Människor är bäst på att förstå, resonera och tolka kunskap. Människan vet saker, vilket är kunskap och enligt deras kunskap utför de olika handlingar i den verkliga världen. Men hur maskiner gör alla dessa saker kommer under kunskapsrepresentation och resonemang . Därför kan vi beskriva kunskapsrepresentation som följande:

• Kunskapsrepresentation och resonemang (KR, KRR) är den del av artificiell intelligens som handlar om AI-agenters tänkande och hur tänkande bidrar till intelligent beteende hos agenter.
• Det är ansvarigt för att representera information om den verkliga världen så att en dator kan förstå och använda denna kunskap för att lösa komplexa verkliga problem som diagnos av ett medicinskt tillstånd eller att kommunicera med människor på naturligt språk.
• Det är också ett sätt som beskriver hur vi kan representera kunskap i artificiell intelligens. Kunskapsrepresentation är inte bara att lagra data i någon databas, utan det gör det också möjligt för en intelligent maskin att lära sig av den kunskapen och erfarenheterna så att den kan bete sig intelligent som en människa.

Vad ska representeras:

Följande är den typ av kunskap som behöver representeras i AI-system:

Objekt:Alla fakta om objekt i vår världsdomän. Till exempel, gitarrer innehåller strängar, trumpeter är blåsinstrument.Evenemang:Händelser är de handlingar som sker i vår värld.Prestanda:Den beskriver beteenden som involverar kunskap om hur man gör saker.Meta-kunskap:Det är kunskap om det vi vet.Fakta:Fakta är sanningarna om den verkliga världen och vad vi representerar.Kunskapsbas:Den centrala komponenten i de kunskapsbaserade agenterna är kunskapsbasen. Det representeras som KB. Kunskapsbasen är en grupp av meningarna (här används meningar som en teknisk term och inte identisk med det engelska språket).

Kunskap: Kunskap är medvetenhet eller förtrogenhet som erhållits genom erfarenheter av fakta, data och situationer. Följande är typerna av kunskap inom artificiell intelligens:

Typer av kunskap

Följande är de olika typerna av kunskap:

1. Deklarativ kunskap:

• Deklarativ kunskap är att veta om något.
• Det inkluderar begrepp, fakta och objekt.
• Det kallas också beskrivande kunskap och uttrycks i deklarativa meningar.
• Det är enklare än procedurspråk.

2. Procedurkunskaper

• Det är också känt som imperativ kunskap.
• Procedurkunskap är en typ av kunskap som är ansvarig för att veta hur man gör något.
• Den kan appliceras direkt på vilken uppgift som helst.
• Det inkluderar regler, strategier, procedurer, agendor, etc.
• Procedurkunskaper beror på vilken uppgift den kan tillämpas på.

3. Meta-kunskap:

• Kunskap om de andra typerna av kunskap kallas Meta-kunskap.

4. Heuristisk kunskap:

• Heuristisk kunskap representerar kunskap hos vissa experter i ett arkiv eller ämne.
• Heuristisk kunskap är tumregler baserade på tidigare erfarenheter, medvetenhet om tillvägagångssätt och som är bra att arbeta men inte garanterat.

5. Strukturell kunskap:

• Strukturkunskap är grundläggande kunskap för problemlösning.
• Den beskriver relationer mellan olika begrepp som typ av, del av och gruppering av något.
• Den beskriver förhållandet som finns mellan begrepp eller objekt.

Relationen mellan kunskap och intelligens:

Kunskap om verkliga världar spelar en viktig roll för intelligens och samma sak för att skapa artificiell intelligens. Kunskap spelar en viktig roll för att visa intelligent beteende hos AI-agenter. En agent kan bara agera korrekt på en viss indata när han har viss kunskap eller erfarenhet om den inputen.

Låt oss anta att om du träffade någon som talar på ett språk som du inte kan, hur kommer du att kunna agera på det. Samma sak gäller agenternas intelligenta beteende.

Som vi kan se i diagrammet nedan finns det en beslutsfattare som agerar genom att känna av miljön och använda kunskap. Men om kunskapsdelen inte kommer att presenteras då, kan den inte visa intelligent beteende.

AI kunskapscykel:

Ett artificiell intelligenssystem har följande komponenter för att visa intelligent beteende:

• Uppfattning
• Inlärning
• Kunskapsrepresentation och resonemang
• Planera
• Avrättning

Diagrammet ovan visar hur ett AI-system kan interagera med den verkliga världen och vilka komponenter som hjälper det att visa intelligens. AI-systemet har en Perception-komponent genom vilken det hämtar information från sin miljö. Det kan vara visuellt, ljud eller annan form av sensorisk input. Inlärningskomponenten är ansvarig för att lära sig av data som fångats in av Perception comportment. I hela cykeln är huvudkomponenterna kunskapsrepresentation och resonemang. Dessa två komponenter är involverade i att visa intelligensen hos maskinliknande människor. Dessa två komponenter är oberoende av varandra men också sammankopplade. Planeringen och genomförandet beror på analys av Kunskapsrepresentation och resonemang.

Tillvägagångssätt för kunskapsrepresentation:

Det finns huvudsakligen fyra metoder för kunskapsrepresentation, som ges nedan:

1. Enkel relationell kunskap:

• Det är det enklaste sättet att lagra fakta som använder den relationella metoden, och varje fakta om en uppsättning av objektet anges systematiskt i kolumner.
• Detta tillvägagångssätt för kunskapsrepresentation är känt i databassystem där relationen mellan olika enheter är representerad.
• Detta tillvägagångssätt har små möjligheter att dra slutsatser.

Exempel: Följande är den enkla relationella kunskapsrepresentationen.

2. Ärftlig kunskap:

• I den ärftliga kunskapsmetoden måste all data lagras i en hierarki av klasser.
• Alla klasser bör ordnas i en generaliserad form eller ett hierarkiskt sätt.
• I detta tillvägagångssätt tillämpar vi arvsegendom.
• Element ärver värden från andra medlemmar i en klass.
• Detta tillvägagångssätt innehåller ärftlig kunskap som visar en relation mellan instans och klass, och det kallas instansrelation.
• Varje enskild ram kan representera samlingen av attribut och dess värde.
• I detta tillvägagångssätt representeras objekt och värden i boxade noder.
• Vi använder pilar som pekar från objekt till deras värden.
Exempel:

3. Inferentiell kunskap:

• Inferentiell kunskapsmetod representerar kunskap i form av formella logiker.
• Detta tillvägagångssätt kan användas för att härleda mer fakta.
• Det garanterade korrekthet.
Exempel:Låt oss anta att det finns två påståenden:
1. Marcus är en man
2. Alla män är dödliga
   Då kan det representera som;
   
   man (Marcus)
   ∀x = människa (x) ----------> dödlig (x)s

4. Procedurkunskaper:

• Procedurkunskapsmetod använder små program och koder som beskriver hur man gör specifika saker och hur man går tillväga.
• I detta tillvägagångssätt används en viktig regel som är Om-Då härska .
• I denna kunskap kan vi använda olika kodningsspråk som t.ex LISP språk och Prologspråk .
• Vi kan enkelt representera heuristisk eller domänspecifik kunskap med detta tillvägagångssätt.
• Men det är inte nödvändigt att vi kan representera alla fall i detta tillvägagångssätt.

Krav på kunskap Representationssystem:

Ett bra kunskapsrepresentationssystem måste ha följande egenskaper.

1. Representationsprecision:
KR-systemet ska ha förmågan att representera alla typer av erforderlig kunskap.2. Slutsatstillräcklighet:
KR-systemet bör ha förmåga att manipulera representationsstrukturerna för att producera ny kunskap motsvarande befintlig struktur.3. Slutledningseffektivitet:
Förmågan att styra den inferentiella kunskapsmekanismen i de mest produktiva riktningarna genom att lagra lämpliga guider.4. Förvärvseffektivitet-Förmågan att enkelt skaffa den nya kunskapen med hjälp av automatiska metoder.