|
|
| (같은 사용자의 중간 판 4개는 보이지 않습니다) |
| 1번째 줄: |
1번째 줄: |
| − | '''지식 표현'''<!--지식 표현-->(Knowledge Representation)이란 지식(knowledge)을 [[컴퓨터]]와 사람이 동시에 이해할 수 있는 형태로 나타내는 것을 의미한다.
| + | #넘겨주기 [[지식표현]] |
| − | | |
| − | ==개념==
| |
| − | 지식 표현은 복잡한 문제를 해결하는 데 사용할 수 있는 세계에 대한 정보를 컴퓨터 시스템이 사용할 수 있도록 하는 표현 중점에서 중요한 연구로, [[인공지능]] 분야 연구이다. 합목적적, 목적달성에 부합되는 구조를 가져야하며, 추론의 효율성, 지식 획득의 용이성, 저장의 간결성 및 표현의 정확성, 다양성 등을 갖추어야 한다. 자연어를 컴퓨터가 이해할 수 있도록 프로그램화 되어야 하기 때문에, 획득한 지식을 효율적이고 효과적으로 표현하는 지식 표현은 전문가 시스템의 성패를 좌우한다고 할 수 있다. 이는 철학, 논리학, 수학, 컴퓨터 과학, 언어학 등 다양한 측면으로 연구되는 학제간 연구분야이다.<ref name=위키백과>위키 백과 - https://ko.wikipedia.org/wiki/%EC%A7%80%EC%8B%9D_%ED%91%9C%ED%98%84</ref> 지식 표현방법은 인간의 일상 언어와 컴퓨터 언어의 표현 구조 사이 중간에서 타협점을 결정하게 된다. 인간의 언어인 자연 언어로만 표현하면 컴퓨터에 의한 자연어의 처리가 완벽하지 못하므로 구현이 불가능하다. 컴퓨터 입장에서 지식을 컴퓨터 언어의 [[알고리즘]]과 [[자료구조]]로만 표현하면 인간 또한 이해하기 어렵다. 이렇게 중간 절충안이 규칙, 프레임, 의미망, 그래프 전치논리 형태 등인 것이다. 이러한 표현을 위한 전문적인 컴퓨터 언어인 [[리스프]](LISP), [[프롤로그]](PROLOG) 등이 개발되어 있는데, 지식을 책을 집필하듯이 서술적으로 나타내기 보다 구조화와 체계화를 이루어 컴퓨터에 의해 쉽게 구현 될 수 있고, 추론 및 검색이 용이해지는 것이다. 지식 표현이 어려운 이유는 첫 번째로는 실세계의 대부분의 문제들은 지식으로 표현하기에 방대한 양의 정보를 가진 경우가 많다는 것이다. 두 번째로는 미묘하고 애매한 지식을 정확하게 표현하기 어렵기 때문이며, 마지막으로 대부분의 지식은 정적인 경우보다 동적인 경우가 많아 상황에 따라 변한다는 것이다. 지식 표현은 대용물(surrogate), 일련의 존재론적 약속(ontological commitments), 지능적 추론의 단편적인 이론(fragmentary theory), 효율적인 전산화(computation)을 위한 수단, 인간 표현의 수단이라는 다섯 가지의 역할도 있다.<ref name=인공지능스터디> 인공지능 스터디 공식 홈페이지 - http://www.aistudy.co.kr/expert/knowledge_representation.htm</ref>
| |
| − | | |
| − | ;지식 표현의 다섯 가지 역할
| |
| − | * 지식 표현은 다섯 가지 고유한 역할이 있다. 먼저, 지식 표현은 가장 근본적으로, 그 자체를 대신하는 것으로서, 실체가 행동하기 보다는 생각하는 것으로, 세상에 대한 행동을 취하는 것이 아니라 생각함으로써 결과를 결정할 수 있게 하는 데 사용한다. 다음으로는 온톨로지의 헌신 질문인 "세상에 대해 어떤 용어로 생각해야 합니까?" 의 답이다. 세 번째로는 지적 추론의 단편적인 이론 의 세가지 요소로 표현되는데, 지적 추론에 대한 표현의 기본개념, 표현의 추론 집합, 추론의 집합이다. 네 번째로는 사고가 수행되는 계산 환경을 제공하는 실용적으로 효율적인 계산을 위한 매체이다. 실용적인 효율성에 대한 기여는 권장 추론을 용이하게 하기 위한 정보를 구성하기위해 대표가 제공하는 지침에 의해 제공된다. 마지막으로, 우리가 세상에 대해 말하는 언어인 인간 표현의 매체이다.<ref>''Randall Davis MIT AI Lab / Howard Shrobe / MIT AI Lab and Symbolics, Inc. / Peter Szolovits MIT Lab for Computer Science'', 〈[http://groups.csail.mit.edu/medg/ftp/psz/k-rep.html#intro ''What is a Knowledge Representation?'']〉, 《''Massachusetts Institute of Technology Computer Science & Artificial Intelligence Laboratory''》</ref>
| |
| − | | |
| − | ;지식 표현 시 고려할 사항
| |
| − | * 지식 표현의 정확성이다. 해당 문제에 있어서 객체 간의 상관관계를 정확하게 표현해야 한다. 그러나 컴퓨터의 특성상 너무 상세한 표현은 지식표현이 용이하지 않기 때문에 지식표현의 정도가 문제 된다. 어느 정도 상세히, 정확하게 표현할 것인가의 문제이다.
| |
| − | * 추론(inference)의 정확성이다. 지식베이스에 저장된 사실로부터 새로운 사실을 유도하는 것을 추론이라 하며, 문제의 성격에 따라 역방향 추론(backward), 정방향 추론(forward), 혼항형 추론(Hybrid inference) 중에서 선택하여 사용하는데, 이 때 추론이 정확하게 될 수 있도록 지식을 표현해야 한다.
| |
| − | * 지식 획득 관리의 효용성이다. 새로운 사실을 쉽게 삽입, 수정, 삭제가 가능하도록 지식이 표현되어야 한다. 이를 위해 사용자가 직접 지식 베이스에 접근할 수 있도록 하고, 프로그램 스스로 지식의 획득을 조정 통제 할 수 있게 해야한다.
| |
| − | * 추론의 효용성이다. 추론 기법을 최적의 방향으로 이끌기 위하여 사용되는 특정한 정보와 지식 구조를 결합시키는 능력이다.
| |
| − | | |
| − | ==종류==
| |
| − | ===지식 표현 방법===
| |
| − | * 논리(Logic)
| |
| − | * 의미망 (Semantic Network)
| |
| − | * 프레임 (Frame) : 객체지향 (object oriented)
| |
| − | * 생성규칙(Production Rule)
| |
| − | * 합성(Hybrid) : 규칙(rule) + 객체지향
| |
| − | | |
| − | ==특징==
| |
| − | | |
| − | | |
| − | {{각주}}
| |
| − | | |
| − | ==참고자료==
| |
| − | * ''Randall Davis MIT AI Lab / Howard Shrobe / MIT AI Lab and Symbolics, Inc. / Peter Szolovits MIT Lab for Computer Science'', 〈[http://groups.csail.mit.edu/medg/ftp/psz/k-rep.html#intro ''What is a Knowledge Representation?'']〉, 《''Massachusetts Institute of Technology Computer Science & Artificial Intelligence Laboratory'''》
| |
| − | * 지식 표현 위키백과 - https://ko.wikipedia.org/wiki/%EC%A7%80%EC%8B%9D_%ED%91%9C%ED%98%84
| |
| − | * 인공지능 스터디 공식 홈페이지 - http://www.aistudy.co.kr/expert/knowledge_representation.htm
| |
| − | | |
| − | ==같이 보기==
| |
| − | * [[인공지능]]
| |
| − | | |
| − | {{인공지능 기술|토막글}}
| |
위키원
