Biliyin təmsili və əsaslandırma
Süni intellekt |
---|
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]
- 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.
- Yarımstrukturlaşdırılmış bilik — ontologiyalar, semantik şəbəkələr və taksonomiyalarla bilik təsvir edilir. Bu, məlumatlar arasında əlaqələri qurmağa və nəticə çıxarmağa kömək edir.[4]
- 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.
- 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
[redaktə | mənbəni redaktə et]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.
İstinadlar
[redaktə | mənbəni redaktə et]- ↑ Schank, Roger; Abelson, Robert. Scripts, Plans, Goals, and Understanding: An Inquiry Into Human Knowledge Structures. Lawrence Erlbaum Associates, Inc. 1977.
- ↑ 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.
- ↑ Green, Cordell. Application of Theorem Proving to Problem Solving (PDF). IJCAI 1969. 2023-02-10 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 2024-10-30.
- ↑ Hewitt, C., 2009. Inconsistency robustness in logic programs. arXiv preprint arXiv:0904.3036.
- ↑ 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.
- ↑ Nilsson, Nils. "Eye on the Prize". AI Magazine. 16. 1995: 2.
- ↑ Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas. Building Expert Systems. Addison-Wesley. 1983. ISBN 978-0-201-10686-2.
- ↑ Brachman, Ron. "A Structural Paradigm for Representing Knowledge" (PDF). Bolt, Beranek, and Neumann Technical Report (3605). 1978. April 30, 2020 tarixində arxivləşdirilib (PDF).
- ↑ Marvin Minsky, A Framework for Representing Knowledge Arxiv surəti 7 yanvar 2021 tarixindən Wayback Machine saytında, MIT-AI Laboratory Memo 306, June, 1974
- ↑ 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.
- ↑ MacGregor, Robert. "Using a description classifier to enhance knowledge representation". IEEE Expert. 6 (3). June 1991: 41–46. doi:10.1109/64.87683.
Ədəbiyyat
[redaktə | mənbəni redaktə et]- Ronald J. Brachman; What IS-A is and isn't. An Analysis of Taxonomic Links in Semantic Networks; IEEE Computer, 16 (10); October 1983
- Ronald J. Brachman, Hector J. Levesque Knowledge Representation and Reasoning, Morgan Kaufmann, 2004 ISBN 978-1-55860-932-7
- Ronald J. Brachman, Hector J. Levesque (eds) Readings in Knowledge Representation, Morgan Kaufmann, 1985, ISBN 0-934613-01-X
- Chein, M., Mugnier, M.-L. (2009),Graph-based Knowledge Representation: Computational Foundations of Conceptual Graphs, Springer, 2009,ISBN 978-1-84800-285-2.
- Randall Davis, Howard Shrobe, and Peter Szolovits; What Is a Knowledge Representation? AI Magazine, 14(1):17-33,1993
- Ronald Fagin, Joseph Y. Halpern, Yoram Moses, Moshe Y. Vardi Reasoning About Knowledge, MIT Press, 1995, ISBN 0-262-06162-7
- Jean-Luc Hainaut, Jean-Marc Hick, Vincent Englebert, Jean Henrard, Didier Roland: Understanding Implementations of IS-A Relations. ER 1996: 42-57
- Hermann Helbig: Knowledge Representation and the Semantics of Natural Language, Springer, Berlin, Heidelberg, New York 2006
- Frank van Harmelen, Vladimir Lifschitz and Bruce Porter: Handbook of Knowledge Representation 2007.
- Arthur B. Markman: Knowledge Representation Lawrence Erlbaum Associates, 1998
- John F. Sowa: Knowledge Representation: Logical, Philosophical, and Computational Foundations. Brooks/Cole: New York, 2000
- Adrian Walker, Michael McCord, John F. Sowa, and Walter G. Wilson: Knowledge Systems and Prolog, Second Edition, Addison-Wesley, 1990
- Mary-Anne Williams and Hans Rott: "Frontiers in Belief Revision, Kluwer", 2001.
Xarici keçidlər
[redaktə | mənbəni redaktə et]- What is a Knowledge Representation? by Randall Davis and others
- Introduction to Knowledge Modeling by Pejman Makhfi
- Introduction to Description Logics course by Enrico Franconi, Faculty of Computer Science, Free University of Bolzano, Italy
- DATR Lexical knowledge representation language
- Loom Project Home Page
- Principles of Knowledge Representation and Reasoning Incorporated
- Description Logic in Practice: A CLASSIC Application
- The Rule Markup Initiative
- Nelements KOS - a non-free 3d knowledge representation system