ההבדל המהותי בין בני אדם למחשבים הוא התבונה האנושית, המבוססת על ידע מתקדם וניסיון שצברנו בחיינו, המאפשרים לנו לחשוב, לקבל החלטות ולפעול בדרך מסוימת.
מערכות בינה מלאכותית מבוססות על טכנולוגיה חדשנית, המשקפת את כוחה של התבונה האנושית בשילוב מכונות-מחשבים.
סוגי הידע האנושי
- ידע הצהרתי (Declarative Knowledge)- תיאור העולם: רעיונות, עובדות, מושגים.
- ידע מובנה (Structural Knowledge)- ידע בסיסי, המתאר את מערכת הקשרים בין קונספטים, רעיונות ותיאורם. לדוגמה: חלק מ..., שייך ל קבוצה, דומה ל...
- ידע תהליכי -(Procedural Knowledge) חוקים, אסטרטגיות, תהליכים, אג'נדות. אופן הפעולה או ההתנהגות במצב מסוים. ידע פרקטי הדרוש לביצוע משימה.
- ידע על ידע (Meta Knowledge)- ידע על סוגי הידע האחרים.
- ידע קוגניטיבי מתקדם (Heuristic Knowledge)- ידע של מומחים בתחומים ונושאים ספציפיים, מבוסס ניסיון. כללי אצבע, עקרונות והמלצות. ניתן להתייחס לידע זה כאל "ידע סמוי" שבו ישתמש הלומד בעת פתרון בעיות וקבלת החלטות.
בהקבלה, סוגי ידע במערכות בינה מלאכותית
אובייקט- כל המידע, המאפיינים והעובדות על אובייקט. לדוגמה: לאוטובוס יש גלגלים, לגיטרה יש מיתרים.
אירוע- אירועים המתרחשים בעולמנו.
פעולה- הסבר להתנהגות אנושית או אופן ביצוע פעולה במצב מסוים.
ידע על ידע- ידע על סוגי הידע האחרים.
עובדות- אמיתות, ידע מוכח על המציאות בה אנו חיים, ומה שאנו מאמינים בו.
בסיס ידע- כל המידע אודות תחום או דיסציפלינה. לדוגמה: סלילת כבישים.
מהו ייצוג ידע במערכות בינה מלאכותית?
תפיסת ייצוג הידע במערכות בינה מלאכותית מבוססת על העברת ידע אנושי מתקדם למערכות אלה.
ייצוג ידע במערכות בינה מלאכותית כולל את ההיבטים הבאים:
- מאפייני חשיבה אנושית ואופן החשיבה התורם להתנהגות תבונית של המערכת.
- ייצוג מידע על העולם באופן המובן למחשב כך שיוכל להשתמש בו כדי לפתור בעיות מורכבות, לדוגמה: דיאגנוזות של מצבים רפואיים, יכולת לתקשר עם בני אדם בשפה אנושית.
- למידה מנתונים לפיתוח תבונה אנושית.
ישנן ארבע גישות מרכזיות בייצוג ידע במערכות בינה מלאכותית:
- ידע בסיסי (Relational Knowledge)- סטים של נתונים אודות האובייקט, מיוצג בעמודות. גישה זו נפוצה במאגרי מידע המייצגים קשרים בין ישויות. בגישה זו אין כמעט מקום להסקת מסקנות.
- ידע העובר בתורשה (Inheritable Knowledge)- נתונים המאוחסנים לפי היררכיות של קטגוריות. האלמנטים שואבים ערכים בהתאם להיררכיה. הידע מייצג את הקשרים בין "אירוע" לקטגוריה.
- ידע היסקי (Inferential Knowledge)- גישה זו מייצגת ידע מבוסס לוגיקה - משמשת ליצירת עובדות נוספות ונחשבת מדויקת.
- ידע תהליכי(Procedural Knowledge) - שימוש בתוכניות וקודים המתארים את אופן הביצוע של פעולות מסוימות. אחד הכללים החשובים הוא: אם...אז.
בגישה זו ניתן להשתמש במגוון שפות תכנות כגון: LISP ו-Prolog.
כדי לשקף התנהגות אנושית תבונית, מערכת בינה מלאכותית צריכה לכלול את הרכיבים הבאים:
- אחזור מידע (Perception)- אחזור המידע יכול להיות ויזואלי, קולי או כל פעולת קלט סנסורית אחרת.
- למידה (Learning)- למידה מתוך הנתונים שנקלטו במערכת באמצעות רכיב האחזור.
- ייצוג ידע והיסקים (Knowledge Representation and Reasoning)- מייצגים פעילות תבונית כמו-אנושית.
- תכנון (Planning)- תלוי בניתוח ייצוג הידע וההיסקים.
- ביצוע (Education) - תלוי בניתוח ייצוג הידע וההיסקים.
אם כן, מהם המאפיינים והדרישות למערכת בינה מלאכותית טובה?
- דיוק בייצוג כל סוגי הידע הנדרש בתחום מסוים.
- דיוק היסקי- גמישות מערכתית, יכולת להתמודד עם כל סוגי הידע הקיים, לבצע מניפולציות עליו ולייצר ידע חדש על בסיס הידע הקיים.
- יעילות היסקית- מנגנון יעיל להטמעת ידע חדש.
- רכישת ידע יעילה- יכולת לרכוש ידע חדש על ידי שימוש במתודות אוטומטיות.
התפתחותן הטובה של מערכות בינה מלאכותית תלויה ביכולת להקנות להן תבונה אנושית (Wisdom). המפתח לכך טמון בקיומן של מערכות ייצוג ידע טובות, שיאפשרו הקניית ידע למערכות AI באותו האופן שבו מקנים ידע לבני אדם.
מקורות המידע:
What is Knowledge representation?
Knowledge representation in Artificial Intelligence