Representação do Conhecimento e Raciocínio
Representação do conhecimento e raciocínio é o ramo da inteligência artificial preocupado em codificar fatos sobre o mundo de uma forma que um computador possa usar, e em derivar novas conclusões a partir desse conhecimento codificado.
Definition
Representação do conhecimento e raciocínio é o estudo de como expressar o que um agente sabe em uma linguagem formal e como computar as consequências lógicas desse conhecimento, para que o agente possa responder a perguntas e decidir como agir.
Scope
Esta área abrange os formalismos usados para representar o conhecimento simbolicamente e os procedimentos de inferência que operam sobre eles: lógica proposicional e de primeira ordem com prova de teoremas e resolução, redes semânticas, frames e ontologias, lógicas de descrição, e raciocínio não-monotônico e por omissão. Trata de como a expressividade de uma representação se contrapõe à tratabilidade do raciocínio, e como as bases de conhecimento são consultadas e mantidas. Representações estatísticas e aprendidas de conhecimento pertencem ao subcampo da aprendizagem de máquina, e o raciocínio especificamente sobre probabilidade é tratado sob raciocínio sob incerteza.
Sub-topics
Core questions
- Como fatos, regras e relacionamentos sobre um domínio podem ser expressos em uma linguagem formal e utilizável por máquina?
- Quais procedimentos de inferência derivam novos fatos que decorrem de uma base de conhecimento, e eles são sãos e completos?
- Como a expressividade de uma representação se contrapõe ao custo computacional do raciocínio com ela?
- Como o raciocínio deve lidar com informações incompletas e suposições padrão que podem ser posteriormente retratadas?
Key concepts
- lógica proposicional e de primeira ordem
- implicação e inferência
- resolução e prova de teoremas
- redes semânticas e frames
- ontologias
- lógicas de descrição
- raciocínio não-monotônico e por omissão
- o problema do frame
- trade-off entre expressividade e tratabilidade
Key theories
- Lógica como linguagem de representação
- A lógica proposicional e de primeira ordem fornece uma sintaxe formal e uma semântica de teoria de modelos na qual a implicação captura a inferência correta, dando à representação do conhecimento uma noção rigorosa de quais conclusões são justificadas por uma base de conhecimento.
- Resolução e dedução automatizada
- O princípio de resolução de Robinson reduz a inferência lógica a uma única regra mecanizável sobre cláusulas, tornando possível a prova de teoremas completa por refutação para a lógica de primeira ordem e sustentando a programação lógica e os sistemas de raciocínio automatizado.
- O problema do frame e o raciocínio de senso comum
- McCarthy e Hayes identificaram a dificuldade de representar o que muda e o que não muda quando as ações ocorrem (o problema do frame), expondo desafios profundos na formalização do conhecimento de senso comum que motivaram grande parte do trabalho posterior em lógica não-monotônica.
Clinical relevance
A representação do conhecimento sustenta sistemas especialistas, a Web Semântica e dados interligados, aplicações orientadas por ontologias em biomedicina e engenharia, resposta a consultas sobre bases de conhecimento estruturadas e a verificação formal de sistemas; ontologias construídas sobre lógicas de descrição são centrais para grafos de conhecimento em larga escala.
History
A representação do conhecimento baseada em lógica começou com a proposta de McCarthy de 1959 para um 'tomador de conselhos' e foi aprofundada pela análise do problema do frame de McCarthy-Hayes (1969) e pelo princípio de resolução de Robinson (1965). Abordagens estruturadas paralelas deram origem às redes semânticas e aos frames de Minsky na década de 1970, posteriormente formalizados como lógicas de descrição que sustentam as ontologias modernas.
Debates
- Representações logicistas vs. procedurais e estruturadas
- Um debate de longa data contrasta a representação do conhecimento declarativamente em lógica, com inferência de propósito geral, contra representações estruturadas ou procedurais (frames, redes semânticas, scripts) que se argumenta capturarem melhor a organização do senso comum; as lógicas de descrição reconciliaram parcialmente os dois, dando às representações estruturadas uma semântica lógica.
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
- Qual a diferença entre representação do conhecimento e um banco de dados?
- Um banco de dados armazena fatos explícitos e responde a consultas sobre eles, enquanto um sistema de representação do conhecimento também codifica regras e relacionamentos gerais e usa inferência para derivar fatos que nunca foram armazenados explicitamente. A ênfase na representação do conhecimento está no raciocínio, não apenas na recuperação.
- Por que existe um trade-off entre expressividade e tratabilidade?
- Linguagens mais expressivas podem declarar fatos mais sutis, mas geralmente tornam a inferência computacionalmente mais difícil, às vezes indecidível. A pesquisa em representação do conhecimento busca linguagens, como certas lógicas de descrição, que sejam expressivas o suficiente para serem úteis, mantendo o raciocínio decidível e eficiente.