บทนำ
ยินดีต้อนรับสู่ บทเรียนที่ 4: การแทนความรู้และการให้เหตุผล (KRR). ในโมดูลนี้ เราจะกล่าวถึงความท้าทายพื้นฐานของปัญญาประดิษฐ์: วิธีการจำลองโลกในเชิงสัญลักษณ์ เครื่องจักรไม่เพียงพอที่จะเก็บข้อมูลเท่านั้น มันจะต้อง ให้เหตุผลเกี่ยวกับเรื่องนี้ เราจะสำรวจว่าระบบ AI แทนข้อมูลเชิงตรรกะเพื่อทำการอนุมานได้อย่างไร ซึ่งก้าวข้ามการจับคู่รูปแบบอย่างง่าย
ส่วนที่ 1: รากฐานทางประวัติศาสตร์
เราจะเดินทางผ่านภูมิทัศน์ทางเทคนิคตั้งแต่ ตรรกศาสตร์เชิงประพจน์ และ ตรรกศาสตร์อันดับหนึ่ง ไปจนถึงโครงสร้างที่แข็งแกร่งแต่ทรงพลังของ ระบบผู้เชี่ยวชาญ. ระบบเหล่านี้เป็น "เครื่องจักรคิด" ชุดแรกที่สามารถทำการอนุมานเชิงตรรกะได้
ส่วนที่ 2: การบรรจบกันสมัยใหม่
สุดท้าย เรามาถึงจุดสุดยอดของ AI สมัยใหม่ โดยพิจารณา กราฟความรู้ และ ปัญญาประดิษฐ์แบบประสาทเชิงสัญลักษณ์. สาขาที่เกิดขึ้นใหม่นี้มีเป้าหมายเพื่อผสานความสามารถในการอธิบายที่เข้มงวดของตรรกะเข้ากับความสามารถในการเรียนรู้ที่ปรับเปลี่ยนได้ของโครงข่ายประสาทเทียม
ในทางการแพทย์ แพทย์ต้องการเส้นทางที่ตรวจสอบได้ (ห่วงโซ่ของกฎที่ใช้) เพื่อไว้วางใจการวินิจฉัย การทำนายแบบ 'กล่องดำ' ไม่เป็นที่ยอมรับสำหรับการตัดสินใจที่สำคัญ KRR ให้เส้นทางการให้เหตุผลที่ชัดเจนนี้
กฎนี้แสดงในเชิงสัญลักษณ์ (เช่น
ข้อจำกัดหลักคือ คอขวดในการได้มาซึ่งความรู้: ความยากลำบากและเวลาที่ผู้เชี่ยวชาญต้องใช้ในการถ่ายทอดความรู้ทั้งหมดของตนออกมาเป็นกฎที่เป็นทางการและชัดเจน ความรู้ในโลกแห่งความเป็นจริงมักคลุมเครือและกว้างเกินไปสำหรับการเข้ารหัสด้วยตนเอง