ज्ञान प्रतिनिधित्व और तर्क
ज्ञान प्रतिनिधित्व और तर्क कृत्रिम बुद्धिमत्ता की वह शाखा है जो दुनिया के बारे में तथ्यों को एक ऐसे रूप में एन्कोड करने से संबंधित है जिसका उपयोग कंप्यूटर कर सकता है, और उस एन्कोडेड ज्ञान से नए निष्कर्ष निकालने से संबंधित है।
Definition
ज्ञान प्रतिनिधित्व और तर्क इस बात का अध्ययन है कि एक एजेंट जो जानता है उसे एक औपचारिक भाषा में कैसे व्यक्त किया जाए और उस ज्ञान के तार्किक परिणामों की गणना कैसे की जाए, ताकि एजेंट सवालों के जवाब दे सके और यह तय कर सके कि कैसे कार्य करना है।
Scope
यह क्षेत्र प्रतीकात्मक रूप से ज्ञान का प्रतिनिधित्व करने के लिए उपयोग किए जाने वाले औपचारिकताओं और उन पर काम करने वाली अनुमान प्रक्रियाओं को शामिल करता है: प्रमेय सिद्ध करने और समाधान के साथ प्रस्तावात्मक और प्रथम-क्रम तर्क, सिमेंटिक नेटवर्क, फ़्रेम और ऑन्टोलॉजी, विवरण तर्क, और गैर-एकदिष्ट और डिफ़ॉल्ट तर्क। यह इस बात पर विचार करता है कि प्रतिनिधित्व की अभिव्यक्ति तर्क की सुगमता के मुकाबले कैसे व्यापार करती है, और ज्ञान आधारों को कैसे क्वेरी और बनाए रखा जाता है। ज्ञान के सांख्यिकीय और सीखे हुए प्रतिनिधित्व मशीन-लर्निंग उपक्षेत्र से संबंधित हैं, और विशेष रूप से संभाव्यता के बारे में तर्क को अनिश्चितता के तहत तर्क के तहत माना जाता है।
Sub-topics
Core questions
- किसी डोमेन के बारे में तथ्यों, नियमों और संबंधों को एक औपचारिक, मशीन-उपयोगी भाषा में कैसे व्यक्त किया जा सकता है?
- कौन सी अनुमान प्रक्रियाएं नए तथ्य प्राप्त करती हैं जो एक ज्ञान आधार से प्राप्त होते हैं, और क्या वे सुदृढ़ और पूर्ण हैं?
- एक प्रतिनिधित्व की अभिव्यक्ति इसके साथ तर्क करने की कम्प्यूटेशनल लागत के मुकाबले कैसे व्यापार करती है?
- तर्क को अधूरी जानकारी और डिफ़ॉल्ट धारणाओं को कैसे संभालना चाहिए जिन्हें बाद में वापस लिया जा सकता है?
Key concepts
- प्रस्तावात्मक और प्रथम-क्रम तर्क
- अनुमान और निष्कर्ष
- संकल्प और प्रमेय सिद्ध करना
- सिमेंटिक नेटवर्क और फ़्रेम
- ऑन्टोलॉजी
- विवरण तर्क
- गैर-एकदिष्ट और डिफ़ॉल्ट तर्क
- फ्रेम समस्या
- अभिव्यक्ति बनाम सुगमता व्यापार-बंद
Key theories
- प्रतिनिधित्व भाषा के रूप में तर्क
- प्रस्तावात्मक और प्रथम-क्रम तर्क एक औपचारिक सिंटैक्स और एक मॉडल-सैद्धांतिक सिमेंटिक्स प्रदान करते हैं जिसमें निहितार्थ सही अनुमान को पकड़ता है, जिससे ज्ञान प्रतिनिधित्व को यह पता चलता है कि ज्ञान आधार द्वारा कौन से निष्कर्ष वारंट किए जाते हैं।
- संकल्प और स्वचालित कटौती
- रॉबिन्सन का संकल्प सिद्धांत तार्किक अनुमान को खंडों पर एक एकल, मशीनीकृत नियम तक कम कर देता है, जिससे प्रथम-क्रम तर्क के लिए खंडन-पूर्ण प्रमेय सिद्ध करना संभव हो जाता है और तर्क प्रोग्रामिंग और स्वचालित तर्क प्रणालियों को रेखांकित करता है।
- फ्रेम समस्या और सामान्य ज्ञान तर्क
- मैककार्थी और हेस ने यह प्रतिनिधित्व करने की कठिनाई की पहचान की कि जब क्रियाएं होती हैं तो क्या बदलता है और क्या नहीं बदलता है (फ्रेम समस्या), सामान्य ज्ञान को औपचारिक बनाने में गहरी चुनौतियों को उजागर करता है जिसने गैर-एकदिष्ट तर्क में बाद के बहुत सारे काम को प्रेरित किया।
Clinical relevance
ज्ञान प्रतिनिधित्व विशेषज्ञ प्रणालियों, सिमेंटिक वेब और लिंक्ड डेटा, बायोमेडिसिन और इंजीनियरिंग में ऑन्टोलॉजी-संचालित अनुप्रयोगों, संरचित ज्ञान आधारों पर क्वेरी उत्तर देने और प्रणालियों के औपचारिक सत्यापन का आधार है; विवरण तर्क पर निर्मित ऑन्टोलॉजी बड़े पैमाने पर ज्ञान ग्राफ़ के लिए केंद्रीय हैं।
History
तर्क-आधारित ज्ञान प्रतिनिधित्व मैककार्थी के 1959 के 'सलाह लेने वाले' के प्रस्ताव के साथ शुरू हुआ और मैककार्थी-हेस फ्रेम-समस्या विश्लेषण (1969) और रॉबिन्सन के समाधान सिद्धांत (1965) द्वारा गहरा किया गया। समानांतर संरचित दृष्टिकोणों ने 1970 के दशक में सिमेंटिक नेटवर्क और मिंस्की के फ़्रेमों को जन्म दिया, जिन्हें बाद में विवरण तर्क के रूप में औपचारिक रूप दिया गया जो आधुनिक ऑन्टोलॉजी को रेखांकित करते हैं।
Debates
- तर्कवादी बनाम प्रक्रियात्मक और संरचित प्रतिनिधित्व
- एक लंबे समय से चली आ रही बहस ज्ञान को तर्क में घोषणात्मक रूप से प्रस्तुत करने की तुलना करती है, सामान्य-उद्देश्य अनुमान के साथ, संरचित या प्रक्रियात्मक प्रतिनिधित्व (फ़्रेम, सिमेंटिक नेटवर्क, स्क्रिप्ट) के खिलाफ तर्क दिया जाता है कि वे सामान्य ज्ञान संगठन को बेहतर ढंग से पकड़ते हैं; विवरण तर्क ने संरचित प्रतिनिधित्व को एक तार्किक सिमेंटिक्स देकर दोनों को आंशिक रूप से समेटा।
Key figures
- John McCarthy
- Patrick J. Hayes
- John Alan Robinson
- Ronald J. Brachman
- Hector J. Levesque
- Marvin Minsky
Related topics
Seminal works
- mccarthy1969
- robinson1965
- brachman2004
Frequently asked questions
- ज्ञान प्रतिनिधित्व और डेटाबेस के बीच क्या अंतर है?
- एक डेटाबेस स्पष्ट तथ्यों को संग्रहीत करता है और उनके बारे में प्रश्नों का उत्तर देता है, जबकि एक ज्ञान प्रतिनिधित्व प्रणाली सामान्य नियमों और संबंधों को भी एन्कोड करती है और उन तथ्यों को प्राप्त करने के लिए अनुमान का उपयोग करती है जिन्हें कभी स्पष्ट रूप से संग्रहीत नहीं किया गया था। ज्ञान प्रतिनिधित्व में जोर तर्क पर है, न कि केवल पुनर्प्राप्ति पर।
- अभिव्यक्ति और सुगमता के बीच व्यापार-बंद क्यों है?
- अधिक अभिव्यंजक भाषाएं अधिक सूक्ष्म तथ्यों को बता सकती हैं लेकिन आम तौर पर अनुमान को कम्प्यूटेशनल रूप से कठिन बनाती हैं, कभी-कभी अनिर्णायक भी। ज्ञान प्रतिनिधित्व अनुसंधान ऐसी भाषाओं की तलाश करता है, जैसे कि कुछ विवरण तर्क, जो उपयोगी होने के लिए पर्याप्त अभिव्यंजक हों जबकि तर्क को निर्णायक और कुशल बनाए रखें।