kunnskapsrepresentasjon

Kunnskapsrepresentasjon (KR) er et fagfelt innen kunstig intelligens og informasjonsvitenskap som undersøker hvordan kunnskap kan beskrives, organiseres og brukes av maskiner. Målet er at systemer skal kunne trekke slutninger, planlegge handlinger og svare på spørsmål på en måte som er semantisk konsistent og utvidbar.

Et KR-system består typisk av et formelt språk for representasjon og en mekanisme for inferanse. Vanlige representasjonsformer inkluderer førsteordens logikk, beskrivelserlogikk (description logics), ontologier (ofte implementert med OWL), semantiske nettverk, rammer og regler (produsjonsregler). Ontologier brukes til å definere begreper, relasjoner og regler som gir felles forståelse i et gitt domenemiljø.

Semantisk web og datautveksling har utvidet bruken av KR ved å gi standarder for å beskrive og koble begreper på tvers av datakilder, eksempelvis RDF og OWL. Dette muliggjør interoperabilitet, søk og avansert datautvinning basert på meningsinnhold i stedet for kun tekstlige uttrykk.

Viktige problemstillinger i KR inkluderer valget mellom lukket verdensantakelse og åpen verdensantakelse, betydningen av uttrykksevne og beregningsmessig effektivitet, samt håndtering av inkonsistens og usikkerhet. Avanserte tilnærminger bruker probabilistiske eller hybride logikker for å kombinere logikk med statistikk.

Anvendelser av kunnskapsrepresentasjon spenner fra ekspertssystemer og kunnskapsbaserte systemer til semantic web, data-integrasjon, informasjonsgunnlag og automatisert planlegging. Historisk har KR utviklet seg fra symbolske representasjoner i tidlig AI til moderne, web-baserte ontologier og semantiske teknologier, som muliggjør mer meningsdrevet databehandling.