A Representação do Conhecimento

FACULDADE DE TECNOLOGIA DE CARAPICUÍBA

ANALISE E DESENVOLVIMENTO DE SISTEMAS

REPRESENTAÇÃO DO CONHECIMENTO

MATHEUS GUERREIRO BULHÕES

CARAPIBUIBA/SP

2017

REPRESENTAÇÃO DO CONHECIMENTO

A Representação do conhecimento é uma área da inteligência artificial dedicada à representar informações sobre o mundo de forma que um sistema computacional possa resolver tarefas complexas. Ela incorpora características de Psicologia sobre como os humanos resolvem problemas e representa o conhecimento para poder planejar formalismos que tornarão simples a construção de sistemas complexos.

A Representação do conhecimento também incorpora conhecimentos da lógica para automatizar vários tipos de raciocínios, como a aplicação de regras ou de relações de grupos ou subgrupos.

Exemplos de formalismos de representação do conhecimento incluem redes semânticas, arquitetura de sistemas, Frames, regras e ontologias. Exemplos de mecanismos de raciocínio automatizado incluem mecanismos de dedução, provadores de teoremas e classificadores.

A representação do conhecimento é o campo da inteligência artificial que se foca em projetar representações computacionais que coletam informações sobre o mundo que pode ser utilizada para resolver problemas.

A Justificativa para a representação de conhecimento é que o convencional código procedural não é o melhor formalismo a se usar para se resolver problemas complexos; A Representação do conhecimento faz com que softwares complexos sejam mais simples de se definir e manter do que códigos procedurais e pode ser usado em sistemas experts.

Por exemplo, falar com experts em termos de regras de negócio ao invés de codificar diminui o vão semântico entre os usuários e os desenvolvedores e torna o desenvolvimento de sistemas complexos mais prático.

A representação do conhecimento anda de mãos dadas com o raciocínio automatizado porque uma das principais causas da representação do conhecimento explicita é ser capaz de raciocinar sobre aquele conhecimento, para fazer inferências, afirmar novos conhecimentos, etc. Virtualmente todas as linguagens da representação do conhecimento tem um mecanismo de logica ou de inferência como parte do sistema.

Um trade-off chave na concepção de um formalismo da representação do conhecimento está entre a expressividade e a praticidade. O maior formalismo da representação do conhecimento em termos de poder expressivo e compacidade é a Lógica de Primeira Ordem (LPO). Não há formalismo mais poderoso que esse usado por matemáticos para definir proposições gerais sobre o mundo, entretanto a LPO tem dois inconvenientes como formalismo da representação do conhecimento: facilidade de uso e praticidade de aplicação. A LPO pode ser intimidadora até mesmo para muitos desenvolvedores de software. Linguagens que não tem o poder formal da LPO ainda podem fornecer quase o mesmo poder expressivo com uma interface de usuário que seja mais pratica para o desenvolvedor médio entender. A questão de praticidade de implementação é que a LPO em alguns casos é muito expressiva. Com a LPO é possível criar declarações (ex: quantificar de conjuntos infinitos) que podem fazer com que o sistema nunca termine caso tente fazer uma verificação.

Assim, um subconjunto da LPO pode ser tanto mais fácil de se usar e mais prático de se implementar. Esta foi uma motivação por trás dos sistemas experts baseados em regras. Regras de IF – THEN (Se - Então) fornecem um subconjunto de LPO mas também um bem útil que também é bem intuitivo. A história da maioria doas IA e sistemas de produção antigos pode ser vista como várias decisões de projeto em se enfatizar poder expressivo ou computabilidade e eficiência.

Em1993 Randall Davis destacou 5 papeis distintos para analisar um framework de representação do conhecimento:

Uma Representação do conhecimento (RC) é em sua maior parte um substituto para si próprio, acostumado a habilitar uma entidade para determinar consequências pensando ao invés de agir

É um conjunto de compromissos ontológicos

É uma teoria fragmentada de raciocínio lógico, expresso em termos de três componentes:

1. A concepção fundamental da representação de raciocínio inteligente

2. O conjunto de inferências as sanções de representação;

3. O conjunto de inferências que recomenda

É um médium para computação pragmaticamente eficiente. Uma contribuição para esta eficiência pragmática fornece para organizar informação para que facilite a construção de inferências recomendadas.

É um médium de expressões humanas

A representação do conhecimento é a chave que permite tecnologia para a rede semântica. Linguagens baseadas no modelo de Frame com classificação automática fornece uma camada de semânticas em cima da internet existente. Em vez de pesquisar via strings de texto como é típico hoje em dia, ele vai possibilitar a definição de filas lógicas e encontrar páginas que mapeiam essas filas. O componente de logica automatizada nesses sistemas é um mecanismo conhecido como o classificador. Classificadores podem inferir novas classes e mudar dinamicamente a ontologia quando novas informações estiverem disponíveis. Esta capacidade é ideal para trocar e desenvolver espaços de informação da internet.

A rede semântica integra conceitos da representação do conhecimento com linguagens de marcação baseadas em XML. O Framework de Descrição de recursos (FDR). Fornece as capacidades básicas de definir objetos baseados em conhecimento na internet com características básicas como É-uma relações e propriedades de objeto. A Linguagem de Ontologia da rede (LOR) inclui semânticas adicionais e integra com raciocinadores de classificação automáticos.

Características

Em 1985, Ron Branchman