什麼是 AI 中的知識表示？ 用法、類型和方法

介紹

你有沒有將籃球投進籃筐？ 你注意到有多少東西被處理來製作一個鏡頭嗎？ 想像一下訓練一台機器進行這樣的射擊。 呈現給計算機所需的知識量是巨大的。 這就是問題所在。 即使是簡單的場景，比如從桌子上拿蘋果，也需要大量的規則和描述。

這就是讓AI 中的知識表示變得如此重要和有趣的原因。 知識表示在設置環境中發揮作用，並提供系統所需的所有細節。

在人工智能係統中使用知識表示

可以通過查看 AI 系統遵循的方法來理解知識表示在 AI系統中的作用。 過程如下：

1. 感知塊

感知塊可以被認為是機器的一組感官。 它是系統可以通過它與環境交互的組件。 它可以是任何類型的數據、音頻、視頻、溫度等。

2.學習塊

它是系統的一部分，我們在其中訓練機器獨立工作所需的模型。 典型的學習算法（機器學習、深度學習等）編碼在學習塊中。 學習塊直接與感知塊連接，以檢索訓練所需的信息。

3. 推理——知識表示塊

它是系統中最關鍵的塊。 它從感知塊中獲取數據並過濾掉重要的內容。 推理塊確保可以在需要時提供給模型或學習代理的知識。

4.計劃和執行塊

該塊為機器提供了功能路線圖。 該塊指定要採取的行動以及預期的結果。 該塊從推理 - 知識表示塊中獲取輸入。

閱讀：人工智能項目的想法和主題

知識類型

首先，我們在 AI系統的任何知識表示塊中看到五種類型的知識。 知識類型如下：

1. 陳述性：它是處理事實、實例、對象的知識類型，被聲明為陳述。

2.結構：它處理描述實例和描述之間關係的知識類型。

3. 程序：它處理特定係統有效工作所需的程序和規則。

4.元：是由其他類型知識數據的更高層次數據組成的知識。

5. 啟發式：它代表有助於管理決策的數據。

了解：您應該從事的 8 個最受歡迎的 Google AI 項目

知識表示方法

一旦我們了解了要表示的知識以及如何使用它，就有必要知道如何實現這一點。 以下是可用於AI系統中的知識表示的方法：

1. 程序規則

生產規則本身就是一個系統。 它由一個規則應用程序、一組規則和一個數據庫（內存）組成。 每當輸入通過時，都會通過產生式規則檢查條件，並選擇適當的規則。 該操作是根據提到的規則執行的。

對於通過知識表示通道帶來的每一個輸入，整個循環都將繼續。 生產規則係統用自然語言表達，因此被大量使用。 唯一的缺點是有時基於規則的系統效率低下，因為某些規則可能仍然有效。

2.語義網絡

顧名思義，這種類型的表示適用於數據網絡。 在語義網絡中，有兩種​​類型的關係。 一是ISA關係，二是實例關係。 在網絡中，塊定義對象，邊（或弧）定義塊之間的關係。 儘管語義網絡需要更多的計算時間，但它們的用途很廣泛，因為所代表的知識很容易理解。

3. 邏輯表示

邏輯可以通過商定的語法和對象來表示。 它處理介詞，在含義或解釋上沒有歧義。 這種類型的表示可以幫助進行邏輯推理並更好地表示事實。 但是，邏輯表示可能很難使用。 語法和關聯的嚴格規則可能會使這個過程變得棘手。

4. 通過框架表示

框架是屬性和相關值的集合。 幀也稱為槽填充結構。 這是因為槽是屬性，它們由代表環境中知識的那些屬性的值填充。 框架使數據和不同對象值的分組更容易。 但有時，推理機制很難實現或使用，因為它是一種非常通用的方法。

這就是如何在 AI中應用知識表示。 但是如何測試這些系統呢？

以下屬性可以評估任何知識表示系統：

1. 推理的充分性和效率：它涉及系統自行推理知識的能力。 它能否從不同的關係中推斷出知識並有效地做到這一點，是評估該屬性的兩個主要問題。

2. 獲取充分性：它涉及系統根據所提供的環境獲得額外知識的能力。

3. 表示充分性：它涉及系統表示所有類型知識的能力。 系統是否足夠通用，能夠表示可能存在或不存在於先前表示的知識領域的數據？

也試試：人工智能與人類智能：人工智能與人類智能之間的區別

結論

人工智能中的知識表示將是一個不斷發展的領域。 有朝一日，它將提供可集成的系統，具有接近人類的感知和推理能力。 我們希望這篇文章足以讓您開始知識表示的旅程。

如果您有興趣了解有關機器學習和人工智能的更多信息，請查看 IIIT-B 和 upGrad 的機器學習和人工智能 PG 文憑，該文憑專為在職專業人士設計，提供 450 多個小時的嚴格培訓、30 多個案例研究和作業， IIIT-B 校友身份、5 個以上實用的實踐頂點項目和頂級公司的工作協助。