Konsep kompleks seperti "pemikiran" dan "kesadaran", dan bahkan yang lebih mudah didefinisikan, seperti "kecerdasan" dan "pengetahuan", di antara para spesialis dari berbagai profil (misalnya, analisis sistem, ilmu komputer, neuropsikologi, psikologi, filsafat, dll.) dapat berbeda secara signifikan.
Representasi pengetahuan yang lengkap dan memadai, yang dirasakan sama secara jelas oleh manusia dan mesin, adalah masalah utama pertukaran informasi modern. Pertukaran informasi tersebut didasarkan pada sistem konsep dan hubungan yang membentuk pengetahuan.
Klasifikasi pengetahuan
Mereka dapat diklasifikasikan ke dalam beberapa kategori: konseptual, konstruktif, prosedural, faktual dan metapengetahuan.
- Pengetahuan konseptual adalah seperangkat konsep khusus yang digunakan dalam memecahkan masalah. Mereka sering digunakan dalam ilmu-ilmu dasar dan bidang ilmu teoritis. Faktanya, pengetahuan konseptual merupakan perangkat konseptual sains.
- Pengetahuan konstruktif - kumpulan struktur, sistem dan subsistem, sertainteraksi di antara mereka. Aktif digunakan dalam teknologi.
- Pengetahuan prosedural adalah metode dan algoritma yang paling umum digunakan dalam ilmu terapan.
- Pengetahuan faktual adalah ciri-ciri objek dan fenomena, baik kuantitatif maupun kualitatif. Paling sering digunakan dalam ilmu eksperimental.
- Metaknowledge adalah segala pengetahuan tentang pengetahuan, sistem organisasinya, rekayasanya, serta urutan dan aturan penerapannya.
Organisasi pengetahuan
Sistem organisasi pengetahuan adalah proses pemberian informasi dalam bentuk pesan yang bisa akrab (ucapan lisan dan tulisan, gambar, dll) dan tidak biasa (rumus, objek peta, gelombang radio, dll).
Agar sistem organisasi pengetahuan dapat dipahami dan berhasil, perlu menggunakan sistem aturan yang dapat dipahami dan konstruktif yang sesuai dengan pengetahuan yang akan disajikan dan dirasakan. Untuk melakukan ini, seseorang menggunakan bahasa dan tulisan.
Bahasa
Bahasa muncul dan berkembang karena fakta bahwa pengetahuan yang dikumpulkan oleh orang-orang terus-menerus perlu disajikan, diungkapkan, disimpan, dan dipertukarkan. Sebuah pemikiran yang tidak dapat diungkapkan dengan struktur formal (bahasa, citra) kehilangan kesempatan untuk menjadi bagian dari pertukaran informasi. Itulah sebabnya sepanjang sejarah umat manusia, bahasa telah menjadi bentuk representasi pengetahuan yang paling efektif.
Semakin kaya bahasa, semakin banyak pengetahuan yang diungkapkannya, masing-masing, membuat budaya masyarakat lebih kaya, yang, pada gilirannya, memungkinkan Anda untuk mengembangkan sistem pengorganisasian pengetahuan yang lebih dan lebih efektif.
Bahasailmu
Masalah utama dalam menggunakan bahasa sebagai bentuk representasi pengetahuan adalah makna semantik kata dan kalimat yang ambigu. Itulah sebabnya bahasa sains memainkan peran khusus dalam formalisasi pengetahuan.
Tujuan utama bahasa sains adalah untuk mencirikan dan menstandarisasi bentuk ekspresi, kompresi, dan penyimpanan pengetahuan. Dengan bantuan presentasi pengetahuan yang khas dan standar, seseorang dapat menghilangkan polisemi atau ambiguitas semantik bahasa.
Apa, dalam kondisi alami evolusi bahasa, membuat bahasa lebih kaya (polisemi ekspresi), menjadi penghalang dalam proses pertukaran pengetahuan, meningkatkan risiko kesalahpahaman, kebisingan semantik dan persepsi informasi yang ambigu.
Klasifikasi pengetahuan
Salah satu metode utama formalisasi pengetahuan adalah klasifikasi. Ini adalah pembagian pengetahuan ke dalam kelompok-kelompok sesuai dengan kelas tertentu. Artinya, hanya informasi yang memenuhi kriteria tertentu yang sesuai dengan kelas yang masuk ke dalam kelas pengetahuan tertentu.
Klasifikasi adalah metode sistematika ilmiah yang sangat penting, yang sangat diperlukan pada tahap pertama pembentukan pengetahuan dasar arah ilmiah. Misalnya, dalam ilmu komputer tanpa klasifikasi, tidak ada kesetaraan yang memungkinkan Anda untuk menyelesaikan tugas-tugas penting seperti perbandingan, pencarian, dan kategorisasi. Tanpa klasifikasi dalam sains, kita tidak akan memiliki sistem organisasi data yang unik dan tak ternilai seperti tabel periodik.
Model Representasi Pengetahuan
Tabel periodik, Tabel Kepangkatan, KUHP, silsilah keluarga dan sistem klasifikasi lainnya adalah model representasi pengetahuan. Ini adalah struktur formal yang menghubungkan pengetahuan tertentu: fakta, fenomena, konsep, proses, objek, hubungan.
Untuk memahami dan memproses pengetahuan tentang bidang subjek tertentu oleh komputer, pengetahuan ini harus disajikan dalam bentuk formal tertentu. Tergantung pada tujuannya, pemrosesan pengetahuan oleh komputer terjadi sesuai dengan model yang dibangun di atas suatu algoritma. Dengan demikian, pengetahuan yang disajikan dalam model bergantung pada algoritma untuk memprosesnya.
Ada beberapa model representasi pengetahuan dalam sistem pakar. Yang utama adalah produksi, bingkai, jaringan, dan logika.
Klasifikasi model
Model representasi pengetahuan yang tercantum di atas, contoh yang mengikuti, meskipun tersebar luas, jauh dari satu-satunya. Saat ini, ada banyak model yang berbeda satu sama lain dalam hal validitas, pendekatan pembuatannya, dan prinsip organisasinya.
Sebagai contoh, tabel di bawah ini menunjukkan jenis-jenis model representasi pengetahuan, pembagiannya menjadi empiris dan teoritis, serta pembagian lebih lanjut.
| Model empiris | Model teoretis |
| Model produksi | Model logis |
| Model jaringan | Tata bahasa formal |
| Model bingkai | Model kombinatorial |
| Lenemy | Model aljabar |
| Jaringan saraf | |
| Algoritme genetika |
Pemodelan empiris
Model empiris organisasi dan representasi pengetahuan mengambil seseorang sebagai contoh dan mencoba untuk mewujudkan organisasi ingatannya, kesadaran dan mekanisme pengambilan keputusan dan pemecahan masalah. Pemodelan empiris mengacu pada segala jenis model yang dibangun atas dasar pengamatan empiris, daripada hubungan yang dapat dijelaskan dan dimodelkan secara matematis.
Pemodelan empiris adalah istilah umum untuk model representasi pengetahuan yang dibuat berdasarkan pengamatan dan eksperimen.
Model empiris beroperasi menurut prinsip semantik sederhana: pencipta mengamati interaksi model dan referensinya. Pengolahan informasi yang diterima bisa bersifat "empiris" dalam banyak hal, mulai dari rumus analitis, hubungan sebab akibat, hingga coba-coba.
Model produksi representasi pengetahuan
Model representasi data ini paling sering didasarkan pada hubungan dan kausalitas. Jika informasi tersebut dapat direpresentasikan dalam bentuk kondisi tipe “If, Then”, maka model tersebut adalah produksi. Ini paling sering digunakan dalam aplikasi dan buatan sederhanakecerdasan.
Model produksi representasi pengetahuan paling sering adalah program komputer yang menyediakan beberapa bentuk kecerdasan buatan dengan seperangkat aturan perilaku, serta mekanisme yang diperlukan untuk mengikuti aturan ini dalam kondisi tertentu.
Produksi (seperangkat aturan) terdiri dari dua bagian: prasyarat ("JIKA") dan tindakan ("MAKA"). Jika prakondisi produksi sesuai dengan keadaan dunia saat ini, maka model berjalan. Model produksi juga berisi database, kadang-kadang disebut sebagai memori kerja, yang berisi pengetahuan saat ini.
Kelemahan model produksi adalah jika jumlah aturan terlalu besar, tindakan model dapat saling bertentangan.
Jaringan semantik
Mereka didasarkan pada integritas gambar dan merupakan model representasi pengetahuan yang paling visual. Jaringan semantik paling sering direpresentasikan sebagai graf atau struktur graf kompleks, simpul atau simpul yang mewakili objek, konsep, fenomena, dan tepinya mewakili hubungan antara objek, konsep, dan fenomena tertentu.
Jaringan semantik paling sederhana dapat dengan mudah direpresentasikan sebagai segitiga, yang simpulnya adalah konsep seperti, katakanlah, "anjing", "mamalia" dan "tulang belakang". Dalam hal ini, simpul akan menghubungkan sisi segitiga, yang dapat dilambangkan dengan koneksi dan hubungan seperti "adalah", "memiliki", "memiliki". dengan cara ini kita mendapatkan model representasi pengetahuan dari mana kita belajar,bahwa anjing adalah mamalia, mamalia memiliki tulang punggung, dan anjing memiliki tulang punggung.
Model semacam itu adalah ilustrasi, dan dengan bantuannya Anda dapat secara efektif mewakili sistem yang kompleks dan hubungan sebab akibat. Selain itu, jaringan semantik ini dapat dilengkapi dengan pengetahuan baru dengan memperluas jaringan yang ada, yaitu segitiga dapat diubah menjadi persegi panjang, kemudian menjadi segi enam, dan kemudian menjadi jaringan kompleks bentuk berpotongan, di mana orang dapat mengamati., misalnya, pewarisan properti.
Model bingkai
Model bingkai dinamai demikian dari kata bahasa Inggris frame - frame atau bingkai. Bingkai adalah struktur yang mengumpulkan data yang digunakan untuk mewakili konsep tertentu.
Seperti dalam sosiologi, di mana bingkai adalah sejenis data stereotip yang memengaruhi persepsi manusia tentang dunia dan proses pengambilan keputusan, dalam ilmu komputer dan bekerja dengan kecerdasan buatan, bingkai digunakan untuk membuat data terstruktur yang mewakili situasi stereotip. Sebenarnya, ini adalah sistem data dasar awal di mana persepsi dunia oleh kecerdasan buatan dibangun.
Selain menjadi model representasi pengetahuan yang efektif, frame aktif tidak hanya dalam ilmu komputer. Mereka awalnya merupakan variasi dari jaringan semantik.
Sebuah bingkai terdiri dari satu atau lebih slot. Pada gilirannya, slot itu sendiri bisa menjadi bingkai. Dengan demikian, model bingkai mampu mewakili objek konseptual yang kompleks, membentuk rantai hierarkis yang luas.pengetahuan.
Model bingkai representasi pengetahuan berisi informasi tentang cara menggunakan bingkai, apa yang diharapkan selama dan setelah menggunakannya, dan apa yang harus dilakukan ketika harapan dari penggunaan bingkai tidak terpenuhi.
Jenis data tertentu dalam model bingkai adalah tetap, sementara data lain, biasanya disimpan di slot terminal, dapat berubah. Slot terminal paling sering diperlakukan sebagai variabel. Slot dan bingkai tingkat atas membawa informasi tentang situasi, yang selalu benar, tetapi slot terminal tidak harus benar.
Frame dari satu jaringan yang kompleks dapat berbagi slot dari frame lain dari jaringan yang sama.
Basis data dapat menyimpan kerangka prototipe (tidak dapat diubah) dan kerangka instans yang dibuat secara situasional untuk mewakili situasi atau konsep tertentu.
Model kerangka representasi pengetahuan adalah salah satu yang paling serbaguna dan mampu menampilkan berbagai jenis pengetahuan:
- struktur bingkai digunakan untuk merepresentasikan konsep dan objek;
- frame peran menunjukkan tanggung jawab peran;
- skrip bingkai menjelaskan perilaku;
- situasi bingkai digunakan untuk mewakili keadaan dan aktivitas.
Jaringan saraf
Algoritme ini juga dapat ditambahkan secara kondisional ke grup model berdasarkan pendekatan empiris terhadap pengetahuan. Faktanya, jaringan saraf mencoba menyalin proses yang terjadi di otak manusia. Mereka didasarkan pada teori bahwa sistem kecerdasan buatan dengan struktur danproses, seperti di otak manusia, akan bisa mendapatkan hasil yang sama dalam proses pengambilan keputusan, evaluasi situasi dan persepsi realitas.
Pendekatan yang secara teoritis masuk akal
Model representasi pengetahuan matematis, predikatif dan logis didasarkan pada pendekatan ini. Model-model ini menjamin keputusan yang benar karena didasarkan pada logika formal. Mereka cocok untuk memecahkan masalah sederhana dari area subjek yang sempit, sering dikaitkan dengan logika formal.
Model logis dari representasi pengetahuan
Ini adalah salah satu model paling populer berdasarkan pendekatan teoretis. Model logis menggunakan aljabar predikat, sistem aksioma dan aturan inferensinya. Model logis yang paling umum menggunakan istilah - konstanta logis, fungsi dan variabel, serta predikat, yaitu ekspresi tindakan logis.
