Els humans són els millors per entendre, raonar i interpretar el coneixement. L'ésser humà sap coses, que és coneixement i segons el seu coneixement realitzen diverses accions en el món real. Però com fan totes aquestes coses les màquines depèn de la representació i el raonament del coneixement . Per tant, podem descriure la representació del coneixement de la següent manera:

• La representació i el raonament del coneixement (KR, KRR) és la part de la intel·ligència artificial que s'ocupa del pensament dels agents d'IA i de com el pensament contribueix al comportament intel·ligent dels agents.
• És responsable de representar la informació sobre el món real perquè un ordinador pugui entendre i utilitzar aquest coneixement per resoldre problemes complexos del món real, com ara el diagnòstic d'una afecció mèdica o la comunicació amb humans en llenguatge natural.
• També és una manera que descriu com podem representar el coneixement en intel·ligència artificial. La representació del coneixement no és només emmagatzemar dades en alguna base de dades, sinó que també permet que una màquina intel·ligent aprengui d'aquests coneixements i experiències perquè es pugui comportar de manera intel·ligent com un humà.

Què representar:

El següent és el tipus de coneixement que cal representar en els sistemes d'IA:

Objecte:Tots els fets sobre els objectes del nostre domini mundial. Per exemple, les guitarres conté cordes, les trompetes són instruments de metall.Esdeveniments:Els esdeveniments són les accions que es produeixen al nostre món.Rendiment:Descriu un comportament que implica coneixement sobre com fer les coses.Metaconeixement:És coneixement del que sabem.Fets:Els fets són les veritats sobre el món real i el que representem.Base de coneixements:El component central dels agents basats en el coneixement és la base de coneixement. Es representa com a KB. La base de coneixement és un grup de frases (aquí, les frases s'utilitzen com a terme tècnic i no són idèntics a l'idioma anglès).

Coneixement: El coneixement és la consciència o familiaritat adquirida per experiències de fets, dades i situacions. A continuació es mostren els tipus de coneixement en intel·ligència artificial:

Tipus de coneixement

A continuació es mostren els diferents tipus de coneixement:

1. Coneixement declaratiu:

• El coneixement declaratiu és saber sobre alguna cosa.
• Inclou conceptes, fets i objectes.
• També s'anomena coneixement descriptiu i s'expressa en frases declaratives.
• És més senzill que el llenguatge procedimental.

2. Coneixements procedimentals

• També es coneix com a coneixement imperatiu.
• El coneixement procedimental és un tipus de coneixement que s'encarrega de saber fer alguna cosa.
• Es pot aplicar directament a qualsevol tasca.
• Inclou normes, estratègies, procediments, agendes, etc.
• El coneixement procedimental depèn de la tasca a la qual es pot aplicar.

3. Metaconeixement:

• El coneixement sobre els altres tipus de coneixement s'anomena metaconeixement.

4. Coneixement heurístic:

• El coneixement heurístic representa el coneixement d'alguns experts en una assignatura o arxivada.
• Els coneixements heurístics són regles generals basades en experiències prèvies, consciència dels enfocaments i que són bones per treballar però no estan garantides.

5. Coneixements estructurals:

text d'ajustament css

• El coneixement estructural és el coneixement bàsic per a la resolució de problemes.
• Descriu les relacions entre diversos conceptes, com ara tipus, part i agrupació d'alguna cosa.
• Descriu la relació que hi ha entre conceptes o objectes.

Relació entre coneixement i intel·ligència:

El coneixement del món real té un paper vital en la intel·ligència i el mateix per crear intel·ligència artificial. El coneixement té un paper important a l'hora de demostrar un comportament intel·ligent en agents d'IA. Un agent només és capaç d'actuar amb precisió sobre alguna entrada quan té algun coneixement o experiència sobre aquesta entrada.

Suposem que si coneixeu una persona que parla en un idioma que no coneixeu, com podreu actuar en aquest sentit. El mateix passa amb el comportament intel·ligent dels agents.

Com podem veure en el diagrama següent, hi ha un responsable de decisions que actua detectant l'entorn i utilitzant el coneixement. Però si la part de coneixement no es presenta llavors, no pot mostrar un comportament intel·ligent.

Cicle de coneixement de la IA:

Un sistema d'intel·ligència artificial té els components següents per mostrar un comportament intel·ligent:

• Percepció
• Aprenentatge
• Representació i raonament del coneixement
• Planificació
• Execució

El diagrama anterior mostra com un sistema d'IA pot interactuar amb el món real i quins components l'ajuden a mostrar intel·ligència. El sistema d'IA té un component de percepció pel qual recupera informació del seu entorn. Pot ser visual, àudio o una altra forma d'entrada sensorial. El component d'aprenentatge és responsable d'aprendre a partir de les dades capturades pel comportament de percepció. En el cicle complet, els components principals són la representació del coneixement i el raonament. Aquests dos components estan implicats en mostrar la intel·ligència en humans semblants a una màquina. Aquests dos components són independents entre si, però també estan acoblats entre si. La planificació i l'execució depenen de l'anàlisi de la representació i el raonament del coneixement.

Aproximacions a la representació del coneixement:

Hi ha principalment quatre enfocaments per a la representació del coneixement, que es presenten a continuació:

1. Coneixement relacional simple:

• És la forma més senzilla d'emmagatzemar fets que utilitza el mètode relacional, i cada fet sobre un conjunt de l'objecte s'exposa sistemàticament en columnes.
• Aquest enfocament de la representació del coneixement és famós en els sistemes de bases de dades on es representa la relació entre diferents entitats.
• Aquest enfocament té poques oportunitats d'inferència.

Exemple: La següent és la representació simple del coneixement relacional.

2. Coneixements hereditaris:

• En l'enfocament del coneixement heretable, totes les dades s'han d'emmagatzemar en una jerarquia de classes.
• Totes les classes s'han d'organitzar de manera generalitzada o jeràrquica.
• En aquest enfocament, apliquem propietats d'herència.
• Els elements hereten valors d'altres membres d'una classe.
• Aquest enfocament conté coneixement heretable que mostra una relació entre instància i classe, i s'anomena relació instància.
• Cada marc individual pot representar la col·lecció d'atributs i el seu valor.
• En aquest enfocament, els objectes i els valors es representen en nodes en caixa.
• Utilitzem fletxes que apunten des dels objectes als seus valors.
Exemple:

3. Coneixement inferencial:

• L'enfocament del coneixement inferencial representa el coneixement en forma de lògiques formals.
• Aquest enfocament es pot utilitzar per obtenir més fets.
• Garantia la correcció.
Exemple:Suposem que hi ha dues afirmacions:
1. En Marcus és un home
2. Tots els homes són mortals
   Aleshores pot representar com;
   
   home (Marcus)
   ∀x = home (x) ----------> mortal (x)s

4. Coneixements procedimentals:

• L'enfocament del coneixement procedimental utilitza petits programes i codis que descriuen com fer coses específiques i com procedir.
• En aquest enfocament, s'utilitza una regla important que és Si-Llavors governa .
• En aquest coneixement, podem utilitzar diversos llenguatges de codificació com ara Llenguatge LISP i Llenguatge pròleg .
• Podem representar fàcilment coneixement heurístic o específic del domini mitjançant aquest enfocament.
• Però no cal que puguem representar tots els casos en aquest plantejament.

Requisits del sistema de representació del coneixement:

Un bon sistema de representació del coneixement ha de tenir les propietats següents.

1. Exactitud de representació:
El sistema KR ha de tenir la capacitat de representar tot tipus de coneixement requerit.2. Adequació inferencial:
El sistema KR hauria de tenir la capacitat de manipular les estructures de representació per produir nous coneixements corresponents a l'estructura existent.3. Eficiència inferencial:
La capacitat de dirigir el mecanisme de coneixement inferencial cap a les direccions més productives emmagatzemant les guies adequades.4. Eficiència adquisitiva-La capacitat d'adquirir els nous coneixements amb facilitat mitjançant mètodes automàtics.