AI에서 지식 표현이란 무엇입니까? 사용법, 유형 및 방법

소개

농구공을 골대에 쏘아본 적이 있습니까? 하나의 샷을 만들기 위해 얼마나 많은 작업이 처리되는지 알 수 있습니까? 그런 샷을 하도록 기계를 훈련시키는 것을 상상해 보십시오. 컴퓨터에 제시하는 데 필요한 지식의 양은 엄청납니다. 문제가 있습니다. 책상에서 사과를 들어 올리는 것과 같은 간단한 시나리오에도 많은 규칙과 설명이 필요합니다.

이것이 AI의 지식 표현을 매우 중요하고 재미있게 만드는 이유입니다. 지식 표현은 환경을 설정하는 역할을 하며 시스템에 필요한 모든 세부 정보를 제공합니다.

AI 시스템에서 지식 표현의 사용

AI 시스템 에서 지식 표현 의 역할은 AI 시스템이 뒤따르는 방법론을 살펴보면 이해할 수 있습니다. 프로세스는 다음과 같습니다.

1. 지각 차단

지각 블록은 기계에 대한 일련의 감각으로 생각할 수 있습니다. 시스템이 환경과 상호 작용할 수 있는 구성 요소입니다. 모든 유형의 데이터, 오디오, 비디오, 온도 등이 될 수 있습니다.

2. 학습 블록

기계가 스스로 작동하는 데 필요한 모델을 훈련시키는 시스템의 일부입니다. 일반적인 학습 알고리즘(머신 러닝, 딥 러닝 등)은 학습 블록에 코딩됩니다. 학습 블록은 인식 블록과 직접 연결되어 학습에 필요한 정보를 검색합니다.

3. 추론 – 지식 표현 블록

시스템에서 가장 중요한 블록입니다. 인식 블록에서 데이터를 가져와 중요한 것을 필터링합니다. 추론 블록은 필요할 때 모델이나 학습 에이전트에 제공할 수 있는 지식을 사용할 수 있는지 확인합니다.

4. 계획 및 실행 블록

이 블록은 기계에 기능적 로드맵을 제공합니다. 이 블록은 취해야 할 조치와 예상되는 결과를 지정합니다. 이 블록은 추론 – 지식 표현 블록에서 입력을 받습니다.

읽기 : AI 프로젝트 아이디어 및 주제

지식의 유형

기본적으로 우리 는 AI 시스템 의 지식 표현 블록에서 다섯 가지 유형의 지식을 봅니다. 지식 유형은 다음과 같습니다.

1. 선언적: 진술로 선언된 사실, 사례, 대상을 다루는 지식의 유형입니다.

2. 구조적: 사례와 설명 사이의 관계를 설명하는 지식 유형을 다룹니다.

3. 절차적: 특정 시스템이 효율적으로 작동하는 데 필요한 절차와 규칙을 다룹니다.

4. 메타: 다른 유형의 지식 데이터의 상위 수준 데이터로 구성된 지식입니다.

5. 휴리스틱: 의사결정을 내리는 데 도움이 되는 데이터를 나타냅니다.

자세히 알아보기: 작업해야 하는 가장 인기 있는 8가지 Google AI 프로젝트

지식 표현 방법

표현될 지식과 그것이 어떻게 사용될 것인지를 이해하고 나면 이를 달성하는 방법을 알아야 합니다. AI 시스템 에서 지식 표현에 사용할 수 있는 방법은 다음과 같습니다 .

1. 절차 규칙

생산 규칙은 그 자체로 시스템입니다. 규칙 적용자, 규칙 집합 및 데이터베이스(메모리)로 구성됩니다. 입력이 통과될 때마다 생산 규칙을 ​​통해 조건을 확인하고 적절한 규칙을 선택합니다. 조치는 언급된 규칙에 따라 수행됩니다.

지식 표현 채널을 통해 가져온 모든 단일 입력에 대해 전체 주기가 계속됩니다. 생산규칙 체계는 자연어로 표현되어 많이 사용된다. 유일한 단점은 일부 규칙이 여전히 활성 상태일 수 있기 때문에 때때로 규칙 기반 시스템이 비효율적이라는 것입니다.

2. 시맨틱 네트워크

이름에서 알 수 있듯이 이러한 유형의 표현은 데이터 네트워크에서 작동합니다. 시맨틱 네트워크에는 두 가지 유형의 관계가 있습니다. 하나는 ISA 관계이고 두 번째는 인스턴스 관계입니다. 네트워크에서 블록은 객체를 정의하고 모서리(또는 호)는 블록 간의 관계를 정의합니다. 시맨틱 네트워크는 계산 시간이 더 오래 걸리지만 표현된 지식이 이해하기 쉽기 때문에 사용 범위가 광범위합니다.

3. 논리에 의한 표현

논리는 합의된 구문과 객체를 통해 표현될 수 있습니다. 전치사를 다루며 의미나 해석에 모호함이 없습니다. 이러한 유형의 표현은 논리적 추론에 도움이 될 수 있으며 사실을 더 잘 표현할 수 있습니다. 그러나 논리적 표현은 작업하기 까다로울 수 있습니다. 구문 및 연결의 엄격한 규칙으로 인해 프로세스가 까다로울 수 있습니다.

4. 프레임을 통한 표현

프레임은 속성 및 관련 값의 모음입니다. 프레임은 슬롯 필러 구조라고도 합니다. 이는 슬롯이 속성이고 환경의 지식을 나타내는 속성의 값으로 채워지기 때문입니다. 프레임을 사용하면 데이터와 다양한 개체 값을 더 쉽게 그룹화할 수 있습니다. 그러나 때때로 추론 메커니즘은 상당히 일반화된 접근 방식이므로 구현하거나 사용하기가 어렵습니다.

이것이 AI의 지식 표현 이 적용될 수 있는 방법입니다. 그러나 이러한 시스템을 테스트하는 방법은 무엇입니까?

다음 속성은 모든 지식 표현 시스템을 평가할 수 있습니다.

1. 추론의 적절성과 효율성: 자체적으로 지식을 추론하는 시스템의 능력을 다룹니다. 다른 관계에서 지식을 추론하고 효율적으로 수행할 수 있습니까? 이 속성을 평가하기 위해 묻는 두 가지 기본 질문입니다.

2. 획득 적절성: 제공된 환경을 기반으로 추가 지식을 얻을 수 있는 시스템의 능력을 다룹니다.

3. 표현 적합성: 모든 유형의 지식을 표현하는 시스템의 능력을 다룹니다. 시스템은 이전에 표현된 지식의 영역에 있거나 없을 수 있는 데이터를 표현할 수 있을 만큼 충분히 다재다능한가?

또한 시도: AI 대 인간 지능: AI와 인간 지능의 차이점

결론

AI의 지식 표현은 진화하는 분야가 될 것입니다. 언젠가는 인간에 가까운 지각과 추론이 가능한 통합 시스템을 제공할 것이다. 이 기사가 지식 표현의 여정을 시작하기에 충분하기를 바랍니다.

기계 학습 및 AI에 대해 자세히 알아보려면 IIIT-B 및 upGrad의 기계 학습 및 AI PG 디플로마를 확인하세요. 이 PG 디플로마는 일하는 전문가를 위해 설계되었으며 450시간 이상의 엄격한 교육, 30개 이상의 사례 연구 및 과제를 제공합니다. IIIT-B 동문 자격, 5개 이상의 실용적인 실습 캡스톤 프로젝트 및 최고의 기업과의 취업 지원.