Licenca
To delo je na voljo pod pogoji slovenske licence Creative Commons 2.5:
priznanje avtorstva - nekomercialno - deljenje pod enakimi pogoji.
Celotna licenca je na voljo na spletu na naslovu http://creativecommons.org/licenses/by-nc-sa/2.5/si/. V skladu s to licenco je dovoljeno vsakemu uporabniku delo razmnoževati, distribuirati, javno priobčevati, dajati v najem in tudi predelovati, vendar samo v nekomercialne namene in ob pogoju, da navede avtorja oziroma avtorje in izdajatelja tega dela. Če uporabnik delo predela, kar pomeni, da ga spremeni, preoblikuje, prevede ali uporabi to delo v svojem delu, lahko predelavo dela ponudi na voljo le pod pogoji, ki so enaki pogojem iz te licence oziroma pod enako licenco.
Predstavitve znanja
Znanje, ki ga želimo uporabljati v različnih sistemih umetne inteligence, mora biti primerno predstavljeno. Za računalnik, da ga lahko ustrezno obdeluje, in za človeka, da lahko razume rešitve in pot, po kateri je sistem prišel do njih.
Različne predstavitve znanj običajno primerjamo med sabo po naslednjih kriterijih:
- razumljivost,
- modularnost,
- bogastvo možnosti predstavitve,
- možnost različnih načinov sklepanja,
- dopolnjevanje in spreminjanje,
- možnost ponovne uporabe dela baze znanja za drugo področje znanja.
Za predstavitve znanja obstaja več različnih pristopov, ki si jih bomo ogledali v nadaljevanju.
Predstavitev znanja s pravili
Eden od najstarejših in še vedno pogosto uporabljenih načinov predstavitve znanja je uporaba pravil. Baza znanja je v takem primeru sestavljena iz opisa dejstev oziroma podatkov in pravil, ki opisujejo razmerja in razlagajo relacije med temi podatki.
Primer preproste oblike pravil:
ČE element_1 IN element_2 IN element_3 IN ... IN element_n POTEM zaključek
Pravila so lahko podana v kompleksnejši obliki:
ČE element POTEM zaključek_1 SICER zaključek_2
Lahko pa upoštevajo tudi verjetnostni faktor:
ČE element POTEM zaključek (z verjetnostjo 0,9)
Z verjetnostjo lahko podajamo tudi vrednost elementov. Zaključki so tako ob upoštevanju verjetnosti bolj realni.
Proces sklepanja v sistemih, ki imajo predstavljeno znanje s pravili, lahko poteka po dveh osnovnih poteh. Glede na niz podatkov in pravil, ki povezujejo te podatke, ugotavljamo cilj. Temu načinu sklepanja pravimo veriženje naprej (ang. forward chaining).
Drug način imenujemo veriženje nazaj (ang. backward chaining). Pri tem načinu določimo cilj, ki naj bo izpolnjen, potem pa poskusimo glede na pravila poiskati podatke v bazi, ki potrjujejo vrednost cilja.
