Los humanos son mejores para comprender, razonar e interpretar el conocimiento. El ser humano sabe cosas, lo cual es conocimiento y, según su conocimiento, realiza diversas acciones en el mundo real. Pero la forma en que las máquinas hacen todas estas cosas se incluye en la representación del conocimiento y el razonamiento. . Por lo tanto, podemos describir la representación del conocimiento de la siguiente manera:
- La representación del conocimiento y el razonamiento (KR, KRR) es la parte de la inteligencia artificial que se ocupa del pensamiento de los agentes de IA y de cómo el pensamiento contribuye al comportamiento inteligente de los agentes.
- Es responsable de representar información sobre el mundo real para que una computadora pueda comprender y utilizar este conocimiento para resolver problemas complejos del mundo real, como el diagnóstico de una condición médica o la comunicación con humanos en lenguaje natural.
- También es una forma que describe cómo podemos representar el conocimiento en inteligencia artificial. La representación del conocimiento no consiste simplemente en almacenar datos en una base de datos, sino que también permite que una máquina inteligente aprenda de ese conocimiento y experiencias para poder comportarse inteligentemente como un ser humano.
Qué representar:
Los siguientes son los tipos de conocimiento que deben estar representados en los sistemas de IA:
Conocimiento: El conocimiento es la conciencia o familiaridad obtenida a través de experiencias de hechos, datos y situaciones. Los siguientes son los tipos de conocimiento en inteligencia artificial:
tipos de conocimiento
A continuación se detallan los distintos tipos de conocimiento:
1. Conocimiento declarativo:
- El conocimiento declarativo es saber sobre algo.
- Incluye conceptos, hechos y objetos.
- También se le llama conocimiento descriptivo y se expresa en oraciones declarativas.
- Es más simple que el lenguaje procesal.
2. Conocimiento procesal
- También se le conoce como conocimiento imperativo.
- El conocimiento procedimental es un tipo de conocimiento que se encarga de saber cómo hacer algo.
- Se puede aplicar directamente a cualquier tarea.
- Incluye reglas, estrategias, procedimientos, agendas, etc.
- El conocimiento procedimental depende de la tarea a la que se puede aplicar.
3. Metaconocimiento:
- El conocimiento sobre los otros tipos de conocimiento se llama Metaconocimiento.
4. Conocimiento heurístico:
- El conocimiento heurístico representa el conocimiento de algunos expertos en un campo o tema.
- El conocimiento heurístico son reglas generales basadas en experiencias previas, conocimiento de enfoques y que son buenas para funcionar, pero no están garantizadas.
5. Conocimiento estructural:
- El conocimiento estructural es un conocimiento básico para la resolución de problemas.
- Describe las relaciones entre varios conceptos, como tipo de, parte de y agrupación de algo.
- Describe la relación que existe entre conceptos u objetos.
La relación entre conocimiento e inteligencia:
El conocimiento del mundo real juega un papel vital en la inteligencia y lo mismo para la creación de inteligencia artificial. El conocimiento juega un papel importante a la hora de demostrar un comportamiento inteligente en los agentes de IA. Un agente sólo es capaz de actuar con precisión sobre algún dato cuando tiene algún conocimiento o experiencia sobre ese dato.
comando de retorno java
Supongamos que si conoces a una persona que habla un idioma que no conoces, ¿cómo podrás actuar en consecuencia? Lo mismo se aplica al comportamiento inteligente de los agentes.
Como podemos ver en el siguiente diagrama, hay un tomador de decisiones que actúa detectando el entorno y utilizando el conocimiento. Pero si la parte del conocimiento no se presenta en ese momento, no puede mostrar un comportamiento inteligente.
Ciclo de conocimiento de la IA:
Un sistema de inteligencia artificial tiene los siguientes componentes para mostrar un comportamiento inteligente:
- Percepción
- Aprendiendo
- Representación del conocimiento y razonamiento
- Planificación
- Ejecución
El diagrama anterior muestra cómo un sistema de IA puede interactuar con el mundo real y qué componentes le ayudan a mostrar inteligencia. El sistema de IA tiene un componente de percepción mediante el cual recupera información de su entorno. Puede ser visual, auditivo u otra forma de información sensorial. El componente de aprendizaje es responsable de aprender de los datos capturados por el comportamiento de Percepción. En el ciclo completo, los componentes principales son la representación del conocimiento y el razonamiento. Estos dos componentes participan en la demostración de la inteligencia en humanos parecidos a máquinas. Estos dos componentes son independientes entre sí pero también están acoplados entre sí. La planificación y ejecución dependen del análisis de la representación y el razonamiento del conocimiento.
Enfoques para la representación del conocimiento:
Existen principalmente cuatro enfoques para la representación del conocimiento, que se detallan a continuación:
1. Conocimiento relacional simple:
- Es la forma más sencilla de almacenar hechos que utiliza el método relacional, y cada hecho sobre un conjunto del objeto se establece sistemáticamente en columnas.
- Este enfoque de representación del conocimiento es famoso en los sistemas de bases de datos donde se representa la relación entre diferentes entidades.
- Este enfoque tiene pocas oportunidades de inferencia.
Ejemplo: La siguiente es la representación del conocimiento relacional simple.
| Jugador | Peso | Edad |
|---|---|---|
| Jugador 1 | 65 | 23 |
| Jugador2 | 58 | 18 |
| Jugador3 | 75 | 24 |
2. Conocimientos heredables:
- En el enfoque del conocimiento heredable, todos los datos deben almacenarse en una jerarquía de clases.
- Todas las clases deben organizarse de forma generalizada o jerárquica.
- En este enfoque, aplicamos la propiedad hereditaria.
- Los elementos heredan valores de otros miembros de una clase.
- Este enfoque contiene conocimiento heredable que muestra una relación entre instancia y clase, y se llama relación de instancia.
- Cada cuadro individual puede representar la colección de atributos y su valor.
- En este enfoque, los objetos y valores se representan en nodos en caja.
- Usamos flechas que apuntan desde los objetos a sus valores.
3. Conocimiento inferencial:
- El enfoque del conocimiento inferencial representa el conocimiento en forma de lógica formal.
- Este enfoque se puede utilizar para derivar más hechos.
- Garantizaba la corrección.
- marcus es un hombre
- todos los hombres son mortales
Entonces puede representar como;
hombre (marco)
∀x = hombre (x) ----------> mortal (x)s
4. Conocimientos procesales:
- El enfoque de conocimiento procedimental utiliza pequeños programas y códigos que describen cómo hacer cosas específicas y cómo proceder.
- En este enfoque, se utiliza una regla importante que es Regla si-entonces .
- Con este conocimiento, podemos utilizar varios lenguajes de codificación, como lenguaje LISP y Idioma del prólogo .
- Podemos representar fácilmente conocimiento heurístico o de dominio específico utilizando este enfoque.
- Pero no es necesario que podamos representar todos los casos con este enfoque.
Requisitos para el sistema de representación del conocimiento:
Un buen sistema de representación del conocimiento debe poseer las siguientes propiedades.
El sistema KR debe tener la capacidad de representar todo tipo de conocimiento requerido.
El sistema KR debe tener la capacidad de manipular las estructuras representacionales para producir nuevos conocimientos correspondientes a la estructura existente.
La capacidad de dirigir el mecanismo de conocimiento inferencial en las direcciones más productivas almacenando guías apropiadas.