Des concepts aussi complexes que « pensée » et « conscience », et encore plus faciles à définir, tels que « l'intelligence » et la « connaissance », parmi des spécialistes de profils variés (par exemple, l'analyse des systèmes, l'informatique, la neuropsychologie, psychologie, philosophie, etc.) peuvent différer considérablement.
La représentation complète et adéquate des connaissances, qui est perçue de la même manière sans ambiguïté par les personnes et les machines, est le principal problème de l'échange d'informations moderne. Cet échange d'informations est basé sur un système de concepts et de relations qui constituent les connaissances.
Classification des connaissances
Elles peuvent être classées en plusieurs catégories: conceptuelles, constructives, procédurales, factuelles et métaconnaissances.
- La connaissance conceptuelle est un ensemble de concepts spécifiques utilisés pour résoudre des problèmes. Ils sont souvent utilisés dans les sciences fondamentales et les domaines théoriques de la science. En fait, la connaissance conceptuelle constitue l'appareil conceptuel de la science.
- Connaissance constructive - ensembles de structures, systèmes et sous-systèmes, ainsi queinteractions entre eux. Activement utilisé dans la technologie.
- Les connaissances procédurales sont les méthodes et les algorithmes les plus couramment utilisés dans les sciences appliquées.
- Les connaissances factuelles sont les caractéristiques des objets et des phénomènes, à la fois quantitatives et qualitatives. Le plus souvent utilisé dans les sciences expérimentales.
- La métaconnaissance est toute connaissance sur la connaissance, son système d'organisation, son ingénierie, l'ordre et les règles de son application.
Organisation du savoir
Le système d'organisation des connaissances est le processus consistant à fournir des informations sous forme de messages qui peuvent être familiers (discours oral et écrit, images, etc.) et inhabituels (formules, objets cartographiques, ondes radio, etc.).
Pour qu'un système d'organisation des connaissances soit compréhensible et réussi, il est nécessaire d'utiliser un système compréhensible et constructif de règles selon lesquelles les connaissances seront présentées et perçues. Pour ce faire, une personne utilise le langage et l'écriture.
Langue
Le langage est apparu et s'est développé du fait que les connaissances accumulées par les gens ont constamment besoin d'être présentées, exprimées, stockées et échangées. Une pensée qui ne peut être exprimée par une structure formelle (langage, image) perd la possibilité de faire partie de l'échange d'informations. C'est pourquoi tout au long de l'histoire de l'humanité, le langage a été la forme la plus efficace de représentation des connaissances.
Plus la langue est riche, plus elle exprime de connaissances, respectivement, ce qui enrichit la culture du peuple, ce qui, à son tour, vous permet de développer des systèmes d'organisation des connaissances de plus en plus efficaces.
Languesciences
Le principal problème de l'utilisation du langage comme forme de représentation des connaissances est la signification sémantique ambiguë des mots et des phrases. C'est pourquoi le langage de la science joue un rôle particulier dans la formalisation des savoirs.
Le but principal du langage scientifique est de caractériser et de standardiser les formes d'expression, de compression et de stockage des connaissances. A l'aide d'une présentation typique et standard des connaissances, on peut se débarrasser de la polysémie ou de l'ambiguïté sémantique de la langue.
Ce qui, dans les conditions naturelles de l'évolution de la langue, rend une langue plus riche (polysémie des expressions), devient un frein au processus d'échange des connaissances, augmentant le risque d'incompréhension, de bruit sémantique et de perception ambiguë de l'information.
Classification des connaissances
L'une des principales méthodes de formalisation des connaissances est la classification. C'est la répartition des connaissances en groupes conformément à une certaine classe. Autrement dit, seules les informations qui répondent à certains critères correspondant à la classe appartiennent à une certaine classe de connaissances.
La classification est une méthode particulièrement importante de la systématique scientifique, indispensable à la première étape de la formation des connaissances de base d'une direction scientifique. Par exemple, en informatique sans classification, il n'y a pas d'équivalence qui vous permette de résoudre des tâches aussi importantes que la comparaison, la recherche et la catégorisation. Sans classification scientifique, nous n'aurions pas de systèmes d'organisation de données aussi uniques et inestimables que le tableau périodique.
Modèles de représentation des connaissances
Le tableau périodique, le tableau des grades, le code pénal, les arbres généalogiques et autres systèmes de classification sont des modèles de représentation des connaissances. Ce sont des structures formelles qui relient certaines connaissances: faits, phénomènes, concepts, processus, objets, relations.
Pour comprendre et traiter les connaissances sur un domaine particulier par un ordinateur, ces connaissances doivent être présentées sous une certaine forme formalisée. Selon la finalité, le traitement des connaissances par un ordinateur s'effectue selon un modèle construit sur un algorithme. En conséquence, les connaissances présentées dans le modèle dépendent de l'algorithme utilisé pour les traiter.
Il existe plusieurs modèles de représentation des connaissances dans les systèmes experts. Les principaux sont la production, le cadre, le réseau et la logique.
Classification des modèles
Les modèles de représentation des connaissances énumérés ci-dessus, dont les exemples suivent, bien que répandus, sont loin d'être les seuls. Aujourd'hui, il existe de nombreux modèles qui diffèrent les uns des autres en termes de validité, d'approches de leur création et de principes d'organisation.
Par exemple, le tableau ci-dessous montre les types de modèles de représentation des connaissances, leur division en empirique et théorique, ainsi que d'autres subdivisions.
| Modèles empiriques | Modèles théoriques |
| Modèles de production | Modèles logiques |
| Modèles réseau | Grammaires formelles |
| Modèles de cadre | Modèles combinatoires |
| Lenemy | Modèles algébriques |
| Réseaux de neurones | |
| Algorithmes génétiques |
Modélisation empirique
Les modèles empiriques d'organisation et de représentation des connaissances prennent une personne comme exemple et tentent d'incarner l'organisation de sa mémoire, de sa conscience et de ses mécanismes de prise de décision et de résolution de problèmes. La modélisation empirique fait référence à tout type de modèle construit sur la base d'observations empiriques, plutôt que de relations qui peuvent être mathématiquement décrites et modélisées.
La modélisation empirique est un terme général désignant les modèles de représentation des connaissances créés sur la base d'observations et d'expériences.
Un modèle empirique fonctionne selon un principe sémantique simple: le créateur observe l'interaction du modèle et de son référent. Le traitement des informations reçues peut être "empirique" à bien des égards, depuis les formules analytiques, les relations causales jusqu'aux essais et erreurs.
Modèles de production de représentation des connaissances
Ce modèle de représentation des données est le plus souvent basé sur les relations et la causalité. Si l'information peut être représentée sous forme de conditions de type "Si, Alors", alors le modèle est de production. Il est le plus souvent utilisé dans des applications artificielles simples etintelligence.
Les modèles de production de représentation des connaissances sont le plus souvent des programmes informatiques qui fournissent une forme d'intelligence artificielle avec un ensemble de règles de comportement, ainsi que le mécanisme nécessaire pour suivre ces règles dans certaines conditions.
La production (un ensemble de règles) se compose de deux parties: une précondition ("SI") et une action ("ALORS"). Si la condition préalable de production correspond à l'état actuel du monde, le modèle s'exécute. Le modèle de production contient également une base de données, parfois appelée mémoire de travail, qui contient les connaissances actuelles.
Les inconvénients du modèle de production sont que si le nombre de règles est trop grand, les actions du modèle peuvent se contredire.
Réseaux sémantiques
Ils sont basés sur l'intégrité de l'image et sont les modèles les plus visuels de représentation des connaissances. Le réseau sémantique est le plus souvent représenté sous la forme d'un graphe ou d'une structure de graphe complexe, dont les nœuds ou les sommets représentent des objets, des concepts, des phénomènes, et les arêtes représentent des relations entre certains objets, concepts et phénomènes.
Le réseau sémantique le plus simple peut être facilement représenté par un triangle dont les sommets sont des concepts tels que, par exemple, "chien", "mammifère" et "épine". Dans ce cas, les sommets relieront les côtés du triangle, qui peuvent être désignés par des connexions et des relations telles que "est", "possède", "a". de cette façon, nous obtenons un modèle de représentation des connaissances à partir duquel nous apprenons,qu'un chien est un mammifère, que les mammifères ont une colonne vertébrale et qu'un chien a une colonne vertébrale.
Ces modèles sont illustratifs et, avec leur aide, vous pouvez représenter plus efficacement des systèmes complexes et des relations causales. De plus, ces réseaux sémantiques peuvent être complétés par de nouvelles connaissances en élargissant un réseau existant, c'est-à-dire qu'un triangle peut être transformé en rectangle, puis en hexagone, puis en un réseau complexe de formes qui se croisent, dans lequel on peut observer, par exemple, l'héritage des propriétés.
Modèle de cadre
Le modèle de cadre est nommé ainsi à partir du mot anglais frame - frame ou frame. Un cadre est une structure qui collecte des données utilisées pour représenter un concept particulier.
Comme en sociologie, où les cadres sont une sorte de données stéréotypées qui influencent la perception humaine du monde et le processus décisionnel, en informatique et en travaillant avec l'intelligence artificielle, les cadres sont utilisés pour créer des données structurées qui représentent situations stéréotypées. En fait, il s'agit du système de données initial et de base sur lequel se construit la perception du monde par l'intelligence artificielle.
En plus d'être des modèles efficaces de représentation des connaissances, les cadres ne sont pas seulement actifs en informatique. Ils étaient à l'origine une variante des réseaux sémantiques.
Une trame consiste en un ou plusieurs slots. À leur tour, les slots peuvent eux-mêmes être des cadres. Ainsi, le modèle de cadre est capable de représenter des objets conceptuels complexes, formant une large chaîne hiérarchique.connaissance.
Le modèle de cadre de représentation des connaissances contient des informations sur la façon d'utiliser un cadre, ce à quoi s'attendre pendant et après son utilisation, et ce qu'il faut faire lorsque les attentes de l'utilisation d'un cadre ne sont pas satisfaites.
Certains types de données dans un modèle de cadre sont fixes, tandis que d'autres données, généralement stockées dans des emplacements de terminal, peuvent changer. Les emplacements de terminal sont le plus souvent traités comme des variables. Les slots et les trames de niveau supérieur contiennent des informations sur la situation, qui sont toujours vraies, mais les slots terminaux n'ont pas besoin d'être vrais.
Les trames d'un réseau complexe peuvent partager les slots d'autres trames du même réseau.
La base de données peut stocker des cadres prototypes (immuables) et des cadres d'instance qui sont créés de manière situationnelle pour représenter une situation ou un concept particulier.
Les modèles de cadre de représentation des connaissances sont l'un des plus polyvalents et capables d'afficher différents types de connaissances:
- les structures de trame sont utilisées pour représenter des concepts et des objets;
- les rôles de cadre dénotent les responsabilités de rôle;
- frame scripts décrivent le comportement;
- les situations de cadre sont utilisées pour représenter l'état et les activités.
Réseaux de neurones
Ces algorithmes peuvent également être ajoutés conditionnellement au groupe de modèles basés sur une approche empirique de la connaissance. En fait, les réseaux de neurones tentent de copier les processus se produisant dans le cerveau humain. Ils sont basés sur la théorie selon laquelle un système d'intelligence artificielle avec les mêmes structures etprocessus, comme dans le cerveau humain, pourront obtenir des résultats similaires dans le processus de prise de décision, d'évaluation des situations et de perception de la réalité.
Approche théoriquement valable
Les modèles mathématiques, prédicatifs et logiques de représentation des connaissances sont basés sur cette approche. Ces modèles garantissent des décisions correctes car ils sont basés sur une logique formelle. Ils conviennent à la résolution de problèmes simples à partir d'un domaine restreint, souvent associé à la logique formelle.
Modèles logiques de représentation des connaissances
C'est l'un des modèles les plus populaires basés sur une approche théorique. Le modèle logique utilise l'algèbre des prédicats, son système d'axiomes et ses règles d'inférence. Les modèles logiques les plus courants utilisent des termes - constantes logiques, fonctions et variables, ainsi que des prédicats, c'est-à-dire des expressions d'actions logiques.
