Kunskapsrepresentation

Kunskapsrepresentation är studiet av hur kunskap kan beskrivas och organiseras i datorprogram så att maskiner kan resonera, planera och tolka information. Syftet är att göra mänsklig expertis formellt uttryckbar så att datorer kan dra slutsatser och stödja beslut.

Vanliga representationsformer är symboliska system som logik (propositionell och första ordningens), beskrivningslogik, ramverk med frames, semantiska nätverk och reglerbaserade system. Ontologier spelar en central roll för att definiera begrepp och relationer inom ett domänområde. Inom Semantic Web används standarderna RDF, RDFS och OWL för att skapa och dela kunskapsstrukturer. Kunskap kan också lagras som kunskapsbaser eller i kunskapsgrafer.

Resonemangsmekanismer inkluderar deduktiv slutledning, reglerbaserat inferens och, i vissa fall, icke-monotont eller probabilistiskt resonemang. Tillämpningar finns inom expertsystem, automatiserad planering, naturlig språkbehandling och robotik.

Viktiga utmaningar är ofullständighet och osäkerhet i kunskap, kontextberoende betydelse, förändring över tid samt skalbarhet och effektivitet hos inferensmotorer. För att underlätta användning krävs också förklarbarhet och interoperabilitet mellan olika representationsramverk.

Sammanfattningsvis är kunskapsrepresentation en kärndel i AI som handlar om hur kunskap kan kodas i formella strukturer så att datorn kan nyttja den för rationellt resonemang och stöd till beslut.