Формальное представление знаний (Formal Knowledge Representation)
Формальное представление знаний — это способ структурирования и кодирования информации в виде, пригодном для обработки алгоритмами искусственного интеллекта и нейронными сетями, с целью последующего использования в задачах рассуждения, обучения и принятия решений.
В контексте ИИ и машинного обучения формальное представление знаний позволяет «объяснить» системе, как устроена предметная область: какие в ней есть объекты, как они связаны, какие правила и закономерности действуют. Это своего рода «язык», на котором человек может передать машине свои знания в структурированном, однозначном виде.
Аналогия из бытового мира
Представьте, что вы учите ребёнка играть в шахматы. Вместо того чтобы показывать каждую возможную партию, вы объясняете правила: как ходят фигуры, что такое шах и мат, какие клетки считаются белыми, а какие — чёрными. Эти правила — формальное представление знаний о шахматах. Ребёнок, усвоив их, сможет играть, не зная всех партий наизусть. Аналогично и в ИИ: вместо заучивания всех примеров система получает «правила игры» в виде формализованных знаний.
Исторический контекст
Идея формального представления знаний восходит к работам по символическому ИИ 1960–1970‑х годов. В этот период активно развивались:
- логические модели (на основе исчисления предикатов);
- продукционные системы (правила «если‑то»);
- семантические сети (графы понятий и отношений);
- фреймы (структуры данных для описания стереотипных ситуаций).
Ключевыми фигурами были Марвин Минский (предложил концепцию фреймов), Джон Маккарти (разрабатывал логический подход к ИИ), Аллен Ньюэлл и Герберт Саймон (создатели продукционных систем). В 1980‑е годы формальные знания активно использовались в экспертных системах (например, MYCIN для медицинской диагностики). С развитием нейросетей в 1990–2000‑е годы интерес к символическим методам снизился, но в последние годы наблюдается ренессанс — появляются гибридные модели, сочетающие нейронные сети и формальные знания (например, нейро‑символический ИИ).
Смежные понятия и различия
- Представление данных — более широкое понятие, включающее любые способы кодирования информации для алгоритмов (например, векторные вложения слов). Формальное представление знаний — частный случай, где акцент на семантике и логике.
- Онтологии — один из видов формального представления знаний, стандартизированный способ описания понятий и отношений в предметной области (например, OWL для веба). Не все формальные представления являются онтологиями — могут быть и более простые структуры (правила, графы).
- Нейронные вложения (embeddings) — способ представления знаний через векторы в непрерывном пространстве (например, Word2Vec). В отличие от формальных представлений, они неявны и неинтерпретируемы: модель «знает» паттерны, но не может объяснить их в виде правил.
Примеры использования
- Экспертные системы: MYCIN (диагностика инфекций), DENDRAL (анализ химических структур) — использовали продукционные правила.
- Онтологии и семантический веб: DBpedia, Wikidata — структурируют знания в виде RDF‑триплетов («субъект‑предикат‑объект»).
- Нейро‑символические модели: Neural Theorem Prover (сочетает нейронные сети и логическое рассуждение), DeepProbLog (интегрирует вероятностную логику и глубокое обучение).
- Обработка естественного языка: системы понимания языка (например, IBM Watson) используют семантические сети для анализа вопросов и поиска ответов.
- Планирование и робототехника: формальные знания о действиях и их последствиях (например, в языках типа PDDL) помогают роботам строить планы.