Language
Country/Area
No result found
從1959年到現在：知識表現如何改變人工智慧的未來？
知識表現（KR）旨在以結構化方式建模資訊，將其正式表示為知識，以便用於基於知識的系統。而知識表現與推理（KRR）則希望理解、推理及詮釋知識。隨著人工智慧（AI）領域的發展，KR變得日益重要，它的目標是以電腦系統能夠使用的形式表示世界上的資訊，從而解決複雜的任務，例如診斷醫療條件或進行自然語言對話。
KR整合了心理學的發現，幫助我們理解人類如何解決問題和表達知識，設計出使複雜系統更易於設計和製造的形式主義。
知識表現的概念自1959年起，從艾倫·紐厄爾和赫伯特·西蒙發展的通用問題求解器（GPS）系統，及約翰·麥卡錫提出的顧問接收器開始，逐漸形成了豐富的研究領域。GPS採用了規劃和分解的數據結構，從一個目標開始，將其分解為子目標，並建構達成每個子目標的策略。顧問接收器則提示了使用謂詞演算來表示常識推理的重要性。
這些早期的知識表現方法多採用了圖形表示和語意網絡，類似於今日的知識圖譜，問題解決則被視為一種圖形遍歷或尋找路徑的形式，並應用於機器人計畫形成和遊戲等領域。
知識表現是一種替代品，使實體能夠透過思考而非行動來判斷後果，這即是“在世界中推理，而非在其中行動”。
進入1970年代，邏輯程式設計和Prolog的出現，成功地將邏輯表示與程序性表示之間的分歧轉化為了一種有效的模式。在此時期，AI研究者轉向了以專家系統為主的知識表現，專注於如何在特定任務上匹配人類的能力，例如醫療診斷。
專家系統的出現使得知識庫和推理引擎的概念成為一項基礎結構，知識庫包括關於問題領域的事實和規則，推理引擎則負責利用這些知識來回答問題並解決問題。
知識表現為複雜軟件的定義和維護提供了一種更簡單的方式，而這在程序代碼中往往難以實現。
隨著時間的推進，馬文·明斯基於1970年代中期開發的框架概念，像是一個物件類別的抽象描述，提供了高效的知識表示方式，促進了人機交互系統的發展。框架和規則的整合，使得我們能夠對實際世界進行更準確的建模。
在此期間，知識表示的進展也對現今的語義網產生了深遠的影響。語義網試圖在現有互聯網之上添加一層語義，使得搜索過程更為高效，無需依賴傳統的關鍵字搜尋。比如，資源描述框架（RDF）和網路本體語言（OWL）的應用為知識對象的定義和自動分類提供了良好的基礎。
語義網提供了一個整合知識表示和推理的基礎，可以隨需應變地處理不斷變化的信息環境。
知識表示不僅僅是對數據的結構化表示，而是關於如何通過機器進行推理的核心技術。它在計算機科學、邏輯學以及心理學等多個領域中發揮重要作用，幫助我們理解和處理日益複雜的知識系統。深入思考，我們不禁要問：未來的人工智慧會在何種程度上依賴這些知識表達技術，來改善我們的日常生活？
