AIにおける知識表現とは何ですか？ 使用法、種類、方法

序章

バスケットボールをフープに撃ったことはありますか？ そのワンショットを作るためにいくつのものが処理されているかに気づきましたか？ そのようなショットを作るためにマシンをトレーニングすることを想像してみてください。 コンピュータに提示するために必要となる知識の量は膨大です。 問題があります。 リンゴを机から持ち上げるような単純なシナリオでも、大量のルールと説明が必要になります。

これが、AIでの知識表現を非常に重要にし、作業を楽しくするものです。 知識表現は、環境を設定する上で役割を果たし、システムに必要なすべての詳細を提供します。

AIシステムにおける知識表現の使用

AIシステムにおける知識表現の役割は、AIシステムが従う方法論を見ることで理解できます。 プロセスは次のとおりです。

1.知覚ブロック

知覚ブロックは、機械の感覚のセットと考えることができます。 これは、システムが環境と相互作用できるコンポーネントです。 あらゆる種類のデータ、オーディオ、ビデオ、温度などが可能です。

2.学習ブロック

これは、マシンが単独で動作するために必要なモデルをトレーニングするシステムの一部です。 典型的な学習アルゴリズム（機械学習、深層学習など）は、学習ブロックにコード化されています。 学習ブロックは知覚ブロックに直接接続され、トレーニングに必要な情報を取得します。

3.推論–知識表現ブロック

これは、システムの最も重要なブロックです。 知覚ブロックからデータを取り込み、重要なものを除外します。 推論ブロックは、必要に応じてモデルまたは学習エージェントに提供できる知識が利用可能であることを確認します。

4.計画と実行のブロック

このブロックは、マシンへの機能的なロードマップを提供します。 このブロックは、実行するアクションと期待される結果を指定します。 このブロックは、推論–知識表現ブロックから入力を受け取ります。

読む：AIプロジェクトのアイデアとトピック

知識の種類

主に、 AIシステムの知識表現ブロックには5種類の知識があります。 知識の種類は次のとおりです。

1.宣言型：ステートメントとして宣言されたファクト、インスタンス、オブジェクトを扱う知識のタイプです。

2.構造：インスタンスと説明の関係を説明する知識のタイプを扱います。

3.手順：特定のシステムが効率的に機能するために必要な手順とルールを扱います。

4.メタ：他の種類の知識データの上位データからなる知識です。

5.ヒューリスティック：意思決定の管理に役立つデータを表します。

学ぶべきこと：取り組むべき最も人気のあるGoogleAIプロジェクトトップ8

知識表現の方法

表現すべき知識とそれがどのように使用されるかを理解したら、これを達成する方法を知る必要があります。 AIシステムで知識表現に利用できる方法は次のとおりです。

1.手続き規則

プロダクションルールはそれ自体がシステムです。 これは、ルールアプライヤー、一連のルール、およびデータベース（メモリ）で構成されています。 入力が渡されるたびに、条件がプロダクションルールによってチェックされ、適切なルールが選択されます。 アクションは、前述のルールに基づいて実行されます。

全体のサイクルは、知識表現チャネルを介してもたらされるすべての単一の入力に対して継続します。 制作ルールシステムは自然言語で表現されているため、多く使用されています。 唯一の欠点は、一部のルールがまだアクティブである可能性があるため、ルールベースのシステムが非効率になる場合があることです。

2.セマンティックネットワーク

名前が示すように、このタイプの表現はデータのネットワークで機能します。 セマンティックネットワークには、2つのタイプの関係があります。 1つはISA関係であり、もう1つはインスタンス関係です。 ネットワークでは、ブロックがオブジェクトを定義し、エッジ（または円弧）がブロック間の関係を定義します。 セマンティックネットワークはより多くの計算時間を要しますが、表現された知識は理解しやすいため、それらの使用は広範囲に及びます。

3.ロジックによる表現

ロジックは、合意された構文とオブジェクトを介して表すことができます。 前置詞を扱い、意味や解釈に曖昧さはありません。 このタイプの表現は、論理的推論に役立ち、事実をより適切に表現できます。 ただし、論理表現は扱いにくい場合があります。 構文と関連付けの厳密な規則により、プロセスが複雑になる場合があります。

4.フレームによる表現

フレームは、属性と関連する値のコレクションです。 フレームはスロットフィラー構造とも呼ばれます。 これは、スロットが属性であり、環境内の知識を表す属性の値で埋められているためです。 フレームを使用すると、データとさまざまなオブジェクト値を簡単にグループ化できます。 ただし、推論メカニズムは非常に一般化されたアプローチであるため、実装や使用が難しい場合があります。

これは、AIでの知識表現を適用する方法です。 しかし、これらのシステムをテストする方法は？

次のプロパティは、知識表現システムを評価できます。

1.推論の妥当性と効率：それは、それ自体で知識を推論するシステムの能力を扱います。 さまざまな関係から知識を推測し、それを効率的に行うことができるかどうかは、このプロパティを評価するために尋ねられる2つの主要な質問です。

2.取得の妥当性：提供された環境に基づいて追加の知識を取得するシステムの能力を扱います。

3.表現の妥当性：すべてのタイプの知識を表現するシステムの能力を扱います。 システムは、以前に表現された知識の領域にある場合とない場合があるデータを表現できるほど十分に用途が広いですか？

また試してみてください： AIとヒューマンインテリジェンス：AIとヒューマンインテリジェンスの違い

結論

AIにおける知識表現は、進化する分野になるでしょう。 いつの日か、人間に近い知覚と推論を備えた統合可能なシステムを提供するでしょう。 この記事が知識表現の旅を始めるのに十分なものになることを願っています。

機械学習とAIについて詳しく知りたい場合は、IIIT-BとupGradの機械学習とAIのPGディプロマをご覧ください。これは、働く専門家向けに設計されており、450時間以上の厳格なトレーニング、30以上のケーススタディと課題を提供します。 IIIT-B卒業生のステータス、5つ以上の実践的な実践的なキャップストーンプロジェクト、トップ企業との雇用支援。