El conocimiento como forma especial de información. La diferencia entre conocimiento y datos. La diferencia entre conocimiento e información y datos: un ejemplo

Es decir, en algún nivel de conocimiento ≡ datos

Importante: el conocimiento se da como extensionalmente(explícitamente, explícitamente), es decir, a través de un conjunto de hechos específicos correspondientes a un concepto determinado, y intencionalmente(implícitamente), es decir, a través de propiedades correspondientes a un concepto determinado.

Los datos siempre se especifican extensivamente (explícitamente).

Interpretabilidad interna del conocimiento, frente a los datos.

Almacenar en la memoria junto con los elementos de datos la redundancia del sistema de nombres (por ejemplo, almacenar todas las interpretaciones léxicas (diccionario)), es decir, el conocimiento tiene múltiples interpretaciones.

Estructuración recursiva del conocimiento (descomposición).

Conectividad (interrelación) de unidades de conocimiento.

La capacidad de establecer diversas relaciones que reflejen la semiótica y la pragmática de las conexiones entre fenómenos y hechos individuales, así como relaciones que reflejen el significado del sistema en su conjunto, es decir, es posible definir grandes unidades de conocimiento como casos individuales. (CRB).

Caso - como conjunto de productos - semántica.

Pragmática– la actitud del hablante hacia el tema.

La presencia del conocimiento en un espacio semántico con métricas.

Actividad de conocimiento, en contraposición al conocimiento regalado.

Es decir, la capacidad de fijar metas, alcanzar metas, etc.

Los objetos activos de conocimiento son agentes.

Los agentes tienen propiedades mentales (es decir, aquellas que son características de los humanos).

Integridad funcional del conocimiento.

la capacidad de seleccionar los resultados deseados de las herramientas de análisis, la suficiencia del resultado obtenido.

Por tanto, si se cumple el conjunto de las propiedades anteriores, entonces esto es conocimiento.

Comparación de cos(es) y sistemas de software clásicos.

Comparación de tecnologías de desarrollo.

programa regular

Sistema basado en el conocimiento (KBS)

Estructura

Comparación de parámetros

Tipo de sistema	Características
	Tipo de procesamiento	Métodos de resolución de problemas	Solución de pasos de configuración	La solución que buscas	Gestión y Datos	Modificaciones	Fiabilidad de la información.
	Simbólico	búsqueda heurística		Satisfactorio *	mezclado		Fiable + poco fiable
	Numérico	búsqueda algorítmica		Óptimo	Apartado		Confiable

* satisfactorio: no peor que un experto humano.

Información falsa - ???NO FACTORES

Esquema de resolución de problemas

Los principales tipos de problemas en cuya solución el uso de la creación da un resultado significativo.

Nombre

El conocimiento y la información son componentes importantes de nuestras vidas. Estos términos no pueden identificarse completamente entre sí. Consideremos qué se entiende por cada uno de ellos y en qué se diferencia el conocimiento de la información.

Definición

Conocimiento– Ideas sistematizadas y confiables sobre objetos y fenómenos de la realidad. Las personas utilizan el conocimiento para organizar racionalmente sus actividades y resolver problemas emergentes.

Información– información sobre conceptos, hechos, acontecimientos, etc., en cuya transmisión y aceptación pueden participar personas o dispositivos especiales. Los animales se comunican información específica entre sí mediante señales. También hay información genética que se transmite de un organismo a otro.

Comparación

El factor fundamental que permite identificar la diferencia entre conocimiento e información es que el conocimiento se adquiere únicamente a través de la comprensión subjetiva. La información es independiente y no siempre llega a la etapa de conciencia.

En el proceso cognitivo, el conocimiento y la información se encuentran en diferentes etapas. En primer lugar se produce la percepción de la información transmitida por una determinada fuente: un libro, Internet, un profesor... Tras la comprensión, la información da como resultado conocimiento. Quien tiene conocimiento puede servir como una nueva fuente de información.

Así, sólo se transmite y recibe información, pero no se puede transmitir conocimiento. Para convertirse en propietario del conocimiento, es necesario percibir la información necesaria y pasarla a través de la propia conciencia.

Por ejemplo, un profesor de matemáticas tiene conocimientos en su materia. Al explicar a la clase cómo resolver un problema, no transmite conocimientos directamente, sino que es una fuente de información. Los estudiantes podrán desarrollar conocimientos sólo cuando no sólo escuchen al maestro, sino que también comprendan y se den cuenta de lo que él está tratando de transmitirles.

Al considerar la diferencia entre conocimiento e información, cabe señalar que no puede haber un exceso de conocimiento. Después de todo, una persona se esfuerza por comprender sólo lo que es realmente importante y necesario para él. La información puede llegar en exceso y la gente a menudo se siente sobresaturada con ella. Del total de información, una pequeña parte se utiliza para obtener conocimientos.

El conocimiento es el criterio de la educación de una persona. Después de todo, no basta con familiarizarse con la información; también es necesario hacer mucho trabajo mental.

Antes de continuar considerando las cuestiones de la gestión del conocimiento, es importante definir los conceptos clave de esta área: "datos", "información", "conocimiento".

La literatura sobre gestión del conocimiento presenta diferentes enfoques para su interpretación. Sin pretender hacer un análisis completo, intentaremos esbozar algunos puntos importantes.

Bajo datos Se comprenden observaciones desordenadas, números, palabras, sonidos, imágenes. Se trata de un conjunto de factores discretos y objetivos sobre los acontecimientos. Además, en un contexto organizacional, los datos se interpretan como registros estructurados de actos de actividad. Las organizaciones suelen almacenar datos en sistemas de información, a los que provienen de diversos departamentos y servicios.

Cuando los datos se organizan, ordenan, agrupan, categorizan, se vuelven información. Se interpreta como una recopilación de datos dispuestos con una finalidad concreta que le confiere significado.

Mensaje- se trata de texto, datos digitales, imágenes, sonido, gráficos, tablas, etc.

Inteligencia– prácticamente sinónimo del concepto de “Mensajes”. En la mayoría de los casos son de carácter doméstico.

Conocimiento se interpreta como información lista para un uso productivo, eficaz y dotada de significado. Es una colección de experiencias formalizadas, valores, información contextual y comprensión experta que forman la base para evaluar e integrar nuevas experiencias e información. Se forma y se aplica en la mente de las personas, y en las organizaciones a menudo está consagrado no sólo en documentos y repositorios, sino también en procedimientos, procesos, formas de hacer las cosas y normas organizacionales.

La tabla proporciona varias definiciones de conocimiento basadas en una revisión de la literatura.

La mayoría de las definiciones discutidas enfatizan que el conocimiento es un concepto más amplio, profundo y rico en comparación con la información. ellos representan una conexión fluida de diferentes elementos: experiencia, valores, información y comprensión experta- y en constante cambio; son intuitivos; son característicos de las personas y son parte integral de la esencia humana con su imprevisibilidad.

Datos y conocimiento. Definiciones básicas.

La información que manejan los ordenadores se divide en procesal y declarativa. La información de procedimiento está incorporada en los programas que se ejecutan en el proceso de resolución de problemas, la información declarativa está incorporada en los datos con los que trabajan estos programas.

La forma estándar de representar información en una computadora es una palabra de máquina, que consta de una cantidad de dígitos binarios (bits) determinados para un tipo determinado de computadora. La palabra de máquina para representar datos y la palabra de máquina para representar las instrucciones que forman el programa pueden tener el mismo o diferente número de bits. El mismo número de bits en palabras de computadora para comandos y datos permite considerarlos en la computadora como unidades de información idénticas y realizar operaciones con comandos como con datos. Los contenidos de la memoria forman una base de información. La palabra de máquina es la principal característica de la base de información, porque su longitud es tal que cada palabra de máquina se almacena en una celda de memoria estándar, equipada con un nombre individual: la dirección de la celda. Con este nombre, las unidades de información se extraen de la memoria de la computadora y se escriben en ella. Los lenguajes de programación de alto nivel utilizan tipos de datos abstractos, cuya estructura la especifica el programador.

La aparición de bases de datos (DB) marcó un paso más hacia la organización del trabajo con información declarativa. Las bases de datos pueden almacenar simultáneamente grandes volúmenes de información, y las herramientas especiales que forman un sistema de administración de bases de datos (DBMS) le permiten manipular datos de manera efectiva, si es necesario, recuperarlos de la base de datos y escribirlos en el orden requerido en la base de datos.

A medida que se desarrolló la investigación en SI, surgió el concepto de conocimiento, que combinaba muchas de las características de la información procesal y declarativa. En una computadora, el conocimiento, al igual que los datos, se muestra en forma simbólica: en forma de fórmulas, texto, archivos, matrices de información, etc. Por tanto, podemos decir que el conocimiento son datos organizados de una manera especial. En los sistemas de IA, el conocimiento es el principal objeto de formación, procesamiento e investigación. Una base de conocimientos, junto con una base de datos, es un componente necesario de un paquete de software de IA. Las máquinas que implementan algoritmos de IA se denominan máquinas basadas en el conocimiento, y la subsección de la teoría de la IA asociada con la construcción de sistemas expertos se llama ingeniería del conocimiento.

Diferencias entre datos y conocimiento:

1. interpretabilidad interna del conocimiento (por ejemplo: datos - 243849..., conocimiento - oraciones en lenguaje natural).

2. actividad de conocimiento. Si hay conocimiento, entonces el surgimiento de nuevos conocimientos puede conducir a cambios en los conocimientos antiguos y al surgimiento de otros nuevos.

3. coherencia del conocimiento. El conocimiento no es interesante en sí mismo, es interesante en su totalidad (un sistema de conocimiento).

Cuarto, el conocimiento es dinámico, pero los datos suelen ser estáticos.

El conocimiento intencional se define a través de un concepto de nivel superior que indica propiedades específicas. El conocimiento extensivo se define a través de conceptos de nivel inferior, generalmente simplemente enumerándolos. Como regla general, las extensiones se almacenan en bases de datos y las intenciones se almacenan en bases de conocimiento. Según el método de presentación, el conocimiento se divide en declarativo (se describe la información) y procedimental (registrado en un algoritmo). La principal dirección del movimiento en el campo de la representación del conocimiento es un mayor uso del conocimiento declarativo.

Clasificaciones de conocimientos y sus modelos.

Hay muchas formas de clasificar el conocimiento. Detengámonos en la clasificación según el portador del conocimiento. El conocimiento se divide en:

1. Formalizado

· guías de referencia,

· enciclopedias,

· conocimientos en sistemas de información corporativos

2.Personales

habilidades relacionadas con la artesanía,

· habilidades deportivas,

· formas de pensar, análisis,

· métodos de realización del trabajo

El conocimiento formalizado generalmente ya se encuentra en medios tangibles: libros, folletos, sitios de Internet/intranet, archivos de datos, sistemas de información corporativa (ERP). Estas formas de organizar el conocimiento son muy buenas y están probadas en el tiempo. Es poco probable que podamos mejorarlos lo suficiente como para afectar la productividad u otros indicadores económicos de su organización.

El conocimiento personal, por el contrario, suele estar contenido sólo en la mente de sus portadores. Para que sea propiedad de la organización, es necesario que el conocimiento se transfiera activamente entre los empleados. Para ello existen desde hace tiempo sistemas de tutoría y formación corporativa interna.

Gran parte del conocimiento personal puede formalizarse. Se trata, en primer lugar, de los métodos y métodos de realización del trabajo que son aceptados y óptimos en su organización. Dependiendo de la etapa de desarrollo de la organización, los métodos para realizar el trabajo evolucionan desde los creativos creados en el lugar de trabajo mediante prueba y error hasta las mejores prácticas de la industria, consagradas en la documentación de los procesos comerciales, los sistemas ERP y las políticas organizacionales.

Definiciones de marco. Un marco es a la vez una lista de propiedades y una red. Jerarquía y herencia de propiedades.

Un marco es una determinada estructura para representar el conocimiento que, cuando se llena con los valores apropiados, se convierte en una descripción de un factor, evento o situación específica. Un marco es la descripción mínima posible de la esencia de un fenómeno, evento, situación, proceso u objeto. La minimalidad significa que con una mayor simplificación de la descripción se pierde su integridad, deja de definir la unidad de conocimiento a la que está destinada. El marco tiene una estructura específica que consta de muchos elementos: ranuras. Cada ranura, a su vez, está representada por una estructura de datos o procedimiento específico o puede asociarse con otra trama. La estructura del marco se puede representar de la siguiente manera:

NOMBRE DEL CUADRO: (nombre de la primera ranura: valor de la primera ranura), (nombre de la segunda ranura: valor de la segunda ranura), ... (nombre de la enésima ranura: valor de la enésima ranura).

Presentaremos el mismo registro en forma de tabla, agregando dos columnas.

El valor del espacio puede ser el nombre de otro fotograma; Así se forman redes de marcos, formadas por vértices y conexiones seleccionados. El nivel superior del marco representa los conceptos correspondientes y los niveles posteriores son ranuras terminales que contienen significados específicos. La jerarquía de objetos se realiza a través del aparato de investigación de propiedades, cuando las clases de objetos de un cierto nivel heredan la estructura de las clases marco de un nivel superior. Si el objeto, gato. descrito por un cierto grupo de marcos está en conexión conceptual con los niveles superior e inferior de marcos, respectivamente. Sus marcos se construyen teniendo en cuenta las relaciones jerárquicas y al mismo tiempo se realiza la herencia de propiedades. a través de ranuras o marcos con el mismo nombre.

5.1. Diferencias entre conocimiento y datos

Un rasgo característico de los sistemas inteligentes es la presencia del conocimiento necesario para resolver problemas en un área temática específica. Esto plantea una pregunta natural: ¿qué es el conocimiento y en qué se diferencia de los datos ordinarios procesados ​​por una computadora?

Los datos son información de naturaleza fáctica que describe objetos, procesos y fenómenos del área temática, así como sus propiedades. En los procesos de procesamiento informático, los datos pasan por las siguientes etapas de transformación:

La forma inicial de existencia de los datos (resultados de observaciones y mediciones, tablas, libros de referencia, diagramas, gráficos, etc.);

Presentación en lenguajes especiales de descripción de datos destinados a la entrada y procesamiento de datos iniciales en una computadora;

Bases de datos en soportes informáticos de almacenamiento.

El conocimiento es una categoría de información más compleja en comparación con los datos. El conocimiento describe no sólo hechos individuales, sino también las relaciones entre ellos, razón por la cual a veces se le llama datos estructurados. El conocimiento se puede obtener a partir del procesamiento de datos empíricos. Son el resultado de la actividad mental de una persona destinada a generalizar la experiencia adquirida como resultado de la actividad práctica.

Para proporcionar conocimiento a IIS, este debe presentarse de una forma determinada. Hay dos formas principales de impartir conocimientos a los sistemas de software. La primera es poner el conocimiento en un programa escrito en un lenguaje de programación normal. Dicho sistema será un código de programa único en el que el conocimiento no se ubicará en una categoría separada. A pesar de que el problema principal se resolverá, en este caso es difícil evaluar el papel del conocimiento y comprender cómo se utiliza en el proceso de resolución de problemas. Modificar y mantener dichos programas no es una tarea fácil y el problema de actualizar el conocimiento puede volverse insoluble.

El segundo método se basa en el concepto de bases de datos y consiste en colocar el conocimiento en una categoría separada, es decir. El conocimiento se presenta en un formato específico y se coloca en la base de conocimientos. La base de conocimientos se actualiza y modifica fácilmente. Es una parte autónoma de un sistema inteligente, aunque el mecanismo de inferencia lógica implementado en el bloque lógico, así como los medios de diálogo, imponen ciertas restricciones a la estructura de la base de conocimientos y a las operaciones con ella. Este método se adopta en el IIS moderno.

Cabe señalar que para poder poner conocimiento en una computadora, este debe estar representado por ciertas estructuras de datos correspondientes al entorno elegido para desarrollar un sistema inteligente. En consecuencia, al desarrollar un sistema de información, primero se acumula y presenta el conocimiento, y en esta etapa se requiere la participación humana, y luego el conocimiento se representa mediante ciertas estructuras de datos que son convenientes para su almacenamiento y procesamiento en una computadora. El conocimiento en IIS existe en las siguientes formas:

Conocimiento inicial (reglas derivadas de la experiencia práctica, dependencias matemáticas y empíricas que reflejan conexiones mutuas entre hechos; patrones y tendencias que describen cambios en los hechos a lo largo del tiempo; funciones, diagramas, gráficos, etc.);

Descripción del conocimiento inicial mediante el modelo de representación del conocimiento seleccionado (muchas fórmulas lógicas o reglas de producción, red semántica, marcos, etc.);

Representación del conocimiento mediante estructuras de datos destinadas al almacenamiento y procesamiento en una computadora;

Bases de conocimiento sobre soportes de almacenamiento informático.

¿Qué es el conocimiento? Demos algunas definiciones.

Del diccionario explicativo de S.I. Ozhegov: 1) “El conocimiento es la comprensión de la realidad por la conciencia, la ciencia”; 2) “El conocimiento es la totalidad de la información, el conocimiento en cualquier área”.

La definición del término “conocimiento” incluye principalmente elementos filosóficos. Por ejemplo, el conocimiento es un resultado probado en la práctica del conocimiento de la realidad, su reflejo correcto en la mente humana.

El conocimiento es el resultado obtenido al comprender el mundo circundante y sus objetos. En las situaciones más simples, el conocimiento se considera como una exposición de hechos y su descripción.

Los investigadores de IA proporcionan definiciones más específicas de conocimiento.

"El conocimiento son las leyes de un área temática (principios, conexiones, leyes), obtenidas como resultado de actividades prácticas y experiencia profesional, que permiten a los especialistas plantear y resolver problemas en esta área".

"El conocimiento son datos bien estructurados, o datos sobre datos, o metadatos".

"El conocimiento es información formalizada a la que se hace referencia o se utiliza en el proceso de inferencia lógica".

En el campo de los sistemas de IA y la ingeniería del conocimiento, la definición de conocimiento está vinculada a la inferencia lógica: el conocimiento es información a partir de la cual se implementa el proceso de inferencia lógica, es decir. A partir de esta información, se pueden extraer varias conclusiones a partir de los datos disponibles en el sistema mediante inferencia lógica. El mecanismo de inferencia le permite vincular fragmentos individuales y luego sacar una conclusión basada en esta secuencia de fragmentos relacionados.

El conocimiento es información formalizada a la que se hace referencia o se utiliza en el proceso de inferencia lógica (Fig. 5.1.).

Arroz. 5.1. Proceso de inferencia en IS

Por conocimiento entendemos un conjunto de hechos y reglas. El concepto de regla que representa un conocimiento tiene la forma:

Si<условие>Eso<действие>.

Esta definición es un caso especial de la definición anterior.

Sin embargo, se reconoce que las características cualitativas distintivas del conocimiento se deben a la presencia de grandes oportunidades en la dirección de la estructuración y la interconexión de las unidades constituyentes, su interpretabilidad, la presencia de métricas, la integridad funcional y la actividad.

Hay muchas clasificaciones de conocimiento. Como regla general, con la ayuda de clasificaciones, se sistematiza el conocimiento de áreas temáticas específicas. En un nivel abstracto de consideración, podemos hablar de las características por las que se divide el conocimiento, y no de clasificaciones. Por su naturaleza, el conocimiento se puede dividir en declarativo y procesal.

El conocimiento declarativo es una descripción de hechos y fenómenos, registra la presencia o ausencia de dichos hechos y también incluye descripciones de las conexiones y patrones básicos en los que se incluyen estos hechos y fenómenos.

El conocimiento procedimental es una descripción de acciones que son posibles al manipular hechos y fenómenos para lograr los objetivos previstos.

Para describir el conocimiento a un nivel abstracto, se han desarrollado lenguajes especiales: lenguajes de descripción del conocimiento. Estos lenguajes también se dividen en lenguajes procesales y declarativos. Todos los lenguajes de descripción del conocimiento orientados al uso de computadoras de arquitectura tradicional von Neumann son lenguajes procedimentales. El desarrollo de lenguajes declarativos que sean convenientes para representar el conocimiento es un problema acuciante en la actualidad.

Según el método de adquisición del conocimiento, se puede dividir en hechos y heurísticas (reglas que permiten tomar una decisión en ausencia de una justificación teórica precisa). La primera categoría de conocimiento suele indicar circunstancias bien conocidas en un área temática determinada. La segunda categoría de conocimiento se basa en la propia experiencia de un experto que trabaja en un área temática específica, acumulada como resultado de muchos años de práctica.

Según el tipo de representación, el conocimiento se divide en hechos y reglas. Los hechos son conocimientos del tipo "A es A", tales conocimientos son típicos de las bases de datos y los modelos de red. Las reglas, o productos, son conocimientos del tipo “SI A, ENTONCES B”.

Además de los hechos y las reglas, también existe el metaconocimiento: el conocimiento sobre el conocimiento. Son necesarios para la gestión del conocimiento y para la organización eficaz de los procedimientos de inferencia lógica.

La forma de representación del conocimiento tiene un impacto significativo en las características de los sistemas de información. Las bases de conocimiento son modelos del conocimiento humano. Sin embargo, no se puede modelar todo el conocimiento que utiliza una persona en el proceso de resolución de problemas complejos. Por tanto, en los sistemas inteligentes es necesario separar claramente el conocimiento entre aquel que está destinado a ser procesado por una computadora y el conocimiento utilizado por los humanos. Obviamente, para resolver problemas complejos, la base de conocimientos debe tener un volumen suficientemente grande y, por lo tanto, inevitablemente surgen problemas en la gestión de dicha base de datos. Por lo tanto, al elegir un modelo de representación del conocimiento, se deben tener en cuenta factores como la uniformidad de la representación y la facilidad de comprensión. La homogeneidad de la presentación conduce a una simplificación del mecanismo de gestión del conocimiento. La facilidad de comprensión es importante para los usuarios de sistemas inteligentes y los expertos cuyo conocimiento está integrado en el sistema de información. Si la forma de representación del conocimiento es difícil de entender, entonces los procesos de adquisición e interpretación del conocimiento se vuelven más complicados. Cabe señalar que cumplir simultáneamente estos requisitos es bastante difícil, especialmente en sistemas grandes donde la estructuración y representación modular del conocimiento se vuelve inevitable.

La resolución de problemas de ingeniería del conocimiento plantea el problema de convertir la información recibida de expertos en forma de hechos y reglas para su uso en una forma que pueda implementarse de manera efectiva mediante el procesamiento automático de esta información. Para ello, se han creado y utilizado varios modelos de representación del conocimiento en los sistemas existentes.

Los modelos clásicos de representación del conocimiento incluyen modelos lógicos, de producción, de marco y de redes semánticas.

Cada modelo tiene su propio lenguaje de representación del conocimiento. Sin embargo, en la práctica, rara vez es posible gestionar dentro del marco de un modelo al desarrollar un sistema de información, excepto en los casos más simples, por lo que la representación del conocimiento resulta compleja. Además de la representación combinada mediante varios modelos, generalmente se utilizan herramientas especiales para reflejar las características de conocimientos específicos sobre el área temática, así como diversas formas de eliminar y tener en cuenta la vaguedad y la incompletitud del conocimiento.