इस तरह की जटिल अवधारणाएं जैसे "सोच" और "चेतना", और इससे भी अधिक आसानी से परिभाषित, जैसे "खुफिया" और "ज्ञान", विभिन्न प्रोफाइल के विशेषज्ञों के बीच (उदाहरण के लिए, सिस्टम विश्लेषण, कंप्यूटर विज्ञान, न्यूरोसाइकोलॉजी), मनोविज्ञान, दर्शन, आदि) महत्वपूर्ण रूप से भिन्न हो सकते हैं।
ज्ञान का पूर्ण, पर्याप्त प्रतिनिधित्व, जिसे लोगों और मशीनों दोनों द्वारा समान रूप से स्पष्ट रूप से माना जाता है, आधुनिक सूचना विनिमय की मुख्य समस्या है। इस तरह की सूचनाओं का आदान-प्रदान अवधारणाओं और संबंधों की एक प्रणाली पर आधारित होता है जो ज्ञान का निर्माण करते हैं।
ज्ञान का वर्गीकरण
उन्हें कई श्रेणियों में वर्गीकृत किया जा सकता है: वैचारिक, रचनात्मक, प्रक्रियात्मक, तथ्यात्मक और मेटा-नॉलेज।
- वैचारिक ज्ञान विशिष्ट अवधारणाओं का एक समूह है जिसका उपयोग समस्याओं को हल करने में किया जाता है। वे अक्सर मौलिक विज्ञान और विज्ञान के सैद्धांतिक क्षेत्रों में उपयोग किए जाते हैं। वास्तव में, वैचारिक ज्ञान विज्ञान के वैचारिक तंत्र का निर्माण करता है।
- रचनात्मक ज्ञान - संरचनाओं, प्रणालियों और उप-प्रणालियों के सेट, साथ हीउनके बीच बातचीत। प्रौद्योगिकी में सक्रिय रूप से उपयोग किया जाता है।
- प्रक्रियात्मक ज्ञान व्यावहारिक विज्ञान में सबसे अधिक उपयोग की जाने वाली विधियाँ और एल्गोरिदम है।
- तथ्यात्मक ज्ञान मात्रात्मक और गुणात्मक दोनों वस्तुओं और घटनाओं की विशेषता है। प्रायोगिक विज्ञानों में सबसे अधिक प्रयोग किया जाता है।
- मेटानॉलेज ज्ञान, उसके संगठन की प्रणाली, उसकी इंजीनियरिंग, और उसके आवेदन के क्रम और नियमों के बारे में कोई भी ज्ञान है।
ज्ञान संगठन
ज्ञान संगठन प्रणाली संदेशों के रूप में जानकारी प्रदान करने की प्रक्रिया है जो परिचित (मौखिक और लिखित भाषण, चित्र, आदि) और असामान्य (सूत्र, मानचित्र वस्तुएं, रेडियो तरंगें, आदि) हो सकती हैं।
एक ज्ञान संगठन प्रणाली को समझने योग्य और सफल होने के लिए, नियमों की एक समझने योग्य और रचनात्मक प्रणाली का उपयोग करना आवश्यक है जिसके अनुसार ज्ञान को प्रस्तुत और माना जाएगा। ऐसा करने के लिए व्यक्ति भाषा और लेखन का प्रयोग करता है।
भाषा
भाषा इस तथ्य के कारण प्रकट और विकसित हुई कि लोगों द्वारा संचित ज्ञान को लगातार प्रस्तुत करने, व्यक्त करने, संग्रहीत करने और आदान-प्रदान करने की आवश्यकता होती है। एक विचार जिसे औपचारिक संरचना (भाषा, छवि) द्वारा व्यक्त नहीं किया जा सकता है वह सूचना विनिमय का हिस्सा बनने का अवसर खो देता है। यही कारण है कि मानव जाति के पूरे इतिहास में, भाषा ज्ञान प्रतिनिधित्व का सबसे प्रभावी रूप रही है।
भाषा जितनी समृद्ध होती है, उतना ही अधिक ज्ञान व्यक्त करती है, लोगों की संस्कृति को समृद्ध बनाती है, जो बदले में, आपको ज्ञान को व्यवस्थित करने की अधिक से अधिक प्रभावी प्रणाली विकसित करने की अनुमति देती है।
भाषाविज्ञान
भाषा को ज्ञान प्रतिनिधित्व के रूप में उपयोग करने में मुख्य समस्या शब्दों और वाक्यों का अस्पष्ट अर्थपूर्ण अर्थ है। इसीलिए विज्ञान की भाषा ज्ञान की औपचारिकता में एक विशेष भूमिका निभाती है।
विज्ञान की भाषा का मुख्य उद्देश्य अभिव्यक्ति के रूपों को टाइप और मानकीकृत करना, ज्ञान का संपीडन और भंडारण करना है। ज्ञान की एक विशिष्ट, मानक प्रस्तुति की मदद से, कोई भी भाषा के बहुरूपी या अर्थ संबंधी अस्पष्टता से छुटकारा पा सकता है।
क्या, भाषा के विकास की प्राकृतिक परिस्थितियों में, भाषा को समृद्ध (अभिव्यक्तियों का बहुरूपी) बनाता है, ज्ञान के आदान-प्रदान की प्रक्रिया में बाधा बन जाता है, जिससे गलतफहमी, शब्दार्थ शोर और सूचना की अस्पष्ट धारणा का खतरा बढ़ जाता है।
ज्ञान का वर्गीकरण
ज्ञान औपचारिकता के मुख्य तरीकों में से एक वर्गीकरण है। यह एक निश्चित वर्ग के अनुसार समूहों में ज्ञान का वितरण है। अर्थात्, केवल वही जानकारी जो वर्ग के अनुरूप कुछ मानदंडों को पूरा करती है, ज्ञान के एक निश्चित वर्ग में आती है।
वर्गीकरण वैज्ञानिक पद्धति की एक विशेष रूप से महत्वपूर्ण विधि है, जो वैज्ञानिक दिशा के बुनियादी ज्ञान के गठन के पहले चरण में अपरिहार्य है। उदाहरण के लिए, बिना वर्गीकरण के कंप्यूटर विज्ञान में कोई समानता नहीं है जो आपको तुलना, खोज और वर्गीकरण जैसे महत्वपूर्ण कार्यों को हल करने की अनुमति देती है। विज्ञान में वर्गीकरण के बिना, हमारे पास आवर्त सारणी जैसी अनूठी और अमूल्य डेटा संगठन प्रणाली नहीं होती।
ज्ञान प्रतिनिधित्व मॉडल
आवर्त सारणी, रैंक की तालिका, आपराधिक संहिता, परिवार के पेड़ और अन्य वर्गीकरण प्रणाली ज्ञान प्रतिनिधित्व के मॉडल हैं। ये औपचारिक संरचनाएं हैं जो कुछ ज्ञान को जोड़ती हैं: तथ्य, घटनाएं, अवधारणाएं, प्रक्रियाएं, वस्तुएं, संबंध।
कंप्यूटर द्वारा किसी विशेष विषय क्षेत्र के बारे में ज्ञान को समझने और संसाधित करने के लिए, इस ज्ञान को एक निश्चित, औपचारिक रूप में प्रस्तुत किया जाना चाहिए। उद्देश्य के आधार पर, कंप्यूटर द्वारा ज्ञान का प्रसंस्करण एक एल्गोरिथम पर निर्मित मॉडल के अनुसार होता है। तदनुसार, मॉडल में प्रस्तुत ज्ञान इसे संसाधित करने के लिए एल्गोरिथम पर निर्भर करता है।
विशेषज्ञ प्रणालियों में ज्ञान प्रतिनिधित्व के कई मॉडल हैं। मुख्य हैं उत्पादन, फ्रेम, नेटवर्क और तार्किक।
मॉडल का वर्गीकरण
उपरोक्त सूचीबद्ध ज्ञान प्रतिनिधित्व मॉडल, जिनमें से उदाहरण अनुसरण करते हैं, हालांकि व्यापक हैं, केवल एक से बहुत दूर हैं। आज, ऐसे कई मॉडल हैं जो वैधता, उनके निर्माण के दृष्टिकोण और संगठन के सिद्धांतों के संदर्भ में एक दूसरे से भिन्न हैं।
उदाहरण के लिए, नीचे दी गई तालिका ज्ञान प्रतिनिधित्व मॉडल के प्रकार, उनके विभाजन को अनुभवजन्य और सैद्धांतिक, साथ ही आगे उपखंड दिखाती है।
| अनुभवजन्य मॉडल | सैद्धांतिक मॉडल |
| उत्पादन मॉडल | तार्किक मॉडल |
| नेटवर्क मॉडल | औपचारिक व्याकरण |
| फ्रेम मॉडल | संयुक्त मॉडल |
| लेनेमी | बीजीय मॉडल |
| तंत्रिका नेटवर्क | |
| जेनेटिक एल्गोरिदम |
अनुभवजन्य मॉडलिंग
संगठन के अनुभवजन्य मॉडल और ज्ञान का प्रतिनिधित्व एक व्यक्ति को एक उदाहरण के रूप में लेते हैं और उसकी स्मृति, चेतना और निर्णय लेने और समस्या-समाधान तंत्र के संगठन को मूर्त रूप देने का प्रयास करते हैं। अनुभवजन्य मॉडलिंग किसी भी प्रकार के मॉडल को संदर्भित करता है जो गणितीय रूप से वर्णित और मॉडलिंग किए जा सकने वाले संबंधों के बजाय अनुभवजन्य अवलोकनों के आधार पर बनाया गया है।
अनुभवजन्य मॉडलिंग ज्ञान प्रतिनिधित्व मॉडल के लिए एक सामान्य शब्द है जो टिप्पणियों और प्रयोगों के आधार पर बनाया जाता है।
एक अनुभवजन्य मॉडल एक सरल अर्थ सिद्धांत के अनुसार संचालित होता है: निर्माता मॉडल और उसके संदर्भ की बातचीत को देखता है। प्राप्त जानकारी का प्रसंस्करण विश्लेषणात्मक सूत्रों, कारण संबंधों से लेकर परीक्षण और त्रुटि तक कई तरह से "अनुभवजन्य" हो सकता है।
ज्ञान प्रतिनिधित्व के उत्पादन मॉडल
यह डेटा प्रतिनिधित्व मॉडल अक्सर संबंधों और कार्य-कारण पर आधारित होता है। यदि जानकारी को "अगर, फिर" प्रकार की शर्तों के रूप में दर्शाया जा सकता है, तो मॉडल उत्पादन है। यह अक्सर अनुप्रयोगों और सरल कृत्रिम में उपयोग किया जाता हैबुद्धि।
ज्ञान प्रतिनिधित्व उत्पादन मॉडल अक्सर कंप्यूटर प्रोग्राम होते हैं जो व्यवहार के नियमों के एक सेट के साथ-साथ कुछ शर्तों के तहत इन नियमों का पालन करने के लिए आवश्यक तंत्र के साथ कृत्रिम बुद्धि के कुछ रूप प्रदान करते हैं।
उत्पादन (नियमों का एक सेट) में दो भाग होते हैं: एक पूर्व शर्त ("IF") और एक क्रिया ("THEN")। यदि उत्पादन पूर्व शर्त दुनिया की वर्तमान स्थिति से मेल खाती है, तो मॉडल चलता है। उत्पादन मॉडल में एक डेटाबेस भी होता है, जिसे कभी-कभी कार्यशील मेमोरी के रूप में संदर्भित किया जाता है, जिसमें वर्तमान ज्ञान होता है।
उत्पादन मॉडल का नुकसान यह है कि यदि नियमों की संख्या बहुत बड़ी है, तो मॉडल की क्रियाएं एक दूसरे के विपरीत हो सकती हैं।
सिमेंटिक नेटवर्क
वे छवि की अखंडता पर आधारित हैं और ज्ञान प्रतिनिधित्व के सबसे दृश्य मॉडल हैं। सिमेंटिक नेटवर्क को अक्सर एक ग्राफ या एक जटिल ग्राफ संरचना के रूप में दर्शाया जाता है, जिसके नोड्स या कोने वस्तुओं, अवधारणाओं, घटनाओं का प्रतिनिधित्व करते हैं, और किनारे कुछ वस्तुओं, अवधारणाओं और घटनाओं के बीच संबंधों का प्रतिनिधित्व करते हैं।
सबसे सरल सिमेंटिक नेटवर्क को आसानी से एक त्रिभुज के रूप में दर्शाया जा सकता है, जिसके कोने "कुत्ता", "स्तनपायी" और "रीढ़" जैसी अवधारणाएँ हैं। इस मामले में, कोने त्रिभुज के पक्षों को जोड़ देंगे, जिसे ऐसे कनेक्शन और संबंधों द्वारा "है", "पास", "है" के रूप में दर्शाया जा सकता है। इस तरह हमें एक ज्ञान प्रतिनिधित्व मॉडल मिलता है जिससे हम सीखते हैं,कि एक कुत्ता एक स्तनपायी है, स्तनधारियों के पास एक रीढ़ की हड्डी होती है, और एक कुत्ते के पास एक रीढ़ की हड्डी होती है।
ऐसे मॉडल उदाहरण हैं, और उनकी मदद से आप सबसे प्रभावी रूप से जटिल प्रणालियों और कारण संबंधों का प्रतिनिधित्व कर सकते हैं। इसके अलावा, इन सिमेंटिक नेटवर्क को मौजूदा नेटवर्क का विस्तार करके नए ज्ञान के साथ पूरक किया जा सकता है, अर्थात, एक त्रिकोण को एक आयत में, फिर एक षट्भुज में और फिर एक जटिल आकार के एक जटिल नेटवर्क में बदला जा सकता है, जिसमें कोई भी देख सकता है, उदाहरण के लिए, गुणों की विरासत।
फ्रेम मॉडल
फ्रेम मॉडल का नाम अंग्रेजी शब्द फ्रेम - फ्रेम या फ्रेम से लिया गया है। एक फ्रेम एक संरचना है जो एक विशेष अवधारणा का प्रतिनिधित्व करने के लिए इस्तेमाल किया गया डेटा एकत्र करता है।
समाजशास्त्र की तरह, जहां फ़्रेम एक प्रकार का स्टीरियोटाइप डेटा है जो दुनिया की मानवीय धारणा और निर्णय लेने की प्रक्रिया को प्रभावित करता है, कंप्यूटर विज्ञान में और कृत्रिम बुद्धिमत्ता के साथ काम करने के लिए फ़्रेम का उपयोग संरचित डेटा बनाने के लिए किया जाता है जो प्रतिनिधित्व करता है रूढ़िवादी स्थितियां। वास्तव में, यह प्रारंभिक, बुनियादी डेटा प्रणाली है जिस पर कृत्रिम बुद्धि द्वारा दुनिया की धारणा निर्मित होती है।
ज्ञान प्रतिनिधित्व के प्रभावी मॉडल होने के अलावा, फ्रेम न केवल कंप्यूटर विज्ञान में सक्रिय हैं। वे मूल रूप से सिमेंटिक नेटवर्क का एक रूपांतर थे।
एक फ्रेम में एक या अधिक स्लॉट होते हैं। बदले में, स्लॉट स्वयं फ्रेम हो सकते हैं। इस प्रकार, फ्रेम मॉडल एक विस्तृत पदानुक्रमित श्रृंखला बनाते हुए जटिल वैचारिक वस्तुओं का प्रतिनिधित्व करने में सक्षम है।ज्ञान।
नॉलेज रिप्रेजेंटेशन फ्रेम मॉडल में इस बारे में जानकारी होती है कि किसी फ्रेम का उपयोग कैसे किया जाए, इसके उपयोग के दौरान और बाद में क्या उम्मीद की जाए और जब फ्रेम का उपयोग करने की अपेक्षाएं पूरी न हों तो क्या करें।
फ़्रेम मॉडल में कुछ प्रकार के डेटा फिक्स होते हैं, जबकि अन्य डेटा, जो आमतौर पर टर्मिनल स्लॉट में संग्रहीत होते हैं, बदल सकते हैं। टर्मिनल स्लॉट को अक्सर चर के रूप में माना जाता है। शीर्ष-स्तरीय स्लॉट और फ़्रेम स्थिति के बारे में जानकारी रखते हैं, जो हमेशा सत्य होता है, लेकिन टर्मिनल स्लॉट का सत्य होना आवश्यक नहीं है।
एक जटिल नेटवर्क के फ्रेम एक ही नेटवर्क के अन्य फ्रेम के स्लॉट साझा कर सकते हैं।
डेटाबेस प्रोटोटाइप फ्रेम (अपरिवर्तनीय) और इंस्टेंस फ्रेम को स्टोर कर सकता है जो किसी विशेष स्थिति या अवधारणा का प्रतिनिधित्व करने के लिए स्थितिजन्य रूप से बनाए जाते हैं।
ज्ञान प्रतिनिधित्व के फ्रेम मॉडल सबसे बहुमुखी और विभिन्न प्रकार के ज्ञान को प्रदर्शित करने में सक्षम हैं:
- फ्रेम संरचनाओं का उपयोग अवधारणाओं और वस्तुओं का प्रतिनिधित्व करने के लिए किया जाता है;
- फ्रेम भूमिकाएं भूमिका जिम्मेदारियों को दर्शाती हैं;
- फ्रेम स्क्रिप्ट व्यवहार का वर्णन करती हैं;
- फ्रेम स्थितियों का उपयोग राज्य और गतिविधियों का प्रतिनिधित्व करने के लिए किया जाता है।
तंत्रिका नेटवर्क
इन एल्गोरिदम को ज्ञान के अनुभवजन्य दृष्टिकोण के आधार पर मॉडल के समूह में सशर्त रूप से जोड़ा जा सकता है। वास्तव में, तंत्रिका नेटवर्क मानव मस्तिष्क में होने वाली प्रक्रियाओं की नकल करने की कोशिश कर रहे हैं। वे इस सिद्धांत पर आधारित हैं कि समान संरचनाओं वाली एक कृत्रिम बुद्धि प्रणाली औरप्रक्रियाएँ, मानव मस्तिष्क की तरह, निर्णय लेने की प्रक्रिया, स्थितियों के मूल्यांकन और वास्तविकता की धारणा में समान परिणाम प्राप्त करने में सक्षम होंगी।
सैद्धांतिक रूप से सही दृष्टिकोण
ज्ञान प्रतिनिधित्व के गणितीय, विधेय और तार्किक मॉडल इस दृष्टिकोण पर आधारित हैं। ये मॉडल सही निर्णय की गारंटी देते हैं क्योंकि वे औपचारिक तर्क पर आधारित होते हैं। वे एक संकीर्ण विषय क्षेत्र से साधारण समस्याओं को हल करने के लिए उपयुक्त हैं, जो अक्सर औपचारिक तर्क से जुड़े होते हैं।
ज्ञान प्रतिनिधित्व के तार्किक मॉडल
सैद्धांतिक दृष्टिकोण पर आधारित यह सबसे लोकप्रिय मॉडलों में से एक है। तार्किक मॉडल विधेय बीजगणित, इसकी स्वयंसिद्ध प्रणाली और अनुमान नियमों का उपयोग करता है। सबसे आम तार्किक मॉडल शब्दों का उपयोग करते हैं - तार्किक स्थिरांक, कार्य और चर, साथ ही विधेय, यानी तार्किक क्रियाओं की अभिव्यक्ति।
