Mennesker er bedst til at forstå, ræsonnere og fortolke viden. Mennesket ved ting, hvilket er viden, og ifølge deres viden udfører de forskellige handlinger i den virkelige verden. Men hvordan maskiner gør alle disse ting kommer under videnrepræsentation og ræsonnement . Derfor kan vi beskrive vidensrepræsentation som følgende:

• Videnrepræsentation og ræsonnement (KR, KRR) er den del af kunstig intelligens, der beskæftiger sig med AI-agenters tænkning, og hvordan tænkning bidrager til agenters intelligente adfærd.
• Det er ansvarligt for at repræsentere information om den virkelige verden, så en computer kan forstå og kan bruge denne viden til at løse de komplekse problemer i den virkelige verden, såsom diagnosticering af en medicinsk tilstand eller kommunikation med mennesker i naturligt sprog.
• Det er også en måde, der beskriver, hvordan vi kan repræsentere viden i kunstig intelligens. Videnrepræsentation er ikke bare at gemme data i en eller anden database, men det gør det også muligt for en intelligent maskine at lære af den viden og erfaringer, så den kan opføre sig intelligent som et menneske.

Hvad skal repræsenteres:

Følgende er den slags viden, der skal repræsenteres i AI-systemer:

Objekt:Alle fakta om objekter i vores verdensdomæne. Guitarer indeholder fx strygere, trompeter er messinginstrumenter.Begivenheder:Begivenheder er de handlinger, der finder sted i vores verden.Ydeevne:Den beskriver adfærd, der involverer viden om, hvordan man gør tingene.Meta-viden:Det er viden om det, vi ved.Fakta:Fakta er sandheden om den virkelige verden, og hvad vi repræsenterer.Vidensbase:Den centrale komponent i de vidensbaserede agenter er vidensbasen. Det er repræsenteret som KB. Vidensbasen er en gruppe af Sætningerne (Her bruges sætninger som et fagudtryk og ikke identisk med det engelske sprog).

Viden: Viden er bevidsthed eller fortrolighed opnået ved erfaringer med fakta, data og situationer. Følgende er typerne af viden inden for kunstig intelligens:

abstrakte metoder

Typer af viden

Følgende er de forskellige typer viden:

1. Erklærende viden:

• Deklarativ viden er at vide om noget.
• Det omfatter begreber, fakta og objekter.
• Det kaldes også beskrivende viden og udtrykkes i deklarative sætninger.
• Det er enklere end proceduresprog.

2. Procedureviden

• Det er også kendt som imperativ viden.
• Procedurel viden er en type viden, der er ansvarlig for at vide, hvordan man gør noget.
• Det kan anvendes direkte til enhver opgave.
• Det omfatter regler, strategier, procedurer, dagsordener mv.
• Procedureviden afhænger af den opgave, den kan anvendes på.

3. Metaviden:

• Viden om de andre typer viden kaldes Meta-viden.

4. Heuristisk viden:

• Heuristisk viden repræsenterer viden om nogle eksperter i et arkiv eller et emne.
• Heuristisk viden er tommelfingerregler baseret på tidligere erfaringer, bevidsthed om tilgange, og som er gode at arbejde, men ikke garanteret.

5. Strukturel viden:

• Strukturel viden er grundlæggende viden til problemløsning.
• Den beskriver relationer mellem forskellige begreber såsom slags, del af og gruppering af noget.
• Den beskriver forholdet, der eksisterer mellem begreber eller objekter.

Forholdet mellem viden og intelligens:

Viden om den virkelige verden spiller en afgørende rolle i intelligens og det samme for at skabe kunstig intelligens. Viden spiller en vigtig rolle i at demonstrere intelligent adfærd hos AI-agenter. En agent er kun i stand til at handle nøjagtigt på nogle input, når han har en vis viden eller erfaring om det input.

jtekstfelt

Lad os antage, at hvis du mødte en person, der taler på et sprog, som du ikke kender, hvordan du så vil være i stand til at handle på det. Det samme gælder agenternes intelligente adfærd.

Som vi kan se i nedenstående diagram, er der én beslutningstager, der handler ved at sanse miljøet og bruge viden. Men hvis vidensdelen ikke vil være til stede, kan den ikke udvise intelligent adfærd.

AI videnscyklus:

Et kunstig intelligens-system har følgende komponenter til at vise intelligent adfærd:

hvad er forskellen mellem en megabyte og en gigabyte

• Opfattelse
• Læring
• Videnrepræsentation og ræsonnement
• Planlægning
• Udførelse

Ovenstående diagram viser, hvordan et AI-system kan interagere med den virkelige verden, og hvilke komponenter der hjælper det med at vise intelligens. AI-system har Perception-komponent, hvormed det henter information fra sit miljø. Det kan være visuelt, lydmæssigt eller en anden form for sensorisk input. Læringskomponenten er ansvarlig for at lære af data, der er fanget af Perception comportment. I den komplette cyklus er hovedkomponenterne videnrepræsentation og ræsonnement. Disse to komponenter er involveret i at vise intelligensen hos maskinlignende mennesker. Disse to komponenter er uafhængige af hinanden, men også koblet sammen. Planlægningen og udførelsen afhænger af analyse af videnrepræsentation og ræsonnement.

Tilgange til videnrepræsentation:

Der er hovedsageligt fire tilgange til videnrepræsentation, som er givet nedenfor:

1. Simpel relationel viden:

• Det er den enkleste måde at gemme fakta på, som bruger den relationelle metode, og hver kendsgerning om et sæt af objektet er opstillet systematisk i kolonner.
• Denne tilgang til videnrepræsentation er berømt i databasesystemer, hvor forholdet mellem forskellige enheder er repræsenteret.
• Denne tilgang har ringe mulighed for slutninger.

Eksempel: Det følgende er den simple relationelle videnrepræsentation.

2. Arvelig viden:

• I den arvelige videnstilgang skal alle data lagres i et hierarki af klasser.
• Alle klasser bør arrangeres i en generaliseret form eller en hierarkisk måde.
• I denne tilgang anvender vi arveejendomme.
• Elementer arver værdier fra andre medlemmer af en klasse.
• Denne tilgang indeholder arvelig viden, som viser en relation mellem instans og klasse, og den kaldes instansrelation.
• Hver enkelt ramme kan repræsentere samlingen af ​​attributter og dens værdi.
• I denne tilgang er objekter og værdier repræsenteret i indrammede noder.
• Vi bruger pile, der peger fra objekter til deres værdier.
Eksempel:

3. Inferentiel viden:

• Inferentiel videntilgang repræsenterer viden i form af formelle logikker.
• Denne tilgang kan bruges til at udlede flere fakta.
• Det garanterede rigtighed.
Eksempel:Lad os antage, at der er to udsagn:
1. Marcus er en mand
2. Alle mennesker er dødelige
   Så kan det repræsentere som;
   
   mand (Marcus)
   ∀x = mand (x) ----------> dødelig (x)s

4. Procedurekendskab:

• Procedural viden tilgang bruger små programmer og koder, som beskriver, hvordan man gør specifikke ting, og hvordan man kommer videre.
• I denne tilgang bruges en vigtig regel, som er Hvis-så reglen .
• I denne viden kan vi bruge forskellige kodesprog som f.eks LISP sprog og Prolog sprog .
• Vi kan nemt repræsentere heuristisk eller domænespecifik viden ved hjælp af denne tilgang.
• Men det er ikke nødvendigt, at vi kan repræsentere alle sager i denne tilgang.

Krav til viden Repræsentationssystem:

Et godt videnrepræsentationssystem skal besidde følgende egenskaber.

1. Repræsentationsnøjagtighed:
KR-systemet skal have evnen til at repræsentere alle former for nødvendig viden.2. Inferentiel tilstrækkelighed:
KR-systemet skal have evnen til at manipulere repræsentationsstrukturerne til at producere ny viden svarende til eksisterende struktur.3. Inferentiel effektivitet:
Evnen til at lede den inferentielle vidensmekanisme ind i de mest produktive retninger ved at gemme passende guider.4. Opkøbseffektivitet-Evnen til nemt at tilegne sig den nye viden ved hjælp af automatiske metoder.