Reprezentace poznatků

Už jsme si řekli, že poznatek je reprodukce vymezené části objektivního světa a jeho charakteristickou vlastností je komu-nikovatelnost. Nejčastěji poznatky a znalosti čerpáme z časopisů, knih, či internetu, zkrátka v „tištěné“ podobě, nebo z kurzů či přednášek v podobě mluveného slova. Lidský mozek je schopen vstřebat psané, či mluvené slovo, případně nákres či rys a tyto vědomosti si uložit a později použít.

•  Jakým způsobem ale tyto poznatky mozek uchovává?
•  Jak jsou poznatky v mozku reprezentovány?

Představte si, že se nás turista zeptá na cestu. Nebuďme nevlídní, odpusťme si odpověď typu „promiňte, nejsem odsud“ a snažme se turistovi cestu popsat a soustřeďme se na to, co se děje v našem vlastním mozku, když popisujeme trasu, kterou musí turista urazit, aby se dostal ke svému vytouženému cíli. Mnohým se „před očima“ zobrazí mapa části města, jiní zase tuto trasu „virtuálně projdou“. Psychologové a filozofové se snaží tyto reprezentace popsat. Nám jejich snaha dává poměrně silný nástroj pro reprezentaci a práci s poznatky v IT. Uvedeme si šest základních reprezentací. 

 I. Formální logika 

Zakladatelem formální logiky byl řecký filozof Aristoteles (386-322 př.n.l.). Z formální logiky vychází řada základních myšlenek o reprezentacích a výpočtu. Aristoteles se systematicky věnoval postupům usuzování. Logika je výkonný nástroj pro výzkum reprezentací i výpočtů. Složitější typy logiky, jako např. propoziční a predikátový kalkul umožňují vyjádřit mnohé složité druhy znalostí. Mnohé soudy se dají pochopit v pojmech logických dedukcí s odvozovacími pravidly typu modus ponens, nebo modus tollens. Modus ponens: p -> q p Tudíž q Modus tollens: p -> q non q 12 Tudíž non p. Pravidla predikátové logiky umožňují pracovat s kvantifikátory. Pomocí logické dedukce lze řešit celou řadu problémů. Logika například umožňuje plánovat. Nevýhodou je, že i ty nejjednodušší plány potřebují velké množství inferencí a klasická logika nebere v potaz pravděpodobnost a neurčitost.

II.Konekcionistické sítě

Základy konekcionistického přístupu položili McCulloch a Pitts. Konekcionistický přístup k reprezentaci poznatků čerpá inspiraci ze struktury lidského mozku. Spočívá v propojování jednoduchých uzlů. Neuron Formální neuron má k obecně reálných vstupních hodnot x1 … xk, které reprezentují vstupní signály z dendritů. Každý vstup xi má přiřazenou odpovídající hodnotu váhy synapse wi . Tyto váhy reprezentují permeabilitu synaptického spojení. Váhy jsou obecně reálné a mohou nabývat i záporných hodnot, což odpovídá inhibičním vlastnostem synapse. Práh excitace neuronu je reprezentován váhou w0 společně se vstupní hodnotou x0 = -1. Vnitřní potenciál neuronu je roven sumě součinů vstupních signálů a jim odpovídajících vah
 ∑    . Výstup z neuronu nebo též výstupní potenciál je dán aktivační funkcí  
. 13 Formální neuron Propojováním těchto jednoduchých umělých neuronů vznikají umělé neuronové sítě. Vědomosti takovýchto sítí jsou reprezentovány váhami neuronů. Umělé neuronové sítě mají schopnost se učit. Učení spočívá v adaptaci vah neuronů. Umělé neuronové sítě mají schopnost predikce, klasifikace, aproximace.

III. Představy

Co jsou představy?

Jak sám pojem napovídá, představy jsou obrazové reprezentace vizuální a prostorové informace. Obrazová reprezentace je v některých případech mnohem použitelnější než opis, pro, například CAD systémy zcela nezbytná. Těžko si představit, kterak projektant slovně popisuje projekt rodinného domu. S obrazy lze provádět operace jako je prohlížení, vyhledávání, rotace, transformace. Jsou ovšem znalosti, které pomocí představ vyjádřit nelze, jako například abstraktní výroky, nebo obecně platné věty. 

IV. Analogie

Značnou část problémů řešíme pomocí analogií. Uvažování v analogiích je uvažovaní založené na příkladech. Zvládání nových situací založené na přizpůsobení si situace podobné, kterou již známe. Analogie je vhodné použít tam, kde nemáme k řešení problému k dispozici 14 pojmosloví a neznáme pravidla. Analogie se používají při rozhodování. Výběr alternativ je založen na předešlých případech – causy. Tyto případy pak slouží jako precedenty. Precedentní právo je například v USA. Učení je založené

 1) na ukládání všech souvisejících případů na předchozí zkušenosti do paměti,

 2) přizpůsobení předchozího případu k řešení nové situace,

 3) zobecnění předešlých analogů a vytvoření analogického schéma.

 V.Pojmy – koncepty

Pojmy se zabýval už Platón. Pojem je charakterizován souborem typických vlastností. Například pojem „fretka“ lze charakterizovat jako obratlovce, čtyřnohého suchozemského masožravého savce, tchořovitou šelmu. To, co je pro fretku typické představuje schéma pojmu fretka. Z této charakteristiky lze vyčíst i základní vlastnosti pojmů. Možnost hierarchizace a dědičnost. Každá fretka je savec, ale ne každý savec je fretka. Pojem savec je nadřazený pojmu fretka a naopak pojem fretka je podřazený pojmu savec. Každá fretka dědí vlastnosti savců. Pojmy jsou vhodným doplňkem pravidel.

 VI. Pravidla

Pravidla neboli struktury jestliže-pak se skládají ze dvou částí.

 1. část je předpoklad, podmínka, neboli antecedent,

 2. část tvoří důsledek, konsekvent. Pokud je podmínka splněna, pak platí důsledek. Podmínková část může obsahovat i podmínky složené, čili spojené logickými spojkami AND nebo OR. Důsledková část může obsahovat spojky AND. Pravidla nás provází na každém kroku. Pokaždé, když chceme přejít silnici, použijeme několik pravidel: 1. JESTLIŽE chci přejít silnici PAK se musím rozhlédnout na obě strany 2. JESTLIŽE jede auto PAK musím počkat až přejede 3. JESTLIŽE nejede žádné auto PAK můžu přejít Čtenář jistě cítí možnost úpravu těchto pravidel s ohledem na vzdálenost a rychlost jedoucího auta ve vztahu k možnosti přecházení. Jako další příklad z běžného života můžeme uvést pravidlo JESTLIŽE je venku pod nulou PAK zamrzne rybník. I toto pravidlo lze doplnit o další údaje, jako je např. závislost teploty na rychlosti zamrzání rybníka. Na příkladech je vidět, že pomocí pravidel můžeme reprezentovat informaci o světě a informaci jak se chovat 15 ve světě. Dále mohou pravidla reprezentovat vyvozovací pravidla typu modus ponens nebo modus tollens. Pravidla mohou utvářet i rozvité struktury.

Řešení problémů pomocí pravidel spočívá v prohledávání prostoru možností – stavového prostoru. Pro složitější problémy je charakteristické velké množství možností, čili velmi rozsáhlý stavový prostor. V těchto případech je mnohdy nemožné projít všechny možnosti a nalézt řešení. Takovéto stavové prostory prohledáváme s využitím heuristik. K prohledávání stavového prostoru používáme dva způsoby, zpětné a dopředné prohledávání stavového prostoru. Při zpětném prohledávání stavového prostoru, neboli cílem řízeném odvozování máme předem stanovený cíl a hledáme předpoklady potřebné pro dosažení tohoto cíle. Slouží k potvrzení nebo vyvrácení hypotézy, či zodpovězení dané otázky. Při dopředném prohledávání stavového prostoru, neboli fakty (údaji) řízeném odvození určujeme řešení, které vyplývá z určitého objemu známých dat (faktů, údajů), které je zapotřebí interpretovat. Stanovujeme, co z daných faktů vyplývá a k jakým důsledkům je z nich možno dospět. Při dopředném odvozování vycházíme z daných údajů, které se v průběhu interpretace mohou doplňovat.