Представление знаний и рассуждения
Представление знаний и рассуждения — это раздел искусственного интеллекта, занимающийся кодированием фактов об окружающем мире в форме, пригодной для использования компьютером, а также выведением новых заключений из этих закодированных знаний.
Definition
Представление знаний и рассуждения — это исследование того, как выразить то, что агент знает, на формальном языке, и как вычислить логические следствия этих знаний, чтобы агент мог отвечать на вопросы и принимать решения о действиях.
Scope
Эта область охватывает формализмы, используемые для символического представления знаний, и процедуры вывода, которые на них оперируют: пропозициональная логика и логика первого порядка с доказательством теорем и резолюцией, семантические сети, фреймы и онтологии, дескрипционные логики, а также немонотонные и дефолтные рассуждения. Она рассматривает, как выразительность представления соотносится с разрешимостью рассуждений, и как запрашиваются и поддерживаются базы знаний. Статистические и обучаемые представления знаний относятся к подобласти машинного обучения, а рассуждения, касающиеся конкретно вероятности, рассматриваются в рамках рассуждений в условиях неопределенности.
Sub-topics
Core questions
- Как факты, правила и отношения в предметной области могут быть выражены на формальном, машиночитаемом языке?
- Какие процедуры вывода позволяют получить новые факты, следующие из базы знаний, и являются ли они корректными и полными?
- Как выразительность представления соотносится с вычислительной стоимостью рассуждений с его использованием?
- Как рассуждения должны обрабатывать неполную информацию и предположения по умолчанию, которые могут быть впоследствии отозваны?
Key concepts
- пропозициональная логика и логика первого порядка
- следование и вывод
- резолюция и доказательство теорем
- семантические сети и фреймы
- онтологии
- дескрипционные логики
- немонотонные и дефолтные рассуждения
- проблема фреймов
- компромисс между выразительностью и разрешимостью
Key theories
- Логика как язык представления
- Пропозициональная логика и логика первого порядка обеспечивают формальный синтаксис и модельную семантику, в которой следование отражает корректный вывод, давая представлению знаний строгое понятие того, какие заключения обоснованы базой знаний.
- Резолюция и автоматическое дедуктивное рассуждение
- Принцип резолюции Робинсона сводит логический вывод к единому, механизируемому правилу над дизъюнктами, делая возможным опровергающе-полное доказательство теорем для логики первого порядка и лежа в основе логического программирования и систем автоматического рассуждения.
- Проблема фреймов и рассуждения здравого смысла
- Маккарти и Хейс выявили трудность представления того, что меняется и не меняется при выполнении действий (проблема фреймов), обнажив глубокие проблемы в формализации знаний здравого смысла, что мотивировало большую часть последующих работ в немонотонной логике.
Clinical relevance
Представление знаний лежит в основе экспертных систем, Семантической паутины (Semantic Web) и связанных данных (linked data), онтологически-ориентированных приложений в биомедицине и инженерии, ответов на запросы к структурированным базам знаний и формальной верификации систем; онтологии, построенные на дескрипционных логиках, играют центральную роль в крупномасштабных графах знаний.
History
Логическое представление знаний началось с предложения Маккарти в 1959 году о создании «советчика» (advice taker) и было углублено анализом проблемы фреймов Маккарти-Хейса (1969) и принципом резолюции Робинсона (1965). Параллельные структурированные подходы привели к появлению семантических сетей и фреймов Минского в 1970-х годах, которые позднее были формализованы как дескрипционные логики, лежащие в основе современных онтологий.
Debates
- Логицистские против процедурных и структурированных представлений
- Давний спор противопоставляет декларативное представление знаний в логике с общими процедурами вывода структурированным или процедурным представлениям (фреймы, семантические сети, скрипты), которые, как утверждается, лучше отражают организацию здравого смысла; дескрипционные логики частично примирили эти два подхода, придав структурированным представлениям логическую семантику.
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
- В чем разница между представлением знаний и базой данных?
- База данных хранит явные факты и отвечает на запросы о них, тогда как система представления знаний также кодирует общие правила и отношения и использует вывод для получения фактов, которые никогда не хранились явно. Акцент в представлении знаний делается на рассуждениях, а не только на поиске.
- Почему существует компромисс между выразительностью и разрешимостью?
- Более выразительные языки могут формулировать более тонкие факты, но, как правило, делают вывод вычислительно более сложным, иногда неразрешимым. Исследования в области представления знаний направлены на поиск языков, таких как некоторые дескрипционные логики, которые достаточно выразительны, чтобы быть полезными, при этом сохраняя разрешимость и эффективность рассуждений.