KnowledgeAcquisition,KnowledgeRepresentationandKnowledge-BasedSystem

Unit

5Contents

NewWords

Abbreviations

PhrasesNotes參考譯文NewWordsNewWordsNewWordsNewWordsNewWordsNewWordsPhrasesPhrasesListeningtoTextA知識獲取、知識表示和基于知識的系統(tǒng)1.知識獲取知識獲取通常是指通過多種方法之一獲取、處理、理解和回調(diào)信息的過程。這通常是一個與認(rèn)知、記憶以及人類能夠理解周圍世界的方式密切相關(guān)的研究領(lǐng)域。雖然沒有一種理論得到徹底證實(shí)或普遍接受，但許多關(guān)于知識獲取的理論都包含可以被視為該過程基本方面的相似之處。知識獲取特別詳細(xì)描述人們?nèi)绾误w驗(yàn)新信息、如何將信息存儲在大腦中，以及如何調(diào)用這些信息供以后使用。知識獲取的主要組成部分之一是假設(shè)人們出生時沒有知識，而且知識是在其一生中獲得的。這通常與人作為白板或“空白板”的想法一起使用。一些知識獲取方法是基于人們具有知識傾向或天生具有某些價值或知識的觀念?！翱瞻装濉狈椒ㄕJ(rèn)為人類在出生時基本上沒有知識，并且人的一生都在獲取和利用新信息。參考譯文知識獲取通常從接收或獲取新信息的過程開始。人們通常用其感官所接收的視覺、聽覺和觸覺信號來實(shí)現(xiàn)這一過程。例如，當(dāng)一個人第一次看到狗時，他或她正在接收有關(guān)狗的樣子的信息。獲得的知識表明狗通常有四條腿、全身長毛并且有尾巴。一旦接收到信息，通常通過編碼和理解該信息來繼續(xù)獲取知識。該編碼過程允許人們?yōu)橐粭l信息構(gòu)建認(rèn)知模型（有時稱為模式）。繼續(xù)上面的例子，狗的模式結(jié)合了所接收的信息，以構(gòu)建對“狗”的整體感覺。當(dāng)一個人看到另一只動物（例如袋鼠）時，他或她處理新信息，看到它不適合狗的模式，然后為新知識創(chuàng)建一個新模型。知識獲取后，仍然具有有效地調(diào)用和改變存儲信息的能力。當(dāng)有人再次看到一只狗時，他或她能夠通過回憶“狗”的模式，發(fā)現(xiàn)其適合該模型因而將其識別為狗。當(dāng)某人遇到某個模式中存在的對象但與該模型的某些方面不匹配時，這可能會產(chǎn)生認(rèn)知失調(diào)。參考譯文例如，有人第一次看到無毛犬，可能最初并不完全認(rèn)識到它是一只狗，并且必須用新獲得的知識來修改他或她的“狗”模式，即狗可以無毛。整個知識獲取過程通常在整個人的生命中持續(xù)進(jìn)行。然而，在人生的早期階段，這可能非常強(qiáng)烈。因?yàn)槿艘恢痹诟鶕?jù)數(shù)百萬條不同的信息迅速創(chuàng)建和改變模式。2.知識表示知識表示領(lǐng)域涉及考慮人工智能及其如何分類知識，通常是關(guān)于封閉系統(tǒng)。IT專業(yè)人員和其他人員可以監(jiān)控和評估人工智能系統(tǒng)，以更好地了解其對人類知識的模擬或其在表現(xiàn)焦點(diǎn)輸入數(shù)據(jù)方面的作用。參考譯文參考譯文來自麻省理工學(xué)院人工智能實(shí)驗(yàn)室的科學(xué)家將知識表示稱為“一組本體論承諾——一種智能推理的分散理論”和“人類表達(dá)媒介的模擬”。有些人將知識表示稱為某種形式的人類溝通系統(tǒng)或系統(tǒng)的通信的“代理人”。隨著人工智能的發(fā)展，由于AI將更好地、更充分地接近人類感知模型。科學(xué)家們不斷研究知識表示的邊界和參數(shù)，以進(jìn)一步明確它的含義以及它如何應(yīng)用于最先進(jìn)的技術(shù)知識，3.基于知識的系統(tǒng)（KBS）基于知識的系統(tǒng)（KBS）是一種計(jì)算機(jī)系統(tǒng)，它生成和利用來自不同來源的數(shù)據(jù)和信息的知識。這些系統(tǒng)通過利用人工智能概念幫助解決問題，尤其是復(fù)雜問題。這些系統(tǒng)主要用于解決問題的程序，并支持人類學(xué)習(xí)、決策和行動?；谥R的系統(tǒng)被認(rèn)為是人工智能的主要分支。它們可根據(jù)駐留于其中的知識做出決策，并且能夠理解正在處理的數(shù)據(jù)的情景?；谥R的系統(tǒng)通常由接口引擎和知識庫組成。接口引擎充當(dāng)搜索引擎，知識庫充當(dāng)知識倉庫。學(xué)習(xí)是基于知識系統(tǒng)的重要組成部分，學(xué)習(xí)模擬有助于改善系統(tǒng)?；谥R的系統(tǒng)可大致分為基于CASE的系統(tǒng)、智能培訓(xùn)系統(tǒng)、專家系統(tǒng)、超文本操作系統(tǒng)和具有智能用戶界面的數(shù)據(jù)庫。參考譯文與傳統(tǒng)的基于計(jì)算機(jī)的信息系統(tǒng)相比，基于知識的系統(tǒng)具有許多優(yōu)點(diǎn)。它們可以提供有效的文檔，并以智能方式處理大量非結(jié)構(gòu)化數(shù)據(jù)?；谥R的系統(tǒng)可以輔助專家決策，并允許用戶以更高的專業(yè)水平工作，提高生產(chǎn)力和保持一致性。當(dāng)專業(yè)知識不可用時、或者需要存儲數(shù)據(jù)以供將來使用、或者需要在公共平臺上與不同小組的專業(yè)人士協(xié)作時，這些系統(tǒng)就很有用，它們能夠提供大規(guī)模的知識的集成。最后，基于知識的系統(tǒng)能夠通過已經(jīng)存儲的內(nèi)容來創(chuàng)建新知識。基于知識的系統(tǒng)的局限性在于：相關(guān)知識具有