【知識庫】 KnowledgeBase
【辭書名稱】教育大辭書
簡單的說,知識庫就是由外在世界事實(fact)的表徵(presentation)所組成的集合。
為了解決在人工智慧中所遇到的複雜問題,我們需要儲存大量的知識以及能處理這些知識的機制,以便來幫助我們解決這些問題。
知識庫所要儲存的知識,就是外在世界的事實,如果要將這些知識儲存起來,首先必須將事實以形式化(formalism)的方式表示出來,如此方能將知識以文字(或數字)形式的方式儲存起來。
通常的方式則是將生產規則(productionrule)的集合與定義在規則中所使用物件的框架系統(framesystem)兩者共同結合使用。
一般而言,一個針對某一特定領域(domain)所建立的知識庫,應該具有以下四點基本特性:1.表示的適當性:具有表示此領域所有知識的能力,亦即能將物件(object)以及所有物件之間的關係,以程式(program)所能操縱的符號(symbol)表示出來。
2.推論的適當性:擁有由原本知識庫中所具有的知識來推論出新知識的能力,因此知識庫才能回答所被詢問的問題,而這正是它與一般資料庫最大不同之處。
3.推論的效率性:能將最有可能符合推論機制所需要的資訊合併入知識庫中,因此知識庫可以做出最有效率且正確的推論。
4.獲得的效率性:能容易獲得新資訊的能力。
最簡單的方式是由人將新知識直接置入知識庫中,但理想上程式應能自動控制知識的取得。
基本上,在知識庫中可能依特定領域、推論效率等原因而使得知識有許多種的表示方式;
同時程式也可以採取不只一種方式來撰寫知識庫。
到目前為止,還沒有一個系統能將所有知識(即各種事實的表示方式)的能力予以最有效的使用,這也正是知識庫目前重要的研究。
「知識就是力量」,電腦發明至今,解決不少人類所面臨的問題,舉凡工程、物理、生化、醫學等皆在電腦的協助下而有所突破。
但可惜的是電腦本身一直無法突破自己所面臨的最大瓶頸,那就是電腦不會自己思考。
電腦科學家們為了解決此問題,嘗試由各種不同的角度,企圖解開其中的奧祕。
經過許多年的努力,終於有一些初步的成果,好讓後續研究的人得以有所遵循,繼續研究發展。
知識庫的研究就是其中一項成就。
知識的萃取(knowledgeacquisition)、知識的表達(knowledgerepresentation),及知識的推論(knowledgereasoning),是知識庫所討論的三大主題。
分別敘述如下:1.知識的萃取:知識的萃取方法可以概分為以下兩大類:直接的方法:(1)訪問;
(2)問卷;
(3)觀察;
(4)定則分析;
(5)中斷分析;
(6)畫封閉曲線;
(7)討論流程分析。
間接的方法:(1)多維評量;
(2)階層式叢集;
(3)加權網路;
(4)回憶的順序樹;
(5)儲存柵格分析。
2.知識的表達:知識的表達分為兩種成分,一為語法成分(syntacticcomponent):定義表示知識的資料結構;
一為推論成分(inferencecomponent):說明新知識產生的方法,以及知識查詢與回答的方式。
知識的表示法需注意兩個層面,一為表示內容的適當性與豐富性,一為表示方法的有效性。
目前最為普遍的幾種知識表示方法有:(1)語意網路;
(2)「事件-屬性-值」的組合;
(3)知識框架(frame);
(4)生產法則(productionrules);
(5)述語邏輯(predicatelogic)。
3.知識的推論:推論的方法可以分為一般性原則(universal)與特定問題(problemspecific)兩類。
一般性原則的推論方法亦即正規(formal)的推論方法,主要指的是演繹法與歸納法。
透過歸繆來證明假設,先把待證明的敘述轉換成述語邏輯的形式,再將它否定,然後以一連串定則來解析此一否定述句。
如果該否定述句與各定則的推演產生矛盾,則該否定述句為偽,而原敘述就被證明為真。
一般性推論方法有兩個致命傷,一為隨著問題的複雜化,解析步驟隨指數增加,造成面對現實問題時,變得束手無策。
另一個為人類行為的非合理性,以及資訊的不完整性與不確定性。
因此絕大部分是來自特定領域的推論,如專家知識與特定法則。
專家系統的能力主要就是來自這種特定領域的推論方法。
轉自:http://edic.nict.gov.tw/cgi-bin/tudic/gsweb.cgi?o=ddictionary
|