Такі складні поняття, як «мислення» і «свідомість», і навіть більш легко визначаються, такі як «інтелект» і «знання», у фахівців різних профілів (наприклад, системного аналізу, інформатики, нейропсихології, психології, філософії та ін) можуть значно відрізнятися. Повне, адекватне уявлення знань, яке сприймається однаково однозначно як людьми, так і машинами – основна проблема сучасного інформаційного обміну. Подібний інформаційний обмін заснований на системі понять і відносин, які складають знання.

Класифікація знань

Їх можна класифікувати на декілька категорій: понятійні, конструктивні, процедурні, фактографічні та метазнания.

Понятійні знання – набір певних понять, що використовуються при вирішенні завдань. Їх часто використовують у фундаментальних науках і теоретичних областях наук. Фактично понятійні знання становлять понятійний апарат науки.

Конструктивні знання – набори структур, систем і підсистем, а також взаємодії між ними. Активно використовуються в техніці.

Процедурні знання – методи і алгоритми, що використовуються в прикладних науках найчастіше.

Фактографічні знання – характеристики об'єктів і явищ, як кількісні, так і якісні. Використовуються найчастіше, в експериментальних науках.

Метазнания – будь-які знання про знання, їх системи організації, їх інженерії та про порядок і правила їх застосування.

Організація знань

Система організації знань – це процес подання інформації у вигляді повідомлень, які можуть бути звичними (усна та письмова мова, малюнки тощо) і незвичними (формули, об'єкти географічної карти, радіохвилі тощо).

Щоб система організації знань була зрозумілою і успішною, необхідно використовувати зрозумілу і конструктивну систему правил, відповідно до якої знання будуть представлені й сприйняті. Для цього людина використовує мову і писемність.

Мова

Мова з'явився і розвивався завдяки тому, що знання, накопичені людьми, постійно потребують представлення, вираженні, зберіганні та обміні. Думка, яку не можна висловити формальної конструкцією (мова, зображення) втрачає можливість стати частиною інформаційного обміну. Саме тому впродовж історії людства мова була найбільш ефективною формою подання знань. Чим багатша мова, тим більше знань він висловлює, відповідно, роблячи культуру народу багатша, що, в свою чергу, дозволяє розробляти все нові і більш ефективні системи організації знань.

Мова науки

Головна проблема у використанні мови як форми подання знань – неоднозначний семантичний сенс слів і пропозицій. Саме тому мова науки відіграє особливу роль у формалізації знань. Основне призначення мови науки – типізувати та стандартизувати форми вираження, стискання та зберігання знань. З допомогою типового, стандартного викладу знань можна позбутися від полісемії або смислової багатозначності мови.

Те, що в природних умовах мовної еволюції робить мову багатшою (багатозначність виразів), в процесі обміну знаннями стає перешкодою, збільшуючи ризик нерозуміння, семантичного шуму і неоднозначного сприйняття інформації.

Класифікація знань

Одним з основних методів формалізації знань є класифікація. Це розподіл знань за групами у відповідності з певним класом. Тобто в певний клас знань потрапляє лише та інформація, яка задовольняє певним критеріям, відповідним класу. Класифікація – це особливо важливий метод наукової систематики, без якого не обійтися на першому етапі формування базових знань наукового напряму. Наприклад, в інформатиці без класифікації немає еквівалентності, яка дозволяє вирішувати такі важливі завдання, як порівняння, пошук і категоризація. Без класифікації в науці ми не отримали б такі унікальні безцінні і системи організації даних, як таблиця Менделєєва.

Моделі подання знань

Таблиця Менделєєва, Табель про ранги, Кримінальний кодекс, генеалогічні древа і інші класифікаційні системи являють собою моделі подання знань. Це формальні структури, які пов'язують між собою певні знання: факти, явища, поняття, процеси, об'єкти, взаємозв'язку.
Для розуміння й обробки комп'ютером знань про окремої предметної області ці знання повинні бути представлені у певному, формалізованому вигляді. Залежно від мети, обробка знань комп'ютером відбувається у відповідності з моделлю, побудованою на алгоритмі. Відповідно, представлені в моделі знання залежать від алгоритму їх обробки. Існує кілька моделей представлення знань в експертних системах. Основними з них є продукційні, фреймовые, мережеві і логічні.

Класифікація моделей

Перераховані вище моделі подання знань, приклади яких слідують далі, нехай і широко поширені, далеко не єдині. Сьогодні існує безліч моделей, що розрізняються один від одного по обґрунтованості, підходів до їх створення і принципам організації. Наприклад, у таблиці нижче наведені види моделей представлення знань, поділ їх на емпіричні і теоретичні, а також подальше підрозділ.

Емпіричні моделі



Теоретичні моделі



Продукційні моделі



Логічні моделі



Мережеві моделі



Формальні граматики



Фреймовые моделі



Комбінаторні моделі



Ленемы



Алгебраїчні моделі



Нейронні мережі



Генетичні алгоритми

Емпіричне моделювання

Емпіричні моделі організації і представлення знань беруть як приклад людини і намагаються втілити організацію його пам'яті, свідомості і механізмів прийняття рішень і вирішення завдань. Емпіричне моделювання відноситься до будь-якого виду моделей, побудованих на основі емпіричних спостережень, а не на відносинах, що піддаються математичному опису і моделювання.
Емпіричне моделювання - загальне позначення для моделей представлення знань, які створюються на основі спостережень і експериментів. Емпірична модель діє згідно простому семантичним принципом: творець спостерігає за взаємодією моделі і її референта. Обробка отриманої інформації може бути «емпіричної» по-різному, від аналітичних формул, причинно-наслідкових зв'язків, до методу проб і помилок.

Продукційні моделі подання знань

Ця модель представлення даних найчастіше заснована на відносинах і причинно-наслідкових зв'язках. Якщо інформацію можна представити у вигляді умов типу «Якщо , То », то модель є продукційної. Вона найчастіше використовується в додатках і нескладних штучних интеллектах. Продукційними моделями подання знань є найчастіше комп'ютерні програми, які забезпечують певну форму штучного інтелекту поруч правил поведінки, а також включають механізм, необхідний для того, щоб слідувати цим правилам при дотриманих умовах. Продукція (набір правил) складається з двох частин: попередня умова («ЯКЩО») і дія («ТЕ»). Якщо попередня умова продукції відповідає поточному стану світу, то модель запускається. Продукційна модель також містить базу даних, іноді звану робочої пам'яттю, яка містить актуальні знання. Недоліки продукційної моделі полягають в тому, що при дуже великому числі правил дії моделі можуть суперечити один одному.

Семантичні мережі

Вони грунтуються на цілісності образу і є найбільш наочними моделями подання знань. Семантична мережа найчастіше представлена у вигляді графа або складною графової структури, вузли або вершини якої являють собою об'єкти, поняття, явища, а ребра – відносини між певними об'єктами, поняттями і явищами. Найпростішу семантичну мережу легко представити у вигляді трикутника, вершинами якого є такі поняття, як, скажімо, «собака», «ссавець» і «хребет». В даному випадку вершини з'єднають сторони трикутника, які можна позначити такими зв'язками і відносинами, як «є», «має», «є». таким чином ми отримаємо модель подання знань з якої дізнаємося, що собака є ссавців, ссавці мають хребтом, і у собаки є хребет. Такі моделі наочні, і з їх допомогою можна найефективніше уявити складні системи і причинно-наслідкові зв'язки. Крім того, ці семантичні мережі можна поповнювати новими знаннями, розширюючи вже існуючу мережу, тобто трикутник перетворити у прямокутник, далі в шестигранник, а потім - в складну мережу пересічних фігур, в якій можна спостерігати, наприклад, успадкування властивостей.

Фреймову модель

Фреймову модель названа так від англійського слова frame – рамка або каркас. Фреймом називають структуру, в якій зібрані дані, використовувані для представлення певного концепту. Як і в соціології, де фреймами називають свого роду стереотипні дані, які впливають на людське сприйняття світу і процес прийняття рішень, в інформатиці і в роботі з штучним інтелектом фрейми використовують для створення структурованих даних, що представляють стереотипні ситуації. Фактично це – початкова, базова система даних, на яких будується сприйняття світу штучним інтелектом. Крім того, як ефективні моделі подання знань, фрейми активні не тільки в інформатиці. Спочатку вони були варіацією семантичних мереж. Фрейм складається з одного або декількох слотів. У свою чергу, слоти можуть самі бути фреймами. Таким чином, фреймову модель здатна представляти складні концептуальні об'єкти, утворюючи широку ієрархічну ланцюг знань. Фреймову модель подання знань містить у собі інформацію про те, як використовувати фрейм, що очікувати під час і після його використання, і що робити, коли очікування від використання кадру не виправдалися. Певні види даних у фреймової моделі залишаються незмінними, у той час як інші дані, які зазвичай зберігаються в термінальних слотах, можуть змінюватися. Термінальні слоти найчастіше розглядаються як змінні. Слоти і кадри верхнього рівня несуть в собі інформацію про ситуацію, яка вірна завжди, а ось термінальні слоти не зобов'язані бути вірними. Фрейми однієї складної мережі можуть ділити між собою слоти інших фреймів цієї ж мережі. В базі даних можуть зберігатися фрейми-прототипи (незмінні) і фрейми-екземпляри, які створюються ситуаційно, для подання певної ситуації або конкретного концепту. Фреймовые моделі подання знань - одні з найбільш універсальних і здатні відображати різні види знань:

фрейм-структури використовуються для представлення понять і об'єктів;

фрейм-ролі позначають рольові обов'язки;

фрейм-сценарії описують поведінку;

фрейм-ситуації використовуються для представлення стану і видів діяльності.

Нейромережі

Ці алгоритми теж можна умовно приєднати до групи моделей, що базуються на емпіричному підході до знань. Фактично нейронні мережі намагаються копіювати процеси, що відбуваються в мозку людини. Вони засновані на теорії про те, що штучна система інтелекту з такими ж структурами і процесами, як і в людському мозку, зможе отримати схожі результати в процесі прийняття рішень, оцінки ситуацій і сприйняття реальності.

Теоретично обгрунтований підхід

На цьому підході засновані математичні, предикативні та логічні моделі подання знань. Ці моделі гарантують правильність рішень, оскільки грунтуються на формальній логіці. Вони підходять для вирішення простих завдань з вузькій предметній області, часто пов'язаної з формальною логікою.

Логічні моделі подання знань

Це одна з найбільш популярних моделей, заснована на теоретичному підході. Логічна модель використовує алгебру предикатів, її систему аксіом і правил виводу. Найбільш поширені логічні моделі використовують терми – логічні константи, функції та змінні, а також предикати, тобто вираження логічних дій.