AI 知识表示
人类最擅长理解，推理和解释知识。人类知道事物，这是知识，根据知识，他们在现实世界中会执行各种动作。
但是，机器如何完成所有这些事情取决于知识表示和推理。因此，我们可以将知识表示描述如下:
知识表示和推理(KR，KRR)是人工智能的一部分，它与AI代理的思维以及思维如何促进代理的智能行为有关。
它负责表示有关现实世界的信息，以便计算机可以理解并利用这些知识来解决复杂的现实世界问题，例如诊断疾病或以自然语言与人交流。
这也是描述我们如何表示人工智能知识的一种方式。知识表示不仅将数据存储到某个数据库中，而且还使智能机器能够从这些知识和经验中学习，从而可以像人一样智能地运行。
代表什么:
以下是在AI系统中需要表示的知识:
对象: 关于我们世界范围内的对象的所有事实。例如，吉他包含弦，小号是铜管乐器。
事件: 事件是我们世界中发生的动作。
性能: 它描述的行为涉及到有关如何做事的知识。
元知识: 这是关于我们所知道的知识。
事实: 事实是关于现实世界和我们所代表的事物的真相。
知识库: 基于知识的代理的核心组件是知识库。它表示为KB。知识库是一组句子(在这里，句子用作技术术语，与英语不完全相同。)
知识: : 知识是指通过事实，数据和情况的经验获得的认识或熟悉。以下是人工智能中的知识类型:
知识类型
以下是各种知识类型:
1、陈述性知识:
陈述性知识是要了解一些东西。
它包括概念，事实和对象。
它也称为描述性知识，并以陈述性句子表达。
它比过程语言更简单。
2、程序知识
也称为命令式知识。
过程知识是一种知识，负责了解如何做某事。
它可以直接应用于任何任务。
它包括规则，策略，程序，议程等。
过程知识取决于可以应用它的任务。
3、元知识:
关于其他类型知识的知识称为元知识。
4、启发式知识:
启发式知识表示领域或学科中某些专家的知识。
启发式知识是基于以前的经验，对方法的了解的经验法则，这些方法很好用，但不能保证。
5、结构知识:
结构知识是解决问题的基础知识。
它描述了各种概念之间的关系，例如某种事物的种类，一部分和分组。
它描述了概念或对象之间存在的关系。
知识与智能之间的关系:
对现实世界的了解在智能中起着至关重要的作用，对于创造人工智能也同样重要。知识在演示AI代理中的智能行为方面起着重要作用。座席只有在对某项输入有一定了解或经验的情况下，才能够准确地对某项输入采取行动。
让我们假设如果您遇到某个用您不知道的语言说话的人，那么您将如何对此采取行动。同样的情况适用于代理的智能行为。
我们可以从下图中看到，有一个决策者通过感知环境并利用知识来行动。但是，如果知识部分不存在，那么它将无法显示智能行为。
AI知识周期:
人工智能系统具有以下用于显示智能行为的组件:
知觉
学习
知识表示与推理
计划
执行
上图显示了AI系统如何进行交互与现实世界以及哪些组件可以帮助其展现智能。 AI系统具有Perception组件，通过它可以从其环境中检索信息。它可以是视觉，音频或其他形式的感觉输入。学习组件负责从感知报告中捕获的数据中学习。在整个周期中，主要组成部分是知识表示和推理。这两个组件涉及到向类似机器的人展示智能。这两个组件彼此独立，但也耦合在一起。计划和执行取决于对知识表示和推理的分析。
知识表示方法:
主要有以下四种知识表示方法:
1、简单的关系知识:
这是使用关系方法存储事实的最简单方法，有关一组对象的每个事实都在列中系统地列出。
这种知识表示方法在表示不同实体之间的关系的数据库系统中很有名。
这种方法几乎没有推理的机会。
示例: 以下是简单的关系知识表示。
| 玩家 |
体重 |
年龄 |
| Player1 |
65 |
23 |
| Player2 |
58 |
18 |
| Player3 |
75 |
24 |
2、可继承的知识:
在可继承知识方法中，所有数据必须存储在类的层次结构中。
所有类都应以广义形式或层次结构排列。
在这种方法中，我们应用继承属性。
元素从类的其他成员继承值。
此方法包含可继承的知识，该知识显示了实例与类之间的关系，称为实例关系。
每个框架都可以代表属性及其值的集合。
在这种方法中，对象和值在Boxed节点中表示。
我们使用箭头从对象指向其值。
示例:
3、推理知识:
推理知识方法以形式逻辑的形式表示知识。
此方法可用于得出更多事实。
保证正确性。
示例: 让我们假设有两个语句: 马库斯是个男人 所有男人都是凡人
然后可以表示为
man(Marcus)
∀x= man(x)---------->凡人(x)s
4、程序知识:
过程知识方法使用小的程序和代码，描述了如何做特定的事情以及如何进行。
在这种方法中，使用了一个重要规则，即 If-Then规则。
根据这种知识，我们可以使用各种编码语言，例如 LISP语言和 Prolog语言。
我们可以使用这种方法轻松表示启发式或特定领域的知识。
但是我们不必用这种方法代表所有情况。
知识表示系统的要求:
好的知识表示系统必须具有以下属性。
1、表示精度:
KR系统应具有表示所有必需知识的能力。
2、推论充足性:
KR系统应该具有操纵表示结构以产生与现有结构相对应的新知识的能力。
3、推理效率:
通过存储适当的指南将推理知识机制引导到最有生产力的方向的能力。
4、获取效率-能够使用自动方法轻松获取新知识。
