Biliyin təmsili və əsaslandırma

Vikipediya, azad ensiklopediya
Naviqasiyaya keç Axtarışa keç

Biliyin təmsili və əsaslandırma (ing. Knowledge Representation and Reasoning) — süni intellektin ən vacib sahələrindən biridir və kompüterlərin məlumatları emal etməyi, məntiqi nəticələr çıxarmağı, həmçinin insan dilini və düşüncə tərzini başa düşməyi öyrənməsinə kömək edir.[1]

Bu sahə əsasən insan biliyini kompüterlərə öyrətməklə həmin bilikdən məntiqi nəticələr çıxarmağı, qərarlar verməyi və problemləri həll etməyi təmin edir.[2]

Biliyin təmsili

[redaktə | mənbəni redaktə et]

Biliyin təmsili, məlumatların strukturlaşdırılmış formada saxlanılmasını təmin edir ki, maşınlar bu məlumatları emal edə və onlardan nəticələr çıxara bilsinlər. Təmsil üsulları aşağıdakılardır:[3]

  1. Məntiq əsaslı təmsil — burada predikat məntiqi, propositional məntiq kimi məntiq modellərindən istifadə edilir. Əsas qaydalar və qanunlar müəyyən edilir və maşınlar bu qaydalara əsaslanaraq nəticələr çıxarır.
  2. Yarımstrukturlaşdırılmış bilikontologiyalar, semantik şəbəkələr və taksonomiyalarla bilik təsvir edilir. Bu, məlumatlar arasında əlaqələri qurmağa və nəticə çıxarmağa kömək edir.[4]
  3. İstehsal qaydaları (ing. Production Rules) — qayda-əsaslı sistemlərdə "Əgər ... o zaman ..." (ing. if-then) qaydaları ilə qərar qəbuletmə prosesi qurulur. Bu qaydalar müxtəlif hallar üçün müxtəlif nəticələr çıxarmağa imkan verir.
  4. Çərçivələr və skriptlər — çərçivə (ing. frame) metodunda obyektlərin xassələri təyin edilir və sinifləndirilir, skriptlər isə hadisələrin müəyyən ardıcıllığını təsvir edir. Bu üsul xüsusən gündəlik işləri və məişət biliklərini modelləşdirmək üçün istifadə olunur.[5]

Əsaslandırma (ing. reasoning) — yəni nəticə çıxarma, maşınların bilik bazasında mövcud olan məlumatlar əsasında yeni nəticələr çıxarması prosesidir.[6]

Bu sahədə istifadə olunan əsas metodlar:[7]

  • Deduktiv əsaslandırma — ümumi qaydalardan xüsusi nəticələr çıxarır. Məsələn, "bütün insanlar ölümlüdür" və "A insan olaraq tanınır" qaydalarından "A ölümlüdür" nəticəsi çıxarılır.[8]
  • İnduktiv əsaslandırma — müşahidələrdən ümumi qaydalar yaradır. Məsələn, bir neçə müşahidəyə əsaslanaraq ümumi qanun yaradır.
  • Abduktiv əsaslandırma — bir müşahidənin ehtimal olunan səbəbini tapmağa çalışır. Məsələn, “torpaq islanıbsa, ehtimal ki, yağış yağıb.”
  • Səbəb-nəticə əsaslandırması — hadisələr arasındakı səbəb-nəticə əlaqələrini istifadə edir. Bu üsul daha çox hadisələrin başvermə ardıcıllığını təhlil etmək üçün istifadə olunur.[9]

Tətbiq sahələri

[redaktə | mənbəni redaktə et]

Biliyin təmsili və əsaslandırma sistemləri geniş sahələrdə istifadə olunur:[10]

  • Tibb — diaqnostika və müalicə planlamasında.
  • Hüquq — qanunlar arasında əlaqələri analiz edərək hüquqi məsləhət vermək üçün.[11]
  • Ekspert sistemləri — mütəxəssis biliklərini modelləşdirərək xüsusi sahələrdə məsləhət və ya qərarlar verilməsi.
  • Robot texnologiyası — mühit və obyektləri tanımaq və hərəkətləri planlaşdırmaq. Bu sahənin inkişafı süni intellektdə daha çox məntiqi qərarlar və səmərəli nəticələr çıxarmaq üçün kritik əhəmiyyətə malikdir.
  1. Schank, Roger; Abelson, Robert. Scripts, Plans, Goals, and Understanding: An Inquiry Into Human Knowledge Structures. Lawrence Erlbaum Associates, Inc. 1977.
  2. Doran, J. E.; Michie, D. "Experiments with the Graph Traverser program". Proc. R. Soc. Lond. A. 294 (1437). 1966-09-20: 235–259. Bibcode:1966RSPSA.294..235D. doi:10.1098/rspa.1966.0205.
  3. Green, Cordell. Application of Theorem Proving to Problem Solving (PDF). IJCAI 1969. 2023-02-10 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 2024-10-30.
  4. Hewitt, C., 2009. Inconsistency robustness in logic programs. arXiv preprint arXiv:0904.3036.
  5. Kowalski, Robert. The limitation of logic // Proceedings of the 1986 ACM fourteenth annual conference on Computer science - CSC '86. 1986. 7–13. doi:10.1145/324634.325168. ISBN 0-89791-177-6. 2024-10-07 tarixində arxivləşdirilib. İstifadə tarixi: 2024-10-30.
  6. Nilsson, Nils. "Eye on the Prize". AI Magazine. 16. 1995: 2.
  7. Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas. Building Expert Systems. Addison-Wesley. 1983. ISBN 978-0-201-10686-2.
  8. Brachman, Ron. "A Structural Paradigm for Representing Knowledge" (PDF). Bolt, Beranek, and Neumann Technical Report (3605). 1978. April 30, 2020 tarixində arxivləşdirilib (PDF).
  9. Marvin Minsky, A Framework for Representing Knowledge Arxiv surəti 7 yanvar 2021 tarixindən Wayback Machine saytında, MIT-AI Laboratory Memo 306, June, 1974
  10. Mettrey, William. "An Assessment of Tools for Building Large Knowledge-Based Systems". AI Magazine. 8 (4). 1987. 2013-11-10 tarixində orijinalından arxivləşdirilib. İstifadə tarixi: 2013-12-24.
  11. MacGregor, Robert. "Using a description classifier to enhance knowledge representation". IEEE Expert. 6 (3). June 1991: 41–46. doi:10.1109/64.87683.

Xarici keçidlər

[redaktə | mənbəni redaktə et]