知识表示技术

人工智能是指通过机器体验智能，以执行诸如感知、理解、决策和决定等特定功能的过程。然而，在实现这一目标时，会面临挑战，因为机器需要人类的知识来完成这些任务。知识表示，可以定义为使机器能够存储和理解人类知识的方式和方法，属于人工智能的范畴。

在使机器能够理解知识以便后续用于推理和解决问题方面，知识表示显然是一项重大任务。为了应对这一挑战，已经制定了人工智能中表示知识的几种技术，包括基于规则的系统、语义网络、框架知识表示、本体以及基于逻辑的知识表示。

它们有助于以一种方式组织信息，从而可以处理这些知识并用于不同级别的推理或推断。

什么是知识表示？

知识表示的实践目的是试图捕捉和表示某些概念、思想或对象之间的关系范围，以便能够引出推断或结论。为了做到这一点，可以采用四种不同的表示技术：逻辑表示、语义网络表示、框架表示和产生式规则。

这使得人工智能在实践中很有用，因为许多智能系统都是使用知识表示技术设计的，以便进行推理、理解语言、查找模式、学习和做出决策。例如，KRS可以帮助构建一个应用程序，使用户能够提出与特定兴趣领域相关的问题，或者创建一个推荐系统，用于向用户推荐感兴趣的项目。

人工智能中需要表示的不同种类知识

人工智能中需要表示的知识可以归类为对象、事件、行为、事实、元知识或知识库。

对象

它是一个名义变量，定义为外部环境中的事物，这些事物可以根据其特征进行查看，或者可以获取有形的和惰性的。一些对象是汽车、建筑物和人。各种技术，例如面向对象编程技术，在人工智能中表示知识。

事件

更广泛地说，它们指的是世界上发生的活动或世界上发生的动作。与事件相关的一些事情包括开车、准备饭菜或去看音乐会。基于事件的系统用于在人工智能中表示知识，事件的使用就完成了这一点。

性能

行为也可以定义为代理或系统在执行任务方面的行为方式。它包括任务的目的和目标以及用于评估生产力的措施。这些系统依赖行为作为人工智能知识的基础。

事实

事实表示可以为真或假的陈述。常识认为，介词是词性的一部分，涉及动词的副词修饰，并且可以使用事实或作为结论的论证来确认。一些事实的例子包括“天空是蓝色的”、“地球绕太阳运行”和“水在100摄氏度下沸腾”。在人工智能知识库系统中，事实总是用于建模知识。

元知识

元知识是指关于知识的知识。第一个子主题是知识的结构和组织，它更详细地介绍了信息的结构以及知识机构的安排。元知识对人工智能至关重要，因为它有助于评估知识的质量，以便应用充分的推理。

知识库

知识库也称为“人工知识”，可以描述为一种机器可以访问和利用的格式化信息池。它是嵌入在实体中的信息，与特定的活动主题领域相关。人工智能中最常用的知识表示之一是使用知识库在KBS中表示知识。

知识表示技术

知识表示有四种主要方式，如下所示：

• 逻辑表示
• 语义网络表示
• 框架表示
• 产生式规则

逻辑表示

逻辑表示是一种具有一些具体规则的语言，它处理命题，在表示上没有歧义。逻辑表示意味着根据各种条件得出结论。这种表示建立了一些重要的通信规则。它包含精确定义的语法和语义，支持可靠的推理。使用语法和语义，每个句子都可以翻译成逻辑。

语法

• 语法是决定如何在逻辑中构建合法句子的规则。
• 它决定了我们在知识表示中可以使用哪些符号。
• 如何书写这些符号。

语义

• 语义是我们可以在逻辑中解释句子的规则。
• 语义也包括为每个句子分配含义。
• 逻辑表示主要可分为两种逻辑：
• 命题逻辑
• 谓词逻辑

逻辑表示的优点

• 逻辑表示使我们能够进行逻辑推理。
• 逻辑表示是编程语言的基础。

逻辑表示的缺点

• 逻辑表示有一些限制，并且处理起来很困难。
• 逻辑表示技术可能不太自然，推理可能不是那么高效。

语义网络表示

语义网络是谓词逻辑在知识表示方面的替代方案。在语义网络中，我们可以用图网络的形式表示我们的知识。该网络由表示对象的节点和描述对象之间关系的弧组成。语义网络可以对对象进行不同形式的分类，也可以链接这些对象。语义网络易于理解且易于扩展。

这种表示主要包含两种关系：

1. IS-A 关系（继承）
2. Kind-of 关系

示例

以下是我们应该用节点和弧表示的一些陈述：

报表

1. 杰瑞是一只猫。
2. 杰瑞是哺乳动物
3. 杰瑞是普里亚拥有的。
4. 杰瑞是棕色的。
5. 所有哺乳动物都是动物。

在上图中，我们已经用节点和弧的形式表示了不同类型的知识。每个对象都通过某种关系与其他对象连接。

语义表示中的缺点

• 语义网络在运行时需要更多的计算时间，因为我们需要遍历完整的网络树来回答一些问题。在最坏的情况下，在遍历完整个树后，我们可能会发现解决方案不存在于该网络中。
• 语义网络试图模拟人类记忆（拥有1015个神经元和链接）来存储信息，但在实践中，构建如此庞大的语义网络是不可能的。
• 这些类型的表示是不足的，因为它们没有等价的量词，例如，对所有，对某些，无等。
• 语义网络没有链接名称的标准定义。
• 这些网络不智能，并且依赖于系统的创建者。

语义网络的优点

• 语义网络是知识的自然表示。
• 语义网络透明地传达意义。
• 这些网络简单易懂。

框架表示

框架是一个类似记录的结构，它由一组属性及其值组成，用于描述世界中的一个实体。框架是人工智能数据结构，它通过表示刻板印象来将知识划分为子结构。它由一组槽和槽值组成。这些槽可以是任何类型和大小。槽具有称为“方面”的名称和值。

方面：槽的各种方面称为方面。方面是框架的特征，使我们能够对框架设置约束。例如，在需要任何特定槽的数据时，会调用 IF-NEEDED 方面。一个框架可以包含任意数量的槽，一个槽可以包含任意数量的方面，方面可以有任意数量的值。框架也称为人工智能中的槽-过滤知识表示。

框架源自语义网络，后来演变成我们现代的类和对象。单个框架的用处不大。框架系统由一组相互连接的框架组成。在框架中，关于对象或事件的知识可以一起存储在知识库中。框架是一种广泛用于各种应用的技术，包括自然语言处理和机器视觉。

示例：1

让我们以一本书的框架为例

示例 2

假设我们有一个实体，彼得。彼得的职业是工程师，年龄是25岁，他住在伦敦市，国家是英格兰。所以，下面是这个的框架表示：

框架表示的优点

• 框架知识表示通过对相关数据进行分组，使编程更容易。
• 框架表示相对灵活，并被人工智能的许多应用程序使用。
• 添加新属性和关系的槽非常容易。
• 很容易包含默认数据并搜索缺失值。
• 框架表示易于理解和可视化。

框架表示的缺点

• 在框架系统中，推理机制不易处理。
• 推理机制无法顺利地处理框架表示。
• 框架表示具有更通用的方法。

产生式规则

产生式规则系统由（条件，动作）对组成，意思是“如果条件则动作”。它主要有三个部分：

• 产生式规则集
• 工作内存
• 识别-动作循环

在产生式规则中，代理检查条件，如果存在条件，则产生式规则触发并执行相应的动作。规则的条件部分决定了哪些规则可以应用于问题。动作部分执行相关的解决问题步骤。这个完整的过程称为识别-动作循环。

工作内存包含问题解决当前状态的描述以及可以写入工作内存的规则。这些知识匹配并可能触发其他规则。

如果生成新情况（状态），则将一起触发多个产生式规则；这称为冲突集。在这种情况下，代理需要从这些集中选择一个规则，这称为冲突解决。

示例

• IF (在公交车站 AND 公交车来了) THEN 动作 (上车)
• IF (在公交车上 AND 已付费 AND 有空座) THEN 动作 (坐下)。
• IF (在公交车上 AND 未付费) THEN 动作 (支付车费)。
• IF (公交车到达目的地) THEN 动作 (下车)。

产生式规则的优点

• 产生式规则用自然语言表达。
• 产生式规则高度模块化，因此我们可以轻松地删除、添加或修改单个规则。

产生式规则的缺点

• 产生式规则系统不表现出任何学习能力，因为它不存储问题的结果以供将来使用。
• 在程序执行过程中，可能有很多规则处于活动状态；因此，基于规则的产生式系统效率低下。

结论

知识表示在各种智能系统中起着重要作用，在这些系统中，数据需要被存储、处理并以期望的方式进行操作。语义网络、框架、规则和本体等资源是用于指向现实世界知识系统化表示的其他方法。它们各自都有特定的优点，并且取决于领域和任务的复杂程度。然而，基于规则的系统更适合逻辑推理而非语义推理以及数据交换。

因此，本体是对基于规则的系统的补充。最后，决定合适的表示方案对于开发有用、可解释、可证明正确且高效的人工智能系统设计至关重要。随着人工智能的发展，通常会集成各种方法或高级方法的组合，以有效地管理多个且不断变化的知识。