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.

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

Biliyin təmsili

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

  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.
  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.

Əsaslandırma

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

Bu sahədə istifadə olunan əsas metodlar:

  • Deduktiv əsaslandırma — ümumi qaydalardan xüsusi nəticələr çıxarır. Məsələn, "bütün insanlar ölümlüdür" və "A insan olaraq tanınır" qaydalarından "A ölümlüdür" nəticəsi çıxarılır.
  • 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.

Tətbiq sahələri

Biliyin təmsili və əsaslandırma sistemləri geniş sahələrdə istifadə olunur:

  • Tibb — diaqnostika və müalicə planlamasında.
  • Hüquq — qanunlar arasında əlaqələri analiz edərək hüquqi məsləhət vermək üçün.
  • 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

  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:. doi:.
  3. Green, Cordell. (PDF). IJCAI 1969.
  4. Hewitt, C., 2009. Inconsistency robustness in logic programs. arXiv preprint arXiv:0904.3036.
  5. Kowalski, Robert. // Proceedings of the 1986 ACM fourteenth annual conference on Computer science - CSC '86. 1986. 7–13. doi:. ISBN 0-89791-177-6.
  6. Nilsson, Nils. "Eye on the Prize". . 16. 1995: 2.
  7. Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas. . Addison-Wesley. 1983. ISBN 978-0-201-10686-2.
  8. Brachman, Ron. (PDF). Bolt, Beranek, and Neumann Technical Report (3605). 1978. April 30, 2020 tarixində (PDF).
  9. Marvin Minsky, , MIT-AI Laboratory Memo 306, June, 1974
  10. Mettrey, William. . AI Magazine. 8 (4). 1987. 2013-11-10 tarixində 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:.

Ədəbiyyat

  • Ronald J. Brachman; ; 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),, Springer, 2009,ISBN 978-1-84800-285-2.
  • Randall Davis, Howard Shrobe, and Peter Szolovits; 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: . ER 1996: 42-57
  • Hermann Helbig: , Springer, Berlin, Heidelberg, New York 2006
  • Frank van Harmelen, Vladimir Lifschitz and Bruce Porter: 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

  • by Randall Davis and others
  • by Pejman Makhfi
  • by Enrico Franconi, Faculty of Computer Science, Free University of Bolzano, Italy
  • - a non-free 3d knowledge representation system
Mənbə — ""

Informasiya Melumat Axtar

Anarim.Az

Sayt Rehberliyi ile Elaqe

Saytdan Istifade Qaydalari

Anarim.Az 2004-2023