Les humains sont les meilleurs pour comprendre, raisonner et interpréter les connaissances. L'humain connaît des choses, ce qui constitue une connaissance et, selon ses connaissances, il effectue diverses actions dans le monde réel. Mais la façon dont les machines font toutes ces choses relève de la représentation des connaissances et du raisonnement. . Nous pouvons donc décrire la représentation des connaissances comme suit :

• La représentation et le raisonnement des connaissances (KR, KRR) font partie de l'intelligence artificielle qui concerne la réflexion des agents d'IA et la manière dont la pensée contribue au comportement intelligent des agents.
• Il est chargé de représenter les informations sur le monde réel afin qu'un ordinateur puisse comprendre et utiliser ces connaissances pour résoudre des problèmes complexes du monde réel, tels que le diagnostic d'un problème médical ou la communication avec les humains en langage naturel.
• C'est aussi une manière qui décrit comment nous pouvons représenter les connaissances en intelligence artificielle. La représentation des connaissances ne consiste pas seulement à stocker des données dans une base de données, mais elle permet également à une machine intelligente d'apprendre de ces connaissances et expériences afin de pouvoir se comporter intelligemment comme un humain.

Que représenter :

Voici le type de connaissances qui doivent être représentées dans les systèmes d’IA :

python __dict__

Objet:Tous les faits sur les objets de notre domaine mondial. Par exemple, les guitares contiennent des cordes, les trompettes sont des cuivres.Événements:Les événements sont les actions qui se produisent dans notre monde.Performance:Il décrit un comportement qui implique la connaissance de la façon de faire les choses.Méta-connaissance :C'est la connaissance de ce que nous savons.Faits:Les faits sont les vérités sur le monde réel et ce que nous représentons.Base de connaissances :L'élément central des agents basés sur la connaissance est la base de connaissances. Il est représenté par KB. La base de connaissances est un groupe de phrases (ici, les phrases sont utilisées comme terme technique et ne sont pas identiques à la langue anglaise).

Connaissance: La connaissance est la conscience ou la familiarité acquise par l'expérience de faits, de données et de situations. Voici les types de connaissances en intelligence artificielle :

Types de connaissances

Voici les différents types de connaissances :

1. Connaissance déclarative :

• La connaissance déclarative consiste à connaître quelque chose.
• Il comprend des concepts, des faits et des objets.
• On l'appelle également connaissance descriptive et elle s'exprime sous forme de phrases déclaratives.
• C’est plus simple qu’un langage procédural.

2. Connaissance procédurale

• On l’appelle également connaissance impérative.
• La connaissance procédurale est un type de connaissance qui permet de savoir comment faire quelque chose.
• Il peut être directement appliqué à n’importe quelle tâche.
• Il comprend des règles, des stratégies, des procédures, des agendas, etc.
• Les connaissances procédurales dépendent de la tâche à laquelle elles peuvent être appliquées.

3. Méta-connaissances :

• La connaissance des autres types de connaissances est appelée méta-connaissance.

4. Connaissances heuristiques :

• La connaissance heuristique représente la connaissance de certains experts dans un domaine ou un sujet.
• Les connaissances heuristiques sont des règles empiriques basées sur des expériences antérieures, la connaissance des approches et qui sont bonnes à travailler mais non garanties.

5. Connaissances structurelles :

• Les connaissances structurelles sont les connaissances de base pour la résolution de problèmes.
• Il décrit les relations entre divers concepts tels que le type, la partie et le regroupement de quelque chose.
• Il décrit la relation qui existe entre des concepts ou des objets.

La relation entre connaissance et intelligence :

La connaissance des mondes réels joue un rôle essentiel dans l’intelligence, tout comme dans la création de l’intelligence artificielle. Les connaissances jouent un rôle important dans la démonstration d’un comportement intelligent chez les agents IA. Un agent n’est capable d’agir avec précision sur une entrée que s’il a une certaine connaissance ou expérience concernant cette entrée.

tutoriel sur le sélénium

Supposons que si vous rencontrez une personne qui parle dans une langue que vous ne connaissez pas, comment pourrez-vous agir en conséquence. La même chose s’applique au comportement intelligent des agents.

Comme nous pouvons le voir dans le diagramme ci-dessous, il existe un décideur qui agit en détectant l'environnement et en utilisant ses connaissances. Mais si la partie connaissance n’est pas présente à ce moment-là, elle ne peut pas afficher un comportement intelligent.

Cycle de connaissances en IA :

Un système d'intelligence artificielle comprend les composants suivants pour afficher un comportement intelligent :

• Perception
• Apprentissage
• Représentation des connaissances et raisonnement
• Planification
• Exécution

Le diagramme ci-dessus montre comment un système d’IA peut interagir avec le monde réel et quels composants l’aident à faire preuve d’intelligence. Le système d'IA dispose d'un composant Perception grâce auquel il récupère les informations de son environnement. Il peut s’agir d’un apport visuel, audio ou d’une autre forme d’entrée sensorielle. Le composant d’apprentissage est chargé d’apprendre à partir des données capturées par le comportement Perception. Dans le cycle complet, les principales composantes sont la représentation des connaissances et le raisonnement. Ces deux composants participent à la démonstration de l’intelligence des humains semblables à des machines. Ces deux composants sont indépendants l’un de l’autre mais également couplés. La planification et l'exécution dépendent de l'analyse de la représentation et du raisonnement des connaissances.

Approches de la représentation des connaissances :

Il existe principalement quatre approches de représentation des connaissances, qui sont présentées ci-dessous :

1. Connaissances relationnelles simples :

• C'est le moyen le plus simple de stocker des faits qui utilise la méthode relationnelle, et chaque fait concernant un ensemble d'objets est systématiquement présenté en colonnes.
• Cette approche de représentation des connaissances est célèbre dans les systèmes de bases de données où la relation entre différentes entités est représentée.
• Cette approche a peu de possibilités de déduction.

Exemple : Ce qui suit est la représentation simple des connaissances relationnelles.

2. Connaissances héritées :

• Dans l’approche des connaissances héritables, toutes les données doivent être stockées dans une hiérarchie de classes.
• Toutes les classes doivent être organisées sous une forme généralisée ou hiérarchisée.
• Dans cette approche, nous appliquons la propriété successorale.
• Les éléments héritent des valeurs des autres membres d'une classe.
• Cette approche contient des connaissances héritables qui montrent une relation entre l'instance et la classe, et elle est appelée relation d'instance.
• Chaque cadre individuel peut représenter la collection d'attributs et sa valeur.
• Dans cette approche, les objets et les valeurs sont représentés dans des nœuds encadrés.
• Nous utilisons des flèches qui pointent des objets vers leurs valeurs.
Exemple:

3. Connaissances inférentielles :

• L'approche des connaissances inférentielles représente la connaissance sous la forme de logiques formelles.
• Cette approche peut être utilisée pour obtenir davantage de faits.
• Cela garantissait l’exactitude.
Exemple:Supposons qu'il y ait deux déclarations :
1. Marcus est un homme
2. Tous les hommes sont mortels
   Ensuite, cela peut représenter comme :
   
   homme (Marcus)
   ∀x = homme (x) ----------> mortel (x)s

4. Connaissances procédurales :

• L'approche des connaissances procédurales utilise de petits programmes et des codes qui décrivent comment faire des choses spécifiques et comment procéder.
• Dans cette approche, une règle importante est utilisée : Règle Si-Alors .
• Dans cette connaissance, nous pouvons utiliser différents langages de codage tels que Langage LISP et Langage prologue .
• Nous pouvons facilement représenter des connaissances heuristiques ou spécifiques à un domaine en utilisant cette approche.
• Mais il n’est pas nécessaire que nous puissions représenter tous les cas dans cette approche.

Exigences de connaissances Système de représentation :

Un bon système de représentation des connaissances doit posséder les propriétés suivantes.

1. Exactitude de la représentation :
Le système KR devrait avoir la capacité de représenter toutes sortes de connaissances requises.2. Adéquation inférentielle :
Le système KR devrait avoir la capacité de manipuler les structures de représentation pour produire de nouvelles connaissances correspondant à la structure existante.3. Efficacité inférentielle :
La capacité d’orienter le mécanisme de connaissance inférentielle dans les directions les plus productives en stockant les guides appropriés.4. Efficacité d'acquisition-La capacité d’acquérir facilement de nouvelles connaissances en utilisant des méthodes automatiques.