Lidé jsou nejlepší v porozumění, uvažování a interpretaci znalostí. Člověk zná věci, což je vědění a podle svých znalostí provádí různé akce v reálném světě. Ale to, jak stroje dělají všechny tyto věci, spadá do reprezentace znalostí a uvažování . Reprezentaci znalostí tedy můžeme popsat následovně:

• Reprezentace znalostí a uvažování (KR, KRR) je část umělé inteligence, která se zabývá myšlením agentů AI a tím, jak myšlení přispívá k inteligentnímu chování agentů.
• Je odpovědný za reprezentaci informací o skutečném světě, aby počítač pochopil a mohl tyto znalosti využít k řešení složitých problémů reálného světa, jako je diagnostika zdravotního stavu nebo komunikace s lidmi v přirozeném jazyce.
• Je to také způsob, který popisuje, jak můžeme reprezentovat znalosti v umělé inteligenci. Reprezentace znalostí není jen ukládání dat do nějaké databáze, ale také umožňuje inteligentnímu stroji učit se z těchto znalostí a zkušeností, aby se mohl chovat inteligentně jako člověk.

Co zastupovat:

Níže jsou uvedeny druhy znalostí, které je třeba v systémech AI reprezentovat:

Objekt:Všechna fakta o objektech v naší světové doméně. Například kytary obsahují struny, trubky jsou žesťové nástroje.Události:Události jsou akce, ke kterým dochází v našem světě.Výkon:Popisuje chování, které zahrnuje znalosti o tom, jak věci dělat.Meta-znalosti:Je to znalost toho, co víme.fakta:Fakta jsou pravdami o skutečném světě a o tom, co reprezentujeme.Znalostní základna:Ústřední složkou agentů založených na znalostech je znalostní báze. Je reprezentován jako KB. Knowledgebase je skupina Sentences (zde se věty používají jako odborný termín a nejsou totožné s anglickým jazykem).

Znalost: Znalosti jsou povědomí nebo znalost získaná zkušenostmi s fakty, daty a situacemi. Níže jsou uvedeny typy znalostí v umělé inteligenci:

Typy znalostí

Následují různé typy znalostí:

1. Deklarativní znalosti:

• Deklarativní znalost je vědět o něčem.
• Zahrnuje pojmy, fakta a předměty.
• Nazývá se také popisná znalost a vyjadřuje se v deklarativních větách.
• Je to jednodušší než procedurální jazyk.

2. Procesní znalosti

• Je také známá jako imperativní znalost.
• Procedurální znalosti jsou typem znalostí, které jsou zodpovědné za to, abychom věděli, jak něco udělat.
• Lze jej přímo aplikovat na jakýkoli úkol.
• Zahrnuje pravidla, strategie, postupy, agendy atd.
• Procedurální znalosti závisí na úkolu, na který je lze aplikovat.

3. Meta-znalosti:

• Znalosti o ostatních typech znalostí se nazývají metaznalosti.

4. Heuristické znalosti:

• Heuristické znalosti představují znalosti některých odborníků v oboru nebo předmětu.
• Heuristické znalosti jsou orientační pravidla založená na předchozích zkušenostech, povědomí o přístupech, se kterými je dobré pracovat, ale není zaručeno.

5. Strukturální znalosti:

• Strukturální znalosti jsou základní znalostí k řešení problémů.
• Popisuje vztahy mezi různými pojmy, jako je druh, část a seskupení něčeho.
• Popisuje vztah, který existuje mezi pojmy nebo objekty.

Vztah mezi znalostmi a inteligencí:

Znalost reálných světů hraje zásadní roli v inteligenci a stejně tak při vytváření umělé inteligence. Znalosti hrají důležitou roli při demonstraci inteligentního chování agentů AI. Agent je schopen přesně jednat na základě určitého vstupu pouze tehdy, má-li o tomto vstupu určité znalosti nebo zkušenosti.

Předpokládejme, že pokud jste potkali někoho, kdo mluví jazykem, který neznáte, jak s tím budete moci jednat. Totéž platí pro inteligentní chování agentů.

Jak můžeme vidět na níže uvedeném diagramu, existuje jedna osoba s rozhodovací pravomocí, která jedná na základě vnímání prostředí a využívání znalostí. Pokud se však znalostní část nezobrazí, nemůže vykazovat inteligentní chování.

Cyklus znalostí AI:

Systém umělé inteligence má následující součásti pro zobrazování inteligentního chování:

• Vnímání
• Učení se
• Reprezentace znalostí a uvažování
• Plánování
• Provedení

Výše uvedený diagram ukazuje, jak může systém umělé inteligence interagovat se skutečným světem a jaké komponenty mu pomáhají prokázat inteligenci. Systém AI má komponentu Perception, pomocí které získává informace ze svého prostředí. Může to být vizuální, zvukový nebo jiná forma smyslového vstupu. Učící se komponenta je zodpovědná za učení se z dat zachycených kompartmentem Perception. V celém cyklu jsou hlavními složkami reprezentace znalostí a uvažování. Tyto dvě složky se podílejí na ukazování inteligence u lidí podobných strojům. Tyto dvě složky jsou na sobě nezávislé, ale také propojené. Plánování a provádění závisí na analýze reprezentace znalostí a uvažování.

Přístupy k reprezentaci znalostí:

Existují hlavně čtyři přístupy k reprezentaci znalostí, které jsou uvedeny níže:

1. Jednoduché vztahové znalosti:

• Jedná se o nejjednodušší způsob ukládání faktů, který využívá relační metodu a každý fakt o množině objektu je systematicky uveden ve sloupcích.
• Tento přístup reprezentace znalostí je známý v databázových systémech, kde je reprezentován vztah mezi různými entitami.
• Tento přístup má jen malou příležitost k vyvozování závěrů.

Příklad: Následuje jednoduchá reprezentace relačních znalostí.

2. Dědičné znalosti:

• V přístupu dědičných znalostí musí být všechna data uložena do hierarchie tříd.
• Všechny třídy by měly být uspořádány v obecné formě nebo hierarchicky.
• V tomto přístupu použijeme dědičnou vlastnost.
• Prvky dědí hodnoty od ostatních členů třídy.
• Tento přístup obsahuje dědičné znalosti, které ukazují vztah mezi instancí a třídou, a nazývá se to vztah instance.
• Každý jednotlivý snímek může představovat kolekci atributů a jejich hodnotu.
• V tomto přístupu jsou objekty a hodnoty reprezentovány v boxovaných uzlech.
• Používáme šipky, které ukazují z objektů na jejich hodnoty.
Příklad:

3. Inferenční znalosti:

• Inferenční znalostní přístup představuje znalost ve formě formální logiky.
• Tento přístup lze použít k odvození více faktů.
• Zaručovalo to správnost.
Příklad:Předpokládejme, že existují dvě prohlášení:
1. Marcus je muž
2. Všichni muži jsou smrtelní
   Potom může reprezentovat jako;
   
   muž (Marcus)
   ∀x = muž (x) ----------> smrtelný (x)s

4. Procesní znalosti:

• Procedurální znalostní přístup využívá malé programy a kódy, které popisují, jak dělat konkrétní věci a jak postupovat.
• V tomto přístupu se používá jedno důležité pravidlo, kterým je Pokud-pak pravidlo .
• V této znalosti můžeme využít různé kódovací jazyky jako např jazyk LISP a Prologový jazyk .
• Pomocí tohoto přístupu můžeme snadno reprezentovat heuristické nebo doménově specifické znalosti.
• Není však nutné, abychom v tomto přístupu mohli zastupovat všechny případy.

Požadavky na znalosti Reprezentační systém:

Dobrý systém reprezentace znalostí musí mít následující vlastnosti.

1. Reprezentativní přesnost:
Systém KR by měl mít schopnost reprezentovat všechny druhy požadovaných znalostí.2. Inferenční přiměřenost:
Systém KR by měl mít schopnost manipulovat s reprezentačními strukturami, aby produkoval nové znalosti odpovídající existující struktuře.3. Inferenční účinnost:
Schopnost nasměrovat mechanismus odvozených znalostí do nejproduktivnějších směrů uložením vhodných průvodců.4. Pořizovací efektivita-Schopnost snadno získávat nové znalosti pomocí automatických metod.