بازنمایی اطلاعات

از دانشنامه آزاد علم اطلاعات و دانش شناسی
نسخهٔ تاریخ ‏۱۷ مهٔ ۲۰۱۵، ساعت ۱۱:۲۰ توسط Negahban (بحث | مشارکت‌ها)

(تفاوت) → نسخهٔ قدیمی‌تر | نمایش نسخهٔ فعلی (تفاوت) | نسخهٔ جدیدتر ← (تفاوت)
پرش به: ناوبری، جستجو

بازنمایی دانش

دکتر محمد باقر نگهبان وسارا نصیبی 

بازنمایی دانش به نمایندگی از اطلاعات (KR) است در زمینه هوش مصنوعی (AL) که اختصاص داده شده درباره جهان در یک فرم که یک سیستم کامپیوتری می تواند استفاده برای حل وظایف پیچیده مانند تشخیص یک وضعیت پزشکی و یا داشتن یک گفت و گو در یک زبان طبیعی است. نمایندگی دانش شامل یافته های روانشناسی در مورد چگونگی انسان مشکلات را حل کند و نشان دهنده دانش به منظور طراحی صورت که سیستم های پیچیده را ساده تر طراحی و ساخت خواهد شد. بازنمایی دانش نیز شامل یافته از منطق به طور خودکار انواع مختلف استدلال، مانند استفاده از قوانین و یا روابط از مجموعه و زیر مجموعه. نمونه هایی از صورت نمایش دانش شامل شبکه معنایی، فریم، قوانین، و هستی شناسی. نمونه هایی از استدلال خودکار شامل موتورهای استنتاج، ثابت کننده های نظریه، و طبقه.

تاریخچه یک مثال کلاسیک از نحوه تنظیم فرمالیسم مناسب منجر به راه حل های جدید نمونه اولیه از تصویب عربی بیش از اعداد رومی است. اعداد عربی تسهیل نمایش های جبری پیچیده و بزرگتر،در نتیجه مؤثر بر دانش نمایندگی آینده است. نمایندگی دانش شامل نظریه ها از روانشناسی است که نگاهی به درک چگونگی انسان مشکلات را حل کند و نمایش دانش است. . محققان اوایل روانشناسی را در به صورت معنایی برای حقیقت باور نمی کند. به عنوان مثال، مدرسه روانی رفتارگرایی رادیکال که تحت سلطه ا دانشگاه یالات متحده ازs1950بهs 1980 به صراحت رد کرد ایالات داخلی به عنوان مناطق مشروع برای مطالعه علمی و یا همکاران نسبی رفتار انسان. نظریه بعدها در معناشناسی حمایت از زبان بر اساس ساخت و ساز و معنا. اولین کار در نمایندگی دانش کامپیوتری متمرکز شد در حل عمومی مشکل مانند حل کننده مشکل عمومی (GPS) سیستم های توسعه یافته توسط آلن نیوول و هربرت سیمون در سال 1959. این سیستم های ساختمان داده برای برنامه ریزی و تجزیه متمرکز شد. سیستم با یک هدف آغاز خواهد شد. سپس تجزیه این هدف به زیر اهداف و سپس اقدام به ساخت استراتژی است که می تواند هر هدف فرعی انجام باشد. در این روزهای اولیه از هوش مصنوعی، جستجوی الگوریتم های عمومی مانند A * توسعه داده شدند. . با این حال، تعاریف مشکل بی نظم برای سیستم مانند GPS بدان معنی است که آنها فقط برای دامنه های اسباب بازی بسیار محدود کار می کرد (به عنوان مثال "جهان بلوک").به منظور مقابله با مشکلات غیر اسباب بازی، محققان هوش مصنوعی مانند اد و فردریک هیز که لازم بود به تمرکز سیستم در مشکلات محدودتر. این بود که شکست این تلاش ها منجر به انقلاب شناختی در روانشناسی و به مرحلهAL در بازنمایی دانش که منجر به سیستم های خبره در سال1970 و 80،سیستم های تولید،زبان قالب وغیره متمرکز شده است. به جای حل مشکل به طور کلی ، AI تمرکز خود را به سیستم های خبره تغییر داد که می تواند مطابق صلاحیت انسان در وظیفه خاص مانند تشخیص پزشکی باشد. سیستم های خبره هنوز هم به ما اصطلاحات در استفاده امروز که در آن سیستم های هوش مصنوعی به یک پایگاه دانش با حقایق در مورد جهان و قوانین و موتور استنتاج که قوانین به پایگاه دانش به منظور پاسخ به سوالات و حل مشکلات است تقسیم شده. در این سیستم اوایل دانش تمایل به یک ساختار نسبتا مسطح، اساسا اظهارات در مورد ارزش های متغیر استفاده شده توسط قوانین. علاوه بر سیستم های خبره، محققان دیگر مفهوم زبان مبتنی بر فریم در را اواسط سال 1980 توسعه یافتند. قاب شبیه به یک کلاس شیء است، آن شرح انتزاعی از یک دسته بندی توصیف کننده ی اشیا در جهان، مشکلات، و راه حل های بالقوه است. قاب نوشته اصلی بر روی سیستم در راستای تعامل انسان،به عنوان مثال درک زبان طبیعی و تنظیمات اجتماعی که در آن انتظارات مختلف به طور پیش فرض مانند سفارش غذا در یک رستوران محدود فضای جستجو و اجازه می دهد که سیستم را انتخاب کنید پاسخ های مناسب به شرایط پویا مورد استفاده قرار گرفت. هنوز مدت زیادی نبود قبل از جوامع قاب و محققان حکومت مبتنی بر متوجه بود که همکاری بین روش های آنها وجود دارد. قاب خوبی برای به نمایندگی از دنیای واقعی بودند، به عنوان کلاس، زیر، اسلات (ارزش داده ها) با محدودیت های مختلف در مقادیر ممکن توصیف کرد. قوانین خوبی بودند برای نمایندگی و استفاده از منطق پیچیده مانند روند ساخت یک تشخیص پزشکی. سیستم های یکپارچه توسعه داده شد که از ترکیب قاب و قوانین. یکی از قدرتمند ترین و شناخته شده ترین دانش 1983 مهندسی محیط زیست (KEE) از Intellicorp.KEE یک موتور با قاعده زنجیری شدن به جلو و عقب بود . این نیز یک قاب بر پایه کامل دانش با محرک، اسلات (ارزش داده ها)، ارث، و فرستادن پیام است. اگر چه فرستادن پیام در جامعه شی گرا به جای AI آن را به سرعت توسط محققان هوش مصنوعی و همچنین در محیط های مانند KEE و در سیستم عامل های برای ماشین آلات لیسپ از نماد، زیراکس، و تگزاس اینسترومنتز در آغوش گرفت سرچشمه گرفته است. ادغام فریم، قوانین، و برنامه نویسی شی گرا به طور قابل توجهی توسط سرمایه گذاری های تجاری مانند KEE و نماد از پروژه های تحقیقاتی مختلف چرخید رانده شد. در همان زمان در حال وقوع بود فشار دیگری از تحقیقات که کمتر تجاری متمرکز بود و با منطق ریاضی رانده شد و اثبات قضیه خودکار وجود دارد.یکی از قدرتمندترین زبان در این پژوهش زبان KL-ONE از اواسط دهه 80 بود. KL-ONE زبان قاب بود که معانی دقیق، تعاریف رسمی برای مفاهیمی مانند است رابطه بود. KL-ONE و زبان که توسط آن مانند نساجی را تحت تاثیر یک موتور استدلال خودکار است که در منطق صوری به جای IF-THEN قوانین مبتنی بر داشت. این reasoner است طبقه بندی نامیده می شود. یک طبقه بندی می تواند مجموعه ای از اظهارات تجزیه و تحلیل و استنباط اظهارات جدید، به عنوان مثال، دوباره تعریف کردن یک کلاس به یک کلاس اولیه و یا ارشد از برخی کلاس های دیگر بود که به طور رسمی مشخص نشده است. در این روش طبقه بندی می تواند به عنوان یک موتور استنتاج عمل، استنتاج حقایق جدید از یک پایگاه دانش موجود. طبقه بندی نیز می تواند قوام ارائه چک کردن در یک پایگاه دانش(که در مورد KL-ONE زبان نیز به عنوان یک هستی شناسی نامیده می شود).

یکی دیگر از تحقیقات بازنمایی دانش مشکلات استدلال حس مشترک بود. یکی از اولین تحقق از تلاش برای ایجاد نرم افزار است که می تواند با زبان طبیعی انسان کار این بود که انسان به طور منظم در بنیاد گسترده ای از دانش در مورد جهان واقعی است که ما به سادگی برای اعطا رسم اما این است که در همه آشکار به یک عامل مصنوعی نیست. اصول اولیه فیزیک حس مشترک، علیت، مقاصد، و غیره. به عنوان مثال مشکل قاب است، که در منطق رویداد محور باید بدیهیات که همه چیز دولتی حفظ موقعیت از یک لحظه به بعد، مگر اینکه آنها از سوی برخی از نیروی خارجی منتقل وجود دارد. . به منظور ایجاد یک عامل هوش مصنوعی درست است که می تواند با انسان ها با استفاده از زبان طبیعی صحبت و می تواند اظهارات اولیه و سوالات در مورد جهان ضروری است برای نشان دادن این نوع از دانش را پردازش. . یکی از برنامه های جاه طلبانه ترین برای مقابله با این مشکل پروژه از Cyc داگ Lenat بود. CYC زبان قاب خود را تاسیس و به حال تعداد زیادی از تحلیلگران مستند مناطق مختلف استدلال حس مشترک در آن زبان. .دانش ثبت شده از Cyc شامل قضاوت صحیح مدل های رایج حس زمان، علیت، فیزیک، مقاصد، و بسیاری دیگر.

نقطه شروع برای نمایش دانش فرضیه ارائه دانش برای اولین بار توسط برایان C. اسمیت در سال 1985 رسمیت است: هر فرآیند هوشمند مکانیکی مجسم خواهد شد از مواد تشکیل دهنده ساختاری که( ما به عنوان ناظران خارجی به طور طبیعی برای نشان دادن یک حساب گزاره از دانش است که نمایشگاه روند به طور کلی، و ب) مستقل از جمله تخصیص معنایی خارجی، بازی رسمی اما علتی را تشکیل و نقش اساسی در به وجود آمدن رفتار که آشکار که دانش است. در حال حاضر یکی از فعال ترین مناطق تحقیقات نمایش دانش پروژه های مرتبط با وب معنایی هستند. . وب معنایی به دنبال اضافه کردن یک لایه از معانی (به معنی) در بالای اینترنت فعلی است. به جای نمایه سازی وب سایت ها و صفحات از طریق کلمات کلیدی، ایجاد وب معنایی از مفاهیم زیادی از هستی شناسی. جستجو برای یک مفهوم خواهد بود تنها جستجوی موثرتر از متن سنتی. زبان قاب و طبقه بندی خودکار نقش بزرگ در چشم انداز برای وب معنایی آینده است. طبقه بندی خودکار می دهد تکنولوژی توسعه دهندگان به ارائه سفارش در یک شبکه به طور مداوم در حال تحول از دانش است. تعریف هستی شناسی است که شخص و ناتوان از در حال تحول در پرواز هستند می تواند بسیار محدود برای سیستم های مبتنی بر اینترنت. طبقه بندی تکنولوژی توانایی برای مقابله با محیط زیست پویا از اینترنت را فراهم می کند. بودجه پروژه های اخیر در درجه اول توسط آژانس دفاع پیشرفته پژوهشی طرح های (DARPA) زبان قاب و طبقه با زبان های نشانه گذاری بر اساس XML یکپارچه اند. چارچوب توصیف منابع (RDF) قابلیت های اساسی برای تعریف کلاس، زیر، و خواص اشیاء فراهم می کند. زبان هستی شناسی وب (OWL) را فراهم می کند میزان بیشتری از معانی و قادر می سازد ادغام با موتورهای طبقه بندی. بررسی اجمالی نمایندگی دانش زمینه هوش مصنوعی است که تمرکز در طراحی تضمینی کامپیوتر که ضبط اطلاعات در مورد جهان است که می تواند مورد استفاده قرار گیرد برای حل مشکلات پیچیده است. توجیهی برای نمایش دانش است که کد معمولی رویه هایی است از بهترین فرمالیسم به استفاده برای حل مشکلات پیچیده نیست. نمایندگی دانش می سازد نرم افزار پیچیده را آسان تر برای تعریف و حفظ از کد رویه ها و می تواند در سیستم های خبره استفاده شود. به عنوان مثال، صحبت کارشناسان از نظر قوانین کسب و کار به جای کد کاهش شکاف معنایی بین کاربران و توسعه دهندگان و توسعه سیستم های پیچیده عملی تر می سازد. نمایندگی دانش می رود دست به دست با استدلال خودکار به خاطر یکی از اهداف اصلی به صراحت به نمایندگی از دانش است که قادر به استدلال در مورد آن دانش، به استنتاج، ادعا دانش جدید، و غیره. تقریبا تمام زبانهای نمایندگی دانش یک استدلال یا موتور استنتاج به عنوان بخشی از سیستم است. کلید تجارت کردن در طراحی یک فرمالیسم نمایش دانش است که بین بیان و عملی. فرمالیسم نهایی نمایندگی دانش از نظر قدرت بیانی و فشردگی اول منطق مرتبه (FOL) است. هیچ فرمالیسم قوی تر که توسط ریاضی دانان استفاده می شود برای تعریف گزاره کلی در مورد جهان وجود دارد. با این حال، FOL دارای دو اشکالاتی به عنوان یک فرمالیسم نمایش دانش است:سهولت استفاده و عملی از اجرا. منظور منطق اول می تواند تهدید آمیز حتی برای بسیاری از توسعه دهندگان نرم افزار است. زبان که لازم نیست قدرت رسمی کامل FOL هنوز هم می تواند ارائه نزدیک به قدرت بیانی همین کار را با یک رابط کاربر است که عملی تر برای توسعه به طور متوسط به درک است. موضوع عملی از اجرای این است که FOL در برخی از روش های بیش از حد بیان است. با FOL آن ممکن است برای ایجاد اظهارات (به عنوان مثال کمی بیش از مجموعه های نامحدود) که باعث می شود یک سیستم هرگز خاتمه اگر آن اقدام به آنها را بررسی کنید. بنابراین، یک زیر مجموعه از FOL می تواند هر دو راحت تر استفاده کنید و عملی تر برای پیاده سازی. . این یک انگیزه محرک سیستم های خبره مبتنی بر قواعد بود. IF-THEN قوانین ارائه یک زیر مجموعه از FOL اما بسیار مفید است که نیز بسیار بصری است. تاریخ بسیاری از هوش مصنوعی در اوایل صورت نمایش دانش: . از پایگاه داده به شبکه معنایی به قضیه ثابت و سیستم های تولید را می توان به عنوان تصمیمات طراحی های مختلف در مورد اینکه آیا به تاکید قدرت بیانی و یا محاسبات و بهره وری مشاهده شده است. در 1993 مقاله کلیدی در موضوع، رندال دیویس از MIT پنج نقش متمایز به تجزیه و تحلیل یک چارچوب نمایندگی دانش مشخص شده: • نمایش دانش (KR) است بیشتر اساسا یک جایگزین، جایگزینی برای چیزی که به خودی خود، مورد استفاده برای یک نهاد را قادر به تعیین پیامدهای توسط فکر به جای اقدام، به عنوان مثال، با استدلال در مورد جهان به جای اقدام در آن است. • این مجموعه ای از تعهدات هستی شناختی،یعنی، پاسخ به سوال ا این ست در چه شرایط باید من در مورد جهان فکر کنم ؟ • این یک تئوری ناقص استدلال هوشمند، بیان شده در قالب سه مولفه است: (الف) مفهوم اساسی نمایندگی از استدلال هوشمند. (ب) مجموعه ای از استنتاج تحریم نمایندگی. و (ج) مجموعه ای از استنتاج آن توصیه. • این وسیله ای برای محاسبه عملی کارآمد، به عنوان مثال، محاسباتی محیط زیست که در آن تفکر انجام شده است. یک سهم در این بازده عملی است که توسط هدایت یک نمایش را فراهم می کند برای سازماندهی اطلاعات عرضه تا به عنوان تسهیل ساخت استنتاج توصیه می شود. • این یک رسانه بیان انسان است ، به عنوان مثال، یک زبان که در آن ما می گوییم همه چیز در مورد جهان است. " بازنمایی دانش و استدلال هستند یک کلید را قادر می سازد برای فن آوری وب معنایی. زبان بر اساس مدل قاب با طبقه بندی خودکار یک لایه از معناشناسی ارائه در بالای اینترنت موجود است. . به جای جستجو از طریق متن رشته را به عنوان امروز معمول است آن امکان پذیر خواهد بود برای تعریف نمایش داده منطقی و پیدا کردن صفحاتی که به آن نمایش نقشه داده شده است. استدلال خودکار جزء در این سیستم ها یک موتور شناخته شده به عنوان طبقه بندی است. . طبقه بندی بر روابط تابع در یک پایگاه دانش به جای قوانین تمرکز می کند. .طبقه بندی می توانید پی ببرد به کلاس جدید استنباط و به صورت پویا تغییر هستی شناسی به عنوان اطلاعات جدید در دسترس می شود. این قابلیت ایده آل برای همیشه در حال تغییر و در حال تحول فضای اطلاعات از اینترنت است. وب معنایی ادغام مفاهیم از بازنمایی دانش با زبان های نشانه گذاری بر اساس XML. چارچوب توصیف منابع (RDF) فراهم می کند قابلیت های اساسی برای تعریف اشیاء مبتنی بر دانش در اینترنت با ویژگی های اساسی مانند روابط است و خواص شی. زبان هستی شناسی وب (OWL) اضافه می کند معانی اضافی و ادغام با استدلال های طبقه بندی اتوماتیک. مشخصات در سال 1985، رون Brachman طبقه بندی مسائل هسته برای نمایش دانش به شرح زیر است: • شکلهای هندسی اولیه. چارچوب اساسی برای نمایش دانش چیست؟شبکه های معنایی یکی از اولین شکلهای هندسی اولیه نمایش دانش بودند. همچنین، ساختمان داده و الگوریتم ها برای جستجوی عمومی سریع. . در این منطقه است همپوشانی قوی با پژوهش در ساختمان داده و الگوریتم در علوم کامپیوتر وجود دارد. . در اوایل زبان سیستم های برنامه نویسی لیسپ که پس از محاسبات Lambda مدل شد اغلب به عنوان یک شکل از نمایش دانش کاربردی مورد استفاده قرار گرفت. قاب و قوانین نوع بعدی بدوی بود. زبان قاب مکانیزم های مختلف برای بیان و اجرای محدودیت بر روی داده های قاب شده بود. . همه داده ها در قاب ها در اسلات ذخیره می شود. اسلات مشابه روابط در مدل سازی نهاد رابطه هستند و به اعتراض خواص در مدل سازی شی گرا. یک روش دیگر برای شکلهای هندسی اولیه این است که تعریف زبان که بعد از منطق مرتبه اول (FOL) مدل شده است. به عنوان مثال شناخته شده ترین پرولوگ است بلکه بسیاری از محیط های اثبات قضیه خاص وجود دارد. . این محیط می توانید مدل های منطقی اعتبار و می تواند نظریه های جدید از مدل های موجود استنتاج باشد. اساسا آنها روند منطق دان را از طریق در تجزیه و تحلیل یک مدل به طور خودکار. فن آوری اثبات قضیه برخی از برنامه های خاص عملی در زمینه های نرم افزار مهندسی بود. به عنوان مثال ممکن است ثابت کند که یک برنامه نرم افزاری به شدت به خصوصیات منطقی رسمی پایبند است. • نمایندگی متا. این نیز به عنوان موضوع بازتاب در علوم کامپیوتر شناخته شده است. آن را به قابلیت فرمالیسم اشاره دسترسی به اطلاعات در مورد دولت خود را داشته باشند. برای مثال می توان از پروتکل متا شی در اسمالتاک و CLOS است که به توسعه دهندگان اجرا دسترسی به کلاس اشیاء و آنها را قادر می سازد تا به صورت تعریف دوباره ساختار پویا دانش حتی در زمان اجرا . متا نمایندگی بدان معناست که زبان نمایش دانش خود را در آن زبان بیان شده است. به عنوان مثال، در بسیاری از محیط های قاب بر تمام فریم نمونه هایی از یک کلاس قاب خواهد بود. این شی کلاس را می توان بازرسی در زمان اجرا به طوری که جسم می تواند درک و حتی تغییر ساختار داخلی آن و یا ساختار دیگر بخش های مدل باشد. در محیط های مبتنی بر قواعد، قواعد نیز معمولا موارد از کلاس های حکومت بود. بخشی از پروتکل متا برای قوانین،قوانین متا که شلیک اولویت حکومت بودند. • ناقص. منطق سنتی نیاز به بدیهیات اضافی و محدودیت برای مقابله با جهان واقعی را به عنوان دنیای مخالف ریاضیات است. . همچنین، آن است که اغلب مفید به معاشرت درجه از اعتماد به نفس با بیانیه ای. به عنوان مثال، به سادگی نمی گویند "سقراط بشر است" بلکه "سقراط بشر با اعتماد به نفس 50٪ است". این یکی از نوآوری های اولیه از تحقیق سیستم های خبره که مهاجرت به برخی از ابزار تجاری بود، توانایی ارتباط یقین عوامل با قوانین و نتیجه گیری. . پژوهش بعدا در این منطقه به عنوان منطق فازی شناخته شده است. • تعاریف و کلیات در مقابل حقایق و پیش فرض. اظهارات کلی عام در مورد جهان مانند "همه انسان فانی است" می باشد. آمار نمونه های خاص از عام مانند "سقراط یک انسان و در نتیجه فانی است" می باشد. از لحاظ منطقی تعاریف و کلیات در مورد سورعلمی هستند در حالی که حقایق و به صورت پیش فرض در مورد تعریف وجودی هستند. . همه اشکال نمایش دانش باید با این جنبه مقابله و بیشتر این کار را با برخی از نوع تئوری مجموعه، مدل سازی عام به عنوان مجموعه و زیر مجموعه و تعاریف به عنوان عناصر در آن مجموعه. • استدلال غیر یکنواخت. استدلال غیر یکنواخت اجازه می دهد تا انواع مختلف استدلال فرضی. سیستم اظهار حقایق مرتبط با قوانین و حقایق مورد استفاده آنها را توجیه و به عنوان کسانی که حقایق را تغییر دهید به روز رسانی دانش وابسته است. . در سیستم حکومت بر اساس این قابلیت به عنوان یک سیستم نگهداری حقیقت شناخته شده است. • کفایت رسا.استاندارد که براچمن و بیشتر محققان هوش مصنوعی استفاده برای اندازه گیری کفایت بیانی است که معمولا منطق مرتبه اول (FOL). محدودیت های نظری این معنی است که اجرای کامل FOL عملی نیست. . محققان باید در مورد چگونگی بیانی (چقدر از FOL کامل قدرت بیانی) آنها قصد نمایندگی خود را به صورت واضح و روشن باشد. • بهره وری استدلال. این اشاره به بهره وری زمان اجرا از سیستم است. توانایی دانش به روز می شود و استدلال برای توسعه استنتاج جدید در یک مدت زمان معقول. در مواردی این سمت تلنگر کفایت رسا است. . به طور کلی نمایندگی قوی تر، بیشتر از کفایت رسا آن است ، کمتر کارآمد موتور خودکار استدلال آن خواهد بود. . بهره وری اغلب یک موضوع بود، به خصوص برای کاربردهای اولیه تکنولوژی نمایش دانش. آنها معمولا در محیط های تفسیر مانند لیپ را که آهسته به سیستم عامل سنتی تر از زمان مورد مقایسه قرار گرفتند به اجرا در آمد. مهندسی هستی شناسی مقاله اصلی: مهندسی هستی شناسی و زبان هستی شناسی در سال های اولیه از سیستم مبتنی بر دانش دانش پایگاه های نسبتا کوچک بودند. دانش پایگاه های که قرار بود در واقع حل مشکلات واقعی به جای اثبات تظاهرات مفهوم مورد نیاز به تمرکز بر روی مشکلات به خوبی تعریف شده انجام دهد. بنابراین برای مثال، نمی تشخیص فقط پزشکی به عنوان یک موضوع تمام اما تشخیص پزشکی از انواع خاصی از بیماری ها. همانطور که تکنولوژی مبتنی برپایگاه دانش کوچک بالا نیازدارد به پایگاه دانش بزرگتر و برای دانش مدولار است که می تواند برقراری ارتباط و ادغام با یکدیگر آشکار شد. . این افزایش به نظم و انضباط از مهندسی هستی شناسی به، طراحی و ساخت پایگاه دانش بزرگ است که می تواند توسط پروژه های متعدد استفاده می شود. یکی از طرح های پژوهشی پیشرو در این زمینه پروژه از Cyc بود. CYC تلاش برای ساخت یک پایگاه دانش دائره المعارف بزرگ که نه تنها دانش تخصصی اما دانش حس مشترک شامل بود . در طراحی یک عامل هوش مصنوعی آن را به زودی متوجه شدم که به نمایندگی از دانش حس مشترک، اعطا دانش انسان به سادگی، ضروری بود که هوش مصنوعی است که می تواند با انسان ها با استفاده از زبان طبیعی در تعامل باشد. CYC برای رسیدگی به این مشکل بود. زبان آنها تعریف شده به عنوان CycL شناخته شده بود. پس از CycL، تعدادی از زبانهای هستی شناسی توسعه داده شده است . بسیاری از آنها زبان اعلانی، و زبان قاب و یا منطق مرتبه اول است. پیمانه- قابلیت تعریف مرزهای اطراف حوزه های خاص و مشکل برای این زبان ضروری فضاهای است، چرا که توسط تام گروبر اظهار داشت، "هر هستی شناسی پیمان- مورد اجتماعی در میان مردم با انگیزه مشترک در به اشتراک گذاری است." همیشه بسیاری از رقابت و متفاوت نمایش ها که هر گونه هستی شناسی هدف کلی غیر ممکن وجود دارد. هدف کلی هستی شناسی را باید قابل اجرا در هر دامنه و نیاز نواحی مختلف دانش باید متحد شود. سابقه ای طولانی در کار تلاش برای ساخت هستی شناسی برای انواع دامنه کار وجود دارد.به عنوان مثال، هستی شناسی و مایعات، مدل اجزای محدود به طور گسترده ای در نمایندگی مدارهای الکترونیکی استفاده می شود (به عنوان مثال، [)، و همچنین به عنوان هستی شناسی برای زمان، باور، و حتی خود برنامه نویسی است. هر کدام از این راه برای دیدن برخی از بخشی از جهان ارائه می دهد. .مدل عنصر فشرده، به عنوان مثال، نشان می دهد که ما از مدارات از لحاظ قطعات با ارتباط بین آنها فکر می کنم، با سیگنال های جریان بلافاصله به همراه اتصالات. این یک دیدگاه مفید است، اما نه تنها امکان پذیر است.هستی شناسی های مختلف مطرح می شود اگر ما نیاز به حضور به الکترودینامیک در دستگاه: سیگنال در اینجا با سرعت محدود و یک شی (مانند یک مقاومت) که قبلا مشاهده شد به عنوان یک تک جزئی با رفتار I / O ممکن است در حال حاضر به عنوان یک رسانه طولانی که از طریق آن یک موج الکترومغناطیسی جریان فکر انتشار شود. هستی شناسی می تواند البته به پایین در طیف گسترده ای از زبان و نمادهای (به عنوان مثال، منطق، لیپ، و غیره) نوشته شده است. اطلاعات ضروری است به صورت که زبان اما محتوا، به عنوان مثال، مجموعه ای از مفاهیم ارائه شده به عنوان یک شیوه تفکر در مورد جهان نیست. به عبارت ساده، بخش مهمی از مفاهیم مانند اتصالات و اجزای سازنده، نه انتخاب بین نوشتن آنها را به عنوان گزاره یا سازه لیپ است. تعهد ساخته شده انتخاب یک یا هستی شناسی دیگری می تواند یک دید به شدت متفاوت از کاری که در دست تولید کند. این تفاوت که در انتخاب مشخصات عنصر فشرده از یک مدار به جای نمایش الکترودینامیک از همان دستگاه ناشی نظر بگیرید. به عنوان یک مثال دوم، تشخیص پزشکی از نظر قوانین بازدید (به عنوان مثال، MYCIN به) به نظر می رسد قابل ملاحظه ای متفاوت از همان کار بازدید از لحاظ فریم (به عنوان مثال،پزشک امراض داخلی). از کجا MYCIN به جهان پزشکی به عنوان ساخته شده از انجمن های تجربی اتصال علامت به بیماری را می بیند، می بیند پزشک امراض داخلی مجموعه ای از نمونه های اولیه، در بیماری اولیه خاص، در برابر مورد در دست همسان شود. تعهد با اولین انتخاب شروع می شود به عنوان مثال پزشک امراض داخلی نیز نشان می دهد که تعهد هستی شناختی مهم و غیر قابل اجتناب وجود دارد حتی در تعهد سطح از فن آوری های نمایندگی آشنا. منطق، قوانین، قاب، و غیره، هر شکل دادن به یک نظر بر روی انواع چیزهایی که در جهان مهم است. . منطق، به عنوان مثال، شامل تعهد به مشاهده جهان از نظر سازمان های فردی و روابط بین آنها. . سیستم های مبتنی بر قانون -مشاهده جهان از نظر سه برابر ویژگی شی ارزش و قواعد استنتاج محتمل است که آنها را اتصال، در حالی که فریم های ما را به فکر کردن از نظر اشیاء اولیه. هر کدام از این نتیجه نمایش خود را از آنچه که مهم است برای حضور در به منابع، و هر نشان می دهد، برعکس، که هر چیزی که به راحتی در آن شرایط دیده ممکن است نادیده گرفته شود. این البته تضمین نمی شود درست است، از هر چیزی نادیده گرفته بعد ممکن است به اثبات می شود مرتبط است. اما وظیفه نا امید کننده در اصل هر نمایندگی چیزی است که در مورد جهان-از این رو بهترین ما می توانیم انجام دهیم این است با حدس خوب شروع نادیده می گیرد. نمایندگی های . فن آوری موجود عرضه یک مجموعه از حدس در مورد آنچه برای حضور در به و چه به چشم پوشی. انتخاب هر یک از آنها در نتیجه شامل یک درجه از تعهد هستی شناختی: انتخاب خواهد تاثیر قابل توجهی در درک ما از و روش به کار دارند، و در درک ما از جهان که مدل شده است. تعهدات در لایه های انباشته تعهد ontologic از یک نماینده در نتیجه در سطح فن آوری نمایندگی شروع می شود و از آنجا تجمع می یابد. . لایه های اضافی از تعهد ساخته شده به عنوان فن آوری قرار داده است به کار می کنند. . استفاده از ساختارهای مانند قاب داخلی در یک مثال ارائه می دهد. اساسی ترین سطح تصمیم برای مشاهده تشخیص از نظر فریم نشان می دهد فکر در شرایط نمونه های اولیه، پیش فرض، و یک سلسله مراتب طبقه بندی. . اما نمونه های اولیه از آنچه، و چگونه باید طبقه بندی سازمان یافته باشد؟ توضیحات اولیه سیستم. . نشان می دهد که چگونه این سوالات در کاری که در دست پاسخ داده شد، تهیه لایه دوم از تعهد: پایگاه دانش اساسی سیستم داخلی است از دو نوع اساسی از عناصر تشکیل شده است: : نهادهای بیماری و تظاهرات .... [این] همچنین شامل ... سلسله مراتب دسته بیماری، در درجه اول در اطراف مفهوم سیستم های ارگان سازمان، داشتن در سطح بالا مقوله های مانند "بیماری کبد"، "بیماری های کلیوی،" غیره. بنابراین نمونه های اولیه در نظر گرفته شده به تصرف بیماری اولیه (به عنوان مثال، "مورد کلاسیک" از یک بیماری)، و آنها را در یک طبقه بندی نمایه در اطراف سیستم های ارگان سازمان یافته است. این مجموعه معقول و بصری از انتخاب، اما به وضوح نه تنها راه به درخواست فریم به کار است. از این رو آن لایه دیگری از تعهد هستی شناختی است. لایه سوم (نهایی و در این مورد) ، این مجموعه ای از انتخاب های نمونه است: که بیماری شامل خواهد شد و که در آن شاخه از سلسله مراتب خواهد آنها ظاهر می شود؟ سوالات Ontologic که بوجود می آیند حتی در این سطح می تواند بسیار اساسی است. . در نظر بگیرید برای مثال تعیین می کند که از زیر به بیماری در نظر گرفته شود (به عنوان مثال، ایالات غیر طبیعی که نیاز به درمان): اعتیاد به الکل، همجنس گرایی، و سندرم خستگی مزمن. . تعهد ontologic در اینجا این است به اندازه کافی واضح و به اندازه کافی مهم آن است که اغلب موضوع بحث در زمینه خود، کاملا مستقل از ساختمان استدلال کننده خودکار می باشد. انواع مشابه از تصمیم گیری باید با تمام نمایندگی فن آوری های ساخته شده است می شود ، چرا که هر یک از آنها تنها یک مرتبه اول حدس می زنم در مورد چگونگی دیدن جهان تامین: آنها ارائه راه از دیدن اما نشان می دهد که چگونه به نمونه که مشخصات. . به عنوان فریم نمونه های اولیه و رده بندی نشان می دهد اما به ما نشان نمیدهد که همه چیز را به عنوان نمونه های اولیه را انتخاب کنید، قوانین نشان می دهد فکر در نظر استنتاج قابل قبول است، اما به ما نشان نمیدهد که استنتاج قابل قبول برای شرکت. به طور مشابه منطق به ما می گوید برای مشاهده جهان از نظر افراد و روابط، اما مشخص نیست که افراد و روابط استفاده کنید. در نتیجه تعهد به نمایش خاص از جهان با انتخاب یک تکنولوژی نمایندگی شروع می شود، و تجمع می یابد به عنوان انتخاب های بعدی در مورد چگونه برای دیدن جهان در آن شرایط ساخته شده است.

نگهبان،محمد باقر ؛ نصیبی ،سارا.(1393). بازنمایی اطلاعات.