ما هو تمثيل المعرفة في الذكاء الاصطناعي؟ الاستخدام والأنواع والطرق

مقدمة

هل سبق لك أن أطلقت كرة سلة في الطوق؟ هل تلاحظ عدد الأشياء التي تتم معالجتها للحصول على تلك اللقطة الواحدة؟ تخيل تدريب آلة لتصوير لقطة كهذه. كمية المعرفة المطلوبة لتقديمها إلى الكمبيوتر هائلة. هناك تكمن المشكلة. حتى السيناريوهات البسيطة مثل رفع تفاحة عن المكتب ستحتاج إلى مجموعة كبيرة من القواعد والأوصاف.

إنه ما يجعل تمثيل المعرفة في الذكاء الاصطناعي أمرًا بالغ الأهمية بالإضافة إلى متعة العمل معه. يلعب تمثيل المعرفة دورًا في تهيئة البيئة ويعطي جميع التفاصيل اللازمة للنظام.

استخدام تمثيل المعرفة في أنظمة الذكاء الاصطناعي

يمكن فهم دور تمثيل المعرفة في أنظمة الذكاء الاصطناعي من خلال النظر في المنهجية التي تتبعها أنظمة الذكاء الاصطناعي. هذه العملية هي على النحو التالي:

1. كتلة الإدراك

يمكن اعتبار كتلة الإدراك كمجموعة من الحواس للآلة. إنه المكون الذي يمكن للنظام من خلاله التفاعل مع البيئة. يمكن أن يكون أي نوع من البيانات أو الصوت أو الفيديو أو درجة الحرارة وما إلى ذلك.

2. كتلة التعلم

إنه جزء من النظام حيث نقوم بتدريب النماذج اللازمة لكي تعمل الآلة بمفردها. يتم ترميز خوارزميات التعلم النموذجية (التعلم الآلي ، والتعلم العميق ، وما إلى ذلك) في كتلة التعلم. يتم توصيل كتلة التعلم مباشرة مع كتلة الإدراك لاسترداد المعلومات اللازمة للتدريب.

3. التفكير - كتلة تمثيل المعرفة

إنها الكتلة الأكثر أهمية في النظام. يأخذ البيانات من كتلة الإدراك ويصفّي ما هو مهم. تتأكد كتلة التفكير من توفر المعرفة التي يمكن تقديمها للنموذج أو وكيل التعلم عند الاقتضاء.

4. كتلة التخطيط والتنفيذ

توفر هذه الكتلة خريطة طريق وظيفية للآلة. تحدد هذه الكتلة الإجراء الواجب اتخاذه والنتائج المتوقعة. تأخذ هذه الكتلة المدخلات من المنطق - كتلة تمثيل المعرفة.

قراءة : موضوعات وأفكار مشاريع الذكاء الاصطناعي

أنواع المعرفة

في المقام الأول ، نرى خمسة أنواع من المعرفة في أي كتلة تمثيل معرفي في أنظمة الذكاء الاصطناعي. أنواع المعرفة هي كما يلي:

1. التصريحي: هو نوع المعرفة الذي يتعامل مع الحقائق ، الأمثلة ، الأشياء ، المعلنة كبيان.

2. الهيكلية: يتعامل مع نوع المعرفة التي تصف العلاقة بين الأمثلة والوصف.

3. إجرائية: ويتعامل مع الإجراءات والقواعد المطلوبة لنظام معين للعمل بكفاءة.

4. ميتا: هي المعرفة التي تتكون من البيانات عالية المستوى لأنواع أخرى من بيانات المعرفة.

5. الكشف عن مجريات الأمور: ويمثل البيانات التي تساعد في اتخاذ القرارات.

تعرف على: أفضل 8 مشروعات ذكاء إصطناعي من Google الأكثر شيوعًا يجب أن تعمل عليها

طرق تمثيل المعرفة

بمجرد أن نفهم المعرفة التي سيتم تمثيلها وكيف سيتم استخدامها ، من الضروري معرفة كيفية تحقيق ذلك. فيما يلي الطرق المتاحة لتمثيل المعرفة في أنظمة الذكاء الاصطناعي:

1. القواعد الإجرائية

قواعد الإنتاج هي نظام في حد ذاته. يتكون من تطبيق قاعدة ومجموعة من القواعد وقاعدة بيانات (ذاكرة). عندما يتم تمرير أحد المدخلات ، يتم فحص الشرط من خلال قواعد الإنتاج ، ويتم تحديد قاعدة مناسبة. يتم تنفيذ الإجراء على أساس القواعد المذكورة.

تستمر الدورة بأكملها لكل إدخال فردي يتم إحضاره عبر قناة تمثيل المعرفة. يتم التعبير عن نظام قواعد الإنتاج بلغة طبيعية وبالتالي يتم استخدامه كثيرًا. العيب الوحيد هو أنه في بعض الأحيان يصبح النظام القائم على القواعد غير فعال ، حيث قد تظل بعض القواعد نشطة.

2. الشبكة الدلالية

كما يوحي الاسم ، يعمل هذا النوع من التمثيل مع شبكة من البيانات. في الشبكات الدلالية ، هناك نوعان من العلاقات. أحدهما هو علاقة ISA ، والثاني هو علاقة المثيل. في الشبكة ، تحدد الكتل الكائنات ، وتحدد الحواف (أو الأقواس) العلاقات بين الكتل. على الرغم من أن الشبكات الدلالية تستغرق وقتًا حسابيًا أكثر ، إلا أن استخدامها واسع النطاق لأن المعرفة الممثلة سهلة الفهم.

3. التمثيل بالمنطق

يمكن تمثيل المنطق من خلال بناء جملة وأشياء متفق عليها. يتعامل مع حروف الجر وليس له غموض في المعنى أو التفسير. يمكن أن يساعد هذا النوع من التمثيل في التفكير المنطقي والحصول على تمثيل أفضل للحقائق. ومع ذلك ، يمكن أن تكون التمثيلات المنطقية صعبة للعمل معها. قد تجعل القواعد الصارمة للنحو والجمعيات العملية صعبة.

4. التمثيل من خلال الأطر

الإطار عبارة عن مجموعة من السمات والقيم المرتبطة. تسمى الإطارات أيضًا هياكل فتحة التعبئة. هذا لأن الخانات هي السمات ، ويتم ملؤها بقيم تلك السمات التي تمثل المعرفة في البيئة. تعمل الإطارات على تسهيل تجميع البيانات وقيم الكائنات المختلفة. لكن في بعض الأحيان ، تكون آلية الاستدلال صعبة التنفيذ أو الاستخدام لأنها نهج عام تمامًا.

هذه هي الطريقة التي يمكن بها تطبيق تمثيل المعرفة في الذكاء الاصطناعي . لكن كيف تختبر هذه الأنظمة؟

يمكن للخصائص التالية تقييم أي نظام تمثيل معرفي:

1. الكفاية الاستدلالية والكفاءة: وهي تتعامل مع قدرة النظام على استنتاج المعرفة من تلقاء نفسها. هل يمكن أن تستنتج المعرفة من العلاقات المختلفة والقيام بها بكفاءة ، هما السؤالان الأساسيان المطروحان لتقييم هذه الخاصية.

2. كفاية الاكتساب: ويتعامل مع قدرة النظام على اكتساب معرفة إضافية بناءً على البيئة المقدمة.

3. الكفاية التمثيلية: ويتعامل مع قدرة النظام على تمثيل جميع أنواع المعرفة. هل النظام متعدد الاستخدامات بما يكفي ليكون قادرًا على تمثيل البيانات التي قد تكون أو لا تكون في مجال المعرفة الممثلة مسبقًا؟

جرب أيضًا: الذكاء الاصطناعي مقابل الذكاء البشري: الفرق بين الذكاء الاصطناعي والذكاء البشري

خاتمة

سيكون تمثيل المعرفة في الذكاء الاصطناعي مجالًا متطورًا. سيوفر يومًا ما النظام الذي يمكن أن يتكامل ، والذي لديه الإدراك والاستدلال القريب من الإنسان. نأمل أن يوفر المقال ما يكفي لبدء رحلة تمثيل المعرفة.

إذا كنت مهتمًا بمعرفة المزيد حول التعلم الآلي والذكاء الاصطناعي ، فراجع IIIT-B & upGrad's دبلوم PG في التعلم الآلي والذكاء الاصطناعي المصمم للمهنيين العاملين ويقدم أكثر من 450 ساعة من التدريب الصارم ، وأكثر من 30 دراسة حالة ومهمة ، حالة خريجي IIIT-B ، أكثر من 5 مشاريع تكميلية عملية ومساعدة وظيفية مع أفضل الشركات.