Podaci
Informacije
Operacije sa podacima
Tokom procesa informacija, podaci se pretvaraju iz jedne vrste u drugu. Razvojem naučnog i tehnološkog napretka i općim usložnjavanjem veza u ljudskom društvu, troškovi rada za obradu podataka stalno rastu (stalno usložnjavanje uslova upravljanja proizvodnjom i društvom + brz tempo pojave i implementacije novih nosilaca / skladištenje podataka - povećanje obima podataka).
1. Kolekcija- gomilanje podataka kako bi se obezbijedila dovoljna potpunost informacija za donošenje odluke;
2. Formalizacija- dovođenje podataka iz različitih izvora u isti oblik kako bi bili međusobno uporedivi, odnosno kako bi se povećao nivo njihove dostupnosti;
3. Filtracija- skrining "nepotrebnih" podataka, koji nisu neophodni za donošenje odluka; istovremeno bi se trebao smanjiti nivo „buke“, a povećala bi se pouzdanost i adekvatnost podataka;
4. Sortiranje- poređanje podataka prema datom kriterijumu radi lakšeg korišćenja; povećava dostupnost informacija;
5. Grupisanje- kombinovanje podataka na datoj osnovi u cilju poboljšanja upotrebljivosti; povećava dostupnost informacija;
6. Arhiviranje- organizacija skladištenja podataka u prikladnom i lako dostupnom obliku; služi za smanjenje ekonomskih troškova skladištenja podataka i povećava ukupnu pouzdanost informacionog procesa u cjelini;
7. Zaštita- skup mjera usmjerenih na sprječavanje gubitka, reprodukcije i modifikacije podataka;
8. Transport- prijem i prenos (isporuka i dostava) podataka između udaljenih učesnika u informacionom procesu; izvor podataka u informatici se obično naziva server, a potrošač se naziva klijent;
9. Transformacija- prijenos podataka iz jednog oblika u drugi ili iz jedne strukture u drugu. Primjer: promjena tipa medija; knjige - papir, elektronski oblik, mikrofilm. Potreba za višestrukim transformacijama podataka javlja se i prilikom njihovog transporta, posebno ako se vrši sredstvima koja nisu namijenjena za transport ove vrste podataka.
2. Odnos između pojmova "informacija, podaci, znanje". Dikw model
Ne postoje univerzalne definicije.
Znanje- u teoriji vještačke inteligencije i ekspertnih sistema - skup informacija i pravila zaključivanja (od pojedinca, društva ili AI sistema) o svijetu, svojstvima objekata, obrascima procesa i pojava, kao i pravila za korištenje njih za donošenje odluka. Osnovna razlika između znanja i podataka leži u njihovoj strukturi i aktivnosti; pojava novih činjenica u bazi podataka ili uspostavljanje novih veza može postati izvor promjena u donošenju odluka.
Podaci je zbirka informacija snimljenih na određenom mediju u obliku pogodnom za trajno skladištenje, prijenos i obradu. Transformacija i obrada podataka daje informacije.
Informacije je rezultat transformacije i analize podataka. Razlika između informacije i podataka je u tome što su podaci fiksne informacije o događajima i pojavama koje su pohranjene na određenim medijima, a informacije se pojavljuju kao rezultat obrade podataka u rješavanju konkretnih problema. Na primjer, baze podataka pohranjuju različite podatke, a na određeni zahtjev sistem za upravljanje bazom podataka daje potrebne informacije.
Da riješim problem podaci obrađene na osnovu raspoloživog znanja, informacije analizirano korišćenjem znanja. Na osnovu analize predlažu se rješenja, prihvataju najbolje i dopunjuju znanje.
Odlučivanje se vrši na osnovu dobijenih informacija i raspoloživog znanja. Donošenje odluka- ovo je izbor najbolje, u izvesnom smislu, opcije rešenja iz skupa dozvoljenih na osnovu dostupnih informacija.
DIKW (engleski podaci, informacija, znanje, mudrost - podaci, informacija, znanje, mudrost) je hijerarhija informacija, gdje svaki nivo dodaje određena svojstva prethodnom nivou.
Sam model vuče porijeklo od djela filozofa Mortimera Adlera, ali ga je prvi put u primjeni na teoriju upravljanja znanjem formalizirao Nicolas Henri. Kao dodatak 1989. godine, Russell Ackoff je predložio proširenje ovog modela sa slojem "razumijevanja": razumijevanje zahtijeva analizu i predodređenje, stavljajući ga na taj način između znanja i mudrosti. Što se tiče vremenske distribucije slojeva, on ukazuje na kratkoću životnog ciklusa informacija u poređenju sa životnim ciklusom znanja; razumijevanje se smatra nestalnim, a mudrost se smatra konstantnom
Na dnu je sloj podataka.
Informacija dodaje kontekst.
Znanje dodaje "kako" (mehanizam upotrebe)
Mudrost dodaje "kada" (uslovi korištenja)
Podaci i informacije se često identificiraju, ali postoji značajna razlika između ova dva pojma:
● Informacije- znanja o pojmovima i objektima (činjenicama, događajima, stvarima, procesima, idejama) u ljudskom mozgu;
● Podaci- prezentacija obrađenih informacija pogodnih za prenos, tumačenje ili obradu (računarski fajlovi, papirna dokumenta, zapisi u informacionom sistemu).
Razlika između informacija i podataka je u tome što:
1) podaci su fiksne informacije o događajima i pojavama koje se čuvaju na određenim medijima, a informacije se pojavljuju kao rezultat obrade podataka prilikom rješavanja konkretnih problema.
Na primjer, baze podataka pohranjuju različite podatke, a na određeni zahtjev sistem za upravljanje bazom podataka daje potrebne informacije.
2) podaci su mediji, a ne sama informacija.
3) Podaci se pretvaraju u informaciju samo kada je osoba zainteresovana za njih. Osoba izvlači informacije iz podataka, procjenjuje ih, analizira i na osnovu rezultata analize donosi jednu ili drugu odluku.
Podaci se pretvaraju u informacije na nekoliko načina:
Kontekstualizacija: znamo čemu služe ovi podaci;
Brojanje: podatke obrađujemo matematički;
Ispravka: ispravljamo greške i otklanjamo praznine;
Kompresija: kompresujemo, koncentrišemo, agregiramo podatke.
Dakle, ako je moguće koristiti podatke za smanjenje nesigurnosti znanja o predmetu, onda se podaci pretvaraju u informaciju. Stoga se može tvrditi da su informacije korišteni podaci.
4) Informacije se mogu izmjeriti. Mjera mjerenja sadržaja informacije povezana je sa promjenom stepena neznanja primaoca i zasniva se na metodama teorije informacija.
2. Predmetna oblast- ovo je dio stvarnog svijeta, podatke o kojima želimo da prikažemo u bazi podataka. Predmetno područje je beskonačno i sadrži i bitne koncepte i podatke, i malo ili nimalo podataka. Dakle, važnost podataka zavisi od izbora predmetne oblasti.
Model domene... Model domene je naše znanje o domenu. Znanje može biti i u obliku neformalnog znanja u mozgu stručnjaka, a može se i formalno izraziti na bilo koji način. Iskustvo pokazuje da je tekstualni način predstavljanja modela domene krajnje neefikasan. Opisi predmetne oblasti, napravljeni korišćenjem specijalizovanih grafičkih notacija, mnogo su informativniji i korisniji u razvoju baza podataka. Postoji veliki broj metoda za opisivanje predmetne oblasti. Najpoznatije su SADT metodologija strukturalne analize i IDEF0 zasnovan na njoj, Heine-Sarson dijagrami toka podataka, UML objektno orijentisana metoda analize, itd. Model domena radije opisuje procese koji se dešavaju u domeni i podatke koje ti procesi koriste . Uspjeh daljeg razvoja aplikacije ovisi o tome koliko je pravilno modelirano predmetno područje.
3. Baza podataka- prikazan u objektivnom obliku, skup samostalnih materijala (članci, obračuni, propisi, sudske odluke i drugi slični materijali), sistematizovanih na način da se ovi materijali mogu pronaći i obraditi pomoću elektronskog računara (računara).
Mnogi stručnjaci ističu uobičajenu grešku u korištenju termina „baza podataka“ umjesto pojma „sistem za upravljanje bazom podataka“, te ističu potrebu za razlikovanjem ovih koncepata.
5.1. Razlike između znanja i podataka
Karakteristična karakteristika inteligentnih sistema je dostupnost znanja neophodnih za rješavanje problema u određenoj predmetnoj oblasti. Ovo postavlja prirodno pitanje šta je znanje i po čemu se ono razlikuje od običnih podataka koje obrađuju kompjuteri.
Podatak se naziva informacija stvarne prirode koja opisuje objekte, procese i pojave predmetnog područja, kao i njihova svojstva. U procesima kompjuterske obrade podaci prolaze kroz sljedeće faze transformacije:
Izvorni oblik postojanja podataka (rezultati posmatranja i mjerenja, tabele, priručnici, dijagrami, grafikoni itd.);
Prezentacija na posebnim jezicima opisa podataka namijenjenih unosu i obradi početnih podataka u računalu;
Baze podataka na kompjuterskim medijima.
Znanje je složenija kategorija informacija od podataka. Znanje ne opisuje samo pojedinačne činjenice, već i odnose između njih, pa se znanje ponekad naziva strukturiranim podacima. Do znanja se može doći obradom empirijskih podataka. Oni predstavljaju rezultat mentalne aktivnosti osobe usmjerene na uopštavanje njegovog iskustva stečenog kao rezultat praktične aktivnosti.
Da bi IIS obdarili znanjem, oni moraju biti predstavljeni u određenom obliku. Postoje dva glavna načina prenošenja znanja softverskim sistemima. Prvi je staviti znanje u program napisan na konvencionalnom programskom jeziku. Takav sistem će predstavljati jedan programski kod u kojem znanje nije stavljeno u posebnu kategoriju. Unatoč činjenici da će glavni zadatak biti riješen, u ovom slučaju je teško procijeniti ulogu znanja i razumjeti kako se ono koristi u procesu rješavanja problema. Modifikacija i održavanje ovakvih programa nije lak zadatak, a problem nadopunjavanja znanja može postati nerešiv.
Drugi metod se zasniva na konceptu baza podataka i sastoji se u stavljanju znanja u posebnu kategoriju, tj. znanje se prezentira u određenom formatu i stavlja u bazu znanja. Baza znanja se lako ažurira i mijenja. To je autonoman dio inteligentnog sistema, iako mehanizam zaključivanja implementiran u logičkom bloku, kao i sredstva dijaloga, nameću određena ograničenja strukturi baze znanja i operacijama s njom. Ova metoda je usvojena u modernom IIS-u.
Treba napomenuti da da bi se znanje stavilo u računar, ono mora biti predstavljeno određenim strukturama podataka koje odgovaraju odabranom razvojnom okruženju za inteligentni sistem. Shodno tome, u razvoju IMS-a prvo se akumulira i prezentuje znanje, a u ovoj fazi je obavezno učešće osobe, a zatim se znanje predstavlja određenim strukturama podataka koje su pogodne za skladištenje i obradu u računaru. Znanje u IIS-u postoji u sljedećim oblicima:
Početno znanje (pravila izvedena iz praktičnog iskustva, matematičkih i empirijskih odnosa koji odražavaju međusobne odnose između činjenica; obrasci i trendovi koji opisuju promjenu činjenica tokom vremena; funkcije, dijagrami, grafikoni, itd.);
Opis inicijalnog znanja pomoću odabranog modela reprezentacije znanja (skup logičkih formula ili pravila proizvodnje, semantička mreža, okviri, itd.);
Predstavljanje znanja strukturama podataka koje su namijenjene za pohranu i obradu u računalu;
Baze znanja o mašinskim nosačima podataka.
Šta je znanje? Evo nekih definicija.
Iz eksplanatornog rečnika SI Ožegova: 1) „Znanje je shvatanje stvarnosti svešću, naukom“; 2) "Znanje je skup informacija, znanja u bilo kojoj oblasti."
Definicija pojma "znanje" uključuje uglavnom filozofske elemente. Na primjer, znanje je praktično provjereni rezultat spoznaje stvarnosti, njen ispravan odraz u umu osobe.
Znanje je rezultat koji se dobija poznavanjem okolnog svijeta i njegovih objekata. U najjednostavnijim situacijama, znanje se smatra iskazom činjenica i njihovim opisom.
Istraživači veštačke inteligencije daju konkretnije definicije znanja.
„Znanja su zakonitosti predmetne oblasti (principi, veze, zakoni), stečena kao rezultat praktičnih aktivnosti i profesionalnog iskustva, omogućavajući stručnjacima da postavljaju i rješavaju probleme u ovoj oblasti.“
"Znanje su dobro strukturirani podaci, ili podaci o podacima, ili metapodaci."
"Znanje je formalizirana informacija na koju se upućuje ili se koristi u procesu zaključivanja."
U oblasti AI sistema i inženjeringa znanja, definicija znanja je povezana sa logičkim zaključivanjem: znanje je informacija na osnovu koje se sprovodi proces zaključivanja, tj. na osnovu ovih informacija možete donijeti različite zaključke o podacima dostupnim u sistemu koristeći logičko zaključivanje. Mehanizam zaključivanja vam omogućava da povežete odvojene fragmente, a zatim izvučete zaključke o ovom nizu povezanih fragmenata.
Znanje je formalizovana informacija na koju se upućuje ili koristi u procesu zaključivanja (slika 5.1.).
Rice. 5.1. Proces zaključivanja u IC
Pod znanjem podrazumijevamo skup činjenica i pravila. Koncept pravila koje predstavlja dio znanja je:
Ako<условие>onda<действие>.
Ova definicija je poseban slučaj prethodne definicije.
Međutim, prepoznato je da su distinktivne kvalitativne osobine znanja rezultat njihovih velikih mogućnosti u pravcu strukturiranja i međupovezanosti sastavnih jedinica, njihove interpretabilnosti, prisustva metričkog, funkcionalnog integriteta, aktivnosti.
Postoji mnogo klasifikacija znanja. Klasifikacije se po pravilu koriste za sistematizaciju znanja iz određenih predmetnih oblasti. Na apstraktnom nivou razmatranja možemo govoriti o znakovima prema kojima se znanje dijele, a ne o klasifikacijama. Po svojoj prirodi, znanje se može podijeliti na deklarativno i proceduralno.
Deklarativno znanje je opis činjenica i pojava, fiksira prisustvo ili odsustvo takvih činjenica, a uključuje i opise glavnih veza i obrazaca u koje su te činjenice i pojave uključene.
Proceduralno znanje je opis radnji koje su moguće pri manipulaciji činjenicama i pojavama radi postizanja željenih ciljeva.
Za opisivanje znanja na apstraktnom nivou razvijeni su posebni jezici - jezici za opisivanje znanja. Ovi jezici se također dijele na proceduralne i deklarativne jezike. Svi jezici opisa znanja orijentisani na upotrebu tradicionalnih računara von Neumannove arhitekture su proceduralni jezici. Razvoj deklarativnih jezika, pogodnih za predstavljanje znanja, hitan je problem današnjice.
Prema načinu sticanja znanja, može se podijeliti na činjenice i heuristiku (pravila koja vam omogućavaju da napravite izbor u nedostatku preciznih teorijskih opravdanja). Prva kategorija znanja obično označava okolnosti koje su dobro poznate u datoj predmetnoj oblasti. Druga kategorija znanja zasniva se na sopstvenom iskustvu stručnjaka u radu u određenoj oblasti, akumuliranom kao rezultat višegodišnje prakse.
Prema vrsti reprezentacije znanje se dijeli na činjenice i pravila.Činjenice su znanja tipa "A je A", takva znanja su tipična za baze podataka i mrežne modele. Pravila, ili proizvodi, su znanje tipa "AKO A, ONDA B".
Pored činjenica i pravila, postoji i meta-znanje – znanje o znanju. Oni su neophodni za upravljanje bazom znanja i za efikasnu organizaciju postupaka zaključivanja.
Oblik predstavljanja znanja ima značajan uticaj na karakteristike IIS-a. Baze znanja su modeli ljudskog znanja. Međutim, svo znanje koje osoba privuče u procesu rješavanja složenih problema ne može se modelirati. Stoga je u inteligentnim sistemima potrebno jasno podijeliti znanja na ona koja su dizajnirana da ih obrađuje kompjuter i znanja koja koriste ljudi. Očigledno, da bi se riješili složeni problemi, baza znanja mora imati dovoljno veliki obim, u vezi s tim neminovno nastaju problemi upravljanja takvom bazom. Stoga, prilikom odabira modela predstavljanja znanja, treba uzeti u obzir faktore kao što su homogenost reprezentacije i lakoća razumijevanja. Ujednačenost prezentacije dovodi do pojednostavljenja mehanizma upravljanja znanjem. Lakoća razumijevanja važna je za korisnike inteligentnih sistema i stručnjake, čije je znanje ugrađeno u IMS. Ako je oblik predstavljanja znanja teško razumljiv, onda se procesi sticanja i interpretacije znanja usložnjavaju. Treba napomenuti da je prilično teško istovremeno ispuniti ove zahtjeve, posebno u velikim sistemima, gdje strukturiranje i modularno predstavljanje znanja postaje neizbježan.
Rješavanje problema inženjeringa znanja postavlja problem pretvaranja informacija dobijenih od stručnjaka u obliku činjenica i pravila za njihovu upotrebu u oblik koji se može efikasno implementirati mašinskom obradom ovih informacija. U tu svrhu kreirani su različiti modeli predstavljanja znanja koji se koriste u postojećim sistemima.
Klasični modeli predstavljanja znanja uključuju logičke, proizvodne, okvirne i semantičke mrežne modele.
Svaki model ima svoj jezik za predstavljanje znanja. Međutim, u praksi je rijetko moguće proći okvirom jednog modela pri razvoju IMS-a, izuzev najjednostavnijih slučajeva, pa se predstavljanje znanja pokazuje složenim. Pored kombinovanog predstavljanja korišćenjem različitih modela, obično se koriste posebni alati koji odražavaju karakteristike specifičnog znanja o predmetnoj oblasti, kao i različite načine za otklanjanje i uzimanje u obzir nejasnoće i nepotpunosti znanja.
Podaci i znanje
Informacije
Podaci
Proceduralni deklarativno
Predmetna oblast
Znanje
Logičan zaključak
činjenice Heuristika
mehanizam za povlačenje, logičan zaključak ili izlazna mašina.
interfejs
Baza znanja,
mehanizam za povlačenje,
Korisnički interfejs.
Koncept formalnog sistema
Osnova logičkih modela je koncept formalnog sistema definisanog četvorostrukom M = (T, P, A, F).
Gomila T postoji mnogo osnovnih elemenata različite prirode, na primjer, riječi iz nekog ograničenog vokabulara. Pretpostavlja se da postoji procedura P ( T) provjeravanje pripadnosti proizvoljnog elementa u skupu T.
Gomila P postoji mnogo sintaksnih pravila. Uz njihovu pomoć od elemenata T formiraju sintaktički ispravne izraze, na primjer, sintaktički ispravni izrazi se grade od riječi ograničenog rječnika. Mora postojati procedura P ( R), što omogućava da se utvrdi da li
neki izraz je sintaktički ispravan.
U setu R podskup od A a priori istiniti izrazi (aksiomi). Mora postojati procedura P ( A) provjerava da li bilo koji sintaktički ispravan izraz pripada skupu A.
Gomila F postoji mnogo semantičkih pravila zaključivanja. Primjenjujući ih na elemente A, možete dobiti nove sintaksički ispravne izraze, na koje ponovo možete primijeniti pravila iz F... Ovako skup povučen u ovom formalnom sistemu izražavanja. Ako postoji procedura P ( F), što omogućava da se za bilo koji sintaktički ispravan izraz odredi da li je deducibilan, tada se odgovarajući formalni sistem naziva rješivo.
Za znanje uključeno u bazu znanja, možemo pretpostaviti da je skup A formiraju sve informacijske jedinice unesene u bazu znanja, a uz pomoć pravila zaključivanja iz njih se izvode nove izvedeno znanje... Drugim riječima, formalni sistem je generator novog znanja koje formira skup povučen u ovom sistemu znanje.
Ovaj model je u osnovi konstrukcije mnogih deduktivni IIS... U takvim sistemima baza znanja se opisuje u obliku rečenica i aksioma teorije, a mehanizam zaključivanja implementira pravila za konstruisanje novih rečenica iz postojećih u bazi znanja. Sistem dobija opis problema na jeziku ove teorije u obliku zahteva (rečenice, teoreme), koji nije eksplicitno predstavljen u bazi znanja. Proces motora zaključivanja naziva se dokazom zahtjeva (teorema).
Upotreba logike različitih tipova u konstrukciji sintaktičkih i semantičkih pravila generiše logičke modele različitih tipova.
Propozicioni račun
Propozicioni račun proučava rečenice koje mogu biti istinite ili netačne. Nije svaka rečenica izjava. Na primjer, nema smisla govoriti o istinitosti upitnih rečenica. Rečenice nisu izjave za koje ne postoji konsenzus o tome da li su te rečenice tačne ili netačne. Očigledno, neće se svi složiti s izjavom „matematička logika je fascinantan predmet“.
Rečenica "Padao je snijeg" također nije izjava, jer da bi se sudilo o njenoj istinitosti potrebne su dodatne informacije o tome kada je i gdje padao snijeg.
Kombiniranje rečenica pomoću veza poput "i", "ili","Ako onda ...", možete formirati nove rečenice.
Postoji pet logičkih veza koje se koriste u propozicionom računu: negacija, konjunkcija, disjunkcija, implikacija i ekvivalencija.
Veznik (logički I) je istinit samo ako su oba njegova sastavna iskaza tačna.
Disjunkcija (logična ILI) je netačan samo kada su oba njegova sastavna iskaza lažna.
Implikacija (odgovara paketu " Ako onda ...») Prvi operand se naziva premisa, a drugi zaključak. Implikacija je lažna samo kada je njena premisa tačna, a zaključak lažan.
Logička operacija ekvivalencija odgovara paketu " tada i samo tada". Njegov rezultat je tačno ako su oba iskaza ili istovremeno tačna ili istovremeno netačna.
Logično negacija se izvodi na jednom iskazu. Izjava i njena negacija uvijek imaju suprotne vrijednosti istine.
Simboli koji se koriste za označavanje iskaza se pozivaju atomi.
Ispravno konstruirane formule u propozicionoj logici su rekurzivno definirane na sljedeći način:
1) atom je formula;
2) ako A i B- formule, onda su formule
i Ø A, A Ù B, A Ú B, A ® B, A « B.
Ovdje su snopovi označeni simbolima:
Ú - logično ILI(disjunkcija);
Ù - logično I(veznik);
® - logično TREBA(implikacija);
“- logično EQUIVALENT(ekvivalent);
Ø - logička negacija.
Interpretacija formula se zove dodeljivanje istinite vrednosti svakom atomu uključenom u formulu ( tačno ili Laganje).
Formula koja se sastoji od n različitih atoma, ima 2 n različite interpretacije.
Formula koja je istinita za sve interpretacije se zove opšte važeće(Na primjer, A Ú Ø A).
Poziva se formula koja je lažna u svim interpretacijama kontroverzno(Na primjer, A ÙØ A).
Poziva se formula za koju postoji barem jedno tumačenje za koje je istinita izvodljivo.
Ekvivalentno nazivaju se formule čije se istinite vrijednosti poklapaju za sva tumačenja. Ekvivalentne zamjene se mogu koristiti za transformaciju formula iz jednog oblika u drugi.
Za transformacije formula propozicionog računa koriste se sljedeće ekvivalencije:
1) A Ú Ø A = tačno(tačno);
A Ù Ø A = false(Ležeći);
2) pravilo dvostruke negacije
Ø (Ø A) = A;
3) A ® B = Ø A Ú B;
4) A « B = (A ® B) Ù ( B ® A);
5) zakoni komutativnosti
A Ú B = B Ú A, A Ù B = B Ù A;
6) zakoni asocijativnosti
(A Ú B) Ú C =A Ú ( B Ú C), (A Ù B) Ù C = A Ù ( B Ù C);
7) zakoni distribucije
A Ú ( B Ù C) = (A Ú B) Ù ( A Ú C), A Ù ( B Ú C) = (A Ù B) Ú ( A Ù C);
8) de Morganovi zakoni
Ø( A Ú B) = Ø A Ù Ø B, Ø( A Ù B) = Ø A Ú Ø B;
9) A ® B = Ø B ® Ø A.
Račun predikata
Aparat računa iskaza u mnogim slučajevima ne dozvoljava zadovoljavajući opis predmetne oblasti. Značajan dio predmetnih oblasti može se opisati pomoću predikatskog računa prvog reda. Za to se u obzir uzimaju:
a) konstante koje označavaju pojedinačni objekt ili koncept;
b) varijable koje u različito vrijeme mogu označavati različite objekte;
c) pojmovi, od kojih su najjednostavniji konstante i varijable, au širem slučaju, predstavljeni izrazima tipa, gdje je funkcionalni simbol, a su termini;
d) predikati koji se koriste za predstavljanje odnosa između objekata u određenoj predmetnoj oblasti;
e) kvantifikatori - sredstvo za određivanje kvantitativnih karakteristika predmetne oblasti.
Predikat To je logička funkcija koja uzima samo istinite vrijednosti" tačno" ili " Laganje».
Predikat se sastoji od predikatnog simbola i odgovarajućeg uređenog skupa pojmova koji su njegovi argumenti. Simbol predikata P koristi se za imenovanje odnosa između objekata. Ako ima n argumenti, to se zove n-bed predikatski simbol.
Zapis, koji je najjednostavnija (atomska) formula, znači da je izjava tačna: objekte povezuje P.
Koristeći iste logičke vezive kao u propozicionom računu ( I, ILI, NE, TREBA, EKVIVALENTNO), možete napraviti složenije formule.
Formule koriste kvantifikatore (univerzalnosti) i (postojanja) za definiranje opsega varijabli. Kvantifikatori omogućavaju konstruisanje iskaza o skupu objekata i formulisanje iskaza koji su tačni za ovaj skup.
Formule predikatnog računa (PPF su dobro konstruirane formule) su definirane rekurzivno na sljedeći način:
1. atom je formula;
2.if A i B Da li su formule, onda su formule i
Ø A, A Ù B, A Ú B, A ® B, A « B;
3. ako je - formula, tada su formule i i.
Tumačenje formula u predikatskom računu je dodjela raspona vrijednosti svim konstantama, funkcionalnim i predikatskim simbolima. Formula interpretirana na području D, poprima vrijednosti tačno ili Laganje prema sljedećim pravilima:
a) ako su date vrijednosti formula A i B, zatim istinite vrijednosti formula Ø A, A Ù B, A Ú B, A ® B, A « B dobijeno iz tablica istinitosti koje su važeće za propozicijski račun;
b) formula dobija vrijednost tačno ako za svaki od D ima značenje tačno, inače njegova vrijednost je Laganje.
c) formula dobija vrijednost tačno ako barem jedan od D ima značenje tačno u suprotnom, njegova vrijednost je lažna.
Formula A tu je logična posledica formule ako i samo ako za bilo koju interpretaciju u kojoj je formula 
istina, formula A takođe je tačno.
Pored formula za ekvivalentne transformacije koje su date za propozicijski račun, sljedeće su važeće u predikatskom računu:
Ø($ ) = () (Ø );
Ø() = () (Ø ).
Vrste okvira
Za kognitivne svrhe razlikuju dvije vrste okvira: okvir - prototip i okvir - primjer. Okvir - prototip odražava znanje o apstraktnim stereotipnim konceptima, koji su klase nekih konkretnih objekata. Okviri prototipa odražavaju intenzivna znanja, tj. generalizovano znanje o zakonima svojstvenim klasi objekata koji se razmatraju. Okviri - primjeri odražavaju znanja o konkretnim činjenicama predmetne oblasti, ili tzv ekstenzijski znanje. Prijelaz iz okvira-prototipa u okvir-instancu se vrši kada se postupak označavanja okvira-prototipa provodi tokom rada mehanizma zaključivanja.
Kao primjer, razmotrite pojednostavljeni dijagram okvira - prototip koncepta DATE:
<ДАТА> (<МЕСЯЦ><имя>)(<ДЕНЬ><целые числа {1,2,…, 31}>)
(<ГОД><функция>)(<ДЕНЬ НЕДЕЛИ><перечень {ПНД,ВТР,…,ВСК}>
<функция>)
Naziv okvira - prototip - DATUM. U slotu MONTH umjesto vrijednosti se upisuje IME, tj. vrijednost slota može biti bilo koji literalni izraz. Vrijednost slota DAY su cijeli brojevi, a njihova lista je data u slotu. Utor YEAR označava funkciju koja može implementirati sljedeće radnje. Ako je godina navedena u ulaznoj rečenici, onda se ona unosi u polje vrijednosti slota u okviru primjera; ako nije navedena godina, vrijednost koja nedostaje popunjava se tekućom godinom. Ove vrste funkcija se nazivaju zadane funkcije.
Slot DAN U SJEDICI također definira funkciju koja će, prilikom obrade ulazne poruke, biti pozvana automatski kako bi se provjerila greška.
konzistentnost vrijednosti dana u sedmici koju je odredio korisnik, ili
postavljanje ove vrijednosti ako je korisnik nije naveo.
Betonski okvir - primjer okvira DATE može izgledati ovako:
<JE DATUM> (<МЕСЯЦ><ИЮНЬ>)(<ДЕНЬ><5>)
Label JE označava da je ovaj okvir primjer okvira. Ovdje su popunjena samo 2 mjesta. Ostatak se može izračunati korištenjem odgovarajućih procedura.
Procedure uključene u slot podijeljene su u dvije vrste: procedure - demoni i
procedure su sluge.
Procedure - Demoni se automatski aktiviraju svaki put kada se podaci unesu u odgovarajući okvir - primjer ili izbrišu iz njega. Na primjer, procedura ugrađena u slot DAY OF THE WEEK u gornjem primjeru je predstavnik demonske procedure. Uz pomoć procedura ovog tipa izvode se sve rutinske operacije vezane za održavanje baza podataka i znanja.
Procedure - Sluge aktivira se samo na zahtjev. Primjer takve procedure je funkcija ugrađena u YEAR slot u okviru prototipa DATE, koja se poziva samo ako korisnik nije naveo godinu.
Rice. 4.6 Mreža okvira
po kadru Dijete. Nasljeđe "ljubavnog" slota iz Child okvira.
Zahtjev 2. Koje su godine učenika?
Odgovor: 6-17 - vrijednost slota "starosti" je preuzeta iz okvira Student. Vrijednost iz Child okvira se ne uzima, jer vrijednost je eksplicitno naznačena u samom okviru "student", o kojem se postavlja pitanje.
Po funkcionalnoj namjeni razlikuju se sljedeće vrste okvira:
Okviri su objekti (primjer iznad);
Okviri - operacije (na primjer, okvir "proces sinteze uređaja za korekciju", slotovi: model, algoritam proračuna, parametri, itd.);
Okviri - situacije (na primjer, okvir "Hitni rad analognog senzora", utori: napon, struja itd.);
Okviri - scenariji (na primjer, okvir "gašenje požara", slotovi: mjesto požara, sredstva za gašenje, itd.).
Model okvira za predstavljanje znanja koristi se u jezicima FRL(Jezik za predstavljanje okvira) ,KRL(Jezik predstavljanja znanja) i sl.
Karakteristike zaključivanja
U jezicima kadriranja, glavna operacija je pretraga uzoraka... Uzorak je okvir u kojem nisu popunjene sve strukturne jedinice, već samo one po kojima će se među okvirima pohranjenim u sistemskoj memoriji pronaći potrebni okviri. Uzorak može, na primjer, sadržavati naziv okvira, kao i naziv određenog slota u okviru, što ukazuje na vrijednost slota. Ovaj obrazac provjerava okvir sa datim imenom i zadatom vrijednošću slota specificiranog u obrascu u sistemskoj memoriji. Uzorak može sadržavati naziv određenog slota i njegovu vrijednost. Zatim bi procedura pretraživanja uzorka trebala osigurati da se dohvate svi okviri koji sadrže slot s istim imenom i vrijednošću utora kao i obrazac. Konačno, neka logička funkcija se može dati u ime okvira, neka imena slotova i vrijednosti slota. Stoga se zaključivanje u mreži okvira zasniva na operaciji uparivanja.
Ostale procedure tipične za jezike okvira su procedure za popunjavanje slotova podacima, kao i procedure za uvođenje novih prototipskih okvira (tj. novih znanja) u sistem i uvođenje novih veza između njih.
Razmotrite fragment opisa iz "svijeta blokova" (slika 4.7) u obliku okvira u FRL jeziku.
Rice. 4.7 "Blok svijet"
(okvir (ime (Kocka)) (dužina (NULL)) (širina (IF-DEFAULT (koristiti dužinu))) (visina (IF-DEFAULT (koristiti dužinu)))) (f rame (ime (B 1)) (AKO (Kocka)) (boja (crvena)) (dužina(80))) (f rame (ime (B 2)) (AKO (Kocka)) (boja (zeleno)) (dužina (65))))
Slot AKO označava da objekti B 1 i B 2 su podtip objekta Kocka i nasljeđuju njegova svojstva, naime dužina = širina = visina. Procedura - demon IF-DEFAULT popunjava zadane vrijednosti slota.
Recimo da robot dobije naredbu "Uzmi žuti predmet koji podržava piramidu." Jezikom predstavljanja znanja pitanje je napisano na sljedeći način:
(objekat X (boja (žuta)) (drži Y (tip (piramida))))
Program za podudaranje uzoraka pretražuje bazu znanja za opise objekata:
(okvir (ime (B 3)) (tip (blok)) (boja (žuta)) (veličina (20 20 20)) (koordinata (20 50 0)) (čekaj (P 2)))
(okvir (ime(P 2)) (tip (piramida)) ...)
Dobijen odgovor: X = B 3, Y = P 2, a robotu se izdaje naredba uzeti(objekat B 3).
Prednosti okvira kao modela za predstavljanje znanja su sposobnost strukturiranja baze znanja zbog svojstava hijerarhije i nasljeđivanja. Nedostatak je složenost organizacije zaključivanja.
Predavanje. Osnove izgradnje proizvodnog sistema
Primjena meta-pravila
Ponekad, da bi se odlučilo koje pravilo treba aktivirati, poželjno je koristiti specifično znanje, a ne slijediti opštu strategiju za rješavanje sukoba. U tu svrhu, neki tumači pravila uključuju alate koji omogućavaju programeru da formuliše i uvede meta-pravila u program. Meta-pravila definišu pravila po kojima se vrši odabir onih pravila sa liste aplikacija koja se pre svega moraju uzeti u obzir ili se, štaviše, moraju poštovati.
Meta-pravila vam omogućavaju da značajno suzite krug pravila - kandidata na osnovu nekog kriterijuma ili promenite redosled prioriteta pravila. Metapravila često koriste znanje iz određene predmetne oblasti. Primjer je sljedeće meta-pravilo vezano za sistem
tema medicinske dijagnostike MYCIN.
METARULO 001
AKO (1) infekcija pripada klasi pelvic-apsces, i
(2) postoje pravila u prostorijama o kojima se to spominje
enterobakterije, i
(3) postoje pravila u prostorijama o kojima se spominje
gram-pozitivno bojenje,
TO sa pouzdanošću od 0,4, prioritet treba dati prvom od navedenih pravila.
Predavanje. Osnovni koncepti iz oblasti veštačke inteligencije
Područje nauke, nazvano "vještačka inteligencija", ima za cilj da identifikuje fundamentalne mehanizme koji su u osnovi ljudske aktivnosti kako bi se mogli primijeniti u rješavanju specifičnih naučnih i tehničkih problema. “Inteligentni” sistemi su dizajnirani da rade u okruženjima u kojima je ljudsko prisustvo nemoguće ili opasno po život. Ovi uređaji će se morati nositi sa širokim spektrom mogućih situacija. Nemoguće je unaprijed opisati ove situacije s takvim stepenom detalja i nedvosmislenosti koji bi omogućio postavljanje tvrdo kodiranih algoritama ponašanja u sistemu koji se stvara. Dakle, sistemi naoružani veštačkom inteligencijom moraju imati mehanizme prilagođavanja koji bi im omogućili da grade programe svrsishodnih aktivnosti za rešavanje zadataka koji su im dodeljeni na osnovu specifične situacije koja se trenutno razvija u njihovom okruženju.
Ovakva formulacija problema pred istraživače postavlja posebne zadatke koji se ranije nisu javljali u projektovanju tehničkih sistema. Ovi zadaci obuhvataju: opis bogatog eksternog okruženja i njegovog odraza unutar sistema (ovaj zadatak se zove zadatak predstavljanja znanja); upravljanje bankom znanja, njeno popunjavanje, otkrivanje kontradikcija i nedostatka znanja; percepcija vanjskog okruženja uz pomoć različitih vrsta receptora (vizuelnih, taktilnih, slušnih, itd.); razumijevanje prirodnog jezika, koji služi kao univerzalno sredstvo komunikacije za osobu; percepcija štampanog teksta i usmenog govora i transformacija informacija sadržanih u porukama u oblik predstavljanja znanja; planiranje aktivnosti je zadatak čije će rješavanje omogućiti sistemu da formira planove za postizanje cilja koristeći sredstva koja mu stoje na raspolaganju; prilagođavanje i učenje na osnovu stečenog iskustva.
Ovo je polje aktivnosti stručnjaka iz oblasti sistema veštačke inteligencije. Nalazi se na spoju širokog spektra disciplina: programiranja i psihologije, tehnologije i lingvistike, matematike i fiziologije.
Dakle, teorija vještačke inteligencije je nauka o znanju, kako ga izvući, predstaviti u vještačkim sistemima, obraditi u sistemu i koristiti za rješavanje praktičnih problema. Drugim riječima, sistemi koji se proučavaju u okviru umjetne inteligencije i stvaraju u mainstreamu ove nauke su sistemi čiji se rad oslanja na znanje koje odražava semantiku i pragmatiku vanjskog svijeta u kojem djeluju inteligentni sistemi.
Dakle, glavni problemi vještačke inteligencije su predstavljanje i obrada znanja. Rješenje ovih problema sastoji se kako u razvoju efikasnih modela za predstavljanje znanja, metoda za sticanje novih znanja, tako i u kreiranju programa i uređaja koji implementiraju te modele i metode.
Elementi veštačke inteligencije se široko koriste za kreiranje inteligentnog računarskog softvera, automatizovanih kontrolnih sistema (ACS), sistema automatizacije projektovanja (CAD), sistema za pronalaženje informacija (ISS), sistema za upravljanje bazama podataka (DBMS), ekspertnih sistema (ES), sistema za podršku odlučivanju (DSS), tj omogućavaju povećanje nivoa inteligencije kreiranih informacionih sistema.
Dostignuća u oblasti veštačke inteligencije primenjuju se u industriji (otkrivanje i razvoj oblasti, astronautika, automobilizam, hemija itd.), u ekonomiji (finansije, osiguranje itd.), u neindustrijskoj sferi (saobraćaj, medicina, itd.). komunikacije itd.), u poljoprivredi.
Alati umjetne inteligencije omogućavaju razvoj modela i programa za rješavanje problema za koje nisu poznate direktne i pouzdane metode rješavanja. Takvi zadaci pripadaju polju ljudske kreativne aktivnosti. Stručnjaci za umjetnu inteligenciju postavljaju naučne probleme kao što su dokazivanje matematičkih teorema, dijagnosticiranje bolesti ili kvarova u opremi, finansijska analiza poslovnih subjekata, sintetiziranje programa na osnovu specifikacija, razumijevanje teksta na prirodnom jeziku, analiza slike i identifikacija njenog sadržaja, upravljanje robotom itd.
Podaci i znanje
Dajemo definicije osnovnih pojmova izučavane discipline i razmotrimo razlike između pojmova „podaci“ i „znanje“.
Informacije- skup informacija koje se percipiraju iz okoline, izdaju okolini ili pohranjuju u informacionom sistemu (IS).
Podaci- specifične informacije predstavljene u formalizovanom obliku o objektima predmetne oblasti, njihovim svojstvima i odnosima, koji odražavaju događaje i situacije u ovoj oblasti.
Podaci su predstavljeni u obliku koji vam omogućava da automatizujete njihovo prikupljanje, skladištenje i dalju obradu. Podaci su zapis informacija u odgovarajućem obliku, pogodnom za pohranjivanje, prijenos, obradu i primanje novih informacija.
Informacije s kojima se kompjuter bavi dijele se na proceduralne i deklarativne.
Proceduralni informacije su predstavljene programima koji se izvršavaju u procesu rješavanja problema, i deklarativno- podatke koje ovi programi obrađuju.
Svaka intelektualna aktivnost se oslanja na poznavanje predmetne oblasti u kojoj se postavljaju i rješavaju zadaci.
Predmetna oblast se naziva skup međusobno povezanih informacija potrebnih i dovoljnih za rješavanje određenog skupa zadataka. Znanja o predmetnoj oblasti obuhvataju opise predmeta, pojava, činjenica, kao i odnosa među njima.
Znanje- ovo je generalizovana i formalizovana informacija o svojstvima i zakonitostima predmetne oblasti, uz pomoć kojih se realizuju procesi rešavanja problema, transformacije podataka i samog znanja, a koja se koristi u procesu logičkog zaključivanja.
Logičan zaključak- Ovo je generisanje novih iskaza (sudova) zasnovanih na početnim činjenicama, aksiomima i pravilima zaključivanja.
Znanje sa stanovišta zadataka koje se rješavaju u određenoj predmetnoj oblasti podijeljeno je u 2 velike kategorije – činjenice i heuristiku. Ispod činjenice obično razumiju dobro poznate u ovoj oblasti istine, okolnosti. Heuristika- ovo su empirijski algoritmi zasnovani na neformalnim razmatranjima koja ograničavaju broj rješenja i osiguravaju svrsishodnost ponašanja sistema odlučivanja, ali ne garantuju da će se dobiti najbolje rješenje. Takvo znanje se zasniva na iskustvu specijaliste (stručnjaka) u datoj predmetnoj oblasti.
Koncept postupka za dobijanje rešenja problema (strategija obrade znanja) povezan je sa poznavanjem testa. U IIS-u se ova procedura zove mehanizam za povlačenje, logičan zaključak ili izlazna mašina.
Znanje sa kojim sistem radi pohranjeno je u bazi znanja (KB).
Za organizaciju interakcije sa IIS-om mora imati sredstva komunikacije sa korisnikom, tj. interfejs... Interfejs omogućava rad sa bazom znanja i mehanizmom zaključivanja na jeziku dovoljno visokog nivoa, bliskom profesionalnom jeziku stručnjaka u predmetnoj oblasti kojoj IIS pripada. Osim toga, funkcije sučelja uključuju podršku za dijalog korisnika sa sistemom, što omogućava korisniku da dobije objašnjenja o postupcima sistema, učestvuje u potrazi za rješenjem problema, te ažurira i koriguje bazu znanja. Dakle, glavni dijelovi IIS-a su:
Baza znanja,
mehanizam za povlačenje,
Korisnički interfejs.
Osobine znanja koje ga razlikuju od podataka
Primjer... Neka porodične veze budu predmetno područje. Objekti ovog predmetnog područja su koncepti kao što su majka,
otac, ćerka, muškarac, žena itd.
Neka se saznaju činjenice:
Viktor je Tanjin otac.
Vladimir je otac Viktora.
U Prolog jeziku ove činjenice su opisane na sljedeći način:
otac (viktor, tanja).
otac (vladimir, viktor).
Ovdje je "otac" ime relacije ili predikata, a "pobjednik", "tanja" i "vladimir" su konstante.
Neka X, Y, Z- varijable. Korištenje varijabli X i Z, u opštem slučaju, možemo napisati relaciju “ X je otac Z»Na prolog jeziku:
otac ( X, Z).
Korištenje roditeljskog predikata i varijabli X, Y, Z, formulisaćemo novu relaciju "deda", i to:
Ako X je otac Z i
Z je otac Y
onda X je djed Y.
Ovaj oblik snimanja odnosa "Ako... onda" se zove pravilo proizvodnje, proizvoda ili jednostavno pravilo.
U prolog jeziku, odnos deda se piše na sledeći način:
djed ( X, Y): - otac ( X, Z), otac ( Z, Y).
Znak ": -" se tumači kao "Ako".
Na primjeru odnosa “djed” formuliše se opći obrazac definiranja pojma “djed” kroz pojam “otac”. Ime "vladimir", uzeto bez obzira na stav, ništa ne ukazuje. Možda je ovo ime osobe ili ime grada. Slično, numerički ili drugi podaci se tretiraju na isti način, na primjer, u datoteci podataka. Dato, uzeto zajedno sa relacijom, definiše neko značenje i tako predstavlja znanje.
Razmotrimo karakteristike znanja po kojima se razlikuju od podataka.
1. Interpretabilnost... Podaci pohranjeni u memoriji računala mogu se interpretirati samo odgovarajućim programom. Podaci bez programa ne nose nikakvu informaciju, dok znanje ima interpretaciju, jer sadrži i podatke i odgovarajuća imena, opise, relacije, tj. uz podatke su predstavljene informacione strukture koje omogućavaju ne samo pohranjivanje znanja, već i njegovu upotrebu.
Prezentacija bez naslova
Definicija baze podataka
Skup samostalnih materijala (članci, proračuni, propisi, sudske odluke i drugi slični materijali) predstavljenih u objektivnom obliku, sistematizovanih na način da se ovi materijali mogu pronaći i obraditi pomoću elektronskog računara (računara).
Baza podataka je zbirka podataka pohranjenih u skladu sa šemom podataka i kojima se manipulira u skladu s pravilima alata za modeliranje podataka.
Baza podataka je zbirka podataka organizirana u skladu s konceptualnom strukturom koja opisuje karakteristike ovih podataka i odnos između njih, te takva zbirka podataka koja podržava jedno ili više područja primjene.
Baza podataka je skup podataka organizovan u skladu sa određenim pravilima i koji se održava u memoriji računara, koji karakteriše trenutno stanje određene predmetne oblasti i koristi se za zadovoljavanje informacionih potreba korisnika.
Baza podataka je skup trajnih (trajno pohranjenih) podataka koje koriste sistemi aplikativnog softvera bilo kojeg preduzeća.
Baza podataka je zajednički skup logički povezanih podataka (i opis tih podataka) dizajniran da zadovolji potrebe organizacije za informacijama.
Baza znanja
Baza znanja (KB) u oblasti računarskih nauka i istraživanja veštačke inteligencije je posebna vrsta baze podataka razvijena za manipulaciju znanjem (metapodacima). Baza znanja sadrži strukturirane informacije koje pokrivaju određeno područje znanja koje kibernetički uređaj (ili osoba) koristi za određenu svrhu. Savremene baze znanja rade u sprezi sa sistemima za pronalaženje informacija, imaju klasifikacionu strukturu i format za predstavljanje znanja.
Punopravne baze znanja sadrže ne samo činjenične informacije, već i pravila zaključivanja koja omogućavaju automatske zaključke o novouvedenim činjenicama i, kao rezultat, smislenu obradu informacija. Oblast nauke o veštačkoj inteligenciji koja proučava baze znanja i metode rada sa znanjem naziva se inženjering znanja.
Hijerarhijski način predstavljanja skupa koncepata i njihovih odnosa u bazi znanja naziva se ontologija. Ontologija određene oblasti znanja, zajedno sa informacijama o svojstvima određenih objekata, može se nazvati i bazom znanja.
Razlike
Baza znanja je semantički model koji opisuje predmetnu oblast i omogućava vam da odgovorite na pitanja iz ove oblasti, čiji odgovori nisu eksplicitno prisutni u bazi podataka. Baza znanja je glavna komponenta inteligentnih i ekspertnih sistema.
Baza podataka je zbirka povezanih podataka, organizovana prema određenim pravilima koja predviđaju opšte principe opisa, skladištenja i manipulacije, nezavisno od aplikativnih programa. Baza podataka je informacioni model predmetne oblasti. Bazama podataka se pristupa pomoću sistema za upravljanje bazom podataka (DBMS)
Osnovna svojstva
Osnovne definicije. Informacije s kojima rade računari dijele se na proceduralne i deklarativne. Proceduralne informacije su oličene u programima koji se izvršavaju u procesu rješavanja problema, deklarativne informacije u podacima sa kojima ti programi rade. Standardni oblik predstavljanja informacija u računaru je mašinska reč, koja se sastoji od određenog broja binarnih cifara - bitova definisanih za dati tip računara. Strojna riječ za predstavljanje podataka i strojna riječ za predstavljanje instrukcija koje formiraju program mogu imati isti ili različit broj bitova. Isti broj bitova u mašinskim rečima za komande i podatke omogućava da se u računaru posmatraju kao identične informacione jedinice i da se izvršavaju operacije nad komandama kao i nad podacima. Sadržaj memorije čini informacijsku bazu. Kompjuterska riječ je glavna karakteristika infobaze, jer njegova dužina je takva da se svaka strojna riječ pohranjuje u jednu standardnu memorijsku ćeliju, opremljenu pojedinačnim imenom - adresom ćelije. Ovo ime se koristi za izdvajanje informacijskih jedinica iz memorije računara i njihovo upisivanje u nju. U programskim jezicima visokog nivoa koriste se apstraktni tipovi podataka, čiju strukturu postavlja programer. Pojava baza podataka (DB) označila je još jedan korak ka organizovanju rada sa deklarativnim informacijama. Baze podataka mogu istovremeno pohranjivati velike količine informacija, a specijalni alati koji formiraju sistem za upravljanje bazom podataka (DBMS) omogućavaju vam da efikasno manipulišete podacima, ako je potrebno, izvučete ih iz baze podataka i upišete ih željenim redosledom u bazu podataka. Sa razvojem istraživanja intelektualne svojine, pojavio se koncept znanja koji je kombinovao mnoge karakteristike proceduralnih i deklarativnih informacija. U kompjuteru se znanje, baš kao i podaci, prikazuje u simboličkom obliku - u obliku formula, teksta, datoteka, nizova informacija itd. Stoga možemo reći da su znanje podaci organizovani na poseban način. U sistemima veštačke inteligencije, znanje je glavni predmet formiranja, obrade i istraživanja. Baza znanja, zajedno sa bazom podataka, neophodna je komponenta softverskog paketa AI. Mašine koje implementiraju AI algoritme nazivaju se mašine zasnovane na znanju, a pododjeljak teorije AI koji se odnosi na konstrukciju ekspertnih sistema naziva se inženjering znanja. razlike između podataka i znanja: 1. interna interpretabilnost znanja (na primjer: podaci - 243849 ..., znanje - rečenice prirodnog jezika) 2. aktivnost znanja. Ako postoji znanje, onda nastanak novog znanja može dovesti do promjene starog znanja i pojave novih. 3. povezanost znanja. Znanje nije zanimljivo samo po sebi, zanimljivo je u zbiru (sistem znanja). 4.znanje je dinamično, a podaci su obično statični. Namjerno znanje je definirano kroz koncept višeg nivoa sa specifičnim
