تمثيل المعرفة والاستدلال (KR ، KR² ، KR & R) هو مجال الذكاء الاصطناعي (AI) المخصص لتمثيل المعلومات حول العالم في شكل يمكن أن يستخدمه نظام الكمبيوتر لحل المهام المعقدة مثل تشخيص حالة طبية أو وجود حوار بلغة طبيعية. يتضمن تمثيل المعرفة نتائج من علم النفس حول كيفية حل البشر للمشاكل وتمثيل المعرفة من أجل تصميم الشكلية التي من شأنها أن تجعل الأنظمة المعقدة أسهل في التصميم والبناء. كما يتضمن تمثيل المعرفة والتفكير النتائج من المنطق لأتمتة مختلف أنواع التفكير ، مثل تطبيق القواعد أو علاقات المجموعات والمجموعات الفرعية.

تشمل أمثلة شكليات تمثيل المعرفة الشبكات الدلالية ، بنية الأنظمة ، الإطارات ، القواعد ، والأنطولوجيا. تتضمن أمثلة محركات الاستدلال الآلي محركات الاستقراء ومُثبتات النظرية والمصنّفات.

تم إنشاء سلسلة مؤتمرات KR لتبادل الأفكار والتقدم في هذا المجال الصعب.

التاريخ
ركز العمل الأقدم في تمثيل المعرفة المحوسبة على الحلول العامة للمشكلات مثل نظام حل المشاكل العامة (GPS) الذي طوره ألين نيويل وهيربرت أ. سيمون في عام 1959. وبرزت هذه الأنظمة هياكل البيانات للتخطيط والتحلل. سيبدأ النظام بهدف. ثم يقوم بتحليل هذا الهدف إلى أهداف فرعية ثم يبدأ في وضع استراتيجيات يمكن أن تحقق كل فرع فرعي.

في هذه الأيام الأولى من الذكاء الاصطناعي ، تم تطوير خوارزميات البحث العامة مثل A *. ومع ذلك ، فإن تعريفات المشكلة غير المتبلورة لأنظمة مثل نظام تحديد المواقع العالمي تعني أنها تعمل فقط في مجالات لعب محدودة للغاية (مثل “عالم الكتل”). لمعالجة مشكلات عدم اللعب ، أدرك باحثون من منظمة العفو الدولية مثل إد فيغنباوم وفريدريك هايس-روث أنه من الضروري تركيز الأنظمة على مشكلات أكثر تقييدًا.

كان فشل هذه الجهود هو الذي أدى إلى الثورة المعرفية في علم النفس ومرحلة الذكاء الاصطناعي التي ركزت على تمثيل المعرفة التي أدت إلى أنظمة خبراء في السبعينيات والثمانينيات ، وأنظمة الإنتاج ، ولغات الإطار ، إلخ. بدلاً من حل المشاكل العامة ، غيرت منظمة العفو الدولية تركيزها على النظم الخبيرة التي يمكن أن تضاهي الكفاءة البشرية في مهمة محددة ، مثل التشخيص الطبي.

أعطتنا الأنظمة الخبيرة المصطلحات التي لا تزال قيد الاستخدام اليوم حيث تنقسم أنظمة الذكاء الاصطناعي إلى قاعدة معارف مع حقائق عن العالم والقواعد ومحرك الاستدلال الذي يطبق القواعد على قاعدة المعرفة من أجل الإجابة على الأسئلة وحل المشكلات. في هذه الأنظمة المبكرة ، كانت قاعدة المعرفة تميل إلى أن تكون هيكلًا مستوًٍا إلى حدٍ ما ، وهي في الأساس تأكيدات حول قيم المتغيرات التي تستخدمها القواعد.

بالإضافة إلى الأنظمة الخبيرة ، طور باحثون آخرون مفهوم اللغات القائمة على الإطار في منتصف الثمانينات. يشبه الإطار فئة الكائن: وهو وصفًا مجردًا لفئة تصف الأشياء في العالم والمشكلات والحلول المحتملة. تم استخدام الإطارات في الأصل على أنظمة موجهة نحو التفاعل البشري ، مثل فهم اللغة الطبيعية والإعدادات الاجتماعية التي تؤدي فيها التوقعات الافتراضية المختلفة مثل طلب الطعام في مطعم إلى تضييق مساحة البحث والسماح للنظام باختيار الاستجابات الملائمة للمواقف الديناميكية.

لم يمض وقت طويل قبل أن تدرك مجتمعات الإطار والباحثون المعتمدون على القواعد أن هناك تآزراً بين أساليبهم. كانت الإطارات جيدة لتمثيل العالم الحقيقي ، كما هو موضح بالفئات ، والفئات الفرعية ، وفتحات (قيم البيانات) مع قيود مختلفة على القيم الممكنة. كانت القواعد جيدة لتمثيل المنطق المعقد واستخدامه مثل عملية إجراء تشخيص طبي. تم تطوير أنظمة متكاملة تجمع بين الإطارات والقواعد. واحدة من أقوى ومعروف كانت بيئة هندسة المعرفة لعام 1983 (KEE) من Intellicorp. كان لدى KEE محرك قاعدة كامل مع تسلسل للأمام وللخلف. كما كان لديه قاعدة معارف كاملة تستند إلى إطار مع المشغلات ، وفتحات (قيم البيانات) ، وراثة ، وتمرير الرسائل. على الرغم من أن تمرير الرسالة نشأ في المجتمع القائم على الكائنات بدلاً من منظمة العفو الدولية ، فقد تبناه الباحثون في مجال AI بسرعة في بيئات مثل KEE وفي أنظمة تشغيل آلات Lisp من Symbolics و Xerox و Texas Instruments.

تم دفع التكامل بين الإطارات والقواعد والبرمجة الشيئية بشكل كبير من خلال المشاريع التجارية مثل KEE و Symbolics التي خرجت من مشاريع البحث المختلفة. في نفس الوقت الذي كان يحدث فيه هذا ، كان هناك سلالة أخرى من الأبحاث التي كانت أقل تركيزًا من الناحية التجارية وكانت مدفوعة بمنطق رياضي وبرهنة نظرية مؤتمتة. إحدى اللغات الأكثر تأثيراً في هذا البحث كانت لغة KL-ONE في منتصف الثمانينيات. كان KL-ONE لغة إطار لها دلالات صارمة ، وتعريفات رسمية لمفاهيم مثل علاقة Is-A. KL-ONE واللغات التي تأثرت بها مثل Loom كان لديها محرك استدلال آلي يعتمد على المنطق الرسمي وليس على قواعد IF-THEN. هذا المنطق يسمى المصنف. يستطيع المصنف تحليل مجموعة من الإعلانات واستنتاج التأكيدات الجديدة ، على سبيل المثال ، إعادة تعريف فئة لتكون فئة فرعية أو فئة مميزة من فئة أخرى لم يتم تحديدها بشكل رسمي. وبهذه الطريقة يمكن أن يعمل المصنف كمحرك الاستدلال ، واستخلاص الحقائق الجديدة من قاعدة المعرفة الموجودة. يمكن أن يوفر المصنف أيضًا التحقق من الاتساق على قاعدة معرفية (والتي يشار إليها أيضًا باسم “علم الوجود” في حالة لغات KL-ONE).

مجال آخر من مجالات بحوث تمثيل المعرفة كان مشكلة التفكير المنطقي. كان أحد الإنجازات الأولى التي تعلمناها من محاولة صنع برمجيات يمكن أن تعمل مع لغة الإنسان الطبيعية هو أن البشر يعتمدون بشكل منتظم على أساس واسع من المعرفة حول العالم الحقيقي الذي نأخذه ببساطة كأمر مسلم به ، لكن هذا ليس واضحًا على الإطلاق لأي عامل اصطناعي. . المبادئ الأساسية لفيزياء المنطق السليم ، السببية ، النوايا ، إلخ. ومن الأمثلة على ذلك مشكلة الإطار ، أنه في منطق مدفوع بالأحداث ، يجب أن تكون هناك مسلمات تشير إلى أن الأمور تحتفظ بالموقف من لحظة إلى أخرى ما لم يتم تحريكها من قبل بعض القوى الخارجية . من أجل صنع عامل ذكاء اصطناعي حقيقي يمكنه التحدث مع البشر باستخدام لغة طبيعية ويمكنه معالجة البيانات والأسئلة الأساسية حول العالم ، من الضروري تمثيل هذا النوع من المعرفة. واحد من أكثر البرامج طموحا لمعالجة هذه المشكلة هو مشروع Cyc في دوج لينات. أنشأت Cyc لغة الإطار الخاصة بها ، وكانت هناك أعداد كبيرة من المحللين يوثقون مجالات مختلفة من المنطق السليم في تلك اللغة. تضمنت المعرفة المسجلة في Cyc نماذج منطقية للوقت ، السببية ، الفيزياء ، النوايا ، وغيرها الكثير.

نقطة البداية لتمثيل المعرفة هي فرضية تمثيل المعرفة التي رسمها بريان سي سميث في عام 1985:

سوف تتكون أي عملية ذكية متجسدة ميكانيكيا من المكونات الهيكلية التي أ) نحن كمراقبين الخارجية تأخذ بشكل طبيعي لتمثيل حساب اقتراحى للمعرفة التي تظهرها العملية الشاملة ، و ب) مستقلة عن مثل هذه الإسناد الدلالي الخارجي ، تلعب لعبة رسمية ولكن سببية و دورًا أساسيًا في إثارة السلوك الذي يظهر تلك المعرفة.

حاليا واحدة من المجالات الأكثر نشاطا في بحوث تمثيل المعرفة هي المشاريع المرتبطة بالشبكة الدلالية. تسعى الشبكة الدلالية لإضافة طبقة من الدلالات (معنى) على الإنترنت الحالي. فبدلاً من فهرسة مواقع الويب والصفحات عبر الكلمات الرئيسية ، تُنشئ الويب الدلالي إنطولوجيات كبيرة من المفاهيم. البحث عن مفهوم سيكون أكثر فعالية من البحث التقليدي فقط. تلعب لغات الإطار والتصنيف التلقائي دورًا كبيرًا في رؤية الويب الدلالي المستقبلي. يمنح التصنيف التلقائي تكنولوجيا المطورين لتوفير النظام على شبكة من المعرفة تتطور باستمرار. سيكون تحديد الأنطولوجيا التي تكون ثابتة وغير قادرة على التطور على الطاير مقيدًا جدًا للأنظمة المستندة إلى الإنترنت. توفر تقنية التصنيف القدرة على التعامل مع البيئة الديناميكية للإنترنت.

تضمنت المشاريع التي تم تمويلها في الأساس من قبل وكالة مشاريع الأبحاث المتقدمة في الدفاع (DARPA) لغات وإطارات مصنفات بلغات ترميز مبنية على XML. يوفر إطار وصف الموارد (RDF) القدرة الأساسية على تحديد الفئات والفئات الفرعية وخصائص الكائنات. توفر لغة ويب Ontology (OWL) مستويات إضافية من دلالات وتمكن التكامل مع محركات التصنيف.

نظرة عامة
تمثيل المعرفة هو مجال الذكاء الاصطناعي الذي يركز على تصميم تمثيلات الكمبيوتر التي تلتقط المعلومات حول العالم التي يمكن استخدامها لحل المشاكل المعقدة.

المبرر لتمثيل المعرفة هو أن الشفرة الإجرائية التقليدية ليست أفضل شكليات تستخدم في حل المشاكل المعقدة. يجعل تمثيل المعرفة البرامج المعقدة أسهل في التعريف والمحافظة عليها من التعليمات البرمجية الإجرائية ويمكن استخدامها في الأنظمة الخبيرة.

على سبيل المثال ، يؤدي التحدث إلى الخبراء من حيث قواعد العمل بدلاً من الشفرة إلى تقليل الفجوة الدلالية بين المستخدمين والمطورين ويجعل تطوير الأنظمة المعقدة أكثر عملية.

يسير تمثيل المعرفة جنبًا إلى جنب مع التفكير الآلي لأن أحد الأغراض الرئيسية لتمثيل المعرفة بشكل صريح هو القدرة على التفكير في هذه المعرفة ، وتحقيق الاستدلالات ، وتأكيد المعرفة الجديدة ، وما إلى ذلك. تقريبًا ، تتمتع جميع لغات تمثيل المعرفة بمحرك منطقي أو استنتاجي. كجزء من النظام.

المقايضة الرئيسية في تصميم شكليات التمثيل المعرفي هي تلك بين التعبيرية والتطبيقية. التمثيل النهائي لتمثيل المعرفة من حيث القوة التعبيرية والاتساق هو المنطق الأول للطلب (FOL). لا توجد شكليات أقوى من تلك المستخدمة من قبل الرياضيين لتحديد المقترحات العامة حول العالم. ومع ذلك ، فإن FOL لها سلبيتان كمظاهر التمثيل الرسمي: سهولة الاستخدام والتطبيق العملي. يمكن أن يكون منطق الطلب الأول مخيفًا حتى بالنسبة للعديد من مطوري البرامج. اللغات التي لا تملك القوة الرسمية الكاملة لـ FOL يمكن أن توفر قريبة من نفس القوة التعبيرية مع واجهة مستخدم أكثر عملية لكي يفهمها المطور العادي. مسألة التطبيق العملي للتنفيذ هي أن FOL في بعض الطرق معبرة للغاية. مع FOL من الممكن إنشاء بيانات (على سبيل المثال ، التحديد الكمي للمجموعات اللانهائية) التي من شأنها أن تتسبب في عدم إنهاء النظام أبدًا إذا حاولت التحقق منها.

وبالتالي ، يمكن أن تكون مجموعة فرعية من FOL أسهل في الاستخدام وأكثر عملية في التنفيذ. كان هذا الدافع الدافع وراء أنظمة الخبراء المستندة إلى القواعد. توفر قواعد IF-THEN مجموعة فرعية من FOL ولكنها مجموعة مفيدة جدًا أيضًا بديهية جدًا. تاريخ معظم أشكال التمثيل التمثيلي المبكر لمنظمة العفو الدولية ؛ من قواعد البيانات إلى الشبكات الدلالية إلى مُثبِّتات النظريات وأنظمة الإنتاج يمكن النظر إليها على أنها قرارات تصميمية مختلفة حول ما إذا كان يجب التأكيد على القدرة التعبيرية أو القدرة على الحساب والفاعلية.

في ورقة رئيسية عام 1993 حول هذا الموضوع ، حدد راندال ديفيس من معهد ماساتشوستس للتكنولوجيا خمسة أدوار متميزة لتحليل إطار تمثيل المعرفة:

إن التمثيل المعرفي (KR) هو بشكل أساسي بديل ، بديل عن الشيء نفسه ، يستخدم لتمكين الكيان من تحديد العواقب من خلال التفكير بدلاً من التمثيل ، أي من خلال التفكير حول العالم بدلاً من اتخاذ إجراء فيه.
إنها مجموعة من الالتزامات الوجودية ، أي إجابة على السؤال: ما هي الشروط التي ينبغي عليّ التفكير بها حول العالم؟
إنها نظرية مجزأة للتفكير الذكي ، معبرًا عنها بثلاثة مكونات: (1) مفهوم التمثيل الأساسي للتفكير الذكي ؛ (2) مجموعة الاستدلالات على عقوبات التمثيل. و (ج) مجموعة الاستدلالات التي توصي بها.
إنه وسيط للحوسبة ذات الكفاءة العملية ، أي البيئة الحسابية التي يتم فيها التفكير. يتم توفير مساهمة واحدة لهذه الكفاءة العملية من خلال التوجيه الذي يوفره التمثيل لتنظيم المعلومات وذلك لتسهيل عمل الاستدلالات الموصى بها.
إنها وسيلة للتعبير البشري ، أي لغة نقول فيها أشياء عن العالم.

تمثيل المعرفة والتفكير هي تقنية تمكينية أساسية للويب الدلالي. توفر اللغات المستندة إلى طراز Frame مع التصنيف التلقائي طبقة من الدلالات أعلى الإنترنت الموجودة. بدلاً من البحث عبر السلاسل النصية كما هو معتاد اليوم ، سيكون من الممكن تعريف الاستعلامات المنطقية والعثور على الصفحات التي ترسم إلى تلك الاستعلامات. مكون المنطق الآلي في هذه الأنظمة هو المحرك المعروف باسم المصنف. يركز المصنفون على العلاقات الفرعية في قاعدة المعرفة بدلاً من القواعد. يمكن لمصنف أن يستنتج فئات جديدة ويغيّر بشكل ديناميكي الأنطولوجيا كلما توفرت معلومات جديدة. هذه القدرة مثالية لمساحة المعلومات المتغيرة والمتغيرة باستمرار للإنترنت.

يدمج الويب الدلالي المفاهيم من تمثيل المعرفة والتفكير باستخدام لغات الترميز المبنية على XML. يوفر إطار وصف الموارد (RDF) الإمكانيات الأساسية لتعريف الكائنات القائمة على المعرفة على الإنترنت بميزات أساسية مثل علاقات IS-A وخصائص الكائن. تضيف لغة علم الوجود على الإنترنت (OWL) دلالات إضافية وتتكامل مع أدوات التصنيف التلقائي.

مميزات
في عام 1985 ، صنف رون Brachman القضايا الأساسية لتمثيل المعرفة على النحو التالي:

الأوليات. ما هو الإطار الأساسي المستخدم لتمثيل المعرفة؟ كانت الشبكات الدلالية واحدة من أول البدائل التمثيلية للمعرفة. أيضا ، هياكل البيانات والخوارزميات للبحث السريع العام. في هذا المجال ، هناك تداخل قوي مع البحوث في هياكل البيانات والخوارزميات في علوم الكمبيوتر. في النظم المبكرة ، غالبًا ما كانت لغة البرمجة الليسبية ، التي تم تصميمها على غرار حساب لامبدا ، تُستخدم كشكل من أشكال تمثيل المعرفة الوظيفية. كانت الإطارات والقواعد النوع التالي من البدائية. ولغات الإطار آليات مختلفة للتعبير عن القيود المفروضة على بيانات الإطار وإنفاذها. يتم تخزين جميع البيانات في الإطارات في فتحات. فتحات مماثلة للعلاقات في النمذجة علاقة كيان وخصائص الكائن في النمذجة وجوه المنحى. أسلوب آخر للأوليات هو تحديد اللغات التي تم تصميمها على غرار المنطق الأول من الترتيب (FOL). المثال الأكثر شهرة هو Prolog ، ولكن هناك أيضًا العديد من بيئات نظرية الغرض الخاص التي تثبت البيئات. يمكن لهذه البيئات التحقق من صحة النماذج المنطقية ويمكنها استخلاص نظريات جديدة من النماذج الموجودة. أساسا أنها أتمتة العملية سوف يمر من خلال منطقي في تحليل نموذج. تحتوي تقنية إثبات النظرية على بعض التطبيقات العملية المحددة في مجالات هندسة البرمجيات. على سبيل المثال ، يمكن إثبات أن برنامجًا يتمسك بشكل صارم بمواصفات منطقية رسمية.

التلوي التمثيل. هذا هو المعروف أيضا باسم قضية التفكير في علوم الكمبيوتر. يشير إلى قدرة الشكلية على الوصول إلى المعلومات حول حالتها الخاصة. ومن الأمثلة على ذلك بروتوكول كائن meta في Smalltalk و CLOS الذي يعطي المطورين وقتًا للوصول إلى كائنات الفئة ويمكّنهم من إعادة تعريف بنية قاعدة المعارف ديناميكيًا حتى في وقت التشغيل. التمثيل التعبيري يعني التعبير عن لغة تمثيل المعرفة في تلك اللغة. على سبيل المثال ، في معظم البيئات القائمة على الإطار ، ستكون جميع الأطر مثيلات لفئة الإطار. يمكن فحص هذا الكائن الطبقي في وقت التشغيل ، حتى يتمكن الكائن من فهم وتغيير البنية الداخلية له أو بنية الأجزاء الأخرى من النموذج. في البيئات المستندة إلى القواعد ، كانت القواعد أيضًا أيضًا حالات لفصول القواعد. كان جزءًا من بروتوكول meta الخاص بالقواعد هو القواعد الوصفية التي تحدد أولوية إطلاق القواعد.

عدم اكتمال. يتطلب المنطق التقليدي بديهيات وقيودا إضافية للتعامل مع العالم الحقيقي في مقابل عالم الرياضيات. أيضا ، من المفيد في كثير من الأحيان ربط درجات الثقة ببيان. أي ، لا أقول ببساطة “سقراط هو الإنسان” ، بل “سقراط هو الإنسان مع الثقة بنسبة 50 ٪”. كان هذا أحد الابتكارات المبكرة من أبحاث النظم الخبيرة التي هاجرت إلى بعض الأدوات التجارية ، والقدرة على ربط عوامل اليقين بالقواعد والاستنتاجات. تُعرف الأبحاث اللاحقة في هذا المجال بالمنطق الضبابي.

التعريفات والشعوب مقابل الحقائق والافتراضات. الكون عامة هي بيانات عامة عن العالم مثل “كل البشر مميتة”. حقائق هي أمثلة محددة من العالمي مثل “سقراط هو إنسان ، وبالتالي بشري”. في التعريفات المنطقية ، يتم تعريف التعاريف والكونات الشاملة حول القياس الكمي الشامل في حين أن الحقائق والافتراضات تدور حول الكميات الوجودية. يجب أن تتعامل جميع أشكال تمثيل المعرفة مع هذا الجانب ، ومعظمها يجب أن يكون ذلك مع بعض من نظرية المجموعات ، ونماذج النمذجة كمجموعات ومجموعات فرعية وتعاريف كعناصر في هذه المجموعات.

التفكير غير الرتيب. غير المنطق رتيبة يسمح أنواع مختلفة من التفكير الافتراضي. يقوم النظام بربط الحقائق المؤكدة بالقواعد والحقائق المستخدمة لتبريرها وكما تتغير هذه الحقائق تحديثات المعرفة التابعة كذلك. في الأنظمة القائمة على القواعد ، تُعرف هذه القدرة بنظام صيانة الحقيقة.

كفاية معبرة. المعيار الذي يستخدمه Brachman ومعظم الباحثين في الذكاء الاصطناعي لقياس كفاية التعبيرات هو عادةً المنطق الأول للطلب (FOL). القيود النظرية تعني أن التنفيذ الكامل لـ FOL ليس عمليًا. يجب أن يكون الباحثون واضحين حول مدى تعبيرهم (كم من القوة التعبيرية الكاملة FOL) الذين يعتزمون تمثيلهم.

كفاءة الاستدلال. يشير ذلك إلى كفاءة وقت التشغيل للنظام. القدرة على تحديث قاعدة المعرفة ومنطقها لتطوير استدلالات جديدة في فترة زمنية معقولة. في بعض النواحي ، هذا هو الجانب الآخر من كفاية التعبيرية. بشكل عام ، كلما كان التمثيل أكثر قوة ، كلما زادت ملاءمته التعبيرية ، كلما كان محرك التفكير المنطقي أقل كفاءة. وكثيرا ما كانت الكفاءة تمثل مشكلة ، خاصة بالنسبة للتطبيقات المبكرة لتكنولوجيا تمثيل المعرفة. كانت تنفذ عادة في البيئات المفسرة مثل Lisp ، والتي كانت بطيئة بالمقارنة مع منصات أكثر تقليدية في ذلك الوقت.

إضفاء الطابع الرسمي على المعرفة
أدوات أكثر رسمية لتمثيل المعرفة المعقدة هي ، على سبيل المثال ، الرسوم البيانية المفاهيمية أو الشبكات الدلالية.

في مجال التكنولوجيات الجديدة ، تطور التمثيل الرسمي للمعرفة في مجال الذكاء الاصطناعي. في التمثيل الرسمي ، يتم تمثيل المعرفة من خلال كائنات منطقية متصلة بواسطة الخصائص والمفاهيم والقواعد. يتم استخدام هذا النوع من التمثيل في الأنظمة الخبيرة.

لقد قام تطوير الويب ، ولا سيما المنظور الشبكي الدلالي بتجديد المجال من خلال إدخال مصطلح جذر علم الأنطولوجيا. وقد تم تطوير عدد من اللغات من هذا المنظور ، مثل RDFS القياسية ، SKOS و OWL من W3C أو ISO.

تقنيات تمثيل المعرفة
هناك أنظمة مختلفة لترتيب وتمثيل المعرفة. يتم طلبها حسب درجة قوتها ، وهذه هي:

كتالوج ، مسرد ، تصنيف (مفردات التحكم البسيط) ،
التصنيف ، المكنز (عدد محدود من العلاقات عادة بدون علاقة توريث) ،
الشبكة الدلالية ، علم الوجود ، الإطارات ، قواعد الإنتاج ،
نظام اكسيوم ، المنطق المسند كذلك
شبكات متعددة الطبقات الموسعة (MultiNet).
إذا لم يكن هناك تمثيل رسمي أو ممكن ، يجب إيجاد طرق أخرى للتوسط ، على سبيل المثال في مجال التصور المعلوماتي.

معايير جودة التمثيل
المعايير الهامة لاختيار نظام تمثيل المعرفة هي:

صحة
كيف نضمن التركيب الصحيح ودلالة الدلالة الصحيحة؟

الكفاية / التعبيرية / سمك
هل تمثل اللغة مكونات علم الوجود المطلوبة بشكل واضح ومرن بما فيه الكفاية؟

نجاعة
كيف يمكن للمرء أن يستنتج بكفاءة؟

تعقيد
ما هو الانحدار الحاد لمنحنى التعلم لرسم الخرائط المعرفة واسترجاع المعرفة؟

قابلية الترجمة إلى صيغ أو لغات بناء الجملة الأخرى

الروابط بين المعرفة والاستدلال
التمثيل الرسمي للمعرفة (أو المعتقدات) يجعل من الممكن أتمتة العلاجات المختلفة على هذه المعلومات. هذا هو أحد المجالات البحثية للذكاء الاصطناعي الرمزي: محاكاة المنطق “الذكي” القائم على المعلومات.

أحد أكثر الأطر الرسمية استخدامًا هو المنطق الافتراضي. في الواقع ، يمكن حل عدد كبير من المشاكل عن طريق ترميز منطقي مقترح ، واستخدام تقنيات حسابية تم تطويرها في سياق البحث في مشكلة SAT. على سبيل المثال ، يمكن ترميز ألعاب مختلفة كصيغة اقتراح.

وتمكّن الأطر الرسمية الأخرى من تمثيل المعلومات التي تقدم بنية معينة ، مثل أنظمة الجدال ، أو شبكات بايز ، أو منطق الوجود.

وقد تم تصميم عدد كبير من أنواع المنطق البشري ، بما في ذلك الاستدلال (يمكن للمرء على سبيل المثال استخلاص نتائج من قاعدة معرفية) أو ديناميكيات معتقدات (مراجعة ، تقلص وتوسيع إطار الجمعية العامة السنوية).

هندسة علم الوجود
في السنوات الأولى من الأنظمة القائمة على المعرفة كانت قواعد المعرفة صغيرة إلى حد ما. إن قواعد المعرفة التي كان من المفترض أن تحل المشاكل الحقيقية بدلاً من إثبات مظاهر المفاهيم اللازمة للتركيز على مشاكل محددة بشكل جيد. على سبيل المثال ، ليس فقط التشخيص الطبي كموضوع كامل ، ولكن التشخيص الطبي لبعض أنواع الأمراض.

ومع زيادة التكنولوجيا المستندة إلى المعرفة ، أصبحت الحاجة إلى قواعد معرفة أكبر ولقواعد المعرفة النموذجية التي يمكن أن تتواصل وتتكامل مع بعضها البعض واضحة. وقد أدى ذلك إلى تأسيس هندسة علم الوجود ، وتصميم وبناء قواعد معرفية كبيرة يمكن استخدامها من قبل العديد من المشاريع. واحد من مشاريع البحوث الرائدة في هذا المجال كان مشروع Cyc. كان Cyc محاولة لبناء قاعدة معارف موسوعية ضخمة لا تحتوي فقط على معرفة الخبراء ولكن المعرفة المنطقية. عند تصميم عامل ذكاء اصطناعي ، سرعان ما أدرك أن معرفة المعنى السليم ، المعرفة التي يعتبرها البشر بكل بساطة ، أمر ضروري لجعل الذكاء الاصطناعي قابل للتفاعل مع البشر باستخدام اللغة الطبيعية. كان المقصود Cyc لمعالجة هذه المشكلة. كانت اللغة التي عرّفوها معروفة باسم CycL.

بعد CycL ، تم تطوير عدد من اللغات الأنطولوجية. معظمها هي لغات افتراضية ، وهي إما لغات إطار ، أو مبنية على منطق الترتيب الأول. إن النمطية – القدرة على تحديد الحدود حول نطاقات محددة ومساحات للمشاكل – أمر ضروري لهذه اللغات ، لأنه كما ذكر توم غروبر ، “كل علم الوجود هو معاهدة – اتفاق اجتماعي بين الأشخاص الذين لديهم دافع مشترك في المشاركة.” هناك دائمًا العديد من وجهات النظر المتنافسة والمختلفة التي تجعل أي علم عام للأغراض مستحيلاً. يجب أن يكون علم الوجود للأغراض العامة قابلاً للتطبيق في أي مجال ، ويجب أن تكون ميادين المعرفة المختلفة موحدة.

هناك تاريخ طويل من العمل في محاولة بناء أنطولوجيات لمجموعة متنوعة من مجالات المهام ، على سبيل المثال ، علم الوجود للسوائل ، نموذج العنصر المقتطع المستخدم على نطاق واسع في تمثيل الدوائر الإلكترونية (على سبيل المثال ،) ، وكذلك الأنطولوجيات الخاصة بالوقت ، والمعتقد ، و حتى البرمجة نفسها. كل من هذه توفر طريقة لرؤية جزء من العالم.

على سبيل المثال ، يقترح نموذج العنصر المقتطع أن نفكر في الدوائر من حيث المكونات ذات الروابط بينها ، مع تدفق الإشارات على الفور عبر الوصلات. هذا عرض مفيد ، لكن ليس العرض الوحيد الممكن. ينشأ علم الوجود مختلفًا إذا احتجنا إلى حضور الديناميكا الكهرومغناطيسية في الجهاز: في هذه الحالة ، يمكن الآن التفكير في الإشارات التي تنتشر بسرعة محدودة وجسم ما (مثل المقاوم) الذي كان يُنظر إليه سابقًا على أنه مكون مفرد مع سلوك I / O كوسيط موسع تتدفق من خلاله الموجة الكهرومغناطيسية.

وبالطبع ، يمكن كتابة الأنماط في مجموعة كبيرة من اللغات والملاحظات (على سبيل المثال ، المنطق ، LISP ، إلخ) ؛ المعلومات الأساسية ليست شكل تلك اللغة ولكن المحتوى ، أي مجموعة المفاهيم المقدمة كطريقة للتفكير حول العالم. ببساطة ، الجزء المهم هو مفاهيم مثل الاتصالات والمكونات ، وليس الاختيار بين كتابتها كمؤلفات أو بنى LISP.

يمكن للالتزام الذي تم اختيار انتظام واحد أو آخر أن يقدم رؤية مختلفة تمامًا للمهمة المطروحة. ضع في اعتبارك الاختلاف الذي ينشأ في اختيار عرض العنصر المُقتطع للدائرة بدلاً من العرض الكهربائي الديناميكي لنفس الجهاز. كمثال ثانٍ ، يبدو التشخيص الطبي من حيث القواعد (مثل MYCIN) مختلفًا اختلافًا جوهريًا عن نفس المهمة التي تمت رؤيتها من حيث الإطارات (على سبيل المثال ، INTERNIST). حيث ترى MYCIN أن عالم الطب يتكون من ارتباطات تجريبية تربط بين أعراض المرض ، يرى INTERNIST مجموعة من النماذج الأولية ، وخاصةً في النماذج النموذجية للأمراض ، لتتم مطابقتها مع الحالة في متناول اليد.