تفاوت بین دانش و اطلاعات و داده ها: یک مثال. داده ها و دانش

قبل از ادامه بررسی مسائل مدیریت دانش، مهم است که مفاهیم کلیدی این حوزه را تعریف کنیم: «داده»، «اطلاعات»، «دانش».

ادبیات مدیریت دانش رویکردهای متفاوتی را برای تفسیر آن ارائه می کند. بدون تظاهر به تحلیلی تمام عیار، سعی می کنیم نکات مهمی را بیان کنیم.

زیر داده هامشاهدات نامرتب، اعداد، کلمات، صداها، تصاویر درک می شوند. این مجموعه ای از عوامل گسسته و عینی در مورد رویدادها است. علاوه بر این، در یک زمینه سازمانی، داده ها به عنوان سوابق ساختار یافته از اقدامات فعالیت تفسیر می شوند. سازمان‌ها معمولا داده‌ها را در سیستم‌های اطلاعاتی ذخیره می‌کنند که از بخش‌ها و خدمات مختلف به آن‌ها می‌آیند.

هنگامی که داده ها سازماندهی، مرتب، گروه بندی، دسته بندی می شوند، تبدیل می شوند اطلاعات. به عنوان مجموعه ای از داده ها تعبیر می شود که برای هدف خاصی ترتیب داده شده اند که به آن معنا می بخشد.

پیام- این متن، داده های دیجیتال، تصاویر، صدا، گرافیک، جداول و غیره است.

هوش- عملاً مترادف با مفهوم "پیام ها" است. آنها اغلب ماهیت خانگی دارند.

دانشاین اطلاعات به عنوان اطلاعات آماده برای استفاده سازنده، موثر و مجهز به معنا تفسیر می شود. مجموعه‌ای از تجربیات رسمی، ارزش‌ها، اطلاعات زمینه‌ای و درک تخصصی است که مبنای ارزیابی و ادغام تجربیات و اطلاعات جدید را تشکیل می‌دهد. در ذهن افراد شکل می گیرد و اعمال می شود و در سازمان ها اغلب نه تنها در اسناد و مخازن، بلکه در رویه ها، فرآیندها، روش های انجام کارها و هنجارهای سازمانی نیز گنجانده می شود.

جدول تعاریف مختلفی از دانش را بر اساس بررسی ادبیات ارائه می دهد.

بیشتر تعاریف مورد بحث تاکید می کنند که دانش در مقایسه با اطلاعات مفهومی گسترده تر، عمیق تر و غنی تر است. آنها نشان میدهند پیوند سیال عناصر مختلف - تجربه، ارزش ها، اطلاعات و درک متخصص- و دائما در حال تغییر؛ آنها شهودی هستند. از ویژگی های مردم هستند و با غیرقابل پیش بینی بودن جزء لاینفک ذات انسان هستند.

داده ها و دانش

اطلاعات

داده ها

رویه ای اعلامی

موضوع

دانش

نتیجه گیری منطقی

حقایق اکتشافی

مکانیزم خروجی, نتیجه گیری منطقییا دستگاه خروجی.

رابط

دانش محور،

مکانیزم خروجی

رابط کاربری.

مفهوم یک سیستم رسمی

اساس مدل های منطقی مفهوم یک سیستم رسمی است که توسط چهار تعریف شده است م = (تی, پ, آ, اف).

یک دسته از تیبسیاری از عناصر اساسی با ماهیت متفاوت وجود دارد، برای مثال کلماتی از برخی واژگان محدود. فرض بر این است که یک روش P( تی) بررسی اینکه آیا یک عنصر دلخواه به یک مجموعه تعلق دارد یا خیر تی.

یک دسته از پقوانین نحوی زیادی وجود دارد. با کمک آنها از عناصر تیعبارات صحیح نحوی را تشکیل می دهند، به عنوان مثال، عبارات صحیح نحوی از کلمات یک واژگان محدود ساخته می شوند. باید یک روال P( آر) به شما امکان می دهد تعیین کنید که آیا

برخی از عبارت ها از نظر نحوی صحیح است.

در فراوانی آریک زیر مجموعه اختصاص داده شده است آعبارات واقعی پیشینی (اصولات). باید یک روال P( آ) بررسی اینکه آیا هر عبارت صحیح نحوی به یک مجموعه تعلق دارد یا خیر آ.

یک دسته از افقوانین استنتاج معنایی زیادی وجود دارد. اعمال آنها بر روی عناصر آ، می توانید عبارات صحیح نحوی جدیدی را بدست آورید که می توانید دوباره قوانین را از آنها اعمال کنید اف. به این ترتیب شکل می گیرد مجموعه ای از خروجیدر یک سیستم رسمی از بیان. اگر رویه ای وجود دارد P( اف) که این امکان را برای هر عبارت صحیح نحوی تعیین می کند که آیا آن قابل استنتاج است یا خیر، سپس سیستم رسمی مربوطه نامیده می شود. قابل تصمیم گیری.

برای دانش موجود در پایگاه دانش، می توانیم فرض کنیم که مجموعه آتمامی واحدهای اطلاعاتی وارد شده به پایگاه دانش را تشکیل می دهند و با استفاده از قواعد استنتاج، واحدهای جدیدی از آنها استخراج می شود دانش مشتق شده. به عبارت دیگر، یک سیستم رسمی، مولد دانش جدیدی است که مجموعه ای را تشکیل می دهد خروجیدر این سیستم دانش.

این مدل زیربنای ساخت بسیاری است IIS قیاسی. در چنین سیستم‌هایی، پایگاه دانش در قالب گزاره‌ها و بدیهیات نظریه توصیف می‌شود و مکانیسم استنتاج قواعد ساخت گزاره‌های جدید را از گزاره‌های موجود در پایگاه دانش پیاده‌سازی می‌کند. ورودی سیستم شرحی از مسئله را به زبان این نظریه در قالب یک پرس و جو (جمله، قضیه) دریافت می کند که به صراحت در پایگاه دانش ارائه نشده است. فرآیند مکانیسم استنتاج را اثبات یک پرس و جو (قضیه) می گویند.

استفاده از انواع منطق در ساخت قواعد نحوی و معنایی، مدل های منطقی از انواع گوناگون را به وجود می آورد.

حساب گزاره ای

حساب گزاره ای گزاره هایی را مطالعه می کند که می توانند درست یا نادرست باشند. هر جمله ای یک جمله نیست. مثلاً صحبت از صدق جملات پرسشی بی معنی است. جملاتی که در مورد درست یا نادرست بودن این جملات اتفاق نظر وجود ندارد، گزاره نیستند. ظاهراً همه با این جمله موافق نیستند که "منطق ریاضی موضوع جذابی است."

جمله "برف بارید" نیز بیانیه ای نیست، زیرا برای قضاوت در مورد صحت آن، اطلاعات بیشتری در مورد زمان و مکان بارش نیاز است.

ترکیب جملات با استفاده از پیوندهایی مانند "و", "یا","اگر پس از آن..."، می توانید جملات جدید بسازید.

حساب گزاره ای از پنج رابط منطقی استفاده می کند: نفی، ربط، تفکیک، دلالت و معادل.

ربط (منطقی و) فقط در صورتی درست است که هر دو عبارت سازنده آن درست باشد.

تفکیک (منطقی یا) فقط در صورتی نادرست است که هر دو عبارت سازنده آن نادرست باشد.

مفهوم (مطابق با رابط اگر پس از آن..."") عملوند اول مقدمه و دومی نتیجه نامیده می شود. یک دلالت تنها در صورتی نادرست است که مقدمات آن درست و نتیجه آن نادرست باشد.

عملیات منطقی معادل سازیمربوط به اتصال " سپس و تنها پس از آن" نتیجه آن است درست است، واقعی، اگر هر دو گزاره به طور همزمان درست یا همزمان نادرست باشند.

بولی نفیبر روی یک بیانیه انجام شد. یک گزاره و نفی آن همیشه دارای ارزش های صدق متضادی است.

نمادهایی که برای نمایش عبارات استفاده می شوند نامیده می شوند اتم ها.

فرمول های خوب شکل گرفته در منطق گزاره ای به صورت بازگشتی به صورت زیر تعریف می شوند:

1) اتم یک فرمول است.

2) اگر آو ب– فرمول ها، سپس فرمول ها هستند

و Ø آ, آ Ù ب, آ Ú ب, آ ® ب, آ « ب.

در اینجا پیوندها با نمادها نشان داده می شوند:

Ú - منطقی است یا(انفصال)؛

Ù - منطقی و(پیوستگی)؛

® - منطقی باید(پیامد)؛

" - منطقی است معادل(معادل)؛

Ø - نفی منطقی.

تفسیرفرمول تخصیص یک مقدار صدق به هر اتم موجود در فرمول است ( درست است، واقعییا دروغ).

فرمول متشکل از nاتم های مختلف، دارای 2 nتفاسیر مختلف

فرمولی که تحت تمام تفاسیر صادق است نامیده می شود معتبر جهانی(مثلا، آ Ú Ø آ).

فرمولی که در همه تفاسیر نادرست است نامیده می شود بحث برانگیز(مثلا، آ ÙØ آ).

فرمولی که حداقل یک تفسیر برای آن وجود دارد که بر اساس آن صادق باشد نامیده می شود شدنی.

معادلفرمول هایی نامیده می شوند که مقادیر صدق آنها در همه تفاسیر منطبق است. با استفاده از جایگزین های معادل، فرمول ها را می توان از یک شکل به شکل دیگر تبدیل کرد.

برای تبدیل فرمول‌های حساب گزاره‌ای، از معادل‌های زیر استفاده می‌شود:

1) آ Ú Ø آ = درست است، واقعی(درست است، واقعی)؛

آ Ù Ø آ = نادرست(دروغ)؛

2) قانون منفی مضاعف

Ø (Ø آ) = آ;

3) آ ® ب = Ø آ Ú ب;

4) آ « ب = (آ ® ب) Ù ( ب ® آ);

5) قوانین جابجایی

آ Ú ب = ب Ú آ, آ Ù ب = ب Ù آ;

6) قوانین انجمن

(آ Ú ب) Ú سی =آ Ú ( ب Ú سی), (آ Ù ب) Ù سی = آ Ù ( ب Ù سی);

7) قوانین توزیع

آ Ú ( ب Ù سی) = (آ Ú ب) Ù ( آ Ú سی), آ Ù ( ب Ú سی) = (آ Ù ب) Ú ( آ Ù سی);

8) قوانین دی مورگان

Ø( آ Ú ب) = Ø آ Ù Ø ب, Ø( آ Ù ب) = Ø آ Ú Ø ب;

9) آ ® ب = Ø ب ® Ø آ.

محاسبات محمول

دستگاه حساب گزاره ای در بسیاری از موارد اجازه توصیف رضایت بخشی از حوزه موضوعی را نمی دهد. بخش قابل توجهی از حوزه های موضوعی را می توان با استفاده از حساب محمول مرتبه اول توصیف کرد. برای این کار موارد زیر در نظر گرفته شده است:

الف) ثابت هایی که یک شی یا مفهوم منفرد را نشان می دهند.

ب) متغیرهایی که می توانند اشیاء مختلف را در زمان های مختلف نشان دهند.

ج) اصطلاحاتی که ساده ترین آنها ثابت ها و متغیرها هستند و در حالت کلی تر، با عباراتی مانند، که یک نماد تابعی است، و عبارت هستند نشان داده می شوند.

د) محمول هایی که برای نشان دادن روابط بین اشیاء در یک حوزه موضوعی خاص استفاده می شوند.

ه) کمی سازها - وسیله ای برای تعیین ویژگی های کمی یک حوزه موضوعی.

محمولیک تابع منطقی است که فقط مقادیر حقیقت را می پذیرد" درست است، واقعی" یا " دروغ».

یک محمول از یک نماد محمول و یک مجموعه مرتب شده متناظر از اصطلاحات تشکیل شده است که آرگومان های آن هستند. نماد محمول پبرای نامگذاری روابط بین اشیاء استفاده می شود. اگر دارد nآرگومان ها نامیده می شود n-محلینماد محمول

ورودی که ساده ترین فرمول (اتمی) است، به این معنی است که عبارت درست است: اشیاء با رابطه P مرتبط می شوند.

استفاده از پیوندهای منطقی مشابه در حساب گزاره ای ( و، یا، نه، باید، معادل)، می توانید فرمول های پیچیده تری بسازید.

برای تعیین دامنه متغیرها در فرمول ها از کمیت کننده ها (جهانشمول بودن) و (وجود) استفاده می شود. کمیت سازها به شما این امکان را می دهند که در مورد مجموعه ای از اشیاء عباراتی بسازید و عباراتی را فرموله کنید که برای این مجموعه درست هستند.

فرمول‌های حساب محمول (PPF - فرمول‌های خوب شکل‌گرفته) به صورت بازگشتی به صورت زیر تعریف می‌شوند:

1. اتم یک فرمول است.

2. اگر آو بفرمول ها هستند، سپس فرمول ها و

Ø آ, آ Ù ب, آ Ú ب, آ ® ب, آ « ب;

3. اگر - یک فرمول است، پس فرمول ها و و هستند.

تفسیر فرمول ها در حساب محمولی، تخصیص دامنه مقادیر به همه ثابت ها، نمادهای تابعی و محمول است. فرمول تفسیر شده بر روی منطقه D، ارزش ها را می گیرد درست است، واقعییا دروغطبق قوانین زیر:

الف) اگر مقادیر فرمول داده شود آو ب، سپس مقادیر صدق فرمول Ø آ, آ Ù ب, آ Ú ب, آ ® ب, آ « باز جداول صدق معتبر برای محاسبه عبارات به دست می آیند.

ب) فرمول مقدار را دریافت می کند درست است، واقعی، اگر برای هر یک از Dمعنی دارد درست است، واقعی، در غیر این صورت ارزش آن است دروغ.

ج) فرمول مقدار را دریافت می کند درست است، واقعی، اگر برای حداقل یکی از Dمعنی دارد درست است، واقعی، در غیر این صورت مقدار آن نادرست است.

فرمول آوجود دارد نتیجه منطقیفرمول ها، اگر و فقط اگر برای هر تفسیری که در آن فرمول درست، فرمول آنیز صادق است.

علاوه بر فرمول های تبدیل معادل که برای حساب گزاره ای داده شده است، موارد زیر در حساب محمول معتبر هستند:

Ø($ ) = () (Ø );

Ø() = () (Ø ).

انواع قاب

برای اهداف آموزشیدو نوع قاب وجود دارد: یک قاب نمونه اولیه و یک قاب نمونه. قاب - نمونه اولیهمنعکس کننده دانش در مورد مفاهیم کلیشه ای انتزاعی است که طبقاتی از برخی اشیاء خاص هستند. فریم های نمونه اولیه منعکس می شوند عمدیدانش، یعنی دانش تعمیم یافته در مورد الگوهای ذاتی در کلاس اشیاء مورد بررسی. قاب - نمونهمنعکس کننده دانش در مورد حقایق خاص از حوزه موضوعی، یا به اصطلاح کششیدانش انتقال از یک قاب نمونه اولیه به یک قاب نمونه در طول فرآیند تعیین قاب نمونه اولیه در طول عملیات مکانیزم استنتاج منطقی انجام می شود.

به عنوان مثال، یک نمودار ساده از یک قاب را در نظر بگیرید - نمونه اولیه مفهوم DATE:

<ДАТА> (<МЕСЯЦ><имя>)(<ДЕНЬ><целые числа {1,2,…, 31}>)

(<ГОД><функция>)(<ДЕНЬ НЕДЕЛИ><перечень {ПНД,ВТР,…,ВСК}>

<функция>)

نام قاب نمونه اولیه DATE است. در شکاف MONTH، NAME به جای مقدار نوشته می شود. مقدار اسلات می تواند هر عبارت تحت اللفظی باشد. مقادیر اسلات DAY اعداد صحیح هستند و لیستی از آنها در اسلات ارائه شده است. اسلات YEAR حاوی تابعی است که می تواند اقدامات زیر را اجرا کند. اگر سال در جمله ورودی مشخص شده باشد، در قسمت مقدار شکاف در کادر مثال وارد می شود. اگر سال مشخص نشده باشد، مقدار گمشده با سال جاری پر می شود. به این نوع توابع، توابع پیش فرض گفته می شود.

اسلات DAY OF THE WEEK نیز تابعی را تعریف می کند که هنگام پردازش یک پیام ورودی، به طور خودکار برای بررسی خرابی فراخوانی می شود.

ناهماهنگی در مقدار روز هفته مشخص شده توسط کاربر یا در محاسبه شده

اگر کاربر آن را مشخص نکرده باشد، این مقدار حذف می شود.

یک فریم خاص - نمونه ای از فریم DATE ممکن است به شکل زیر باشد:

<هست یک DATE>(<МЕСЯЦ><ИЮНЬ>)(<ДЕНЬ><5>)

برچسب هست یکنشان می دهد که این فریم یک قاب نمونه است. فقط 2 اسلات در اینجا پر شده است. مقادیر باقی مانده را می توان با استفاده از روش های مناسب محاسبه کرد.

رویه های موجود در اسلات به دو نوع تقسیم می شوند: رویه های دیمون و

رویه ها خدمتگزار هستند.

رویه ها شیاطین هستندهر بار که داده ها وارد فریم مربوطه می شوند یا از آن حذف می شوند - به طور خودکار فعال می شوند. بنابراین، رویه تعبیه شده در اسلات DAY OF WEEK در مثالی که در بالا توضیح داده شد، یک رویه نماینده است - یک دیمون. با استفاده از رویه هایی از این نوع، کلیه عملیات روتین مربوط به نگهداری پایگاه داده و دانش انجام می شود.

رویه ها - خدمتکارانفقط در صورت درخواست فعال می شود نمونه ای از چنین رویه ای تابعی است که در اسلات YEAR در فریم نمونه اولیه DATE تعبیه شده است که تنها در صورتی فراخوانی می شود که کاربر یک سال را مشخص نکرده باشد.

برنج. 4.6 شبکه فریم

به قاب کودک به ارث بردن شکاف "لایک" از قاب کودک.

پرسش 2. سن دانش آموزان چند است؟

پاسخ: 6-17 - مقدار شیار سن از کادر دانشجو گرفته می شود. مقدار از فریم Child گرفته نمی شود، زیرا معنی به صراحت در خود چارچوب "دانش آموز" نشان داده شده است که در مورد آن سوال پرسیده می شود.

با هدف عملکردیانواع قاب های زیر متمایز می شوند:

فریم ها - اشیاء (مثال بالا)؛

فریم ها - عملیات (به عنوان مثال، قاب "فرایند سنتز دستگاه های اصلاحی"، اسلات ها: مدل، الگوریتم محاسبه، پارامترها و غیره).

فریم ها - موقعیت ها (به عنوان مثال، قاب "حالت اضطراری عملکرد سنسور آنالوگ"، اسلات: ولتاژ، جریان و غیره).

قاب ها - سناریوها (به عنوان مثال، قاب "اطفاء حریق"، اسلات: محل آتش سوزی، وسایل اطفاء و غیره).

مدل چارچوبی بازنمایی دانش در زبان ها استفاده می شود FRL(زبان نمایش فریم) ,KRL(زبان بازنمایی دانش) و غیره.

ویژگی های استنتاج منطقی

در زبان های فریم، عملیات اصلی است جستجو بر اساس الگو. نمونه قابی است که تمام واحدهای ساختاری در آن پر نمی شوند، بلکه فقط آنهایی هستند که فریم های مورد نیاز را در میان فریم های ذخیره شده در حافظه سیستم پیدا می کنند. برای مثال، الگو ممکن است حاوی نام قاب و همچنین نام برخی از شکاف ها در قاب باشد که نشان دهنده ارزش شکاف است. چنین الگوی وجود یک فریم با نام مشخص و مقدار اسلات مشخص شده در الگو را در حافظه سیستم بررسی می کند. نمونه ممکن است نام برخی از اسلات و مقدار آن را نشان دهد. سپس روند جستجوی الگو باید اطمینان حاصل کند که تمام فریم‌هایی که دارای شکافی با همان نام و مقدار شکاف الگو هستند، بازیابی می‌شوند. در نهایت، برخی از تابع های منطقی را می توان از نام فریم، نام برخی از اسلات ها و مقادیر اسلات مشخص کرد. بنابراین، استنتاج در یک شبکه فریم بر اساس عملیات تطبیق است.

رویه‌های دیگر مشخصه زبان‌های فریم، رویه‌هایی برای پر کردن شکاف‌ها با داده، و همچنین رویه‌هایی برای معرفی فریم‌های نمونه اولیه (یعنی دانش جدید) به سیستم و معرفی اتصالات جدید بین آنها است.

بیایید بخشی از توضیحات را از "دنیای بلوک ها" (شکل 4.7) در قالب فریم هایی به زبان FRL در نظر بگیریم.

برنج. 4.7 "دنیای بلوک"

(قاب (نام (مکعب)) (طول (خالی)) (عرض (IF-DEFAULT (استفاده از طول))) (ارتفاع (IF-DEFAULT (استفاده از طول)))) (ف رام (نام (ب 1)) (AKO (مکعب)) (رنگ (قرمز)) (طول(80))) (ف رام (نام (ب 2)) (AKO (مکعب)) (رنگ (سبز)) (طول (65))))

اسلات AKOنشان می دهد که اشیاء ب 1 و ب 2 یک زیرگروه از شی هستند مکعبو خواص آن یعنی طول = عرض = ارتفاع را به ارث می برند. رویه یک شیطان است IF-DEFAULTمقادیر پیش فرض اسلات را پر می کند.

فرض کنید به ربات دستور داده می شود "شیء زرد را که از هرم پشتیبانی می کند بردارید." در زبان بازنمایی دانش، سوال به صورت زیر نوشته شده است:

(شی X (رنگ (رنگ زرد)) (Y را نگه دارید (نوع (هرم))))

برنامه تطبیق الگو توصیفی از اشیاء را در پایگاه دانش پیدا می کند:

(قاب (نام (ب 3)) (نوع (مسدود کردن)) (رنگ (رنگ زرد)) (اندازه (20 20 20)) (هماهنگ كردن (20 50 0)) (نگه دارید (پ 2)))

(قاب (نام(پ 2)) (نوع (هرم)) ...)

پاسخ دریافت شده: ایکس = ب 3, Y = پ 2، و به روبات دستور داده می شود گرفتن(شیء B 3).

مزایای فریم ها به عنوان مدلی برای بازنمایی دانش، توانایی ساختار یک پایگاه دانش به دلیل ویژگی های سلسله مراتبی و وراثت است. نقطه ضعف آن پیچیدگی سازماندهی استنتاج منطقی است.

سخنرانی. اصول ساخت یک سیستم محصول

اعمال متارول

گاهی اوقات، برای تصمیم گیری برای فعال کردن کدام قانون، به جای پیروی از یک استراتژی کلی حل تعارض، استفاده از دانش خاص مطلوب است. برای این منظور، برخی از مفسران قوانین شامل ابزارهایی هستند که به برنامه نویس اجازه می دهد تا قوانین متا را فرموله و وارد برنامه کند. فراقوانین قوانینی را تعریف می کنند که با آن قوانینی را که باید ابتدا در نظر گرفته شوند یا علاوه بر آن باید رعایت شوند، از لیست برنامه ها انتخاب می شوند.

متارول ها به شما این امکان را می دهند که به طور قابل توجهی محدوده قوانین نامزد را بر اساس برخی معیارها محدود کنید یا ترتیب اولویت های قوانین را تغییر دهید. متارول ها اغلب از دانش خاص دامنه استفاده می کنند. یک مثال متا قانون زیر مربوط به سیستم است:

موضوع تشخیص پزشکی MYCIN.

متارول 001

اگر (1) عفونت متعلق به کلاس است آبسه لگن، و

(2) قواعدی وجود دارد که مقدمات آنها ذکر شده است

انتروباکتری ها، و

(3) قواعدی وجود دارد که مقدمات آنها ذکر شده است

رنگ آمیزی گرم مثبت،

سپس با اطمینان 0.4 اولویت باید به اولین قوانین ذکر شده داده شود.

سخنرانی. مفاهیم اساسی در زمینه هوش مصنوعی

حوزه علم که "هوش مصنوعی" نامیده می شود، با هدف شناسایی مکانیسم های اساسی زیربنای فعالیت های انسانی به منظور به کارگیری آنها در حل مشکلات خاص علمی و فنی است. سیستم‌های «هوشمند» برای کار در محیط‌هایی که حضور انسان غیرممکن یا تهدیدکننده حیات است، ایجاد شده‌اند. این دستگاه ها باید در موقعیت های بسیار متنوعی کار کنند. توصیف این موقعیت ها از قبل با درجه جزئیات و عدم ابهام غیرممکن است که به الگوریتم های رفتار رمزگذاری شده اجازه می دهد تا در سیستم در حال ایجاد گنجانده شوند. بنابراین، سیستم‌های مجهز به هوش مصنوعی باید مکانیسم‌های سازگاری داشته باشند که به آنها اجازه می‌دهد تا برنامه‌هایی از فعالیت‌های مناسب برای حل وظایف محول شده بر اساس موقعیت خاص در حال توسعه در محیط خود بسازند.

این فرمول مسئله وظایف ویژه ای را برای محققانی که قبلاً در طراحی سیستم های فنی به وجود نیامده اند، ایجاد می کند. چنین وظایفی عبارتند از: توصیف محیط خارجی غنی و انعکاس آن در سیستم (به این کار وظیفه بازنمایی دانش می گویند). مدیریت بانک دانش، تکمیل آن، تشخیص تناقضات و کمبود دانش؛ درک محیط خارجی با استفاده از انواع مختلف گیرنده ها (بصری، لمسی، شنوایی و غیره)؛ درک زبان طبیعی، که به عنوان یک وسیله ارتباطی جهانی برای انسان عمل می کند. درک متن چاپی و گفتار شفاهی و تبدیل اطلاعات موجود در پیام ها به شکلی از بازنمایی دانش. برنامه ریزی فعالیت وظیفه ای است که راه حل آن به سیستم اجازه می دهد تا با استفاده از وسایلی که در اختیار دارد برنامه هایی را برای دستیابی به هدف تنظیم کند. سازگاری و یادگیری بر اساس تجربه انباشته.

این حوزه فعالیت متخصصان در زمینه سیستم های هوش مصنوعی است. این رشته در تقاطع طیف گسترده ای از رشته ها قرار دارد: برنامه نویسی و روانشناسی، فناوری و زبان شناسی، ریاضیات و فیزیولوژی.

بنابراین، نظریه هوش مصنوعی علم دانش، چگونگی استخراج آن، ارائه آن در سیستم های مصنوعی، پردازش آن در داخل سیستم و استفاده از آن برای حل مسائل عملی است. به عبارت دیگر، سیستم‌هایی که در چارچوب هوش مصنوعی مورد مطالعه قرار می‌گیرند و در راستای این علم ایجاد می‌شوند، سیستم‌هایی هستند که کارشان مبتنی بر دانشی است که منعکس‌کننده معناشناسی و عمل‌شناسی دنیای بیرونی است که سیستم‌های هوشمند در آن فعالیت می‌کنند.

بنابراین، مشکلات اصلی هوش مصنوعی بازنمایی و پردازش دانش است. راه‌حل این مشکلات هم در توسعه مدل‌های مؤثر برای بازنمایی دانش، روش‌هایی برای کسب دانش جدید و هم در ایجاد برنامه‌ها و دستگاه‌هایی است که این مدل‌ها و روش‌ها را پیاده‌سازی می‌کنند.

عناصر هوش مصنوعی به طور گسترده برای ایجاد نرم افزار کامپیوتری هوشمند، سیستم های کنترل خودکار (ACS)، سیستم های طراحی به کمک کامپیوتر (CAD)، سیستم های بازیابی اطلاعات (IRS)، سیستم های مدیریت پایگاه داده (DBMS)، سیستم های خبره (ES)، سیستم ها استفاده می شوند. پشتیبانی تصمیم (DSS)، به عنوان مثال. به شما امکان می دهد سطح هوش سیستم های اطلاعاتی ایجاد شده را افزایش دهید.

پیشرفت ها در زمینه هوش مصنوعی در صنعت (اکتشاف و توسعه معدن، فضانوردی، خودروسازی، شیمی و غیره)، در اقتصاد (مالی، بیمه و غیره)، در حوزه غیر صنعتی (حمل و نقل، پزشکی، ارتباطات) استفاده می شود. و غیره)، در کشاورزی.

ابزارهای هوش مصنوعی امکان توسعه مدل‌ها و برنامه‌هایی را برای حل مسائلی که روش‌های راه‌حل مستقیم و قابل اعتماد برای آنها ناشناخته است، ممکن می‌سازد. چنین وظایفی متعلق به حوزه فعالیت خلاق انسان است. متخصصان هوش مصنوعی مشکلات علمی مانند اثبات قضایای ریاضی، تشخیص بیماری ها یا نقص در تجهیزات، تجزیه و تحلیل مالی واحدهای تجاری، ترکیب برنامه ها بر اساس مشخصات، درک متن به زبان طبیعی، تجزیه و تحلیل تصویر و شناسایی محتوای آن، کنترل ربات و غیره را مطرح می کنند. .

داده ها و دانش

اجازه دهید تعاریفی از مفاهیم اساسی رشته مورد مطالعه ارائه کنیم و تفاوت های بین مفاهیم "داده" و "دانش" را در نظر بگیریم.

اطلاعات- مجموعه ای از اطلاعات درک شده از محیط، منتشر شده در محیط یا ذخیره شده در یک سیستم اطلاعاتی (IS).

داده ها- اطلاعات خاص ارائه شده به صورت رسمی در مورد اشیاء حوزه موضوعی، ویژگی ها و روابط آنها، منعکس کننده رویدادها و موقعیت ها در این منطقه.

داده ها به شکلی ارائه می شوند که امکان جمع آوری، ذخیره سازی و پردازش بیشتر را به صورت خودکار فراهم می کند. داده، رکوردی از اطلاعات به شکل مناسب برای ذخیره، انتقال، پردازش و به دست آوردن اطلاعات جدید است.

اطلاعاتی که رایانه با آنها سروکار دارد به دو دسته رویه ای و اعلامی تقسیم می شود.

رویه ایاطلاعات توسط برنامه هایی که در فرآیند حل مشکلات اجرا می شوند نشان داده می شود اعلامی- داده هایی که این برنامه ها پردازش می کنند.

هر فعالیت فکری مبتنی بر دانش در مورد حوزه موضوعی است که در آن مسائل تنظیم و حل می شوند.

موضوعمجموعه ای از اطلاعات مرتبط با یکدیگر را لازم و کافی برای حل یک سری مسائل می نامند. دانش در مورد حوزه موضوعی شامل توصیف اشیا، پدیده ها، حقایق و همچنین روابط بین آنهاست.

دانش- این اطلاعات تعمیم یافته و رسمی در مورد ویژگی ها و قوانین حوزه موضوعی است که با کمک آن فرآیندهای حل مسائل، تبدیل داده ها و خود دانش اجرا می شود و در فرآیند استنتاج منطقی استفاده می شود.

نتیجه گیری منطقیتولید گزاره های جدید (قضاوت) بر اساس حقایق اولیه، بدیهیات و قواعد استنتاج است.

دانش از نقطه نظر مسائلی که باید در یک حوزه موضوعی خاص حل شوند به 2 دسته بزرگ تقسیم می شوند - حقایق و اکتشافی. زیر حقایقمعمولاً حقایق و شرایطی را که عموماً در یک حوزه موضوعی مشخص می‌دانند، درک می‌کنند. اکتشافی- اینها الگوریتم‌های تجربی مبتنی بر ملاحظات غیررسمی هستند که تعداد گزینه‌های راه‌حل را محدود می‌کنند و رفتار هدفمند سیستم تصمیم‌گیری را ارائه می‌کنند، بدون اینکه بهترین راه‌حل را تضمین کنند. چنین دانشی بر اساس تجربه یک متخصص (متخصص) در یک حوزه موضوعی معین است.

مفهوم یک روش برای دستیابی به راه حل برای مشکلات (استراتژی پردازش دانش) با خمیر دانش همراه است. در IIS این روش نامیده می شود مکانیزم خروجی, نتیجه گیری منطقییا دستگاه خروجی.

دانشی که سیستم با آن کار می کند در یک پایگاه دانش (KB) ذخیره می شود.

برای سازماندهی تعامل با IIS، باید ابزار ارتباطی با کاربر، یعنی. رابط. رابط کار با پایگاه دانش و مکانیزم خروجی را به زبانی نسبتاً سطح بالا، نزدیک به زبان حرفه ای متخصصان در حوزه موضوعی که سیستم اطلاعات اطلاعات به آن تعلق دارد، ارائه می دهد. علاوه بر این، توابع رابط شامل پشتیبانی از گفتگوی کاربر با سیستم است که به کاربر امکان می دهد توضیحاتی در مورد اقدامات سیستم دریافت کند، در جستجوی راه حل برای یک مشکل شرکت کند و پایگاه دانش را به روز و تنظیم کند. بنابراین، بخش های اصلی IIS عبارتند از:

دانش محور،

مکانیزم خروجی

رابط کاربری.

ویژگی های دانش که آن را از داده ها متمایز می کند

مثال. اجازه دهید ارتباطات خانوادگی به عنوان حوزه موضوعی عمل کنند. موضوعات این حوزه موضوعی مفاهیمی مانند مادر،

پدر، دختر، مرد، زن و غیره

بگذارید حقایق مشخص شود:

ویکتور پدر تانیا است.

ولادیمیر پدر ویکتور است.

در Prolog این حقایق به شرح زیر است:

پدر (ویکتور، تانیا).

پدر (ولادیمیر، ویکتور).

در اینجا «پدر» یک نام رابطه یا محمول است و «ویکتور»، «تانیا» و «ولادیمیر» ثابت هستند.

اجازه دهید ایکس, Y, ز- متغیرها استفاده از متغیرها ایکسو ز، به طور کلی می توانیم رابطه " ایکسپدر است ز» در Prolog:

پدر ( ایکس, ز).

استفاده از محمول «پدر» و متغیرها ایکس, Y, ز، اجازه دهید یک رابطه جدید "پدربزرگ" را فرموله کنیم، یعنی:

اگر ایکسپدر است زو

زپدر است Y

که ایکسپدربزرگ است Y.

این شکل از ثبت رابطه «اگر... آنگاه» نامیده می شود قانون تولید، محصولات یا فقط قانون.

در پرولوگ، رابطه "بزرگ" به صورت زیر نوشته می شود:

بابا بزرگ ( ایکس, Y): - پدر ( ایکس, ز)، پدر ( ز, Y).

نماد ": -" به عنوان "اگر" تفسیر می شود.

با استفاده از مثال رابطه «پدربزرگ»، الگویی کلی برای تعریف مفهوم «پدربزرگ» از طریق مفهوم «پدر» تدوین شده است. نام "ولادیمیر" که صرف نظر از رابطه گرفته شده است، چیزی را نشان نمی دهد. شاید نام یک شخص یا نام یک شهر باشد. داده های عددی یا سایر داده ها، به عنوان مثال در یک فایل داده، به همین ترتیب رفتار می شود. داده شده، همراه با رابطه، معانی خاصی را تعیین می کند و بنابراین معرفت را تشکیل می دهد.

اجازه دهید ویژگی های دانش را که آن را از داده ها متمایز می کند در نظر بگیریم.

1. تفسیر پذیری. داده های ذخیره شده در حافظه کامپیوتر فقط توسط برنامه مناسب قابل تفسیر است. داده های بدون برنامه هیچ اطلاعاتی را حمل نمی کنند، در حالی که دانش دارای تفسیر است، زیرا به طور همزمان هم داده ها و هم نام ها، توضیحات، روابط مربوط به آنها را شامل می شود. همراه با داده ها، ساختارهای اطلاعاتی ارائه شده است که نه تنها امکان ذخیره دانش، بلکه استفاده از آن را نیز فراهم می کند.

داده ها و دانش. تعاریف اساسی

اطلاعاتی که رایانه ها با آنها سروکار دارند به دو دسته رویه ای و اعلامی تقسیم می شوند. اطلاعات رویه ای در برنامه هایی که در فرآیند حل مشکلات اجرا می شوند تجسم می یابد، اطلاعات اعلامی در داده هایی که این برنامه ها با آنها کار می کنند تجسم می یابد.

شکل استاندارد نمایش اطلاعات در یک کامپیوتر، یک کلمه ماشینی است که از تعدادی رقم دودویی - بیت ها - برای یک نوع کامپیوتر معین تعیین می شود. کلمه ماشین برای نمایش داده ها و کلمه ماشین برای نمایش دستورالعمل هایی که برنامه را تشکیل می دهند ممکن است تعداد بیت های یکسان یا متفاوتی داشته باشند. همان تعداد بیت در کلمات کامپیوتری برای دستورات و داده ها به آنها اجازه می دهد تا در رایانه به عنوان واحدهای اطلاعاتی یکسان در نظر گرفته شوند و عملیات روی دستورات مانند داده ها انجام شود. محتویات حافظه یک پایگاه اطلاعاتی را تشکیل می دهند. کلمه ماشین مشخصه اصلی پایگاه اطلاعاتی است، زیرا طول آن به اندازه ای است که هر کلمه ماشین در یک سلول حافظه استاندارد، مجهز به یک نام فردی - آدرس سلول ذخیره می شود. با استفاده از این نام، واحدهای اطلاعاتی از حافظه کامپیوتر استخراج و در آن نوشته می شود. زبان های برنامه نویسی سطح بالا از انواع داده های انتزاعی استفاده می کنند که ساختار آنها توسط برنامه نویس مشخص می شود.

ظهور پایگاه‌های اطلاعاتی (DB) گام دیگری در جهت سازماندهی کار با اطلاعات اعلامی بود. پایگاه های داده می توانند به طور همزمان حجم زیادی از اطلاعات را ذخیره کنند و ابزارهای ویژه ای که یک سیستم مدیریت پایگاه داده (DBMS) را تشکیل می دهند به شما این امکان را می دهند که به طور مؤثر داده ها را دستکاری کنید، در صورت لزوم، آنها را از پایگاه داده بازیابی کنید و به ترتیب مورد نیاز در پایگاه داده بنویسید.

با توسعه تحقیقات در IS، مفهوم دانش پدیدار شد که بسیاری از ویژگی های اطلاعات رویه ای و اظهاری را با هم ترکیب می کرد. در رایانه، دانش، مانند داده ها، به شکل نمادین - در قالب فرمول ها، متن، فایل ها، آرایه های اطلاعاتی و غیره نمایش داده می شود. بنابراین می توان گفت که دانش داده هایی است که به شیوه ای خاص سازماندهی شده اند. در سیستم های هوش مصنوعی، دانش هدف اصلی شکل گیری، پردازش و تحقیق است. پایگاه دانش، همراه با پایگاه داده، جزء ضروری یک بسته نرم افزاری هوش مصنوعی است. ماشین‌هایی که الگوریتم‌های هوش مصنوعی را پیاده‌سازی می‌کنند ماشین‌های مبتنی بر دانش و زیربخش تئوری هوش مصنوعی مرتبط با ساخت سیستم‌های خبره را مهندسی دانش می‌نامند.

تفاوت بین داده و دانش:

1. تفسیرپذیری درونی دانش (به عنوان مثال: داده - 243849...، دانش - جملات زبان طبیعی).

2. فعالیت دانش. اگر دانش وجود داشته باشد، ظهور دانش جدید می تواند منجر به تغییر در دانش قدیمی و ظهور دانش جدید شود.

3. انسجام دانش. دانش به خودی خود جالب نیست، در کل جالب است (یک سیستم دانش).

4. دانش پویا است، اما داده ها معمولا ثابت هستند.

دانش هدفمند از طریق یک مفهوم سطح بالاتر که ویژگی های خاص را نشان می دهد، تعریف می شود. دانش گسترده از طریق مفاهیم سطح پایین تر، معمولاً با فهرست کردن ساده آنها تعریف می شود. به عنوان یک قاعده، برنامه های افزودنی در پایگاه داده ها و intension ها در پایگاه های دانش ذخیره می شوند. بر اساس روش ارائه، دانش به بیانی (اطلاعات توصیف می شود) و رویه ای (ثبت شده در یک الگوریتم) تقسیم می شود. جهت اصلی حرکت در حوزه بازنمایی دانش، استفاده بیشتر از دانش اعلامی است.

طبقه بندی دانش و مدل های آنها

راه های زیادی برای طبقه بندی دانش وجود دارد. اجازه دهید در طبقه بندی با توجه به حامل دانش ساکن باشیم. دانش به دو دسته تقسیم می شود:

1. رسمی

· راهنمای مرجع،

· دایره المعارف ها،

· دانش در سیستم های اطلاعات شرکت ها

2. شخصی

مهارت های مرتبط با صنایع دستی،

· مهارت های ورزشی،

· شیوه های تفکر، تحلیل،

· روش های انجام کار

دانش رسمی معمولاً از قبل در رسانه های ملموس - کتاب ها، بروشورها، سایت های اینترنتی/اینترانت، فایل های داده، سیستم های اطلاعات شرکتی (ERP) قرار دارد. این روش های سازماندهی دانش بسیار خوب و آزمایش شده هستند. بعید است بتوانیم آنها را به میزان قابل توجهی بهبود بخشیم تا بر بهره وری یا سایر شاخص های اقتصادی سازمان شما تأثیر بگذارد.

دانش شخصی، برعکس، معمولاً فقط در ذهن حاملان آن وجود دارد. برای اینکه آن را در اختیار سازمان قرار دهیم، لازم است دانش به طور فعال بین کارکنان منتقل شود. برای این منظور، منتورینگ و سیستم های آموزشی داخلی شرکت ها از دیرباز وجود داشته است.

بسیاری از دانش شخصی را می توان رسمی کرد. این اول از همه به روش ها و روش های انجام کار مورد قبول و بهینه در سازمان شما مربوط می شود. بسته به مرحله توسعه سازمان، روش‌های انجام کار از روش‌های خلاق ایجاد شده در محیط کار از طریق آزمون و خطا به بهترین شیوه‌ها در صنعت، که در مستندات فرآیند کسب‌وکار، سیستم‌های ERP و سیاست‌های سازمانی گنجانده شده است، تکامل می‌یابد.

تعاریف قاب یک فریم هم لیستی از خواص و هم یک شبکه است. سلسله مراتب و وراثت خواص

قاب ساختار معینی برای نمایش دانش است که وقتی با مقادیر مناسب پر شود به توصیف یک عامل، رویداد یا موقعیت خاص تبدیل می شود. یک قاب حداقل توصیف ممکن از ماهیت یک پدیده، رویداد، موقعیت، فرآیند یا شی است. حداقلی به این معنی است که با ساده‌سازی بیشتر توصیف، کامل بودن آن از بین می‌رود، تعریف واحد دانشی که برای آن در نظر گرفته شده است متوقف می‌شود. قاب دارای ساختار خاصی است که از عناصر زیادی تشکیل شده است - اسلات. هر شکاف به نوبه خود با ساختار داده، رویه خاصی نشان داده می شود یا می تواند با فریم دیگری مرتبط شود. ساختار قاب را می توان به صورت زیر نشان داد:

نام قاب: (نام شکاف اول: ارزش شکاف اول)، (نام شکاف دوم: ارزش شکاف دوم)، ... (نام شکاف نهم: ارزش شکاف نهم).

ما همان رکورد را در قالب یک جدول با اضافه کردن دو ستون ارائه می دهیم.

مقدار اسلات می تواند نام فریم دیگری باشد. اینگونه است که شبکه‌های فریم تشکیل می‌شوند که از رئوس و اتصالات انتخاب شده تشکیل شده‌اند. سطح بالای قاب مفاهیم مربوطه را نشان می دهد و سطوح بعدی شکاف های ترمینال هستند که حاوی معانی خاصی هستند. سلسله مراتب اشیاء از طریق دستگاه تحقیق دارایی اجرا می شود، زمانی که کلاس های شی از یک سطح معین ساختار کلاس های فریم سطح بالاتر را به ارث می برند. اگر شی، گربه. توصیف شده توسط گروه خاصی از فریم ها به ترتیب با سطوح بالایی و پایینی قاب ها ارتباط مفهومی دارد. فریم های او با در نظر گرفتن روابط سلسله مراتبی ساخته می شوند و در عین حال وراثت ویژگی ها تحقق می یابد. از طریق شکاف ها یا فریم هایی با همین نام.

هنگام مطالعه سیستم های هوشمند، به طور سنتی این سوال مطرح می شود: دانش چیست و چه تفاوتی با داده های معمولی پردازش شده توسط رایانه ها برای چندین دهه دارد. تعاریف کاری متعددی را می توان پیشنهاد کرد که در داخل آنها این امر آشکار می شود.

داده ها- اینها حقایق فردی هستند که اشیاء، فرآیندها و پدیده های حوزه موضوعی و همچنین ویژگی های آنها را مشخص می کنند.

هنگام پردازش در رایانه، داده ها تبدیل می شوند و به طور مشروط مراحل زیر را طی می کنند:

1. داده ها در نتیجه اندازه گیری ها و مشاهدات.

2. داده های رسانه های ملموس (جدول، پروتکل ها، دایرکتوری ها).

3. مدل های داده (ساختارها) در قالب نمودارها، نمودارها، توابع.

4. داده ها در کامپیوتر به زبان توصیف داده ها.

5. پایگاه های داده در رسانه های ذخیره سازی کامپیوتر.

دانش بر اساس داده های به دست آمده تجربی است. آنها نتیجه فعالیت ذهنی یک فرد با هدف تعمیم تجربه او به دست آمده در نتیجه فعالیت عملی است.

دانش -اینها قوانین یک حوزه موضوعی (اصول، ارتباطات، قوانین) هستند که در نتیجه فعالیت های عملی و تجربه حرفه ای به دست آمده اند و به متخصصان اجازه می دهند مشکلات را در این زمینه مطرح و حل کنند.

هنگامی که دانش در رایانه پردازش می شود، به طور مشابه به داده ها تبدیل می شود.

1. دانش در حافظه انسان در نتیجه تفکر;

2. حامل های مادی دانش (کتاب های درسی، وسایل کمک آموزشی).

3. حوزه دانش- توصیف مشروط اشیاء اصلی منطقه موضوعی، ویژگی ها و الگوهای آنها که آنها را به هم متصل می کند.

4. دانش توصیف شده در زبان های بازنمایی دانش (زبان های تولید، شبکه های معنایی، فریم ها - زیر را ببینید).

5. پایگاه دانش در مورد رسانه های ذخیره سازی کامپیوتر

اغلب از تعریف زیر از دانش استفاده می شود:

دانشداده هایی با ساختار مناسب، یا داده های مربوط به داده ها یا ابرداده ها است.

پایگاه داده با کلمه کلیدی جستجو می شود، به طور نسبی، این پاسخ به سوال "چه؟" است. برای مثال، بیایید عبارت جستجو را "nanotubes" تنظیم کنیم. پایگاه داده همه چیز مربوط به این درخواست را برمی گرداند: سنتز، اکسیداسیون، تجزیه زیستی و ویژگی های طیفی. تعداد پیوندها از هزاران بیشتر خواهد شد. شما می توانید با دو، سه یا چند کلمه کلیدی جستجو کنید. این جریان لینک ها را کاهش می دهد، اما ممکن است لینک های ضروری را قطع کند. در پایگاه دانش، جستجو با استفاده از چندین سؤال انجام می شود، به عنوان مثال: "چه؟"، "با چه؟"، "چگونه؟". این موضوع نکته بعدی را مطرح می کند. در حال حاضر میلیون ها مقاله و پتنت در تمامی حوزه های دانش نوشته شده است. اما تنها حدود 30 تا 35 هزار راه حل وجود دارد که با اصل پایه دانش مطابقت دارد. افزایش تعداد تصمیمات بر خلاف افزایش تعداد مقالات کند است. اکثریت قریب به اتفاق مقالات تنها نکات ظریف یک راه حل هستند. به عنوان مثال: سخت شدن فلز. راه حل - چه: فلز، چه: مواد خنک کننده، چگونه: به سرعت. این محلول تمام فلزات و آلیاژها، انواع مایعات یا گازهای خاموش کننده و تمامی روش های تامین مبرد را پوشش می دهد. علاوه بر این، از این درخواست، یک پایگاه داده می تواند تشکیل شود، به عنوان مثال، با انواع مبرد (آب، روغن، آب نمک)، دوم - با روش های تامین مواد (پمپ، فرو بردن یک قطعه، پاشش محلول)، سوم - بر اساس گریدهای فولادی یک پایگاه داده اضافی از پیوندها را می توان در فرآیندهای جزئی تشکیل داد: اکسیداسیون سطح فلز، حذف رسوبات کربن پس از سخت شدن، روش های سخت شدن ویژه. جستجو در پایگاه دانش با جستجو در پایگاه داده متفاوت است؛ به اصطلاح از «منابع» استفاده می کند. منابع در درک پایگاه های دانش مواد، کاتالیزورها، زمینه ها و تأثیراتی هستند که به یک راه حل منجر می شوند. پایگاه های دانش همچنین می توانند سوالات جستجو را پردازش کنند. به عنوان مثال، پرس و جو "Synthesize ester" وارد شده در پایگاه داده تنها با کلمه کلیدی "ester" تفسیر می شود. در پایگاه دانش، می‌توانید عبارات «سنتز»، «واپاشی»، «تخریب زیستی» و الگوریتم‌های جستجوی معنایی افعال را مشخص کنید.

حال کمی در مورد معایب این سیستم. پایگاه های داده قوانین ایجاد شده برای تشکیل کلمات کلیدی، یکنواخت (با تغییرات جزئی) برای همه نشریات علمی و یکپارچه با الگوریتم های جستجو هستند. پایگاه های دانش باید از ابتدا ایجاد شود. این کار بسیار زیادی است، زیرا برای جداسازی منابع، به درک کاملی از فرآیندهای شرح داده شده در مقاله یا پتنت نیاز دارید، که هنگام پردازش مقالات چند رشته ای و پتنت های محافظت شده از مهندسی مجدد بسیار دشوارتر می شود. عیب دوم این است که پایگاه‌های دانش اکنون «برای مهندسان» ایجاد می‌شوند، یعنی عمدتاً با تمرکز کاربردی. بنابراین، تحقیقات بنیادی در آنها نمی گنجد.

حالا کمی در مورد مزایا. ایجاد پایگاه دانش یک فرآیند یادگیری عالی است. "محصول جانبی" افزایش قابل توجهی در سطح دانش توسعه دهندگان و دریافت متخصصان بسیار ماهر است که می توانند تصميم گرفتنوظایف محول شده مزیت دوم این است که با یک الگوریتم خاص برای تولید پرس و جو، پایگاه دانش می تواند منبعی برای راه حل های جدید باشد که توضیح داده نشده و هنوز ایجاد نشده اند. به عنوان مثال، هنگام درخواست سخت شدن فلز، پایگاه دانش می تواند فهرستی از منابعی را تهیه کند که دارای ویژگی های لازم (دما، سیالیت) هستند و ایجاد راه حل های جدید مانند سخت شدن در مذاب های پلیمری، سخت شدن با اکسیداسیون همزمان سطح را تحریک کند. ، سخت شدن نقطه ای و ناهموار. به علاوه سوم. احتمالاً بسیاری حتی فکر نمی کردند که ماهیت فرآیندهای ذکر شده در یک مقاله علمی یا حق ثبت اختراع در بیش از صد کلمه تنظیم نشده است. در عین حال، حجم مقالات حداقل چند صفحه است و پتنت ها - تا چند صد صفحه. پردازش مطالب در یک سیستم پایگاه دانش این امکان را در آینده فراهم می‌کند که زمان را برای خواندن جزئیات ناچیز و تفاوت‌های آنالوگ‌ها، که قطعاً در منابع منبع توضیح داده شده‌اند، تلف نکنیم.

پایگاه های دانش برای پیشرفت های کاربردی، به ویژه در لبه های پیشرفته علم، بسیار مفید هستند. آنها به شما این امکان را می دهند که برای یک مشکل خاص راه حل های آماده به دست آورید. در عین حال، ایجاد آنها سطح حرفه ای توسعه دهندگان را به شدت افزایش می دهد و به آنها امکان می دهد متخصصان عالی را به دست آورند.

بکارگیری پایگاه های دانش

از پایگاه های دانش ساده می توان برای ایجاد سیستم های خبره و ذخیره داده های مربوط به سازمان استفاده کرد: اسناد، کتابچه های راهنما، مقالات پشتیبانی فنی. هدف اصلی ایجاد چنین پایگاه‌های اطلاعاتی کمک به افراد کم‌تجربه برای یافتن شرح موجود از راهی برای حل هر مشکلی در حوزه موضوعی است.

یک هستی شناسی می تواند برای نمایش سلسله مراتبی از مفاهیم و روابط آنها در یک پایگاه دانش خدمت کند. هستی شناسی که شامل نمونه هایی از اشیا نیز می شود چیزی بیش از یک پایگاه دانش نیست.

سیستم های دانش محور بر اساس الگوریتم های هوشمند زیر پیاده سازی می شوند:

• سیستم های خبره؛
• شبکه های عصبی؛
• منطق فازی؛
• الگوریتم های ژنتیک

پایگاه دانش آموزشی یک سیستم اطلاعاتی است که اولاً حاوی اطلاعات سیستماتیک از یک حوزه موضوعی خاص، ثانیاً مدلی از یک حوزه موضوعی خاص (مقدار مشخصی از اطلاعات آموزشی در این رشته) و همچنین داده هایی در مورد مهارت های دانش آموز است. توسعه یافته و نحوه استفاده از آنها.

اطلاعات آموزشی در پایگاه های دانش را می توان به صورت متن، نمودار، تصویر، انیمیشن و کلیپ ویدیویی ارائه کرد. داده های مربوط به مهارت های دانش آموز در حال توسعه در سیستم مدیریت پایگاه دانش با استفاده از پردازش می شود

زبان های خاص، که به شما امکان می دهد فرآیند یادگیری را کنترل و مدیریت کنید. پایگاه‌های دانش از نظر قابلیت‌هایشان، نسخه‌ای ساده‌شده از یک سیستم یادگیری خبره یا بخشی از آن را نشان می‌دهند.

نتیجه

من واقعاً از کارآموزی علمی خارجی خود در ITMO در بخش برنامه نویسی کاربردی و نوآوری فناوری لذت بردم. در زمینه سیستم های هوشمند و پایگاه های دانش چیزهای جالب زیادی یاد گرفتم. یک چکیده با موضوع: انتقال از پایگاه داده به پایگاه دانش (شکل-7) انجام داد. با افرادی که سال ها در زمینه برنامه نویسی فعالیت می کنند ارتباط برقرار کردم و تجربیاتی کسب کردم که در ادامه کار پایان نامه ام به من کمک می کند. یک دوره کارآموزی علمی در خارج از کشور به من این امکان را داد که شکاف هایی را در دانش خود ببینم که باید پر شود. در طول دوره کارآموزی، با اسناد نظارتی در مورد سازماندهی فرآیند آموزشی آشنا شدم. با کاتالوگ های پایان نامه پژوهشی دانشجویان و داوطلبان کارشناسی ارشد آشنا شدم، آثار واجد شرایط نهایی، چکیده ها، پایان نامه های درجه علمی داوطلبان علوم با موضوع کار کارشناسی ارشد را مطالعه کردم.

در طول تمرین، دانش جدیدی در مورد ویژگی های فرآیندهای تولید در شرکت ماشین سازی OJSC NKMZ به دست آمد. یک بلوک دیاگرام برای مدل سازی برنامه ایجاد شد که اجرای آن برای تعیین تعداد بهینه ترولی های حمل و نقل با در نظر گرفتن تجزیه و تحلیل امکان اقتصادی گزینه های مختلف برای ایمن سازی چرخ دستی ها به ماشین ها انجام می شود.

وظیفه مدل توصیف شده توسط بلوک دیاگرام، نیاز به انتخاب تعداد چرخ دستی هایی است که واحدهای تمام شده را به انبار منتقل می کند، با در نظر گرفتن طرح بارگیری بهینه.

نتایج به‌دست‌آمده در آینده بسیار مورد توجه و سودمندی عملی است.

در یک گشت شهری شرکت کرد. با دیدنی های شهر، آثار تاریخی و تاریخ شهر آشنا شدم. از موزه اصلی شهر، ارمیتاژ نیز دیدن کردم.

در کل می خواهم نتیجه بگیرم که کارآموزی خارجی موفق بوده است. نتیجه کار تولیدی یک بلوک کامل از مواد از مجموعه کتابخانه های روسیه (شکل-3) بود که در موضوع پایان نامه کارشناسی ارشد جمع آوری شده بود. این مطالب به طور فعال در نگارش کارهای علمی مورد استفاده قرار می گیرد که نتیجه نهایی آن پایان نامه کارشناسی ارشد می باشد و پس از اتمام دوره کارآموزی گواهینامه های پایان موفقیت آمیز کارآموزی خارجی در ITMO به ما اعطا شد. (شکل-4،5)

کتابشناسی - فهرست کتب

1. http://innovatika.boom.ru/UZ.htm

فصل اول کتاب V. P. Barancheev "مدیریت دانش" در وب سایت قرار داده شده است. V. P. Barancheev - دکترای اقتصاد، استاد دانشگاه دولتی مدیریت (موسسه نوآوری و لجستیک، گروه مدیریت نوآوری). این کتاب به بررسی مفاهیم مدرن مدیریت دانش، دانش غیررسمی و رسمی و همچنین پایگاه های دانش می پردازد.

2. http://www.knowbase.ru/

سایتی که به پایگاه های داده اختصاص داده شده است. این صفحه به معرفی مفاهیم دانش، اطلاعات، مدیریت دانش، شناخت و ... می پردازد. همچنین برخی از قابلیت های پایگاه های دانش را تشریح می کند و همچنین در مورد کاربرد عملی آنها و مشکلات مربوط به استفاده از آنها صحبت می کند. هر مفهوم دارای یک صفحه وب جداگانه است.

3. http://lingvoworks.org.ua/index.php?option=com_content&view=article&id=57:2009-12-09-11-34-05&catid=2:misc&Itemid=3

در این مقاله مسائل مربوط به ساخت، ساختار، توصیف، طبقه بندی و استفاده از پایگاه های دانش هستی شناسی مورد بحث قرار می گیرد. مروری بر تحقیقات مدرن اختصاص داده شده به جنبه های مختلف ایجاد و استفاده از هستی شناسی ارائه شده است. توجه زیادی در کار به تمایز بین هستی شناسی های صوری و زبانی می شود. همچنین، یک روش نسبتاً دقیق برای ساخت منابع از نوع هستی‌شناختی پیشنهاد شده است.

4. http://aimatrix.nm.ru/aimatrix/SemanticNetworks.htm

مقاله اختصاصی به شبکه های معنایی. تاریخچه ایجاد شبکه های معنایی و همچنین اصول ساخت و طبقه بندی شرح داده شده است.

5. http://bibl.tikva.ru/base/B1253/B1253Part12-59.php

مقاله در مورد نقشه های شناختی. چندین مثال از استفاده از نقشه های شناختی آورده شده است.

6. http://lsdis.cs.uga.edu/projects/glycomics/report/Report2006.html

وب سایت مرکز تحقیقات. نمونه ای از تجسم هستی شناسی بیوشیمیایی و بیولوژیکی را می توان یافت.

7. http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.41.1007

کاربرد

شکل 1- دانشگاه ITMO

شکل 2 - اولین روز در دانشگاه. آشنایی

شکل 3- در یک کتابخانه بسیار غنی

شکل 4 - ارائه گواهینامه برای گذراندن موفقیت آمیز دوره کارآموزی خارجی. رهبر ما سوپرون آنتون سرگیویچ است.

شکل 5 - گواهی

شکل 6 - گشت شهری. موزه ارمیتاژ کاخ زمستانی.

شکل 7 - آماده سازی ارائه برای دفاع

شکل 8-گشت. شهر شبانه. بالا بردن پل ها

برای افرادی که می خواهند دائماً پیشرفت کنند، چیزی بیاموزند و دائماً چیزهای جدیدی یاد بگیرند، ما این دسته را به طور ویژه ساخته ایم. این شامل منحصراً محتوای آموزشی و مفید است که مطمئناً از آن لذت خواهید برد. ممکن است تعداد زیادی از ویدیوها حتی با تحصیلاتی که در مدرسه، کالج یا دانشگاه به ما می‌دهند، رقابت کنند. بزرگترین چیز در مورد فیلم های آموزشی این است که آنها سعی می کنند جدیدترین و مرتبط ترین اطلاعات را ارائه دهند. دنیای اطراف ما در عصر فناوری دائماً در حال تغییر است و نشریات آموزشی چاپی به سادگی زمان لازم برای ارائه آخرین اطلاعات را ندارند.

در میان فیلم ها می توانید فیلم های آموزشی برای کودکان پیش دبستانی را نیز بیابید. در آنجا به فرزند شما حروف، اعداد، شمارش، خواندن و غیره آموزش داده می شود. موافقم، این جایگزین بسیار خوبی برای کارتون است. برای دانش‌آموزان دوره ابتدایی نیز می‌توانید آموزش زبان انگلیسی و کمک در مطالعه موضوعات مدرسه را بیابید. برای دانش‌آموزان بزرگ‌تر، ویدیوهای آموزشی ایجاد شده است که به شما کمک می‌کند برای آزمون‌ها، امتحانات آماده شوید یا به سادگی دانش خود را در یک موضوع خاص عمیق کنید. دانش به دست آمده می تواند تأثیر کیفی بر پتانسیل ذهنی آنها داشته باشد و همچنین شما را با نمرات عالی خوشحال کند.

برای جوانانی که قبلاً از مدرسه فارغ التحصیل شده اند، در حال تحصیل یا عدم تحصیل در دانشگاه هستند، ویدیوهای آموزشی جذاب بسیاری وجود دارد. آنها می توانند به آنها کمک کنند تا دانش خود را در مورد حرفه ای که برای آن تحصیل می کنند عمیق تر کنند. یا حرفه ای مانند برنامه نویس، طراح وب، بهینه ساز سئو و غیره به دست آورید. این حرفه هنوز در دانشگاه ها تدریس نمی شود، بنابراین فقط با خودآموزی می توانید در این زمینه پیشرفته و مرتبط متخصص شوید که ما با جمع آوری مفیدترین فیلم ها سعی در کمک به آن داریم.

برای بزرگسالان نیز این موضوع مرتبط است، زیرا اغلب اتفاق می افتد که پس از سال ها کار در یک حرفه، به این درک می رسید که این موضوع شما نیست و می خواهید چیزی مناسب تر و در عین حال سودآورتر یاد بگیرید. همچنین در بین این دسته از افراد، اغلب ویدئوهایی در مورد نوع خودسازی، صرفه جویی در زمان و هزینه، بهینه سازی زندگی خود وجود دارد که در آن راه هایی برای زندگی بهتر و شادتر پیدا می کنند. حتی برای بزرگسالان نیز موضوع ایجاد و توسعه کسب و کار خودتان بسیار مناسب است.

همچنین در بین ویدیوهای آموزشی ویدیوهایی با تمرکز کلی وجود دارد که تقریباً برای هر سنی مناسب است؛ در آنها می توانید با نحوه شروع زندگی، تئوری های تکامل، حقایق تاریخ و غیره آشنا شوید. آنها کاملاً افق های یک فرد را گسترش می دهند و او را به یک گفتگوی فکری بسیار باهوش تر و دلپذیرتر تبدیل می کنند. تماشای چنین ویدیوهای آموزشی واقعاً برای همه مفید است، بدون استثنا، زیرا دانش قدرت است. ما برای شما یک مشاهده لذت بخش و مفید آرزو می کنیم!

امروزه، به سادگی لازم است همان چیزی باشیم که "روی موج" نامیده می شود. این نه تنها به اخبار، بلکه به رشد ذهن خود نیز اشاره دارد. اگر می خواهید توسعه پیدا کنید، جهان را کشف کنید، در جامعه مورد تقاضا باشید و جالب باشید، پس این بخش فقط برای شماست.