Pentru persoanele care doresc să se îmbunătățească constant, să învețe ceva și să învețe constant ceva nou, am creat special această categorie. Conține exclusiv conținut educațional, util, de care vă veți bucura cu siguranță. Un număr mare de videoclipuri, poate, poate chiar concura cu educația pe care ni-l dau la școală, la facultate sau la universitate. Cel mai mare avantaj al videoclipurilor cu instrucțiuni este că încearcă să ofere cele mai recente și mai actualizate informații. Lumea din jurul nostru în era tehnologiei este în continuă schimbare, iar publicațiile educaționale tipărite pur și simplu nu au timp să ofere informații proaspete.
Printre videoclipuri găsiți și videoclipuri educaționale pentru copii preșcolari. Acolo copilul dumneavoastră va fi învățat cu litere, cifre, numărare, citit etc. De acord, o alternativă foarte bună la desene animate. Pentru elevii din clasele primare, puteți găsi, de asemenea, instruire în limba engleză, ajutor în studierea disciplinelor școlare. Pentru studenții mai mari, au fost create videoclipuri de instruire care le vor ajuta să se pregătească pentru teste, examene sau pur și simplu să-și aprofundeze cunoștințele într-o anumită materie. Cunoștințele dobândite le pot afecta calitativ potențialul mental, precum și vă pot mulțumi cu note excelente.
Pentru tinerii care nu fac școală, sunt sau nu la universitate, există o mulțime de videoclipuri educaționale distractive disponibile. Îi pot ajuta să-și aprofundeze cunoștințele despre profesia pentru care învață. Sau obțineți o profesie, cum ar fi programator, designer web, optimizator SEO și așa mai departe. Universitățile nu predau încă o astfel de profesie, așa că poți deveni un specialist în acest domeniu avansat și relevant doar făcând autoeducație, ceea ce încercăm să ajutăm prin colectarea celor mai utile videoclipuri.
Pentru adulți, acest subiect este de asemenea relevant, deoarece se întâmplă adesea ca, după ce a lucrat în profesie ani de zile, să se înțeleagă că acesta nu este al tău și că vrei să înveți ceva mai potrivit pentru tine și, în același timp, profitabil. De asemenea, în această categorie de oameni sunt deseori videoclipuri despre tipul de auto-îmbunătățire, economisind timp și bani, optimizându-și viața, în care găsesc modalități de a trăi mult mai bine și mai fericit. Chiar și pentru adulți, tema creării și dezvoltării propriei afaceri este foarte potrivită.
De asemenea, printre videoclipurile educaționale există videoclipuri cu accent general, care sunt potrivite pentru aproape orice vârstă, în care puteți afla despre cum a apărut viața, ce teorii ale evoluției există, fapte din istorie etc. Ele extind perfect orizonturile unei persoane, o fac un interlocutor intelectual mult mai erudit și mai plăcut. Astfel de videoclipuri educaționale sunt cu adevărat utile pentru toată lumea, fără excepție, deoarece cunoașterea este putere. Vă dorim o vizionare plăcută și utilă!
În timpul nostru, este pur și simplu necesar să fim ceea ce se numește „pe val”. Aceasta se referă nu numai la știri, ci și la dezvoltarea propriei minți. Dacă vrei să te dezvolți, să explorezi lumea, să fii solicitat în societate și interesant, atunci această secțiune este pentru tine.
5.1. Diferențele dintre cunoștințe și date
O trăsătură caracteristică a sistemelor inteligente este disponibilitatea cunoștințelor necesare pentru rezolvarea problemelor dintr-un anumit domeniu. În acest caz, apare o întrebare firească, ce este cunoștințele și cum diferă de datele obișnuite procesate de un computer.
Datele sunt 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, directoare, diagrame, grafice etc.);
Prezentarea în limbi speciale a descrierii datelor destinate introducerii și procesării datelor inițiale într-un computer;
Baze de date pe medii de stocare a mașinii.
Cunoașterea este o categorie de informații mai complexă decât datele. Cunoașterea descrie nu numai fapte individuale, ci și relațiile dintre ele, motiv pentru care cunoștințele sunt uneori numite date structurate. Cunoștințele pot fi obținute prin prelucrarea datelor empirice. Ele sunt rezultatul activității mentale a unei persoane care vizează generalizarea experienței sale dobândite ca urmare a activităților 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 fi 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. Nu este ușor să modificați și să întrețineți astfel de programe, iar problema reumplerii 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 anumit format 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 desfășurare a dialogului, 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 al unui sistem inteligent. În consecință, în dezvoltarea IIS, cunoștințele sunt mai întâi acumulate și reprezentate, iar în această etapă, participarea umană 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 mediile de stocare a mașinii.
Ce este cunoașterea? Să dăm câteva definiții.
Din dicționarul explicativ al lui S. I. 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 umană.
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 legile domeniului (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 formalizată care este referită sau utilizată în procesul de inferență”.
În domeniul sistemelor AI și al inginerii cunoașterii, definiția cunoștințelor este legată de inferență: cunoașterea este informație pe baza căreia este implementat procesul de inferență, adică. Pe baza acestor informații, se pot trage diverse concluzii din datele disponibile în sistem folosind inferență. Mecanismul de inferență vă permite să legați împreună fragmente separate și apoi să trageți o concluzie asupra acestei secvențe de fragmente conectate.
Cunoașterea este informație formalizată la care se face referire sau se utilizează în procesul de inferență (Fig. 5.1.).
Orez. 5.1. Procesul de inferență în IS
Prin cunoaștere înțelegem totalitatea faptelor și regulilor. Conceptul de regulă reprezentând un fragment de cunoaștere are forma:
Dacă<условие>apoi<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 metricilor, integrității funcționale și activității.
Există multe clasificări ale cunoștințelor. De regulă, cu ajutorul clasificărilor se sistematizează cunoștințele unor domenii specifice. La nivel abstract de considerație, putem vorbi despre trăsăturile prin care cunoștințele sunt împărțite, 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 de descriere a cunoștințelor. Aceste limbi sunt, de asemenea, împărțite în limbi de tip procedural și de tip declarativ. Toate limbajele de descriere a cunoștințelor orientate spre utilizarea computerelor tradiționale cu arhitectură von Neumann sunt limbaje procedurale. Dezvoltarea limbajelor declarative adecvate pentru reprezentarea cunoștințelor este o problemă actuală 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 justificărilor teoretice exacte). Prima categorie de cunoștințe indică, de obicei, circumstanțe bine-cunoscute în domeniul subiectului. A doua categorie de cunoștințe se bazează pe experiența proprie a unui expert care lucrează într-un domeniu specific, acumulată ca urmare a multor ani de practică.
În funcție de tipul de reprezentare, cunoștințele sunt împărțite în fapte și reguli.Faptele sunt cunoștințe de tip „A este A”, astfel de cunoștințe sunt tipice pentru bazele de date și modelele de rețea. Regulile sau produsele sunt cunoștințe de tip „DACĂ A, ATUNCI B”.
Pe lângă fapte și reguli, există și meta-cunoașterea - cunoașterea despre cunoaștere. 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 IMS. 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 necesar să se separe în mod clar cunoștințele în cele care sunt destinate procesării de către un computer și cunoștințele utilizate de o persoană. Evident, pentru a rezolva probleme complexe, baza de cunoștințe trebuie să aibă un volum suficient de mare și, prin urmare, inevitabil apar probleme de gestionare a unei astfel de baze de date. Prin urmare, atunci când se alege un model de reprezentare a cunoștințelor, ar trebui să se țină seama de factori precum uniformitatea 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 experții ale căror cunoștințe sunt încorporate în IIS. 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 dificilă îndeplinirea simultană a acestor cerințe, mai ales în sistemele mari, unde structurarea și reprezentarea modulară a cunoștințelor devin inevitabile.
Rezolvarea problemelor ingineriei cunoașterii pune în discuție 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 în prelucrarea automată a acestor informații. În acest scop, au fost create și utilizate diverse modele de reprezentare a cunoștințelor 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, este rareori posibil să se descurce cu cadrul unui model atunci când se dezvoltă IIS, cu excepția celor mai simple cazuri, astfel încât reprezentarea cunoștințelor se dovedește a fi dificilă. 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. Definiții de bază.
Informațiile cu care se ocupă computerele sunt împărțite în procedurale și declarative. Informațiile procedurale sunt încorporate în programele care sunt executate în procesul de rezolvare a problemelor, informațiile declarative sunt încorporate în datele cu care funcționează aceste programe.
Forma standard de reprezentare a informațiilor într-un computer este un cuvânt de mașină, format dintr-un număr de cifre binare, sau biți, definite pentru un anumit tip de computer. Cuvântul mașină pentru reprezentarea datelor și cuvântul mașină pentru reprezentarea instrucțiunilor care alcătuiesc programul pot avea același număr sau diferit de biți. Același număr de cifre din cuvintele mașină pentru comenzi și date le permite să fie considerate în computer ca aceleași unități de informații și să efectueze operații pe comenzi ca și pe date. Conținutul memoriei formează baza de informații. Cuvântul mașină este principala caracteristică a bazei de informații, 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. Sub acest nume, unitățile de informații sunt preluate din memoria computerului și scrise pe aceasta. Limbajele de programare de nivel înalt folosesc tipuri de date abstracte a căror structură este specificată 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 corectă în baza de date.
Odată cu dezvoltarea cercetării IP, a apărut conceptul de cunoaștere, care combină 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 o subsecțiune a teoriei AI legată de construcția sistemelor expert se numește ingineria cunoașterii.
Diferențele dintre date și cunoștințe:
1. interpretabilitatea internă a cunoștințelor (de exemplu: date - 243849..., cunoștințe - propoziții în limbaj natural).
2. activitate de cunoaştere. Dacă există cunoștințe, atunci apariția unor noi cunoștințe poate duce la schimbarea cunoștințelor vechi și la apariția altora noi.
3. legătura dintre cunoștințe. Cunoașterea nu este interesantă în sine, este interesantă în agregat (sistemul de cunoștințe).
4. Cunoașterea este dinamică, în timp ce datele sunt de obicei statice.
Cunoașterea intensională este definită prin conceptul de nivel superior cu indicarea proprietăților specifice. Cunoștințele extensive sunt definite în termeni de concepte de nivel inferior, de obicei prin simpla enumerare a acestora. De regulă, extensiile sunt stocate în baze de date, iar intensiunile în baze de cunoștințe. Cunoștințele conform modului de prezentare sunt împărțite în declarative (se descriu informații) și procedurale (înregistrate în algoritm). Direcția principală de mișcare în domeniul reprezentării cunoștințelor este utilizarea mai mare a cunoștințelor declarative.
Clasificări ale cunoștințelor și modelele acestora
Există multe moduri de a clasifica cunoștințele. Să ne oprim asupra clasificării în funcție de purtător de cunoaștere. Cunoștințele sunt împărțite în:
1. Formalizată
ghiduri de referință,
enciclopedii,
Cunoașterea sistemelor informaționale corporative
2. Personal
Abilități legate de meșteșuguri
aptitudini sportive,
moduri de a gândi, de a analiza,
moduri de a face munca
Cunoștințele formalizate sunt de obicei deja plasate pe medii tangibile - cărți, broșuri, site-uri Internet / Intranet, fișiere de date, CIS (ERP). Aceste moduri de organizare a cunoștințelor sunt foarte bune și testate în timp. Este puțin probabil să le putem îmbunătăți semnificativ pentru a reflecta asupra performanței sau a altor indicatori economici ai organizației dumneavoastră.
Cunoștințele personale, pe de altă parte, sunt de obicei păstrate doar în mintea purtătorilor. Pentru a le face proprietatea organizației, este necesar ca cunoștințele să fie transferate activ între angajați. Pentru aceasta, sistemele interne de mentorat și de formare corporativă există de mult timp.
Multe cunoștințe personale pot fi formalizate. Aceasta se referă, în primul rând, la metodele și modalitățile de efectuare a muncii care sunt acceptate și optime în organizația dumneavoastră. În funcție de stadiul de dezvoltare a organizației, metodele de lucru evoluează de la creative, create la locul de muncă prin încercări și erori la cele mai bune practici din industrie, consacrate în documentația procesului de afaceri, sistemul ERP și în politica organizației.
Definiții ale cadrelor. Cadrul ca o listă de proprietăți și ca o rețea. Ierarhia și moștenirea proprietății
Un cadru este o anumită structură de reprezentare a cunoștințelor, care, atunci când este umplută cu valori adecvate, se transformă într-o descriere a unui anumit factor, eveniment sau situație. Un cadru este descrierea minimă posibilă a esenței oricărui fenomen, eveniment, situație, proces sau obiect. Minimalitatea înseamnă că, odată cu simplificarea suplimentară a descrierii, se pierde completitatea acesteia, încetează să determine unitatea de cunoaștere pentru care este destinată. Cadrul are o anumită structură, constând din multe elemente - fante. Fiecare slot, la rândul său, este reprezentat de o anumită structură de date, procedură sau poate fi asociat cu un alt cadru. Structura cadrului poate fi reprezentată după cum urmează:
NUMELE CADRU: (numele primului slot: valoarea slotului 1), (numele slotului al doilea: valoarea slotului al 2-lea), ... (numele slotului al 1-lea: valoarea slotului a 2-a).
Prezentăm aceeași înregistrare sub forma unui tabel, completat de două coloane.
Valoarea unui slot poate fi numele altui cadru; în acest fel formează reţele de cadre formate din vârfuri şi legături selectate. Nivelul superior al cadrului reprezintă conceptele corespunzătoare, iar nivelurile ulterioare sunt sloturi terminale care conțin valori specifice. Ierarhia obiectelor este implementată prin intermediul aparatului de cercetare a proprietății, atunci când clase de obiecte de un anumit nivel moștenesc structura claselor cadru de un nivel superior. Dacă obiectul, cat. este descris de un anumit grup de cadre este într-o relație conceptuală cu nivelurile superioare și inferioare ale cadrelor, apoi resp. pentru el, cadrele se construiesc ținând cont de relațiile ierarhice și, în același timp, de moștenirea proprietăților implică. prin fante sau rame cu același nume.
Date și cunoștințe
informație
Date
procedural declarativ
Domeniul subiectului
Cunoştinţe
deducere
fapte Euristică
mecanism de ieșire, deducere 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).
Multe 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 dacă un element arbitrar aparține unei mulțimi T.
Multe 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 dicționar limitat. Trebuie să existe o procedură P( R) pentru a determina dacă
unele expresii sunt corecte din punct de vedere sintactic.
în multitudine R este alocat un subset DAR expresii a priori adevărate (axiome). Trebuie să existe o procedură P( DAR) verificând dacă orice expresie corectă din punct de vedere sintactic aparține mulțimii DAR.
Multe F există multe reguli de inferență semantică. Aplicarea lor pe elemente DAR, puteți obține noi expresii corecte din punct de vedere sintactic, la care puteți aplica din nou regulile F. Așa se formează set de deduseîn 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 derivabilă, atunci sistemul formal corespunzător se numește rezolvabil.
Pentru cunoștințele incluse în baza de cunoștințe, putem presupune că mulțimea DAR 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, sistemul 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 ale teoriei, iar mecanismul de inferență implementează regulile pentru construirea de noi propoziții din baza de cunoștințe. Intrarea sistemului este o descriere a problemei în limbajul acestei teorii sub forma unei cereri (sugestie, teoremă), care nu este prezentată explicit în KB. Procesul de funcționare a mecanismului de inferență se numește demonstrația interogării (teoremă).
Utilizarea unor logici de diferite tipuri în construirea regulilor sintactice și semantice generează modele logice de diferite tipuri.
calculul propozițional
Calculul propozițional studiază propozițiile care pot fi fie adevărate, fie false. Nu orice propoziție este o afirmație. De exemplu, este lipsit de 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 conjunctive precum "Și", "sau","daca atunci…", puteți forma propoziții noi.
Calculul propozițional folosește cinci conjunctive logice: negație, conjuncție, disjuncție, implicație și echivalență.
conjuncție (logică ȘI) este adevărată numai dacă ambele afirmații constitutive sunt adevărate.
Disjuncție (logică SAU) este fals numai dacă ambele componente ale sale sunt false.
Implicația (corespunde linkului " Daca atunci...”), primul operand se numește premisă, iar al doilea operand se numește concluzie. O implicație este falsă numai dacă premisa ei este adevărată și concluzia ei este falsă.
Operație booleană echivalenţă corespunde linkului " atunci și numai atunci". Rezultatul ei este Adevărat dacă ambele afirmații sunt fie adevărate, fie ambele false.
boolean negare efectuate pe o singură declarație. O propoziție și negația ei au întotdeauna valori opuse de adevăr.
Simbolurile folosite pentru a desemna enunțuri sunt numite atomi.
Formulele bine formate în logica propozițională sunt definite recursiv după cum urmează:
1) un atom 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.
Aici linkurile sunt simbolizate:
Ú - logic SAU(disjuncție);
u - boolean ȘI(conjuncție);
® - boolean AR TREBUI SĂ(implicare);
"- logic ECHIVALENT(echivalenţă);
Ø - negaţie logică.
interpretare formula se numește atribuirea fiecărui atom inclus în formulă a unei valori de adevăr ( Adevărat sau Fals).
Formula constând din n atomi diferiți, are 2 n diverse interpretări.
O formulă care este adevărată în toate interpretările este numită general valabil(de exemplu, A Ú Ø A).
O formulă care este falsă în toate interpretările este numită controversat(de exemplu, A ÙØ A).
Se numește o formulă pentru care există cel puțin o interpretare sub care este adevărată realizabil.
echivalent sunt numite formule ale căror valori de adevăr sunt aceleași în toate interpretările. Formulele pot fi convertite dintr-o formă în alta folosind substituții echivalente.
Pentru transformările formulelor de calcul propozițional, se folosesc următoarele echivalențe:
1) A Ú Ø A = Adevărat(Adevărat);
A Ù Ø A = fals(Fals);
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 de distribuție
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.
Calcul de predicate
Aparatul de calcul propozițional nu permite în multe cazuri o descriere satisfăcătoare a domeniului subiectului. O parte semnificativă din domeniile subiectului poate fi descrisă prin intermediul calculului predicat de ordinul întâi. Pentru a face acest lucru, luați în considerare:
a) constante care denotă un obiect sau 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 tipul , unde este un simbol funcțional, și sunt termeni;
d) predicate folosite pentru a reprezenta relaţii între obiecte dintr-o anumită zonă;
e) cuantificatori - mijloc de stabilire a caracteristicilor cantitative ale domeniului de studiu.
Predicat este o funcție logică care acceptă numai valori de adevăr Adevărat" sau " Fals».
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-local simbol predicat.
Înregistrarea, care este cea mai simplă formulă (atomică), înseamnă că afirmația este adevărată: obiectele sunt legate prin relația P.
Folosind aceleași conexiuni logice ca în calculul propozițional ( ȘI, SAU, NU TREBUIE, ÎN ECHIVALENT), puteți construi formule mai complexe.
Pentru a determina sfera variabilelor din formule, se folosesc cuantificatori (universalitate) și (existență). Cuantificatorii ne permit să construim enunțuri despre un set de obiecte și să formulăm afirmații care sunt adevărate pentru această mulțime.
Formulele de calcul predicat (PPF - formule bine formate) sunt definite recursiv după cum urmează:
1. un atom 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, funcțiilor și simbolurilor predicate. Formula interpretată pe zonă D, preia valorile Adevărat sau Fals 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 sunt obținute din tabele de adevăr valabile pentru calculul propozițional;
b) formula capătă o valoare Adevărat dacă pentru fiecare dintre D are sensul Adevărat, altfel valoarea lui este Fals.
c) formula capătă o valoare Adevărat, dacă pentru cel puțin unul dintre D are sensul Adevărat, altfel valoarea sa este falsă.
Formulă A mânca consecință logică formule dacă și numai dacă pentru orice interpretare în care formula 
formula adevarata A este de asemenea adevărat.
În plus față de formulele pentru transformările echivalente date pentru calculul propozițional, următoarele sunt adevărate în calculul predicat:
Ø($ ) = () (Ø );
Ø() = () (Ø ).
Tipuri de cadre
În scop educativ Există două tipuri de rame: un cadru prototip și un cadru exemplu. Cadru - prototip reflectă cunoștințele despre concepte abstracte stereotipe, care sunt clase ale unor obiecte specifice. Cadrele prototip reflectă intensional cunoștințe, adică cunoștințe generalizate despre tiparele inerente clasei de obiecte luate în considerare. Cadre - Exemple reflectă cunoștințele despre fapte specifice domeniului subiect, sau așa-numitele extensiale cunoştinţe. Trecerea de la cadru-prototip la cadru-instanță se realizează în timpul procedurii valorii cadru-prototip în procesul mecanismului de inferență.
Ca exemplu, luați în considerare o diagramă cadru simplificată - un prototip al conceptului DATE:
<ДАТА> (<МЕСЯЦ><имя>)(<ДЕНЬ><целые числа {1,2,…, 31}>)
(<ГОД><функция>)(<ДЕНЬ НЕДЕЛИ><перечень {ПНД,ВТР,…,ВСК}>
<функция>)
Numele cadru-prototipului este DATE. În intervalul MONTH, NUME 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 conține o funcție care poate implementa următoarele acțiuni. Dacă anul este specificat în propoziția de intrare, atunci este introdus în câmpul de valoare al slotului din cadru - exemplu; dacă nu este specificat un an, valoarea lipsă este completată cu anul curent. Aceste tipuri de funcții sunt numite funcții implicite.
Intervalul WEEK DAY definește, de asemenea, o funcție care, la procesarea unui mesaj de intrare, va fi apelată automat pentru a verifica
inconsecvență în valoarea zilei săptămânii specificată de utilizator sau calculată
această valoare dacă utilizatorul nu a specificat-o.
Cadru specific - Un exemplu de cadru DATE ar putea arăta astfel:
<ISA DATA>(<МЕСЯЦ><ИЮНЬ>)(<ДЕНЬ><5>)
Eticheta ISAînseamnă că acest cadru este un exemplu de cadru. Aici sunt ocupate doar 2 locuri. Valorile restului pot fi calculate folosind procedurile adecvate.
Procedurile incluse în slot sunt împărțite în două tipuri: proceduri - demoni și
procedurile sunt servitori.
Procedurile sunt demoni sunt activate automat de fiecare dată când datele intră în cadrul corespunzător - exemplu, sau sunt eliminate din acesta. Astfel, procedura încorporată în slotul WEEKDAY 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.
Procedurile sunt servitori activat numai la cerere. Un exemplu de astfel de procedură este funcția 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 „iubiri” din cadrul Copilului.
Întrebarea 2. Care este vârsta elevilor?
Răspuns: 6-17 - valoarea slotului „vârstă” este luată din cadrul Student. Nu se ia valoarea din cadrul Child, deoarece sensul este expus în mod explicit în cadrul propriu-zis „elev” despre care se pune întrebarea.
După funcție Există următoarele tipuri de cadre:
Cadrele sunt obiecte (exemplul de mai sus);
Frames - operații (de exemplu, cadrul „proces de sinteză a dispozitivelor corective”, sloturi: model, algoritm de calcul, parametri etc.);
Cadre - situații (de exemplu, cadrul „Funcționarea de urgență a senzorului analogic”, sloturi: tensiune, curent etc.);
Cadre - scenarii (de exemplu, cadrul „Stingerea unui incendiu”, sloturi: un loc de incendiu, agenți de stingere etc.).
Modelul cadru al reprezentării cunoștințelor este utilizat în limbi FRL(Limbajul de reprezentare a cadrelor) ,KRL(Limbajul de reprezentare a cunoștințelor) si etc.
Caracteristici ale inferenței
În limbajele cadru, 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. Modelul poate conține, de exemplu, numele cadrului, precum și numele unui slot din cadru, urmat de valoarea slotului. Un astfel de model verifică prezența în memoria sistemului a unui cadru cu numele dat și valoarea dată a slotului specificat în model. Modelul poate conține numele unui slot și valoarea acestuia. Apoi, procedura de căutare a modelului trebuie să ofere o selecție a tuturor cadrelor care conțin un slot cu același nume și valoare de slot ca modelul. În cele din urmă, o funcție booleană poate fi dată în numele cadrului, unele nume de sloturi și unele valori ale sloturilor. Astfel, inferența într-o rețea de cadre se bazează pe o operație de potrivire.
Alte proceduri tipice pentru limbajele 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 relații 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 „Lumea blocurilor”
(cadru (Nume (cub)) (lungime (NUL)) (lăţime (IF-DEFAULT (folosiți lungimea))) (înălţime (IF-DEFAULT (folosiți lungimea)))) (f cadru (Nume (B 1)) (AKO (cub)) (culoare (roșu)) (lungime(80))) (f cadru (Nume (B 2)) (AKO (cub)) (culoare (verde)) (lungime (65))))
Slot AKO indică faptul că obiectele B 1 și B 2 sunt un subtip al obiectului cubși își moștenesc proprietățile, și anume lungime = lățime = înălțime. Procedura - daemon IF-DEFAULT completează valorile slot implicite.
Să presupunem că robotului i se dă ordinul „Luați obiectul galben care susține piramida”. În limbajul de reprezentare a cunoștințelor, întrebarea este scrisă după cum urmează:
(obiectul X (culoare (galben)) (tine Y (tip (piramidă))))
Programul de potrivire a modelelor găsește descrierea obiectelor în baza de cunoștințe:
(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 dă 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 logice.
Lectura. Elementele de bază ale construirii unui sistem de producție
Aplicarea metaregulilor
Uneori, pentru a decide ce regulă să activezi, este de dorit să folosești cunoștințe specifice, mai degrabă decât să urmezi 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 realizează selecția din lista de aplicații a acelor reguli care ar trebui luate în considerare în primul rând sau, în plus, obligatorii.
Meta-regulile vă permit să restrângeți în mod semnificativ gama de reguli candidate pe baza unui criteriu sau să schimbați ordinea priorităților regulilor. Meta-regulile folosesc adesea cunoștințe dintr-un anumit domeniu. Un exemplu este următoarea meta-regulă legată de sistem
tema diagnosticului medical MICINĂ.
METARUL 001
DACĂ (1) infecția aparține clasei abces pelvin, Și
(2) există reguli a căror premisă menţionează
enterobacterii, Și
(3) există reguli a căror premisă menţionează
colorare gram pozitivă
TO cu încredere 0,4 prioritate ar trebui să fie acordată 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 „rezonabile” sunt create pentru a funcționa în medii în care prezența unei persoane este imposibilă sau pune viața în pericol. Aceste dispozitive vor trebui să funcționeze într-o mare varietate de situații posibile. Este imposibil să descriem aceste situații în avans cu gradul de detaliu și lipsă de ambiguitate care ar permite încorporarea algoritmilor de comportament codificati 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.
O astfel de formulare a problemei propune cercetătorilor sarcini speciale care nu au apărut anterior în proiectarea sistemelor tehnice. Aceste sarcini includ: descrierea unui mediu 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 cu ajutorul mijloacelor de care dispune; adaptare și învățare bazată pe experiență.
Acesta este domeniul de activitate al specialiștilor din domeniul sistemelor de inteligență artificială. Se află la intersecția unei game largi 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 interiorul sistemului și să o folosești pentru a rezolva probleme practice. Cu alte cuvinte, sistemele studiate în cadrul inteligenței artificiale și create în conformitate cu această știință 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 (IPS), 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 din domeniul inteligenței artificiale sunt utilizate în industrie (descoperirea și dezvoltarea zăcămintelor, astronautică, auto, chimie etc.), în economie (finanțe, asigurări etc.), în sectorul neindustrial (transport, medicină). , comunicații etc.), în agricultură.
Instrumentele de inteligență artificială fac posibilă dezvoltarea de modele și programe de rezolvare a problemelor pentru care nu se cunosc metode de rezolvare 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 comerciale, sinteza programelor pe baza specificațiilor, înțelegerea textului în limbaj natural, analiza imaginilor și identificarea conținutului acestuia, controlul robotului etc. .
Date și cunoștințe
Să dăm definiții ale principalelor concepte 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 de studiu, proprietățile și relațiile acestora, reflectând evenimente și situații din acest domeniu.
Datele sunt prezentate într-o formă care permite automatizarea colectării, stocării și procesării ulterioare a acestora. Datele sunt o înregistrare de informații într-o formă adecvată, potrivită pentru stocarea, transmiterea, prelucrarea și obținerea de noi informații.
Informațiile cu care se ocupă computerul sunt împărțite în procedurale și declarative.
procedural informaţia este reprezentată de programe care sunt executate în procesul de rezolvare a problemelor şi declarativ- datele pe care aceste programe le procesează.
Orice activitate intelectuală se bazează pe cunoașterea domeniului în care sunt stabilite și rezolvate sarcinile.
Domeniul subiectului numit un set de informații interconectate necesare și suficiente pentru a rezolva un anumit set de probleme. Cunoștințele despre domeniul de studiu includ descrieri ale obiectelor, fenomenelor, faptelor, precum și relațiilor dintre ele.
Cunoştinţe- este vorba de informații generalizate și formalizate despre proprietățile și legile domeniului subiectului, cu ajutorul cărora sunt implementate procesele de rezolvare a problemelor, de transformare a datelor și a cunoștințelor în sine și care este utilizată în procesul de inferență.
deducere este generarea de noi afirmații (judecăți) bazate pe faptele inițiale, axiomele și regulile de inferență.
Cunoștințele în ceea ce privește sarcinile de rezolvat într-un anumit domeniu sunt împărțite în 2 mari categorii - fapte și euristică. Sub fapteînțeleg de obicei adevăruri și circumstanțe binecunoscute într-un anumit domeniu. Euristică sunt algoritmi empiric bazati pe consideratii informale care limiteaza numarul de solutii si asigura caracterul scop al comportamentului sistemului de decizie, fara a garanta insa ca se obtine cea mai buna solutie. Astfel de cunoștințe se bazează pe experiența unui specialist (expert) în acest domeniu.
Conceptul procedurii de obținere a soluțiilor la probleme (strategii de prelucrare a cunoștințelor) este asociat cu cunoașterea aluatului. În IIS, această procedură este numită mecanism de ieșire, deducere 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 ieșire 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 îi permite utilizatorului să primească explicații despre acțiunile sistemului, să participe la căutarea unei soluții la problemă, să completeze 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 le deosebesc de date
Exemplu. Lăsați legăturile de familie să acționeze ca subiect. Obiectele acestui domeniu sunt concepte precum mama,
tată, fiică, bărbat, femeie etc.
Să fie cunoscute faptele:
Victor este tatăl Taniei.
Vladimir este tatăl lui Victor.
În Prolog, aceste fapte sunt descrise după cum urmează:
tată (Victor, Tanya).
tatăl (Vladimir, Victor).
Aici „tată” este un nume de relație sau un predicat, iar „victor”, „tanya” și „vladimir” sunt constante.
Lasa X, Y, Z– variabile. Utilizarea variabilelor XȘi Z, putem scrie în general relația X este tatăl Z» în Prolog:
Tată ( X, Z).
Folosind predicatul „tată” și variabile X, Y, Z, formulăm o nouă relație „bunic”, și anume:
Dacă X este tatăl ZȘi
Z este tatăl Y
apoi X este un bunic Y.
Această formă de scriere a relației „Dacă... Atunci” se numește regula de productie, produse sau doar regulă.
În Prolog, relația „bunicul” este scrisă astfel:
bunicul ( X, Y): - Tată ( X, Z), Tată ( Z, Y).
Caracterul „:-” este interpretat ca „Dacă”.
Pe exemplul relației „bunic”, se formulează regularitatea generală a definiției conceptului de „bunic” prin conceptul de „tată”. Numele „Vladimir”, luat indiferent de relație, nu indică nimic. Poate că acesta este numele unei persoane sau numele unui oraș. Datele numerice sau de altă natură sunt tratate în același mod, de exemplu, într-un fișier de date. Datul, luat împreună cu relația, determină un sens și astfel constituie cunoaștere.
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 o interpretare, deoarece conțin atât date, cât și denumirile, descrierile, relațiile, i.e. împreună cu datele sunt prezentate structuri informaționale care permit nu numai stocarea cunoștințelor, ci și utilizarea acestora.
Cunoștințele și informațiile sunt componente importante ale vieții noastre. Acești termeni nu pot fi identificați complet între ei. Luați în considerare ce înseamnă fiecare dintre ele și cum diferă cunoștințele de informații.
Definiție
Cunoştinţe- idei fiabile sistematizate despre obiecte și fenomene ale realității. Cunoașterea este folosită de oameni pentru a-și organiza rațional activitățile și pentru a rezolva problemele emergente.
informație– informații despre concepte, fapte, evenimente etc., la transmiterea și acceptarea cărora pot participa persoane sau dispozitive speciale. Animalele își comunică informații specifice între ele folosind semnale. Există, de asemenea, informații genetice transmise de la un organism la altul.
Comparaţie
Factorul fundamental care face posibilă identificarea diferenței dintre cunoștințe și informație este că cunoștințele se dobândesc doar prin înțelegere subiectivă. Informația este independentă și nu ajunge întotdeauna la stadiul de conștientizare.
În procesul cognitiv, cunoștințele și informațiile sunt la niveluri diferite. În primul rând, există o percepție a informațiilor transmise de o anumită sursă: o carte, internetul, un profesor... După înțelegere, informația are ca rezultat cunoaștere. Posesorul de cunoștințe este capabil să joace rolul unei noi surse de informații.
Astfel, se transmit și se primesc doar informații, dar cunoștințele nu pot fi transmise. Pentru a deveni proprietarul cunoștințelor, este necesar să percepi informațiile necesare și să o treci prin propria ta conștiință.
De exemplu, un profesor de matematică are cunoștințe în domeniul lor. Explicând clasei cum să rezolve problema, el nu transferă în mod direct cunoștințele, ci este o sursă de informații. Elevii vor putea să-și formeze cunoștințe numai atunci când nu numai că ascultă profesorul, ci și înțeleg, își dau seama ce încearcă el să le transmită.
Având în vedere diferența dintre cunoștințe și informație, trebuie remarcat că nu poate exista exces de cunoștințe. La urma urmei, o persoană caută să înțeleagă doar ceea ce este cu adevărat important și necesar pentru el. Informațiile pot veni din abundență, oamenii simt adesea o exces de ea. Din cantitatea totală de informații, o mică parte este folosită pentru a obține cunoștințe.
Cunoașterea este criteriul educației umane. La urma urmei, nu este suficient doar să te familiarizezi cu informațiile - este necesar să faci multă muncă mentală.
