Date
informație
Operațiuni de date
În timpul procesului de informare, datele sunt convertite de la un tip la altul. Odată cu dezvoltarea progresului științific și tehnologic și complicarea generală a conexiunilor în societatea umană, costurile forței de muncă pentru prelucrarea datelor cresc constant (complicarea constantă a condițiilor de gestionare a producției și a societății + ritmul rapid al apariției și implementării de noi transportatori / stocarea datelor - o creștere a volumului de date).
1. Colectare- acumularea de date pentru a asigura o exhaustivitate suficientă a informațiilor pentru luarea unei decizii;
2. Formalizarea- aducerea datelor din surse diferite în aceeași formă pentru a le face comparabile între ele, adică pentru a le crește nivelul de accesibilitate;
3. Filtrare- eliminarea datelor „inutile”, care nu sunt necesare pentru luarea deciziilor; în același timp, nivelul de „zgomot” ar trebui să scadă, iar fiabilitatea și adecvarea datelor ar trebui să crească;
4. Sortarea- ordonarea datelor după un criteriu dat în scopul ușurinței în utilizare; crește disponibilitatea informațiilor;
5. Gruparea- combinarea datelor pe o bază dată pentru a îmbunătăți gradul de utilizare; crește disponibilitatea informațiilor;
6. Arhivare- organizarea stocării datelor într-o formă convenabilă și ușor accesibilă; servește la reducerea costurilor economice de stocare a datelor și crește fiabilitatea globală a procesului informațional în ansamblu;
7. Protecție- un set de măsuri care vizează prevenirea pierderii, reproducerii și modificării datelor;
8. Transport- recepția și transmiterea (livrarea și livrarea) datelor între participanții la distanță la procesul de informare; sursa de date în informatică este de obicei numită server, iar un consumator este numit client;
9. Transformare- transfer de date de la o formă la alta sau de la o structură la alta. Exemplu: schimbarea tipului media; cărți - hârtie, formular electronic, microfilm. Nevoia de transformări multiple ale datelor apare și în timpul transportului acestora, mai ales dacă se realizează prin mijloace care nu sunt destinate transportului acestui tip de date.
2. Relația conceptelor de „informație, date, cunoștințe”. Model Dikw
Nu există definiții universale.
Cunoştinţe- în teoria inteligenței artificiale și a sistemelor expert - un set de reguli de informații și de inferență (de la un individ, o societate sau un sistem AI) despre lume, proprietățile obiectelor, modelele de procese și fenomene, precum și regulile de utilizare ei pentru a lua decizii. Principala diferență dintre cunoștințe și date constă în structura și activitatea lor; apariția unor fapte noi în baza de date sau stabilirea de noi conexiuni pot deveni o sursă de schimbări în procesul decizional.
Date este o colecție de informații înregistrate pe un anumit suport într-o formă adecvată stocării, transmiterii și procesării permanente. Transformarea și prelucrarea datelor furnizează informații.
informație este rezultatul transformării și analizei datelor. Diferența dintre informații și date este că datele sunt informații fixe despre evenimente și fenomene care sunt stocate pe anumite medii, iar informațiile apar ca urmare a prelucrării datelor atunci când se rezolvă probleme specifice. De exemplu, bazele de date stochează diverse date, iar la o cerere specifică, sistemul de management al bazei de date oferă informațiile necesare.
Pentru a rezolva problema date prelucrate pe baza cunoștințelor disponibile, informație analizate folosind cunoștințe. Pe baza analizei se propun soluții, se acceptă cele mai bune, iar cunoștințele sunt reînnoite.
Luarea deciziilor se realizează pe baza informațiilor primite și a cunoștințelor disponibile. A lua decizii- aceasta este alegerea celei mai bune, intr-un sens, o varianta de solutie din setul de admisibile pe baza informatiilor disponibile.
DIKW (English data, information, knowledge, wisdom - data, information, knowledge, wisdom) este o ierarhie de informații, în care fiecare nivel adaugă anumite proprietăți la nivelul anterior.
Modelul în sine își are originile în lucrările filosofului Mortimer Adler, dar pentru prima dată în aplicarea teoriei managementului cunoașterii a fost oficializat de Nicolas Henri. Ca supliment în 1989, Russell Ackoff a propus o extindere a acestui model cu stratul „înțelegere”: înțelegerea necesită analiză și predestinare, astfel încât să fie plasată între cunoaștere și înțelepciune. În ceea ce privește distribuția temporală a straturilor, el indică concizia ciclului de viață al informațiilor în comparație cu ciclul de viață al cunoașterii; înțelegerea este considerată nepermanentă, iar înțelepciunea este considerată constantă
În partea de jos este stratul de date.
Informațiile adaugă context.
Cunoștințele adaugă „cum” (mecanism de utilizare)
Înțelepciunea adaugă „când” (termeni de utilizare)
Datele și informațiile sunt adesea identificate, dar există o diferență semnificativă între cei doi termeni:
● informație- cunoștințe referitoare la concepte și obiecte (fapte, evenimente, lucruri, procese, idei) din creierul uman;
● Date- prezentarea informațiilor prelucrate adecvate pentru transmitere, interpretare sau prelucrare (fișiere informatice, documente pe hârtie, înregistrări în sistemul informațional).
Diferența dintre informații și date este aceea că:
1) datele sunt informații fixe despre evenimente și fenomene care sunt stocate pe anumite medii, iar informațiile apar ca urmare a prelucrării datelor la rezolvarea unor probleme specifice.
De exemplu, bazele de date stochează diverse date, iar la o cerere specifică, sistemul de management al bazei de date oferă informațiile necesare.
2) datele sunt media, nu informațiile în sine.
3) Datele se transformă în informații numai atunci când o persoană este interesată de acestea. O persoană extrage informații din date, le evaluează, le analizează și, pe baza rezultatelor analizei, ia una sau alta decizie.
Datele se transformă în informații în mai multe moduri:
Contextualizare: știm pentru ce sunt aceste date;
Numărarea: procesăm datele matematic;
Corectare: corectăm greșelile și eliminăm golurile;
Comprimare: comprimăm, concentrăm, agregăm date.
Astfel, dacă este posibilă utilizarea datelor pentru a reduce incertitudinea cunoștințelor despre un subiect, atunci datele se transformă în informații. Prin urmare, se poate susține că informațiile sunt datele utilizate.
4) Informațiile pot fi măsurate. Măsura de măsurare a conținutului informației este asociată cu o modificare a gradului de ignoranță a destinatarului și se bazează pe metodele teoriei informației.
2. Domeniul de subiect- aceasta este o parte a lumii reale, datele despre care vrem să le reflectăm în baza de date. Tematica este infinită și conține atât concepte și date esențiale, cât și date puține sau deloc. Astfel, importanța datelor depinde de alegerea domeniului de studiu.
Model de domeniu... Modelul de domeniu este cunoștințele noastre despre domeniu. Cunoașterea poate fi atât sub formă de cunoștințe informale în creierul unui expert, cât și poate fi exprimată formal folosind orice mijloace. Experiența arată că modul textual de reprezentare a modelului de domeniu este extrem de ineficient. Descrierile materiei, realizate folosind notatii grafice specializate, sunt mult mai informative si utile in dezvoltarea bazelor de date. Există un număr mare de metode de descriere a domeniului subiectului. Cele mai cunoscute sunt metodologia de analiză structurală SADT și IDEF0 bazată pe aceasta, diagramele de flux de date Heine-Sarson, metoda de analiză orientată pe obiecte UML etc. Modelul de domeniu descrie mai degrabă procesele care au loc în domeniu și datele utilizate de aceste procese. . Succesul dezvoltării ulterioare a aplicațiilor depinde de cât de corect este modelată domeniul subiectului.
3. Baza de date- prezentate într-o formă obiectivă, un set de materiale independente (articole, calcule, regulamente, hotărâri judecătorești și alte materiale similare), sistematizate în așa fel încât aceste materiale să poată fi găsite și prelucrate cu ajutorul unui calculator electronic (calculator).
Mulți experți subliniază o greșeală comună în utilizarea termenului „bază de date” în locul termenului „sistem de management al bazelor de date” și subliniază necesitatea de a face distincția între aceste concepte.
5.1. Diferențele dintre cunoștințe și date
O trăsătură caracteristică a sistemelor inteligente este disponibilitatea cunoștințelor necesare pentru a rezolva probleme într-o anumită zonă. Acest lucru ridică întrebarea firească a ceea ce este cunoștințele și cum diferă acestea de datele obișnuite procesate de computere.
Datele se numesc informații de natură reală care descriu obiecte, procese și fenomene din domeniul subiectului, precum și proprietățile acestora. În procesele de prelucrare computerizată, datele parcurg următoarele etape de transformare:
Forma originală a existenței datelor (rezultate ale observațiilor și măsurătorilor, tabele, cărți de referință, diagrame, grafice etc.);
Prezentarea în limbi speciale a descrierilor de date destinate introducerii și procesării datelor inițiale într-un computer;
Baze de date pe medii informatice.
Cunoașterea este o categorie de informații mai complexă decât datele. Cunoașterea descrie nu numai fapte individuale, ci și relațiile dintre ele, prin urmare cunoștințele sunt uneori numite date structurate. Cunoștințele pot fi obținute prin prelucrarea datelor empirice. Ele reprezintă rezultatul activității mentale a unei persoane care vizează generalizarea experienței sale acumulate ca urmare a activității practice.
Pentru a dota IIS cu cunoștințe, acestea trebuie prezentate într-o anumită formă. Există două modalități principale de a transmite cunoștințe sistemelor software. Primul este de a pune cunoștințele într-un program scris într-un limbaj de programare convențional. Un astfel de sistem va reprezenta un singur cod de program în care cunoștințele nu sunt plasate într-o categorie separată. În ciuda faptului că sarcina principală va fi rezolvată, în acest caz este dificil să se evalueze rolul cunoștințelor și să se înțeleagă cum este utilizată în procesul de rezolvare a problemelor. Modificarea și întreținerea unor astfel de programe nu este o sarcină ușoară, iar problema reînnoirii cunoștințelor poate deveni insolubilă.
A doua metodă se bazează pe conceptul de baze de date și constă în plasarea cunoștințelor într-o categorie separată, i.e. cunoștințele sunt prezentate într-un format specific și plasate în baza de cunoștințe. Baza de cunoștințe este ușor de actualizat și modificat. Este o parte autonomă a unui sistem inteligent, deși mecanismul de inferență implementat în blocul logic, precum și mijloacele de dialog, impun anumite restricții asupra structurii bazei de cunoștințe și operațiunilor cu aceasta. Această metodă este adoptată în IIS modern.
De remarcat că pentru a introduce cunoștințe într-un computer, acesta trebuie să fie reprezentat de anumite structuri de date corespunzătoare mediului de dezvoltare ales pentru un sistem inteligent. În consecință, în dezvoltarea IMS, cunoștințele sunt mai întâi acumulate și prezentate, iar în această etapă, participarea unei persoane este obligatorie, iar apoi cunoștințele sunt reprezentate de anumite structuri de date care sunt convenabile pentru stocarea și procesarea într-un computer. Cunoștințele în IIS există sub următoarele forme:
Cunoștințe inițiale (reguli derivate din experiența practică, relații matematice și empirice care reflectă relațiile reciproce dintre fapte; modele și tendințe care descriu schimbarea faptelor în timp; funcții, diagrame, grafice etc.);
Descrierea cunoștințelor inițiale prin intermediul modelului de reprezentare a cunoștințelor ales (un set de formule logice sau reguli de producție, o rețea semantică, cadre etc.);
Reprezentarea cunoștințelor prin structuri de date care sunt destinate stocării și prelucrării într-un computer;
Baze de cunoștințe despre suporturile de date ale mașinii.
Ce este cunoașterea? Iată câteva definiții.
Din dicționarul explicativ al SI Ozhegov: 1) „Cunoașterea este înțelegerea realității de către conștiință, știință”; 2) „Cunoașterea este un set de informații, cunoștințe în orice domeniu”.
Definiția termenului „cunoaștere” include mai ales elemente filozofice. De exemplu, cunoașterea este un rezultat testat în practică al cunoașterii realității, reflectarea corectă a acesteia în mintea unei persoane.
Cunoașterea este rezultatul obținut prin cunoașterea lumii înconjurătoare și a obiectelor acesteia. În cele mai simple situații, cunoașterea este considerată ca o declarație de fapte și descrierea acestora.
Cercetătorii AI oferă definiții mai specifice ale cunoștințelor.
„Cunoașterea reprezintă regularitățile disciplinei (principii, conexiuni, legi), obținute ca urmare a activităților practice și a experienței profesionale, permițând specialiștilor să stabilească și să rezolve probleme în acest domeniu”.
„Cunoașterea este date bine structurate sau date despre date sau metadate.”
„Cunoașterea este informație oficializată la care se face referire sau se utilizează în procesul de inferență.”
În domeniul sistemelor AI și al inginerii cunoașterii, definiția cunoștințelor este legată de o inferență logică: cunoașterea este informație pe baza căreia este implementat procesul de inferență, adică. pe baza acestor informații, puteți trage diverse concluzii despre datele disponibile în sistem folosind inferența logică. Motorul de inferență vă permite să legați împreună fragmente separate și apoi să trageți concluzii cu privire la această secvență de fragmente înrudite.
Cunoașterea este informație formalizată care este referită sau utilizată în procesul de inferență (Fig. 5.1.).
Orez. 5.1. Procesul de inferență în IC
Prin cunoaștere înțelegem un set de fapte și reguli. Conceptul de regulă care reprezintă o cunoaștere este:
Dacă<условие>atunci<действие>.
Această definiție este un caz special al definiției anterioare.
Cu toate acestea, se recunoaște că trăsăturile calitative distinctive ale cunoașterii se datorează marilor lor oportunități în direcția structurării și interconectării unităților constitutive, interpretabilității acestora, prezenței unei metrici, integrității funcționale, activității.
Există multe clasificări ale cunoștințelor. De regulă, clasificările sunt folosite pentru a sistematiza cunoștințele unor domenii specifice. La nivel abstract de considerație, putem vorbi despre semnele după care se subdivizează cunoștințele, și nu despre clasificări. Prin natura sa, cunoștințele pot fi împărțite în declarative și procedurale.
Cunoașterea declarativă este o descriere a faptelor și fenomenelor, fixează prezența sau absența unor astfel de fapte și include, de asemenea, descrieri ale principalelor conexiuni și modele în care sunt incluse aceste fapte și fenomene.
Cunoașterea procedurală este o descriere a acțiunilor care sunt posibile atunci când manipulăm fapte și fenomene pentru a atinge obiectivele urmărite.
Pentru a descrie cunoștințele la nivel abstract, au fost dezvoltate limbaje speciale - limbaje pentru descrierea cunoștințelor. Aceste limbi sunt, de asemenea, împărțite în limbi procedurale și declarative. Toate limbajele de descriere a cunoștințelor orientate spre utilizarea calculatoarelor tradiționale ale arhitecturii von Neumann sunt limbaje procedurale. Dezvoltarea limbajelor declarative, convenabile pentru reprezentarea cunoștințelor, este o problemă urgentă a zilelor noastre.
Conform metodei de dobândire a cunoștințelor, aceasta poate fi împărțită în fapte și euristici (reguli care vă permit să faceți o alegere în absența unor justificări teoretice precise). Prima categorie de cunoștințe indică de obicei circumstanțe bine cunoscute în domeniul dat. A doua categorie de cunoștințe se bazează pe experiența proprie a expertului de lucru într-un domeniu specific, acumulată ca urmare a mulți ani de practică.
După tipul de reprezentare, cunoștințele sunt împărțite în fapte și reguli.Faptele sunt cunoștințe de tipul „A este A”, astfel de cunoștințe sunt tipice pentru bazele de date și modelele de rețea. Regulile sau produsele sunt cunoștințe de tipul „DACĂ A, ATUNCI B”.
Pe lângă fapte și reguli, există și meta-cunoașterea - cunoașterea despre cunoaștere. Ele sunt necesare pentru gestionarea bazei de cunoștințe și pentru organizarea eficientă a procedurilor de inferență.
Forma de reprezentare a cunoștințelor are un impact semnificativ asupra caracteristicilor IIS. Bazele de cunoștințe sunt modele ale cunoașterii umane. Cu toate acestea, toate cunoștințele pe care o persoană le atrage în procesul de rezolvare a unor probleme complexe nu pot fi modelate. Prin urmare, în sistemele inteligente, este necesară împărțirea clară a cunoștințelor în cele care sunt concepute pentru a fi procesate de un computer și cunoștințe utilizate de oameni. Evident, pentru a rezolva probleme complexe, baza de cunoștințe trebuie să aibă un volum suficient de mare, în legătură cu care inevitabil să apară probleme de gestionare a unei asemenea baze. Prin urmare, atunci când se alege un model de reprezentare a cunoștințelor, ar trebui să se țină cont de factori precum omogenitatea reprezentării și ușurința de înțelegere. Omogenitatea prezentării conduce la o simplificare a mecanismului de management al cunoștințelor. Ușurința de înțelegere este importantă pentru utilizatorii de sisteme inteligente și experți, ale căror cunoștințe sunt încorporate în IMS. Dacă forma de reprezentare a cunoștințelor este greu de înțeles, atunci procesele de dobândire și interpretare a cunoștințelor devin mai complicate. Trebuie remarcat faptul că este destul de dificil să îndepliniți simultan aceste cerințe, în special în sistemele mari, unde structurarea și reprezentarea modulară a cunoștințelor devin inevitabile.
Rezolvarea problemelor de inginerie a cunoștințelor ridică problema conversiei informațiilor primite de la experți sub formă de fapte și reguli de utilizare a acestora într-o formă care poate fi implementată eficient prin prelucrarea automată a acestor informații. În acest scop, au fost create diverse modele de reprezentare a cunoștințelor și sunt utilizate în sistemele existente.
Modelele clasice de reprezentare a cunoștințelor includ modele logice, de producție, cadru și rețele semantice.
Fiecare model are propriul limbaj de reprezentare a cunoștințelor. Cu toate acestea, în practică, rareori este posibil să se descurce cu cadrul unui model atunci când se dezvoltă IMS, cu excepția celor mai simple cazuri, astfel încât reprezentarea cunoștințelor se dovedește a fi complexă. În plus față de reprezentarea combinată folosind diverse modele, instrumente speciale sunt de obicei folosite pentru a reflecta caracteristicile cunoștințelor specifice despre domeniul subiectului, precum și diverse modalități de a elimina și de a lua în considerare neclaritatea și incompletitudinea cunoștințelor.
Date și cunoștințe
informație
Date
Procedural declarativ
Domeniul subiectului
Cunoştinţe
Concluzie logica
fapte Euristică
mecanism de retragere, concluzie logica sau mașină de ieșire.
interfata
Bază de cunoștințe,
mecanism de retragere,
Interfața cu utilizatorul.
Conceptul de sistem formal
Baza modelelor logice este conceptul de sistem formal definit de un cvadruplu M = (T, P, A, F).
O multime de T există multe elemente de bază de natură diferită, de exemplu, cuvinte dintr-un vocabular limitat. Se presupune că există o procedură P ( T) verificarea apartenenței unui element arbitrar în mulțime T.
O multime de P există multe reguli de sintaxă. Cu ajutorul lor de la elemente T formează expresii corecte din punct de vedere sintactic, de exemplu, expresiile corecte din punct de vedere sintactic sunt construite din cuvintele unui vocabular limitat. Trebuie să existe o procedură P ( R), ceea ce face posibil să se determine dacă
unele expresii sunt corecte din punct de vedere sintactic.
În platou R un subset de A expresii a priori adevărate (axiome). Trebuie să existe o procedură P ( A) verificarea dacă orice expresie corectă din punct de vedere sintactic aparține unei mulțimi A.
O multime de F există multe reguli de inferență semantică. Aplicarea lor pe elemente A, puteți obține noi expresii corecte din punct de vedere sintactic, la care puteți aplica din nou regulile F... Acesta este cum set de retraseîn acest sistem formal de expresii. Dacă există o procedură P ( F), ceea ce face posibil să se determine pentru orice expresie corectă din punct de vedere sintactic dacă aceasta este deductibilă, atunci sistemul formal corespunzător se numește rezolvabil.
Pentru cunoștințele incluse în baza de cunoștințe, putem presupune că mulțimea A formează toate unitățile de informații introduse în baza de cunoștințe și, cu ajutorul regulilor de inferență, se derivă altele noi din acestea cunoștințe derivate... Cu alte cuvinte, un sistem formal este un generator de noi cunoștințe care formează un set retrasîn acest sistem cunoştinţe.
Acest model stă la baza construcției multora IIS deductiv... În astfel de sisteme, baza de cunoștințe este descrisă sub formă de propoziții și axiome de teorie, iar mecanismul de inferență implementează regulile de construire a noilor propoziții din cele existente în baza de cunoștințe. Intrarea sistemului primește o descriere a problemei în limbajul acestei teorii sub forma unei cereri (propoziție, teoremă), care nu este prezentată explicit în baza de cunoștințe. Procesul mecanismului de inferență se numește demonstrația cererii (teoremă).
Utilizarea unor logici de diferite tipuri în construirea regulilor sintactice și semantice generează modele logice de diferite tipuri.
Calcul propozițional
Calculul propozițional studiază propozițiile care pot fi fie adevărate, fie false. Nu orice propoziție este o declarație. De exemplu, nu are sens să vorbim despre adevărul propozițiilor interogative. Propozițiile nu sunt afirmații pentru care nu există un consens asupra faptului că aceste propoziții sunt adevărate sau false. Aparent, nu toată lumea va fi de acord cu afirmația „logica matematică este un subiect fascinant”.
De asemenea, propoziția „Ninguse” nu este o declarație, deoarece pentru a judeca adevărul ei, sunt necesare informații suplimentare despre când și unde a nins.
Combinarea propozițiilor folosind legături precum "și", "sau","Daca atunci ...", puteți forma propoziții noi.
Există cinci conexiuni logice utilizate în calculul propozițional: negație, conjuncție, disjuncție, implicație și echivalență.
Conjuncție (logică ȘI) este adevărată numai dacă ambele afirmații constitutive sunt adevărate.
Disjuncție (logică SAU) este fals numai atunci când ambele afirmații constitutive sunt false.
Implicația (corespunde pachetului " Daca atunci ...») Primul operand se numește premisă, iar al doilea se numește concluzie. O implicație este falsă numai atunci când premisa ei este adevărată și concluzia este falsă.
Operație logică echivalenţă corespunde pachetului " atunci și numai atunci". Rezultatul ei este Adevărat dacă ambele afirmații sunt fie simultan adevărate, fie simultan false.
Logic negare se efectuează pe o singură declarație. Afirmația și negația sa au întotdeauna valori de adevăr opuse.
Se numesc simbolurile folosite pentru a desemna afirmații atomi.
Formulele construite corect în logica propozițională sunt definite recursiv după cum urmează:
1) un atom este o formulă;
2) dacă Ași B- formule, atunci formulele sunt
și Ø A, A Ù B, A Ú B, A ® B, A « B.
Aici, pachetele sunt indicate prin simbolurile:
Ú - logic SAU(disjuncție);
Ù - logic ȘI(conjuncție);
® - logic AR TREBUI SĂ(implicare);
"- logic ECHIVALENT(echivalent);
Ø - negaţie logică.
Interpretare o formulă se numește atribuirea fiecărui atom inclus în formulă a unei valori de adevăr ( Adevărat sau Minciuna).
Formula constând din n atomi diferiți, are 2 n interpretări diferite.
Se numește formula care este adevărată pentru toate interpretările general valabil(De exemplu, A Ú Ø A).
Se numește o formulă care este falsă în toate interpretările controversat(De exemplu, A ÙØ A).
Se numește o formulă pentru care există cel puțin o interpretare pentru care este adevărată realizabil.
Echivalent se numesc formule ale căror valori de adevăr coincid pentru toate interpretările. Substituțiile echivalente pot fi folosite pentru a transforma formulele dintr-o formă în alta.
Pentru transformările de formule ale calculului propozițional se folosesc următoarele echivalențe:
1) A Ú Ø A = Adevărat(Adevărat);
A Ù Ø A = fals(Minciuna);
2) regula dublei negații
Ø (Ø A) = A;
3) A ® B = Ø A Ú B;
4) A « B = (A ® B) Ù ( B ® A);
5) legile comutativității
A Ú B = B Ú A, A Ù B = B Ù A;
6) legile asociativităţii
(A Ú B) Ú C =A Ú ( B Ú C), (A Ù B) Ù C = A Ù ( B Ù C);
7) legile distribuţiei
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) legile lui de Morgan
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.
Calculul predicatelor
Aparatul de calcul al enunțurilor în multe cazuri nu permite o descriere satisfăcătoare a domeniului subiectului. O parte semnificativă din domeniile subiectului poate fi descrisă prin intermediul calculului predicat de ordinul întâi. Pentru aceasta, se iau în considerare următoarele:
a) constante care denotă un obiect sau un concept individual;
b) variabile care în momente diferite pot desemna obiecte diferite;
c) termeni, dintre care cei mai simpli sunt constante și variabile, iar într-un caz mai general, reprezentați prin expresii de tip, unde este un simbol funcțional, și sunt termeni;
d) predicate folosite pentru a reprezenta relaţii între obiecte dintr-un anumit domeniu;
e) cuantificatori - un mijloc de precizare a caracteristicilor cantitative ale domeniului de studiu.
Predicat Este o funcție logică care ia doar valori de adevăr" Adevărat" sau " Minciuna».
Un predicat constă dintr-un simbol predicat și setul ordonat corespunzător de termeni care sunt argumentele sale. Simbol predicat P folosit pentru a denumi relaţiile dintre obiecte. Dacă are n argumente, se numește n-pat simbol predicat.
Înregistrarea, care este cea mai simplă formulă (atomică), înseamnă că afirmația este adevărată: obiectele sunt legate de P.
Folosind aceleași conexiuni logice ca în calculul propozițional ( ȘI, SAU, NU TREBUIE, ECHIVALENTE), puteți construi formule mai complexe.
Formulele folosesc cuantificatori (universalitate) și (existență) pentru a defini domeniul de aplicare al variabilelor. Cuantificatorii permit construirea de afirmații despre un set de obiecte și formularea afirmațiilor care sunt adevărate pentru această mulțime.
Formulele de calcul predicate (PPF-urile sunt formule bine construite) sunt definite recursiv după cum urmează:
1. atomul este o formulă;
2.dacă Ași B Sunt formule, atunci formulele sunt și
Ø A, A Ù B, A Ú B, A ® B, A « B;
3. dacă - este o formulă, atunci formulele sunt și și.
Interpretarea formulelor în calculul predicatelor este alocarea de intervale de valori tuturor constantelor, simbolurilor funcționale și predicate. Formula interpretată pe zonă D, preia valorile Adevărat sau Minciuna conform urmatoarelor reguli:
a) dacă sunt date valorile formulelor Ași B, apoi valorile de adevăr ale formulelor Ø A, A Ù B, A Ú B, A ® B, A « B obţinute din tabele de adevăr care sunt valabile pentru calculul propoziţional;
b) formula capătă valoarea Adevărat dacă pentru fiecare dintre D are sensul Adevărat, altfel valoarea lui este Minciuna.
c) formula capătă valoarea Adevărat dacă cel puţin unul dintre D are sensul Adevăratîn caz contrar, valoarea sa este falsă.
Formulă A există consecință logică formule dacă și numai dacă pentru orice interpretare în care formula 
adevărat, formulă A este de asemenea adevărat.
În plus față de formulele pentru transformările echivalente date pentru calculul propozițional, următoarele sunt valabile în calculul predicat:
Ø($ ) = () (Ø );
Ø() = () (Ø ).
Tipuri de cadre
În scopuri cognitive distinge între două tipuri de rame: cadru - prototip și cadru - exemplu. Cadru - prototip reflectă cunoștințele despre concepte abstracte stereotipe, care sunt clase ale unor obiecte concrete. Cadrele prototip reflectă intensional cunoștințe, adică cunoștințe generalizate despre legile inerente clasei de obiecte luate în considerare. Rame - exemple reflectă cunoștințele despre fapte specifice domeniului subiect, sau așa-numitele extensiale cunoştinţe. Tranziția de la un prototip-cadru la o instanță-cadru se realizează atunci când procedura de desemnare a prototipului-cadru este efectuată în timpul funcționării mecanismului de inferență.
Ca exemplu, luați în considerare o diagramă cadru simplificată - prototipul conceptului DATE:
<ДАТА> (<МЕСЯЦ><имя>)(<ДЕНЬ><целые числа {1,2,…, 31}>)
(<ГОД><функция>)(<ДЕНЬ НЕДЕЛИ><перечень {ПНД,ВТР,…,ВСК}>
<функция>)
Numele cadrului - prototip - DATA. În intervalul MONTH, NUMELE este scris în locul valorii, adică. valoarea slotului poate fi orice expresie literală. Valoarea slotului DAY este numere întregi, iar o listă a acestora este dată în slot. Slot YEAR indică o funcție care poate implementa următoarele acțiuni. Dacă un an este specificat în propoziția de intrare, atunci acesta este introdus în câmpul de valoare al slotului din cadrul exemplu; dacă nu este specificat un an, valoarea lipsă este completată cu anul curent. Aceste tipuri de funcții sunt numite funcții implicite.
Slot ZIUA SĂPTĂMÂNII definește, de asemenea, o funcție care, la procesarea unui mesaj de intrare, va fi apelată automat pentru a verifica dacă există eșec.
consistența valorii zilei săptămânii specificate de utilizator sau
setarea acestei valori dacă utilizatorul nu a specificat-o.
Un cadru de beton - un exemplu de cadru DATE ar putea arăta astfel:
<ISA DATA> (<МЕСЯЦ><ИЮНЬ>)(<ДЕНЬ><5>)
Eticheta ISA indică faptul că acest cadru este un exemplu de cadru. Aici sunt ocupate doar 2 locuri. Restul poate fi calculat folosind proceduri adecvate.
Procedurile incluse în slot sunt împărțite în două tipuri: proceduri - demoni și
procedurile sunt servitori.
Proceduri - Demoni sunt activate automat de fiecare dată când datele sunt introduse în cadrul corespunzător - exemplu sau șterse din acesta. De exemplu, procedura încorporată în slotul ZIUA SĂPTĂMÂNII din exemplul de mai sus este un reprezentant al procedurii demon. Cu ajutorul unor proceduri de acest tip se realizează toate operațiunile de rutină legate de întreținerea bazelor de date și a cunoștințelor.
Proceduri - Servitori activat numai la cerere. Un exemplu de astfel de procedură este o funcție încorporată în slotul YEAR din cadrul prototipului DATE, care este apelată numai dacă utilizatorul nu a specificat un an.
Orez. 4.6 Rețea de cadre
pe cadru Copil. Moștenirea slotului „dragoste” din cadrul Copilului.
Cerere 2. Care este vârsta elevilor?
Răspuns: 6-17 - valoarea slotului „vârstă” este luată din cadrul Student. Valoarea din cadrul Child nu este luată, deoarece valoarea este indicată explicit în cadrul propriu-zis „elev”, despre care se pune întrebarea.
După scopul funcțional se disting următoarele tipuri de rame:
Cadrele sunt obiecte (exemplul de mai sus);
Cadre - operații (de exemplu, cadrul „proces de sinteză a dispozitivelor de corectare”, sloturi: model, algoritm de calcul, parametri etc.);
Cadre - situații (de exemplu, cadrul „Funcționarea de urgență a unui senzor analogic”, sloturi: tensiune, curent etc.);
Cadre - scenarii (de exemplu, cadru „Stingere incendiu”, sloturi: locul incendiului, mijloace de stingere etc.).
Modelul cadru de reprezentare a cunoștințelor este utilizat în limbaje FRL(Limbajul de reprezentare a cadrelor) ,KRL(Limbajul de reprezentare a cunoștințelor) si etc.
Caracteristici de inferență
În limbajele de încadrare, operația principală este căutare de modele... Un eșantion este un cadru în care nu sunt umplute toate unitățile structurale, ci doar acelea prin care cadrele necesare vor fi găsite printre cadrele stocate în memoria sistemului. Un eșantion poate conține, de exemplu, numele unui cadru, precum și numele unui anumit slot din cadru, indicând valoarea slotului. Acest model verifică pentru un cadru cu numele dat și valoarea dată a slotului specificat în model în memoria sistemului. Eșantionul poate conține numele unui anumit slot și valoarea acestuia. Apoi, procedura de căutare a modelului ar trebui să se asigure că toate cadrele care conțin un slot cu același nume și valoare de slot ca modelul sunt preluate. În cele din urmă, unele funcții logice pot fi date în numele cadrului, unele nume de slot și valori de slot. Astfel, inferența într-o rețea de cadre se bazează pe operația de potrivire.
Alte proceduri tipice limbajelor cadre sunt procedurile de umplere a sloturilor cu date, precum și procedurile de introducere a noilor cadre prototip (adică noi cunoștințe) în sistem și introducerea de noi conexiuni între ele.
Luați în considerare un fragment al descrierii din „lumea blocurilor” (Fig. 4.7) sub formă de cadre în limbajul FRL.
Orez. 4.7 „Blocați lumea”
(cadru (Nume (cub)) (lungime (NUL)) (lăţime (IF-DEFAULT (folosiți lungimea))) (înălţime (IF-DEFAULT (folosiți lungimea)))) (f rame (Nume (B 1)) (AKO (cub)) (culoare (roșu)) (lungime(80))) (f rame (Nume (B 2)) (AKO (cub)) (culoare (verde)) (lungime (65))))
Slot AKO indică faptul că obiectele B 1 și B 2 sunt un subtip al unui obiect cubși își moștenesc proprietățile, și anume lungime = lățime = înălțime. Procedura - daemon IF-DEFAULT completează valorile slot implicite.
Să presupunem că unui robot i se dă ordinul „Luați obiectul galben care susține piramida”. În limbajul reprezentării cunoștințelor, întrebarea este scrisă după cum urmează:
(obiectul X (culoare (galben)) (tine Y (tip (piramidă))))
Programul de potrivire a modelelor caută în baza de cunoștințe descrieri de obiecte:
(cadru (Nume (B 3)) (tip (bloc)) (culoare (galben)) (mărimea (20 20 20)) (coordona (20 50 0)) (tine (P 2)))
(cadru (Nume(P 2)) (tip (piramidă)) ...)
Raspuns primit: X = B 3, Y = P 2, iar robotului i se emite o comandă lua(obiectul B 3).
Avantajele cadrelor ca model de reprezentare a cunoștințelor sunt capacitatea de a structura baza de cunoștințe datorită proprietăților de ierarhie și moștenire. Dezavantajul este complexitatea organizării inferenței.
Lectura. Elementele de bază ale construirii unui sistem de producție
Aplicarea meta-regulilor
Uneori, pentru a decide ce regulă ar trebui activată, este de dorit să folosiți cunoștințe specifice, mai degrabă decât să urmați o strategie generală de rezolvare a conflictelor. În acest scop, unii interpreți de reguli includ instrumente care permit programatorului să formuleze și să introducă meta-reguli în program. Meta-regulile definesc regulile prin care se efectuează selecția acelor reguli din lista de aplicații care trebuie luate în considerare în primul rând sau, în plus, trebuie respectate.
Meta-regulile vă permit să restrângeți în mod semnificativ cercul de reguli - candidați pe baza unui criteriu sau să schimbați ordinea de prioritate a regulilor. Meta-regulile folosesc adesea cunoștințe dintr-un domeniu specific. Un exemplu este următoarea meta-regulă legată de sistem
tema diagnosticului medical MICINĂ.
METARULO 001
DACĂ (1) infecția aparține clasei pelvin-abces, și
(2) există reguli în incinta cărora este menționat
enterobacterii, și
(3) există reguli în incinta cărora este menționat
colorație gram-pozitivă,
TO cu o încredere de 0,4, ar trebui să se acorde prioritate primei dintre regulile enumerate.
Lectura. Concepte de bază în domeniul inteligenței artificiale
Domeniul științei, numit „inteligență artificială”, își propune să identifice mecanismele fundamentale care stau la baza activității umane pentru a le aplica în rezolvarea unor probleme științifice și tehnice specifice. Sistemele „inteligente” sunt proiectate să funcționeze în medii în care prezența umană este imposibilă sau pune viața în pericol. Aceste dispozitive vor trebui să facă față unei game largi de situații posibile. Este imposibil să descriem aceste situații în avans cu un astfel de grad de detaliu și neambiguitate care ar face posibilă stabilirea unor algoritmi de comportament codificați în sistemul creat. Prin urmare, sistemele înarmate cu inteligență artificială ar trebui să aibă mecanisme de adaptare care să le permită să construiască programe de activități oportune pentru a rezolva sarcinile care le sunt atribuite în funcție de situația specifică care se dezvoltă în prezent în mediul lor.
Această formulare a problemei pune sarcini speciale pentru cercetători care nu au apărut mai devreme în proiectarea sistemelor tehnice. Aceste sarcini includ: descrierea mediului extern bogat și reflectarea acestuia în cadrul sistemului (această sarcină se numește sarcina de reprezentare a cunoștințelor); managementul băncii de cunoștințe, completarea acesteia, detectarea contradicțiilor și a lipsei de cunoștințe; perceperea mediului extern cu ajutorul diferitelor tipuri de receptori (vizuali, tactili, auditivi etc.); înțelegerea limbajului natural, care servește ca mijloc universal de comunicare pentru o persoană; percepția textului tipărit și a vorbirii orale și transformarea informațiilor conținute în mesaje în formă de reprezentare a cunoștințelor; planificarea activității este o sarcină a cărei soluție va permite sistemului să-și formeze planuri pentru atingerea scopului folosind mijloacele de care dispune; adaptare și învățare pe baza experienței acumulate.
Acesta este domeniul de activitate al specialiștilor din domeniul sistemelor de inteligență artificială. Se află la intersecția unei mari varietăți de discipline: programare și psihologie, tehnologie și lingvistică, matematică și fiziologie.
Așadar, teoria inteligenței artificiale este știința cunoașterii, cum să o extragem, să o reprezentăm în sisteme artificiale, să o procesăm în cadrul sistemului și să o folosești pentru a rezolva probleme practice. Cu alte cuvinte, sistemele studiate în cadrul inteligenței artificiale și create în curentul principal al acestei științe sunt sisteme a căror activitate se bazează pe cunoștințe care reflectă semantica și pragmatica lumii externe în care funcționează sistemele inteligente.
Astfel, principalele probleme ale inteligenței artificiale sunt reprezentarea și procesarea cunoștințelor. Soluția acestor probleme constă atât în dezvoltarea unor modele eficiente de reprezentare a cunoștințelor, metode de obținere a cunoștințelor noi, cât și în crearea de programe și dispozitive care implementează aceste modele și metode.
Elementele de inteligență artificială sunt utilizate pe scară largă pentru a crea software de calculator inteligent, sisteme de control automate (ACS), sisteme de automatizare a proiectării (CAD), sisteme de recuperare a informațiilor (ISS), sisteme de gestionare a bazelor de date (DBMS), sisteme expert (ES), sisteme de suport pentru decizii (DSS), adică permit cresterea nivelului de inteligenta a sistemelor informatice create.
Realizările în domeniul inteligenței artificiale se aplică în industrie (descoperirea și dezvoltarea de domenii, astronautică, auto, chimie etc.), în economie (finanțe, asigurări etc.), în sfera neindustrială (transport, medicină, comunicaţii etc.), în agricultură.
Instrumentele de inteligență artificială permit dezvoltarea de modele și programe de rezolvare a problemelor pentru care nu se cunosc metode de soluționare directe și fiabile. Astfel de sarcini aparțin domeniului activității creative umane. Specialiștii în inteligență artificială pun probleme științifice precum probarea teoremelor matematice, diagnosticarea bolilor sau defecțiunilor echipamentelor, analiza financiară a entităților de afaceri, sintetizarea programelor pe baza specificațiilor, înțelegerea textului în limbaj natural, analizarea unei imagini și identificarea conținutului acesteia, controlul unui robot etc.
Date și cunoștințe
Să dăm definiții ale conceptelor de bază ale disciplinei studiate și să luăm în considerare diferențele dintre conceptele de „date” și „cunoaștere”.
informație- un set de informatii percepute din mediu, emise mediului sau stocate in cadrul sistemului informatic (SI).
Date- informații specifice prezentate într-o formă formalizată despre obiectele domeniului, proprietățile și relațiile acestora, reflectând evenimente și situații din acest domeniu.
Datele sunt prezentate într-o formă care vă permite să automatizați colectarea, stocarea și prelucrarea ulterioară a acestora. Datele sunt o înregistrare de informații într-o formă adecvată, potrivită pentru stocarea, transmiterea, prelucrarea și primirea de informații noi.
Informațiile cu care se ocupă computerul sunt împărțite în procedurale și declarative.
Procedural informațiile sunt prezentate prin programe care sunt executate în procesul de rezolvare a problemelor și declarativ- datele prelucrate de aceste programe.
Orice activitate intelectuală se bazează pe cunoașterea domeniului în care sunt puse și rezolvate sarcinile.
Domeniul subiectului se numește un set de informații interconectate necesare și suficiente pentru a rezolva un anumit set de sarcini. Cunoștințele despre domeniul de studiu includ descrieri ale obiectelor, fenomenelor, faptelor, precum și relația dintre acestea.
Cunoştinţe- este o informație generalizată și formalizată despre proprietățile și legile domeniului subiectului, cu ajutorul cărora se realizează procesele de rezolvare a problemelor, de transformare a datelor și a cunoștințelor în sine și care este utilizată în procesul de inferență logică.
Concluzie logica- Aceasta este generarea de noi afirmații (judecăți) bazate pe faptele inițiale, axiomele și regulile de inferență.
Cunoștințele din punct de vedere al sarcinilor de rezolvat într-un anumit domeniu sunt împărțite în 2 mari categorii - fapte și euristică. Sub fapte de obicei înțelege bine-cunoscut în acest domeniu de adevăr, circumstanțe. Euristică- este vorba de algoritmi empiric bazati pe consideratii informale care limiteaza numarul de solutii si asigura scopul comportarii sistemului de decizie, fara a garanta insa ca se va obtine cea mai buna solutie. Astfel de cunoștințe se bazează pe experiența unui specialist (expert) într-un anumit domeniu.
Conceptul de procedură pentru obținerea de soluții la probleme (strategia de procesare a cunoștințelor) este asociat cu cunoașterea aluatului. În IIS, această procedură este numită mecanism de retragere, concluzie logica sau mașină de ieșire.
Cunoștințele cu care funcționează sistemul sunt stocate în baza de cunoștințe (KB).
Pentru a organiza interacțiunea cu IIS, acesta trebuie să aibă mijloace de comunicare cu utilizatorul, adică. interfata... Interfața asigură lucrul cu baza de cunoștințe și mecanismul de inferență într-un limbaj de un nivel suficient de înalt, apropiat de limbajul profesional al specialiștilor din domeniul de studiu căruia îi aparține IIS. În plus, funcțiile interfeței includ suport pentru dialogul utilizatorului cu sistemul, care permite utilizatorului să primească explicații despre acțiunile sistemului, să participe la căutarea unei soluții la problemă și să actualizeze și să corecteze baza de cunoștințe. Astfel, principalele părți ale IIS sunt:
Bază de cunoștințe,
mecanism de retragere,
Interfața cu utilizatorul.
Caracteristici ale cunoștințelor care o deosebesc de date
Exemplu... Lăsați legăturile de familie să acționeze ca subiect. Obiectele acestei discipline sunt concepte precum mama,
tată, fiică, bărbat, femeie etc.
Să fie cunoscute faptele:
Victor este tatăl Taniei.
Vladimir este tatăl lui Victor.
În limbajul Prolog, aceste fapte sunt descrise după cum urmează:
tată (viktor, tanya).
tată (vladimir, viktor).
Aici „tată” este numele relației sau predicatului, iar „victor”, „tanya” și „vladimir” sunt constante.
Lăsa X, Y, Z- variabile. Utilizarea variabilelor Xși Z, în cazul general, putem scrie relația „ X este tatăl Z»În limbajul Prolog:
Tată ( X, Z).
Folosind predicatul părinte și variabilele X, Y, Z, vom formula o nouă relație „bunic”, și anume:
Dacă X este tatăl Zși
Z este tatăl Y
atunci X este un bunic Y.
Această formă de înregistrare a relației „Dacă... Atunci” se numește regula de productie, produse sau pur și simplu regulă.
În limbajul Prolog, relația bunic este scrisă după cum urmează:
bunicul ( X, Y): - Tată ( X, Z), Tată ( Z, Y).
Caracterul „: -” este interpretat ca „Dacă”.
Pe exemplul relației „bunic”, se formulează un model general de definire a conceptului de „bunic” prin conceptul de „tată”. Numele „vladimir”, luat indiferent de atitudine, nu indică nimic. Poate că acesta este numele unei persoane sau numele unui oraș. În mod similar, datele numerice sau de altă natură sunt tratate în același mod, de exemplu, într-un fișier de date. Datul, luat împreună cu relația, definește un anumit sens și reprezintă astfel cunoașterea.
Să luăm în considerare caracteristicile cunoașterii, în care acestea diferă de date.
1. Interpretabilitate... Datele stocate în memoria computerului pot fi interpretate doar de programul corespunzător. Datele fără program nu conțin nicio informație, în timp ce cunoștințele au interpretare, deoarece conțin atât date, cât și denumirile, descrierile, relațiile corespunzătoare, i.e. împreună cu datele sunt prezentate structuri informaționale care permit nu numai stocarea cunoștințelor, ci și utilizarea acestora.
Prezentare fără titlu
Definirea bazei de date
Un set de materiale independente (articole, calcule, reglementări, hotărâri judecătorești și alte materiale similare) prezentate într-o formă obiectivă, sistematizate în așa fel încât aceste materiale să poată fi găsite și prelucrate cu ajutorul unui calculator electronic (calculator).
Baza de date este o colecție de date stocate în conformitate cu o schemă de date și manipulate în conformitate cu regulile instrumentelor de modelare a datelor.
O bază de date este o colecție de date organizată în conformitate cu o structură conceptuală care descrie caracteristicile acestor date și relația dintre acestea și o astfel de colecție de date care susține unul sau mai multe domenii de aplicare.
Baza de date este un ansamblu de date organizate în conformitate cu anumite reguli și menținute în memoria computerului, care caracterizează starea actuală a unui anumit domeniu și este utilizat pentru a răspunde nevoilor de informare ale utilizatorilor.
Baza de date este un set de date permanente (stocate permanent) utilizate de sistemele software de aplicație ale oricărei întreprinderi.
O bază de date este un set partajat de date legate logic (și o descriere a acestor date) concepute pentru a satisface nevoile de informații ale unei organizații.
Bază de cunoștințe
O bază de cunoștințe (KB) în cercetarea în domeniul informaticii și al inteligenței artificiale este un tip special de bază de date dezvoltată pentru manipularea cunoștințelor (metadate). Baza de cunoștințe conține informații structurate care acoperă o anumită zonă de cunoștințe pentru a fi utilizate de un dispozitiv (sau persoană) cibernetic într-un anumit scop. Bazele moderne de cunoștințe funcționează împreună cu sistemele de regăsire a informațiilor, au o structură de clasificare și un format de reprezentare a cunoștințelor.
Bazele de cunoștințe cu drepturi depline conțin nu numai informații faptice, ci și reguli de inferență care permit inferențe automate despre fapte nou introduse și, ca urmare, procesarea semnificativă a informațiilor. Domeniul științei inteligenței artificiale care studiază bazele de cunoștințe și metodele de lucru cu cunoștințe se numește ingineria cunoașterii.
O modalitate ierarhică de a reprezenta un set de concepte și relațiile lor într-o bază de cunoștințe se numește ontologie. Ontologia unei anumite zone de cunoaștere, împreună cu informații despre proprietățile unor obiecte specifice, poate fi numită și o bază de cunoștințe.
Diferențele
O bază de cunoștințe este un model semantic care descrie un domeniu și vă permite să răspundeți la întrebări din acest domeniu, ale căror răspunsuri nu sunt prezente în mod explicit în baza de date. Baza de cunoștințe este componenta principală a sistemelor inteligente și experte.
Baza de date este o colecție de date conexe, organizate după anumite reguli care prevăd principii generale de descriere, stocare și manipulare, independent de programele de aplicație. Baza de date este un model informativ al domeniului subiect. Bazele de date sunt accesate folosind un sistem de management al bazelor de date (DBMS)
Proprietăți de bază
Definiții de bază. Informațiile cu care se ocupă computerele sunt împărțite în procedurale și declarative. Informațiile procedurale sunt concretizate în programe care sunt executate în procesul de rezolvare a problemelor, informații declarative în datele cu care lucrează aceste programe. Forma standard de reprezentare a informațiilor într-un computer este un cuvânt mașină, constând dintr-un număr de cifre binare - biți definiți pentru un anumit tip de computer. Un cuvânt mașină pentru reprezentarea datelor și un cuvânt mașină pentru reprezentarea instrucțiunilor care formează un program pot avea același număr sau diferit de biți. Același număr de biți din cuvintele mașină pentru comenzi și date le permite să fie considerate într-un computer ca unități de informație identice și să efectueze operații pe comenzi ca și pe date. Conținutul memoriei formează baza de informații. Cuvântul computer este principala caracteristică a infobazei, deoarece lungimea sa este astfel încât fiecare cuvânt al mașinii este stocat într-o celulă de memorie standard, prevăzută cu un nume individual - adresa celulei. Acest nume este folosit pentru a extrage unități de informații din memoria computerului și a le scrie în ea. În limbajele de programare de nivel înalt se folosesc tipuri de date abstracte, a căror structură este stabilită de programator. Apariția bazelor de date (DB) a marcat un alt pas spre organizarea muncii cu informații declarative. Bazele de date pot stoca simultan cantități mari de informații, iar instrumentele speciale care formează un sistem de management al bazelor de date (DBMS) vă permit să manipulați eficient datele, dacă este necesar, să le extrageți din baza de date și să le scrieți în ordinea dorită în baza de date. Odată cu dezvoltarea cercetării IP, a apărut conceptul de cunoaștere care a combinat multe caracteristici ale informațiilor procedurale și declarative. Într-un computer, cunoștințele, la fel ca datele, sunt afișate sub formă simbolică - sub formă de formule, text, fișiere, matrice de informații etc. Prin urmare, putem spune că cunoștințele sunt date organizate într-un mod special. În sistemele AI, cunoașterea este obiectul principal de formare, prelucrare și cercetare. Baza de cunoștințe, împreună cu baza de date, este o componentă necesară a pachetului de software AI. Mașinile care implementează algoritmi AI se numesc mașini bazate pe cunoaștere, iar subsecțiunea teoriei AI legate de construcția sistemelor expert se numește ingineria cunoașterii. diferențe între date și cunoștințe: 1. interpretabilitatea internă a cunoștințelor (de exemplu: date - 243849 ..., cunoștințe - propoziții în limbaj natural) 2. activitate de cunoaștere. Dacă există cunoștințe, atunci apariția unor noi cunoștințe poate duce la o schimbare a cunoștințelor vechi și la apariția altora noi. 3. conectivitatea cunoaşterii. Cunoașterea nu este interesantă în sine, este interesantă în agregat (sistemul de cunoștințe). 4. cunoștințele sunt dinamice, iar datele sunt de obicei statice. Cunoașterea intenționată este definită printr-un concept de nivel superior cu specific
