ми зрозуміли, навіщо нам потрібне представлення знань у ШІ, давайте з’ясуємо типи знань, представлених у системі ШІ.
- Декларативне знання: воно представляє об’єкти, поняття та факти, які допомагають вам описати весь світ навколо вас. Таким чином, воно поділяє опис чогось і виражає декларативні речення.
- Процедурні знання: процедурні знання менші порівняно з декларативними. Його також називають імперативними знаннями, які використовують мобільні роботи. Це для проголошення досягнення чогось. Наприклад, маючи лише карту будівлі, мобільні роботи можуть скласти власний план. Мобільні роботи можуть планувати атаку або здійснювати навігацію.
Крім того, процедурні знання безпосередньо застосовуються до завдання, яке включає правила, процедури, порядок денний, стратегії тощо.
- Метазнання: у сфері штучного інтелекту попередньо визначені знання називаються метазнаннями. Наприклад, вивчення тегів, навчання, планування тощо підпадає під цей тип знань.
Ця модель змінює свою поведінку з часом і використовує інші специфікації. Системний інженер або інженер знань використовує різні форми метазнань, такі як точність, оцінка, мета, джерело, тривалість життя, надійність, обґрунтування, повнота, узгодженість, застосовність та усунення неоднозначності.
- Евристичні знання: ці знання, які також відомі як поверхневі знання, дотримуються принципу правила великого пальця. Отже, він дуже ефективний у процесі міркування, оскільки може вирішувати проблеми на основі минулих записів або проблем, складених експертами. Однак він збирає досвід минулих проблем і забезпечує кращий підхід, заснований на знаннях, для визначення проблем і вжиття заходів.
- Структурні знання: структурні знання — це найпростіші та базові знання, які використовуються та застосовуються для вирішення складних проблем. Він намагається знайти ефективне рішення, знаходячи зв’язок між об’єктами та поняттями. Крім того, він описує зв’язок між декількома поняттями, як-от частина, вид або групування чогось.
Декларативні знання можна представити як описуючі, тоді як процедурні знання є діючими. Крім того, декларативні знання визначаються як явні, тоді як процедурні знання є неявними або неявними. Це декларативне знання, якщо ви можете сформулювати знання, і процедурне знання, якщо ви не можете його сформулювати.
Техніки представлення знань у ШІ
Існує чотири основні техніки, які представляють знання в ШІ:
- Логічне представлення
- Семантичні мережі
- Правила виробництва
- Фреймове представлення
Логічне представлення
Логічне представлення — це основна форма представлення знань на машинах, де використовується визначений синтаксис із базовими правилами. Цей синтаксис не має двозначності у значенні та стосується прийменників. Однак логічна форма подання знань виступає як правила спілкування. Ось чому його можна використовувати для представлення фактів машинам.
Логічне представлення буває двох типів:
- Логіка висловлювань: логіка висловлювань також відома як логіка висловлювань або пропозиційне числення, яке працює в логічному вираженні, що означає метод True або False.
- Логіка першого порядку. Логіка першого порядку — це тип представлення логічних знань, який також можна назвати логікою обчислення предикатів першого порядку (FOPL). Це подання логічного знання представляє предикати та об’єкти в кванторах. Це вдосконалена модель пропозиційної логіки.
Ця форма представлення знань виглядає як більшість мов програмування, де ви використовуєте семантику для пересилання інформації. Це дуже логічний спосіб вирішення проблем. Однак основним недоліком цього методу є строгий характер представлення. Загалом це складно виконати та іноді не дуже ефективно.
Семантичні мережі
Графічне представлення, у цьому типі представлення знань, містить пов’язані об’єкти, які використовуються з мережею даних. Семантичні мережі включають дуги/ребра (з’єднання) і вузли/блоки (об’єкти), які описують зв’язок між об’єктами.
Це альтернатива формі подання логіки обчислення предикатів першого порядку (FOPL). Відносини в семантичних мережах бувають двох типів:
Це більш природна форма представлення, ніж логічна, через її простоту розуміння. Основним недоліком цієї форми представлення є те, що він дорогий з точки зору обчислень і не містить еквівалентних кванторів, які можна знайти в логічному представленні.
Правила виробництва
Правила виробництва є найпоширенішою формою представлення знань у системах ШІ. Це найпростіша форма представлення систем, заснованих на правилах if-else, і тому її можна легко зрозуміти. Він являє собою спосіб поєднання FOPL і пропозиційної логіки.
Щоб технічно зрозуміти правила виробництва, вам потрібно спочатку зрозуміти складові системи представлення. Ця система включає набір правил, робочу пам’ять, засіб застосування правил і розпізнаний цикл дії.
Для кожного введення AI перевіряє умови з правил виробництва, а після знаходження кращого правила негайно виконує необхідні дії. Цикл вибору правил на основі умов і дій для вирішення проблеми відомий як цикл розпізнавання та дії, який відбувається під час кожного введення.
Однак у цього методу є деякі проблеми, такі як неефективне виконання через активні правила та відсутність досвіду через відсутність зберігання минулих результатів. Оскільки правила виражені природною мовою, вартість недоліків може бути викуплена. Тут правила можна змінювати та легко скидати, якщо потрібно.
Представлення фрейму
Щоб зрозуміти представлення кадру на фундаментальному рівні, уявіть таблицю, що складається з імен у стовпцях і значень у рядках; необхідна інформація передається в цій повній структурі. Простими словами, подання кадру – це набір значень і атрибутів.
Це спеціальна структура даних штучного інтелекту, яка використовує заповнювачі (значення слотів, які можуть мати будь-який тип і форму даних) і слоти. Процес дуже схожий на типову систему керування базами даних (СУБД). Ці заповнювачі та прорізи утворюють структуру, яка називається каркасом.
Слоти в цій формі представлення знань мають імена або атрибути, а знання, пов’язані з атрибутами, зберігаються у заповнювачах. Основна перевага цього типу подання полягає в тому, що схожі дані можна об’єднати в групи, щоб розділити знання на структури. Крім того, він поділяється на підструктури.
Будучи подібним до типової структури даних, цей тип можна легко зрозуміти, маніпулювати та візуалізувати. Типові поняття, зокрема видалення, видалення та додавання слотів, можна виконувати без зусиль.
Вимоги до представлення знань у системі ШІ
Гарне представлення знань містить деякі властивості:
- Точність репрезентації: репрезентація знань повинна точно представляти кожен тип необхідних знань.
- Ефективність висновків: це здатність легко керувати механізмами висновків у продуктивних напрямках, використовуючи відповідні посібники.
- Адекватність виведення: представлення знань повинно мати можливість маніпулювати деякими репрезентативними структурами для представлення нових знань на основі існуючих структур.
- Ефективність набуття: здатність здобувати нові знання за допомогою автоматичних методів.
Цикл знань AI
Системи штучного інтелекту включають деякі основні компоненти для показу інтелектуальної поведінки, що робить можливим представлення знань.
- Сприйняття: це допомагає системі на основі штучного інтелекту збирати інформацію про навколишнє середовище за допомогою різних датчиків і знайомить її з екосистемою для ефективної взаємодії з проблемами.
- Навчання: використовується, щоб дозволити системам штучного інтелекту запускати алгоритми глибокого навчання, які вже написані, щоб змусити системи штучного інтелекту передавати необхідну інформацію від компонента сприйняття до компонента навчання для кращого навчання та розуміння.
- Представлення знань і міркування: люди використовують знання для прийняття рішень. Отже, цей блок відповідає за обслуговування людей через дані знань систем ШІ та використання відповідних знань, коли це необхідно.
- Планування та виконання: Цей блок незалежний. Він використовується для отримання даних із блоків знань і міркувань і виконання відповідних дій.
Висновок
Люди можуть здобувати знання різними способами, як і машини на основі ШІ. Оскільки штучний інтелект розвивається, представлення знань машинам у кращий спосіб допомагає вирішувати складні проблеми з мінімальними помилками. Отже, представлення знань є важливим атрибутом для інтелектуальної та розумної роботи машин ШІ.
Ви також можете поглянути на різницю між штучним інтелектом, машинним навчанням і глибоким навчанням.