تمثيل المعرفة والاستدلال

الموسوعة الحرة

يهدف تمثيل المعرفة ( KR ) إلى نمذجة المعلومات بطريقة منظمة لتمثيلها رسميًا كمعرفة في الأنظمة القائمة على المعرفة، بينما يهدف تمثيل المعرفة والاستدلال ( KRR أو KR&R أو KR² ) أيضًا إلى فهم المعرفة والاستدلال عليها وتفسيرها. يُستخدم تمثيل المعرفة والاستدلال على نطاق واسع في مجال الذكاء الاصطناعي (AI) بهدف تمثيل المعلومات المتعلقة بالعالم بشكل يمكن لنظام حاسوبي استخدامه لحل مهام معقدة، مثل تشخيص حالة طبية أو إجراء حوار بلغة طبيعية . يدمج تمثيل المعرفة نتائج من علم النفس [ 1 ] حول كيفية حل البشر للمشكلات وتمثيل المعرفة، وذلك لتصميم نماذج رسمية تُسهّل تصميم وبناء الأنظمة المعقدة. كما يدمج تمثيل المعرفة والاستدلال نتائج من علم المنطق لأتمتة أنواع مختلفة من الاستدلال .

يركز نموذج تمثيل المعرفة التقليدي بشكل أكبر على التمثيل التصريحي للمعرفة. وتشمل نماذج تمثيل المعرفة ذات الصلة بشكل رئيسي المفردات ، والمعاجم ، والشبكات الدلالية ، وأنظمة البديهيات ، والأطر ، والقواعد ، وبرامج المنطق ، والأنطولوجيات . ومن أمثلة محركات الاستدلال الآلي محركات الاستدلال ، ومثبتات النظريات ، ومولدات النماذج ، والمصنفات .

بمعنى أوسع، يمكن اعتبار النماذج المُعَلمة في التعلّم الآلي - بما في ذلك بنى الشبكات العصبية مثل الشبكات العصبية الالتفافية والمحولات - بمثابة مجموعة من أشكال تمثيل المعرفة. لطالما كان السؤال حول الشكل الأنسب للأنظمة القائمة على المعرفة موضوع نقاش مستفيض. على سبيل المثال، ناقش فرانك فان هارميلين وآخرون مدى ملاءمة المنطق كشكل لتمثيل المعرفة، واستعرضوا الحجج التي قدمها معارضو المنطق. [ 2 ] انتقد بول سمولينسكي قصور الأشكال الرمزية ، واستكشف إمكانيات دمجها مع المناهج الترابطية. [ 3 ]

تاريخ

ركزت الأعمال الأولى في مجال تمثيل المعرفة المحوسبة على أنظمة حل المشكلات العامة، مثل نظام حل المشكلات العامة (GPS) الذي طوره ألين نيويل وهربرت أ. سيمون عام 1959، ونظام "متلقي النصائح" الذي اقترحه جون مكارثي في ​​العام نفسه. استخدم نظام GPS هياكل بيانات للتخطيط والتحليل. يبدأ النظام بهدف رئيسي، ثم يقسمه إلى أهداف فرعية، ثم يشرع في بناء استراتيجيات لتحقيق كل هدف فرعي. أما نظام "متلقي النصائح"، فقد اقترح استخدام حساب التفاضل والتكامل المنطقي لتطبيق الاستدلال السليم .

استخدمت العديد من المناهج المبكرة لتمثيل المعرفة في الذكاء الاصطناعي تمثيلات بيانية وشبكات دلالية ، على غرار الرسوم البيانية المعرفية المستخدمة اليوم. في هذه المناهج، كان حل المشكلات شكلاً من أشكال اجتياز الرسم البياني [ 4 ] أو إيجاد المسار، كما هو الحال في خوارزمية البحث A* . وشملت التطبيقات النموذجية وضع خطط الروبوتات ولعب الألعاب.

ركز باحثون آخرون على تطوير برامج آلية لإثبات النظريات في منطق الرتبة الأولى، مدفوعين باستخدام المنطق الرياضي لصياغة الرياضيات وأتمتة إثبات النظريات الرياضية. وكانت خطوة هامة في هذا الاتجاه تطوير طريقة الاستدلال بواسطة جون آلان روبنسون .

في غضون ذلك، طوّر جون مكارثي وبات هايز حساب المواقف كتمثيل منطقي للمعرفة البديهية حول قوانين السبب والنتيجة. بدوره، بيّن كورديل غرين كيفية وضع خطط الروبوتات من خلال تطبيق الاستدلال على حساب المواقف. كما بيّن كيفية استخدام الاستدلال للإجابة على الأسئلة والبرمجة الآلية . [ 5 ]

في المقابل، رفض باحثون في معهد ماساتشوستس للتكنولوجيا (MIT) نموذج إجراء البرهان الموحد القائم على الاستدلال، ودعوا بدلاً من ذلك إلى تضمين المعرفة إجرائياً. [ 6 ] وقد حُلّ التضارب الناتج بين استخدام التمثيلات المنطقية واستخدام التمثيلات الإجرائية في أوائل سبعينيات القرن العشرين مع تطوير البرمجة المنطقية ولغة برولوج ، باستخدام الاستدلال المنطقي الموحد (SLD) للتعامل مع عبارات هورن كإجراءات لاختزال الهدف.

كان التطور المبكر لبرمجة المنطق ظاهرة أوروبية إلى حد كبير. في أمريكا الشمالية، دعا باحثو الذكاء الاصطناعي مثل إد فيجنباوم وفريدريك هايز روث إلى تمثيل المعرفة الخاصة بمجال معين بدلاً من الاستدلال العام. [ 7 ]

أدت هذه الجهود إلى الثورة المعرفية في علم النفس وإلى مرحلة الذكاء الاصطناعي التي ركزت على تمثيل المعرفة والتي أسفرت عن أنظمة الخبراء في السبعينيات والثمانينيات، وأنظمة الإنتاج ، ولغات الإطار ، وما إلى ذلك. وبدلاً من حل المشكلات العامة، حوّل الذكاء الاصطناعي تركيزه إلى أنظمة الخبراء التي يمكنها أن تضاهي الكفاءة البشرية في مهمة محددة، مثل التشخيص الطبي. [ 8 ]

أهدتنا الأنظمة الخبيرة المصطلحات المستخدمة حتى اليوم، حيث تُقسّم أنظمة الذكاء الاصطناعي إلى قاعدة معرفية ، تتضمن حقائق وقواعد حول مجال المشكلة، ومحرك استدلال ، يُطبّق المعرفة الموجودة في القاعدة المعرفية للإجابة عن الأسئلة وحل المشكلات في هذا المجال. في هذه الأنظمة المبكرة، كانت الحقائق في القاعدة المعرفية تميل إلى أن تكون ذات بنية بسيطة، أي أنها عبارة عن تأكيدات حول قيم المتغيرات التي تستخدمها القواعد. [ 9 ]

في غضون ذلك، طوّر مارفن مينسكي مفهوم الإطار في منتصف سبعينيات القرن العشرين. [ 10 ] يُشبه الإطار فئة الكائنات: فهو وصف مجرد لفئة ما، يصف الأشياء في العالم، والمشاكل، والحلول المحتملة. استُخدمت الأطر في الأصل في الأنظمة المُصممة للتفاعل البشري، مثل فهم اللغة الطبيعية والسياقات الاجتماعية التي تُضيّق فيها التوقعات الافتراضية المختلفة، كطلب الطعام في مطعم، نطاق البحث، وتُمكّن النظام من اختيار الاستجابات المناسبة للمواقف الديناميكية.

لم يمضِ وقت طويل حتى أدركت مجتمعات الأطر والباحثون في مجال البرمجة القائمة على القواعد وجود تكامل بين مناهجهم. كانت الأطر مناسبة لتمثيل العالم الحقيقي، حيث تُوصف بأنها فئات وفئات فرعية وقيم بيانات (مساحات) مع قيود متنوعة على القيم الممكنة. أما القواعد، فكانت مناسبة لتمثيل واستخدام المنطق المعقد، مثل عملية التشخيص الطبي. وقد طُوّرت أنظمة متكاملة تجمع بين الأطر والقواعد. ومن أبرز هذه الأنظمة وأكثرها شهرة بيئة هندسة المعرفة (KEE) التي أطلقتها شركة Intellicorp عام 1983. احتوت KEE على محرك قواعد متكامل مع إمكانية الاستدلال الأمامي والخلفي ، بالإضافة إلى قاعدة معرفية كاملة قائمة على الأطر تتضمن محفزات وقيم بيانات (مساحات) ووراثة وتمرير الرسائل. ورغم أن تمرير الرسائل نشأ في مجتمع البرمجة الكائنية التوجه وليس في مجال الذكاء الاصطناعي، إلا أنه سرعان ما تبناه باحثو الذكاء الاصطناعي في بيئات مثل KEE وفي أنظمة تشغيل أجهزة Lisp من شركات Symbolics و Xerox و Texas Instruments . [ 11 ]

كان دمج الأطر والقواعد والبرمجة كائنية التوجه مدفوعًا بشكل كبير بمشاريع تجارية مثل KEE وSymbolics، المنبثقة عن مشاريع بحثية متنوعة. في الوقت نفسه، كان هناك اتجاه بحثي آخر أقل تركيزًا على الجانب التجاري، مدفوعًا بالمنطق الرياضي وإثبات النظريات الآلي. من أكثر اللغات تأثيرًا في هذا البحث لغة KL-ONE في منتصف الثمانينيات. كانت KL-ONE لغة إطارية ذات دلالات صارمة، وتعريفات رسمية لمفاهيم مثل علاقة "هو نوع من" . [ 12 ] امتلكت KL-ONE واللغات المتأثرة بها، مثل Loom، محرك استدلال آليًا قائمًا على المنطق الرسمي بدلًا من قواعد "إذا-ثم". يُطلق على هذا المُستدل اسم "المصنف". يستطيع المصنف تحليل مجموعة من التصريحات واستنتاج تأكيدات جديدة، على سبيل المثال، إعادة تعريف فئة لتكون فئة فرعية أو فئة رئيسية لفئة أخرى لم يتم تحديدها رسميًا. بهذه الطريقة، يمكن للمصنف أن يعمل كمحرك استدلال، يستنتج حقائق جديدة من قاعدة معرفية موجودة. يمكن للمصنف أيضًا توفير فحص الاتساق على قاعدة المعرفة (والتي يشار إليها في حالة لغات KL-ONE باسم الأنطولوجيا). [ 13 ]

من المجالات البحثية الأخرى في تمثيل المعرفة مشكلة الاستدلال المنطقي السليم . ومن أولى الاستنتاجات التي تم التوصل إليها من خلال محاولة تطوير برمجيات قادرة على التعامل مع اللغة البشرية الطبيعية، أن البشر يعتمدون باستمرار على قاعدة معرفية واسعة حول العالم الحقيقي، نعتبرها بديهية، لكنها ليست واضحة إطلاقًا للذكاء الاصطناعي، مثل المبادئ الأساسية للفيزياء المنطقية، والسببية، والنوايا، وما إلى ذلك. ومن الأمثلة على ذلك مشكلة الإطار ، التي تنص على أنه في منطق الأحداث، يجب أن تكون هناك بديهيات تنص على أن الأشياء تحافظ على مواقعها من لحظة إلى أخرى ما لم تتحرك بفعل قوة خارجية. ولإنشاء ذكاء اصطناعي حقيقي قادر على التحدث مع البشر باستخدام اللغة الطبيعية ، ومعالجة العبارات والأسئلة الأساسية حول العالم، من الضروري تمثيل هذا النوع من المعرفة. [ 14 ] بالإضافة إلى حساب المواقف لماكارثي وهايز، كان مشروع Cyc لدوغ لينات من أكثر البرامج طموحًا لمعالجة هذه المشكلة . وقد أنشأ Cyc لغة إطار خاصة به، وكلف عددًا كبيرًا من المحللين بتوثيق مختلف جوانب الاستدلال المنطقي السليم بهذه اللغة. تضمنت المعرفة المسجلة في Cyc نماذج منطقية للزمن، والسببية، والفيزياء، والنوايا، وغيرها الكثير. [ 15 ]

إن نقطة البداية لتمثيل المعرفة هي فرضية تمثيل المعرفة التي صاغها برايان سي سميث لأول مرة في عام 1985: [ 16 ]

أي عملية ذكية مجسدة ميكانيكياً ستتألف من مكونات هيكلية أ) نعتبرها نحن كمراقبين خارجيين بشكل طبيعي تمثل وصفاً افتراضياً للمعرفة التي تظهرها العملية الكلية، و ب) تلعب دوراً رسمياً ولكنه سببي وأساسي في توليد السلوك الذي يظهر تلك المعرفة، بغض النظر عن هذا الإسناد الدلالي الخارجي.

يُعدّ الويب الدلالي أحد أكثر مجالات البحث نشاطًا في تمثيل المعرفة . ويسعى الويب الدلالي إلى إضافة طبقة من الدلالات (المعنى) إلى الإنترنت الحالي. فبدلًا من فهرسة مواقع الويب وصفحاتها باستخدام الكلمات المفتاحية، يُنشئ الويب الدلالي أنطولوجيات ضخمة للمفاهيم. وبذلك، يصبح البحث عن مفهوم ما أكثر فعالية من البحث النصي التقليدي. وتلعب لغات الإطار والتصنيف التلقائي دورًا محوريًا في رؤية الويب الدلالي المستقبلية. إذ يُتيح التصنيف التلقائي للمطورين تقنيةً لتنظيم شبكة المعرفة المتطورة باستمرار. فتعريف أنطولوجيات ثابتة وغير قابلة للتطور الفوري يُقيّد بشدة أنظمة الإنترنت. وتُتيح تقنية التصنيف القدرة على التعامل مع بيئة الإنترنت الديناميكية.

قامت مشاريع حديثة ممولة بشكل أساسي من وكالة مشاريع البحوث الدفاعية المتقدمة (DARPA) بدمج لغات الإطار والمصنفات مع لغات الترميز القائمة على لغة XML. يوفر إطار وصف الموارد (RDF) القدرة الأساسية على تعريف الفئات والفئات الفرعية وخصائص الكائنات. بينما توفر لغة الأنطولوجيا على الويب (OWL) مستويات إضافية من الدلالات، وتتيح التكامل مع محركات التصنيف. [ 17 ] [ 18 ]

ملخص

تمثيل المعرفة هو مجال من مجالات الذكاء الاصطناعي يركز على تصميم تمثيلات حاسوبية تلتقط معلومات عن العالم يمكن استخدامها لحل المشكلات المعقدة.

يكمن مبرر استخدام تمثيل المعرفة في أن الشيفرة الإجرائية التقليدية ليست الأسلوب الأمثل لحل المشكلات المعقدة. فتمثيل المعرفة يجعل تعريف البرمجيات المعقدة وصيانتها أسهل من الشيفرة الإجرائية، ويمكن استخدامه في أنظمة الخبراء .

على سبيل المثال، إن التحدث إلى الخبراء من حيث قواعد العمل بدلاً من التعليمات البرمجية يقلل من الفجوة الدلالية بين المستخدمين والمطورين ويجعل تطوير الأنظمة المعقدة أكثر عملية.

يرتبط تمثيل المعرفة ارتباطًا وثيقًا بالاستدلال الآلي، لأن أحد الأهداف الرئيسية لتمثيل المعرفة بشكل صريح هو القدرة على الاستدلال بشأن تلك المعرفة، واستخلاص النتائج، وتأكيد معارف جديدة، وما إلى ذلك. تحتوي جميع لغات تمثيل المعرفة تقريبًا على محرك استدلال أو استنتاج كجزء من النظام. [ 19 ]

تتمثل إحدى أهم المفاضلات في تصميم نماذج تمثيل المعرفة في المفاضلة بين القدرة التعبيرية وسهولة المعالجة. [ 20 ] يُعد منطق الرتبة الأولى (FOL)، بقدرته التعبيرية العالية وقدرته على صياغة الكثير من الرياضيات، معيارًا لمقارنة قابلية التعبير للغات تمثيل المعرفة.

يمكن القول إن منطق الرتبة الأولى (FOL) يعاني من عيبين رئيسيين كصيغة لتمثيل المعرفة، وهما سهولة الاستخدام وكفاءة التنفيذ. أولًا، نظرًا لقدرته التعبيرية العالية، يسمح منطق الرتبة الأولى بتعدد طرق التعبير عن المعلومة نفسها، مما قد يُصعّب على المستخدمين صياغة المعرفة أو حتى فهمها، خاصةً تلك المُعبر عنها بطرق رياضية معقدة. ثانيًا، نظرًا لإجراءات البرهان المعقدة، قد يصعب على المستخدمين فهم البراهين والشروحات المعقدة، وقد يصعب على التطبيقات تحقيق الكفاءة. ونتيجةً لذلك، قد يُشكل منطق الرتبة الأولى غير المقيد تحديًا للعديد من مطوري البرامج.

كان من أهم اكتشافات أبحاث الذكاء الاصطناعي في سبعينيات القرن الماضي أن اللغات التي لا تمتلك القدرة التعبيرية الكاملة للغة منطق الرتبة الأولى (FOL) يمكنها مع ذلك توفير قدرة تعبيرية مماثلة تقريبًا، ولكنها أسهل في الفهم لكل من المطور العادي والحاسوب. ويمكن النظر إلى العديد من نماذج تمثيل المعرفة المبكرة في الذكاء الاصطناعي، بدءًا من قواعد البيانات ووصولًا إلى الشبكات الدلالية وأنظمة الإنتاج، على أنها تتخذ قرارات تصميمية متنوعة حول كيفية تحقيق التوازن بين القدرة التعبيرية وسلاسة التعبير والكفاءة. [ 21 ] وعلى وجه الخصوص، كان هذا التوازن دافعًا رئيسيًا لتطوير قواعد "إذا-ثم" في أنظمة الخبراء القائمة على القواعد .

كان تحقيق توازن مماثل دافعًا لتطوير البرمجة المنطقية ولغة البرمجة المنطقية برولوج . تتميز البرامج المنطقية ببنية نحوية قائمة على القواعد، والتي يسهل الخلط بينها وبين بنية "إذا-ثم" لقواعد الإنتاج . لكن البرامج المنطقية تتمتع بدلالات منطقية محددة جيدًا، على عكس أنظمة الإنتاج.

استند الشكل الأول للبرمجة المنطقية إلى مجموعة بنود هورن الفرعية من منطق الرتبة الأولى. لكن التوسعات اللاحقة للبرمجة المنطقية تضمنت قاعدة النفي كاستدلال على الفشل ، مما حوّل البرمجة المنطقية إلى منطق غير رتيب للاستدلال الافتراضي . والدلالات الموسعة الناتجة للبرمجة المنطقية هي شكل من أشكال الدلالات القياسية لبنود هورن ومنطق الرتبة الأولى، وهي شكل من أشكال دلالات قواعد البيانات [ 22 ] ، والتي تتضمن افتراض الاسم الفريد ونوعًا من افتراض العالم المغلق . ويصعب تحديد هذه الافتراضات والاستدلال بها بشكل صريح باستخدام الدلالات القياسية لمنطق الرتبة الأولى.

في ورقة بحثية رئيسية صدرت عام 1993 حول هذا الموضوع، حدد راندال ديفيس من معهد ماساتشوستس للتكنولوجيا خمسة أدوار متميزة لتحليل إطار تمثيل المعرفة: [ 23 ]

  • "إن تمثيل المعرفة (KR) هو في جوهره بديل، أو بديل للشيء نفسه، يستخدم لتمكين كيان ما من تحديد العواقب عن طريق التفكير بدلاً من التصرف،" [ 23 ] أي "عن طريق التفكير في العالم بدلاً من اتخاذ إجراء فيه." [ 23 ]
  • "إنها مجموعة من الالتزامات الأنطولوجية"، [ 23 ] أي "إجابة على السؤال: بأي مصطلحات يجب أن أفكر في العالم؟" [ 23 ]
  • "إنها نظرية مجزأة للاستدلال الذكي، معبر عنها بثلاثة مكونات: (1) المفهوم الأساسي للاستدلال الذكي للتمثيل؛ (2) مجموعة الاستدلالات التي يقرها التمثيل؛ و(3) مجموعة الاستدلالات التي يوصي بها." [ 23 ]
  • "إنها وسيلة للحساب الفعال عمليًا"، [ 23 ] أي "البيئة الحسابية التي يتم فيها التفكير. ومن بين العوامل المساهمة في هذه الكفاءة العملية التوجيه الذي يوفره التمثيل لتنظيم المعلومات" [ 23 ] وذلك "لتسهيل استخلاص الاستنتاجات الموصى بها". [ 23 ]
  • "إنها وسيلة للتعبير الإنساني"، [ 23 ] أي "لغة نقول بها أشياء عن العالم". [ 23 ]

يُعدّ تمثيل المعرفة والاستدلال تقنيةً أساسيةً لتمكين الويب الدلالي . توفر اللغات القائمة على نموذج الإطار مع التصنيف التلقائي طبقةً من الدلالات فوق الإنترنت الحالي. فبدلاً من البحث عبر سلاسل نصية كما هو شائع اليوم، سيصبح من الممكن تحديد استعلامات منطقية والعثور على صفحات تتوافق مع تلك الاستعلامات. [ 17 ] يُعرف مُكوّن الاستدلال الآلي في هذه الأنظمة باسم المُصنِّف. يركز المُصنِّف على علاقات التضمين في قاعدة المعرفة بدلاً من القواعد. يستطيع المُصنِّف استنتاج فئات جديدة وتغيير الأنطولوجيا ديناميكيًا مع توفر معلومات جديدة. تُعدّ هذه القدرة مثاليةً لمساحة المعلومات المتغيرة والمتطورة باستمرار على الإنترنت. [ 24 ]

يدمج الويب الدلالي مفاهيم تمثيل المعرفة والاستدلال مع لغات الترميز القائمة على لغة XML. يوفر إطار وصف الموارد (RDF) الإمكانيات الأساسية لتعريف الكائنات القائمة على المعرفة على الإنترنت، مع ميزات أساسية مثل علاقات "هو نوع من" وخصائص الكائنات. تضيف لغة أنطولوجيا الويب (OWL) دلالات إضافية وتتكامل مع أدوات الاستدلال التصنيفي التلقائي. [ 18 ]

صفات

في عام 1985، صنف رون براخمان القضايا الأساسية لتمثيل المعرفة على النحو التالي: [ 25 ]

  • العناصر الأساسية. ما هو الإطار الأساسي المستخدم لتمثيل المعرفة؟ كانت الشبكات الدلالية من أوائل العناصر الأساسية لتمثيل المعرفة. وكذلك هياكل البيانات والخوارزميات للبحث السريع العام. في هذا المجال، يوجد تداخل كبير مع أبحاث هياكل البيانات والخوارزميات في علوم الحاسوب. في الأنظمة المبكرة، كانت لغة البرمجة Lisp، التي صُممت على غرار حساب لامدا ، تُستخدم غالبًا كشكل من أشكال تمثيل المعرفة الوظيفية. كانت الأطر والقواعد هي النوع التالي من العناصر الأساسية. احتوت لغات الأطر على آليات متنوعة للتعبير عن القيود المفروضة على بيانات الإطار وفرضها. تُخزن جميع البيانات في الإطارات في خانات. تُشابه الخانات العلاقات في نمذجة الكيانات والعلاقات، وخصائص الكائنات في النمذجة الموجهة للكائنات. هناك تقنية أخرى للعناصر الأساسية وهي تعريف لغات مصممة على غرار منطق الرتبة الأولى . المثال الأكثر شهرة هو Prolog ، ولكن هناك أيضًا العديد من بيئات إثبات النظريات ذات الأغراض الخاصة. يمكن لهذه البيئات التحقق من صحة النماذج المنطقية واستنتاج نظريات جديدة من النماذج الموجودة. تُسهّل هذه التقنيات بشكل أساسي عملية تحليل النماذج التي يتبعها المنطقيون. وقد كان لتقنية إثبات النظريات تطبيقات عملية محددة في مجال هندسة البرمجيات. فعلى سبيل المثال، يُمكن إثبات أن برنامجًا برمجيًا يلتزم التزامًا تامًا بمواصفات منطقية رسمية.
  • التمثيل الفائق. يُعرف هذا أيضًا بمفهوم الانعكاس في علوم الحاسوب. ويشير إلى قدرة النظام على الوصول إلى معلومات حول حالته. ومن الأمثلة على ذلك بروتوكول الكائنات الفائقة في Smalltalk و CLOS ، الذي يتيح للمطورين الوصول إلى كائنات الفئات أثناء التشغيل، ويُمكّنهم من إعادة تعريف بنية قاعدة المعرفة ديناميكيًا حتى أثناء التشغيل. يعني التمثيل الفائق أن لغة تمثيل المعرفة نفسها مُعبَّر عنها بتلك اللغة. على سبيل المثال، في معظم بيئات الإطارات، تكون جميع الإطارات عبارة عن نسخ من فئة الإطار. يمكن فحص كائن الفئة هذا أثناء التشغيل، بحيث يمكن للكائن فهم بنيته الداخلية أو بنية أجزاء أخرى من النموذج، بل وتغييرها. في بيئات القواعد، كانت القواعد أيضًا عادةً نسخًا من فئات القواعد. وكان جزء من البروتوكول الفائق للقواعد هو القواعد الفائقة التي تُعطي الأولوية لتفعيل القواعد.
  • عدم الاكتمال . يتطلب المنطق التقليدي بديهيات وقيودًا إضافية للتعامل مع العالم الواقعي، على عكس عالم الرياضيات. كما أنه من المفيد غالبًا ربط درجات الثقة بعبارة ما، أي لا نقول ببساطة "سقراط إنسان"، بل نقول "سقراط إنسان بثقة 50%". كانت هذه إحدى الابتكارات المبكرة من أبحاث أنظمة الخبراء التي انتقلت إلى بعض الأدوات التجارية، وهي القدرة على ربط عوامل اليقين بالقواعد والاستنتاجات. تُعرف الأبحاث اللاحقة في هذا المجال باسم المنطق الضبابي . [ 26 ]
  • التعريفات والثوابت مقابل الحقائق والافتراضات. الثوابت هي عبارات عامة عن العالم، مثل "كل البشر فانون". أما الحقائق فهي أمثلة محددة على الثوابت، مثل "سقراط إنسان، وبالتالي فهو فانٍ". من الناحية المنطقية، تتعلق التعريفات والثوابت بالقياس الكمي الشامل، بينما تتعلق الحقائق والافتراضات بالقياس الكمي الوجودي . يجب على جميع أشكال تمثيل المعرفة التعامل مع هذا الجانب، ومعظمها يفعل ذلك باستخدام شكل من أشكال نظرية المجموعات، حيث تُنمذج الثوابت كمجموعات ومجموعات جزئية، والتعريفات كعناصر في تلك المجموعات.
  • الاستدلال غير الرتيب . يسمح الاستدلال غير الرتيب بأنواع مختلفة من الاستدلال الافتراضي. يربط النظام الحقائق المؤكدة بالقواعد والحقائق المستخدمة لتبريرها، وعندما تتغير هذه الحقائق، يقوم بتحديث المعرفة التابعة لها. في الأنظمة القائمة على القواعد، تُعرف هذه القدرة بنظام صيانة الحقيقة . [ 27 ]
  • الكفاءة التعبيرية . المعيار الذي يستخدمه براخمان ومعظم باحثي الذكاء الاصطناعي لقياس الكفاءة التعبيرية هو عادةً منطق الرتبة الأولى (FOL). إلا أن القيود النظرية تجعل التطبيق الكامل لمنطق الرتبة الأولى غير عملي. لذا، ينبغي على الباحثين تحديد مدى التعبيرية (أي مدى الاستفادة من القدرة التعبيرية الكاملة لمنطق الرتبة الأولى) التي يقصدونها لتمثيلهم. [ 28 ]
  • كفاءة الاستدلال. تشير هذه إلى كفاءة تشغيل النظام: قدرة قاعدة المعرفة على التحديث وقدرة المُستدل على استخلاص استنتاجات جديدة في وقت معقول. وهذا، من بعض النواحي، هو الوجه الآخر للكفاءة التعبيرية. فعمومًا، كلما كان التمثيل أقوى وأكثر كفاءة تعبيرية، قلت كفاءة محرك الاستدلال الآلي . لطالما كانت الكفاءة مشكلة، خاصةً في التطبيقات المبكرة لتقنية تمثيل المعرفة. إذ كانت تُنفذ عادةً في بيئات مُفسَّرة مثل لغة ليسب، والتي كانت بطيئة مقارنةً بالمنصات التقليدية في ذلك الوقت.

استخلاص المعرفة

استخلاص المعرفة هو عملية إنشاء المعرفة من مصادر منظمة ( قواعد البيانات العلائقية ، XML ) وغير منظمة ( نصوص ، مستندات، صور ). يجب أن تكون المعرفة الناتجة بتنسيق قابل للقراءة والتفسير آليًا، وأن تُمثل المعرفة بطريقة تُسهل الاستدلال. على الرغم من تشابهها المنهجي مع استخلاص المعلومات في معالجة اللغة الطبيعية وعمليات الاستخراج والتحويل والتحميل ، إلا أن المعيار الأساسي هو أن نتيجة الاستخلاص تتجاوز مجرد إنشاء معلومات منظمة أو تحويلها إلى مخطط علائقي . فهي تتطلب إما إعادة استخدام المعرفة الرسمية الموجودة (إعادة استخدام المعرفات أو الأنطولوجيات ) أو إنشاء مخطط بناءً على بيانات المصدر.

كانت مجموعة RDB2RDF التابعة لاتحاد شبكة الويب العالمية [ 29 ] تعمل على توحيد لغة لاستخراج أطر وصف الموارد (RDF) من قواعد البيانات العلائقية . ومن الأمثلة الشائعة الأخرى لاستخراج المعرفة تحويل ويكيبيديا إلى بيانات منظمة ، وكذلك ربطها بالمعرفة الموجودة (انظر DBpedia و Freebase ).

هندسة الأنطولوجيا

في السنوات الأولى لأنظمة المعرفة، كانت قواعد المعرفة صغيرة نسبيًا. وكان من الضروري أن تركز قواعد المعرفة المصممة لحل المشكلات الحقيقية، بدلًا من مجرد إثبات صحة المفاهيم، على مشكلات محددة بدقة. فعلى سبيل المثال، لم يقتصر الأمر على التشخيص الطبي كموضوع شامل، بل شمل تشخيص أنواع معينة من الأمراض.

مع توسع نطاق التكنولوجيا القائمة على المعرفة، برزت الحاجة إلى قواعد معرفية أوسع نطاقًا، وقواعد معرفية معيارية قادرة على التواصل والتكامل فيما بينها. وقد أدى ذلك إلى ظهور تخصص هندسة الأنطولوجيا، الذي يُعنى بتصميم وبناء قواعد معرفية ضخمة يمكن استخدامها في مشاريع متعددة. وكان مشروع Cyc أحد أبرز المشاريع البحثية في هذا المجال ، حيث سعى إلى بناء قاعدة معرفية موسوعية ضخمة لا تقتصر على المعرفة المتخصصة فحسب، بل تشمل أيضًا المعرفة البديهية. عند تصميم وكيل ذكاء اصطناعي، سرعان ما تبيّن أن تمثيل المعرفة البديهية، أي المعرفة التي يعتبرها البشر أمرًا مفروغًا منه، ضروري لإنشاء ذكاء اصطناعي قادر على التفاعل مع البشر باستخدام اللغة الطبيعية. وقد صُمم مشروع Cyc لمعالجة هذه المشكلة، واللغة التي ابتكروها عُرفت باسم CycL .

بعد لغة CycL، طُوِّرت عدة لغات أنطولوجية . معظمها لغات تصريحية ، إما لغات إطارية أو مبنية على منطق الرتبة الأولى . تُعدّ النمطية - أي القدرة على تحديد حدود مجالات ومساحات مشاكل محددة - أساسية لهذه اللغات، لأنه كما ذكر توم غروبر : "كل أنطولوجيا هي معاهدة - اتفاق اجتماعي بين أفراد ذوي دافع مشترك للمشاركة". توجد دائمًا وجهات نظر متنافسة ومختلفة تجعل أي أنطولوجيا عامة الأغراض أمرًا مستحيلاً. يجب أن تكون الأنطولوجيا العامة قابلة للتطبيق في أي مجال، وأن تُوحَّد مجالات المعرفة المختلفة. [ 30 ]

هناك تاريخ طويل من الجهود المبذولة لبناء أنطولوجيات لمختلف مجالات العمل، مثل أنطولوجيا السوائل [ 31 ]، ونموذج العناصر المجمعة المستخدم على نطاق واسع في تمثيل الدوائر الإلكترونية (مثل [ 32 ] )، بالإضافة إلى أنطولوجيات الزمن والمعتقدات وحتى البرمجة نفسها. كلٌّ من هذه الأنطولوجيات يُقدّم طريقةً لفهم جزءٍ من العالم.

يقترح نموذج العناصر المجمعة، على سبيل المثال، أن نفكر في الدوائر الكهربائية من حيث المكونات المتصلة ببعضها، حيث تتدفق الإشارات بشكل فوري عبر هذه الاتصالات. هذه نظرة مفيدة، ولكنها ليست الوحيدة الممكنة. ينشأ مفهوم مختلف إذا احتجنا إلى مراعاة الديناميكا الكهربائية في الجهاز: هنا تنتشر الإشارات بسرعة محدودة، وقد يتعين الآن اعتبار جسم (مثل المقاوم) كان يُنظر إليه سابقًا على أنه مكون واحد ذو سلوك إدخال/إخراج، بمثابة وسط ممتد تتدفق عبره موجة كهرومغناطيسية.

يمكن بالطبع كتابة الأنطولوجيات بلغات ورموز متنوعة (مثل المنطق، ولغة ليسب، وغيرها)؛ لكن المعلومة الأساسية ليست شكل اللغة المستخدمة، بل محتواها، أي مجموعة المفاهيم التي تُطرح كطريقة للتفكير في العالم. ببساطة، المهم هو مفاهيم مثل الروابط والمكونات، وليس الاختيار بين كتابتها كعبارات منطقية أو بنى ليسب.

انظر أيضاً

مراجع

  1. ↑ شانك، روجر؛ أبيلسون، روبرت (1977). النصوص والخطط والأهداف والفهم: بحث في هياكل المعرفة البشرية . دار لورانس إيرلبوم أسوشيتس للنشر.
  2. ↑ بورتر، بروس؛ ليفشيتز، فلاديمير؛ فان هارميلين، فرانك (2008). دليل تمثيل المعرفة . أسس الذكاء الاصطناعي ( الطبعة الأولى). أمستردام، بوسطن: إلسيفير. ISBN  978-0-444-52211-5.
  3. ↑ سمولينسكي، بول (مارس 1988). "حول المعالجة الصحيحة للترابطية" . العلوم السلوكية والدماغية . 11 (1): 1-23 . doi : 10.1017/S0140525X00052432 . ISSN 0140-525X . 
  4. ↑ دورن، جيه إي؛ ميتشي، د. (20-09-1966). "تجارب مع برنامج اجتياز الرسم البياني". وقائع الجمعية الملكية بلندن، السلسلة أ . 294 (1437): 235-259 . رمز Bibcode : 1966RSPSA.294..235D . doi : 10.1098/rspa.1966.0205 . S2CID 21698093 . 
  5. ↑ غرين، كورديل. تطبيق إثبات النظريات على حل المشكلات (ملف PDF) . المؤتمر الدولي المشترك للذكاء الاصطناعي 1969.
  6. ↑ هيويت، سي.، 2009. متانة عدم الاتساق في البرامج المنطقية. نسخة ما قبل النشر arXiv:0904.3036.
  7. ↑ كوالسكي، روبرت (1986). "حدود المنطق" . وقائع المؤتمر السنوي الرابع عشر لجمعية آلات الحوسبة (ACM) لعام 1986 حول علوم الحاسوب - CSC '86 . الصفحات 7-13 . doi : 10.1145/324634.325168 . ISBN  0-89791-177-6. S2CID 17211581 . 
  8. ↑ نيلسون، نيلز (1995). "العين على الجائزة". مجلة الذكاء الاصطناعي . 16 : 2.
  9. ↑ هايز-روث، فريدريك؛ ووترمان، دونالد؛ لينات، دوغلاس (1983). بناء أنظمة الخبراء . أديسون-ويسلي. ISBN 978-0-201-10686-2.
  10. ↑ مارفن مينسكي، إطار عمل لتمثيل المعرفة، مؤرشف بتاريخ 2021-01-07 في أرشيف الإنترنت ، مذكرة مختبر الذكاء الاصطناعي بمعهد ماساتشوستس للتكنولوجيا رقم 306، يونيو 1974
  11. ↑ ميتري، ويليام (1987). "تقييم أدوات بناء أنظمة معرفية واسعة النطاق" . مجلة الذكاء الاصطناعي . 8 (4). مؤرشف من الأصل بتاريخ 10 نوفمبر 2013. تم الاطلاع عليه بتاريخ 24 ديسمبر 2013 .
  12. ↑ براخمان، رون (1978). "نموذج هيكلي لتمثيل المعرفة" (ملف PDF) . تقرير فني من إعداد بولت، بيرانيك، ونيومان (3605). مؤرشف (ملف PDF) من الأصل بتاريخ 30 أبريل 2020.
  13. ↑ ماكجريجور، روبرت (يونيو 1991). "استخدام مصنف وصفي لتحسين تمثيل المعرفة". IEEE Expert . 6 (3): 41–46 . Bibcode : 1991IExp....6...41M . doi : 10.1109/64.87683 . S2CID 29575443 . 
  14. ↑ مكارثي، ج.، وهايز، ب. ج. 1969. "بعض المشكلات الفلسفية من منظور الذكاء الاصطناعي" (ملف PDF) . مؤرشف من الأصل في 25 أغسطس 2013. تم الاطلاع عليه في 18 يناير 2024 .{{cite web}}: CS1 maint: bot: حالة عنوان URL الأصلي غير معروفة ( رابط ) . في: Meltzer, B., and Michie, D., eds., Machine Intelligence 4. Edinburgh: Edinburgh University Press. 463–502.
  15. ↑ لينات، دوغ؛ آر في غوها (يناير 1990). بناء أنظمة معرفية كبيرة: التمثيل والاستدلال في مشروع سايك . أديسون-ويسلي. ISBN 978-0201517521.
  16. ↑ سميث، برايان سي. (1985). "مقدمة لكتاب الانعكاسات والدلالات في لغة إجرائية" . في رونالد براخمان وهيكتور ج. ليفيسك (محرران). قراءات في تمثيل المعرفة . مورغان كوفمان. ص 31-40 . ISBN  978-0-934613-01-9.
  17. 1 2 بيرنرز-لي، تيم؛ هندلر، جيمس؛ لاسيلا، أورا (17 مايو 2001). "الويب الدلالي - شكل جديد من محتوى الويب ذي معنى للحواسيب سيُطلق ثورة من الإمكانيات الجديدة" . مجلة ساينتفك أمريكان . 284 (5): 34-43 . doi : 10.1038/scientificamerican0501-34 . مؤرشف من الأصل في 24 أبريل 2013.
  18. 1 2 كنوبلاوخ، هولجر؛ أوبرلي، دانيال؛ تيتلو، فيل؛ والاس، إيفان (9 مارس 2006). "مقدمة في الويب الدلالي لمطوري البرمجيات الموجهة للكائنات" . اتحاد شبكة الويب العالمية (W3C) . مؤرشف من الأصل في 6 يناير 2018. تم الاطلاع عليه في 30 يوليو 2008 .
  19. ↑ هايز-روث، فريدريك؛ ووترمان، دونالد؛ لينات، دوغلاس (1983). بناء أنظمة الخبراء . أديسون-ويسلي. ص 6-7 . ISBN  978-0-201-10686-2.
  20. ↑ ليفيسك، إتش جيه وبراخمان، آر جيه، 1987. التعبيرية وسهولة المعالجة في تمثيل المعرفة والاستدلال 1. الذكاء الحسابي، 3(1)، ص.78-93.
  21. ↑ ليفيسك، هيكتور؛ براخمان، رونالد (1985). "مفاضلة أساسية في تمثيل المعرفة والاستدلال" . في رونالد براخمان وهيكتور ج . ليفيسك (محرران). قراءات في تمثيل المعرفة . مورغان كوفمان. ص 49. ISBN  978-0-934613-01-9إن الخبر السار في اختزال خدمة KR إلى إثبات النظريات هو أن لدينا الآن مفهومًا واضحًا ومحددًا للغاية لما يجب أن يفعله نظام KR؛ أما الخبر السيئ فهو أنه من الواضح أيضًا أنه لا يمكن تقديم الخدمات... إن تحديد ما إذا كانت جملة في منطق الرتبة الأولى نظرية أم لا... أمر غير قابل للحل.
  22. ↑ راسل، ستيوارت ج .؛ نورفيج، بيتر. (2021). الذكاء الاصطناعي: منهج حديث ( الطبعة الرابعة). هوبوكين: بيرسون. ص 282. ISBN   978-0134610993. إل سي سي إن 20190474 . 
  23. 1 2 3 4 5 6 7 8 9 10 11 ديفيس، راندال؛ شروب، هوارد؛ زولوفيتس، بيتر (ربيع 1993). "ما هو تمثيل المعرفة؟" . مجلة الذكاء الاصطناعي . 14 (1): 17-33 . مؤرشف من الأصل في 2012-04-06 . تم الاسترجاع في 2011-03-23 .
  24. ↑ ماكجريجور، روبرت (13 أغسطس 1999). "نظرة استعادية على لوم" . isi.edu . معهد علوم المعلومات. مؤرشف من الأصل في 25 أكتوبر 2013. تم الاطلاع عليه في 10 ديسمبر 2013 .
  25. ↑ براخمان، رون (1985). "مقدمة". في براخمان، رونالد؛ ليفيسك، هيكتور ج. (محرران). قراءات في تمثيل المعرفة . مورغان كوفمان. الصفحات 16-17 . ISBN  978-0-934613-01-9.
  26. ↑ بيه، جوزيف (2006). "تحول نموذجي: مقدمة في المنطق الضبابي" (ملف PDF) . مجلة IEEE Potentials . 25 (1): 6-21 . رمز Bibcode : 2006IPot...25a...6B . doi : 10.1109/MP.2006.1635021 . S2CID 15451765. مؤرشف (ملف PDF) من الأصل في 12 يونيو 2014. تم الاطلاع عليه في 24 ديسمبر 2013 . 
  27. ↑ زلاتارفا، نيلي (1992). "أنظمة صيانة الحقيقة وتطبيقها للتحقق من قواعد معارف أنظمة الخبراء". مراجعة الذكاء الاصطناعي . 6 : 67-110 . doi : 10.1007/bf00155580 . S2CID 24696160 . 
  28. ↑ ليفيسك، هيكتور؛ براخمان، رونالد (1985). "مفاضلة أساسية في تمثيل المعرفة والاستدلال" . في رونالد براخمان وهيكتور ج. ليفيسك (محرران). قراءات في تمثيل المعرفة . مورغان كوفمان. ص 41-70 . ISBN  978-0-934613-01-9.
  29. ↑ مجموعة عمل RDB2RDF، الموقع الإلكتروني: http://www.w3.org/2001/sw/rdb2rdf/ ، الميثاق: http://www.w3.org/2009/08/rdb2rdf-charter ، R2RML: لغة ربط RDB بـ RDF: http://www.w3.org/TR/r2rml/
  30. ↑ راسل، ستيوارت جيه؛ نورفيج، بيتر (2010)، الذكاء الاصطناعي: منهج حديث (الطبعة الثالثة)، أبر سادل ريفر، نيو جيرسي: برنتيس هول، ISBN 0-13-604259-7، ص 437-439
  31. ↑ هايز ب، الفيزياء الساذجة 1: علم الوجود للسوائل. تقرير جامعة إسيكس، 1978، إسيكس، المملكة المتحدة.
  32. ↑ ديفيس ر، شروب إتش إي، تمثيل بنية وسلوك الأجهزة الرقمية، مجلة IEEE Computer، العدد الخاص حول تمثيل المعرفة، 16(10):75-82.

للمزيد من القراءة