知識表現(ちしきひょうげん)、KR(Knowledge Representation)は、推論を導けるような知識の表現、およびその方法を開発する人工知能研究の領域である。
思考を形式的に分析し、議論領域を記述する。一般に、議論領域の記述から推論するための形式意味論を与え、解釈可能な意味を各文が生じるように演算子を与える。それによって自動推論が可能となる。
知識表現は、表現力が高いほど、事柄が簡潔に記述されるが、一貫性が保障されず、自動推論が困難となる。例として、命題論理は自己認識的時相論理よりも表現力が低い。用途・必要性・資源との適合性がKR推論システムの開発において大切となる。
200x年代にXMLの応用として宣伝されたためにブームとなった知識表現の利用に、セマンティック・ウェブがある。知識表現としての新規性は表層の記法にXMLを利用するという点で、グラフである知識を、本質的に木であるXMLでどう扱うかは難点も考えられるが、「ウェブ」の語が付いているようにWWWと親和性があるなどとされてブームとなった。 知識は知的行動を達成するのに使われるものなので、推論を容易にする知識表現は知的行動を助成する。そのような表現が知識表現の基本目標となる。 適切な知識表現を選ぶことで問題解決が単純になる。例えば割り算の問題解決は、知識表現における数の記号としてローマ数字よりもアラビア数字を用いることで容易となる。 人間の行う情報処理を説明する際、フレーム、規則、タグ、意味ネットワークなどが利用される。これは知識表現の技法にも取り入れられている。 知識表現の研究では以下のような課題が生じる。 知識表現に関してトップダウンが議論されることはほとんどない。設計戦略は個々の議論領域について研究される。 人工知能
概要
知識を個別化するのは何か?
知識は人間脳においてどう表現されているか?
図式化すべきなのは特殊項目か一般法則か?
図式は宣言型と手続型のどちらが良いか?
活性化拡散(ネットワークのノード群を誘導する際の問題。)
包摂(選択的継承に関する問題。例えば、ATVは自動車を特殊化したものと考えられるが、特定の属性しか継承していない。)
分類(例えば、トマトは野菜にも果物にも分類される可能性がある。)
歴史.mw-parser-output .sidebar{width:auto;float:right;clear:right;margin:0.5em 0 1em 1em;background:#f8f9fa;border:1px solid #aaa;padding:0.2em;text-align:center;line-height:1.4em;font-size:88%;border-collapse:collapse;display:table}body.skin-minerva .mw-parser-output .sidebar{display:table!important;float:right!important;margin:0.5em 0 1em 1em!important}.mw-parser-output .sidebar-subgroup{width:100%;margin:0;border-spacing:0}.mw-parser-output .sidebar-left{float:left;clear:left;margin:0.5em 1em 1em 0}.mw-parser-output .sidebar-none{float:none;clear:both;margin:0.5em 1em 1em 0}.mw-parser-output .sidebar-outer-title{padding:0 0.4em 0.2em;font-size:125%;line-height:1.2em;font-weight:bold}.mw-parser-output .sidebar-top-image{padding:0.4em}.mw-parser-output .sidebar-top-caption,.mw-parser-output .sidebar-pretitle-with-top-image,.mw-parser-output .sidebar-caption{padding:0.2em 0.4em 0;line-height:1.2em}.mw-parser-output .sidebar-pretitle{padding:0.4em 0.4em 0;line-height:1.2em}.mw-parser-output .sidebar-title,.mw-parser-output .sidebar-title-with-pretitle{padding:0.2em 0.8em;font-size:145%;line-height:1.2em}.mw-parser-output .sidebar-title-with-pretitle{padding:0 0.4em}.mw-parser-output .sidebar-image{padding:0.2em 0.4em 0.4em}.mw-parser-output .sidebar-heading{padding:0.1em 0.4em}.mw-parser-output .sidebar-content{padding:0 0.5em 0.4em}.mw-parser-output .sidebar-content-with-subgroup{padding:0.1em 0.4em 0.2em}.mw-parser-output .sidebar-above,.mw-parser-output .sidebar-below{padding:0.3em 0.8em;font-weight:bold}.mw-parser-output .sidebar-collapse .sidebar-above,.mw-parser-output .sidebar-collapse .sidebar-below{border-top:1px solid #aaa;border-bottom:1px solid #aaa}.mw-parser-output .sidebar-navbar{text-align:right;font-size:75%;padding:0 0.4em 0.4em}.mw-parser-output .sidebar-list-title{padding:0 0.4em;text-align:left;font-weight:bold;line-height:1.6em;font-size:105%}.mw-parser-output .sidebar-list-title-c{padding:0 0.4em;text-align:center;margin:0 3.3em}@media(max-width:720px){body.mediawiki .mw-parser-output .sidebar{width:100%!important;clear:both;float:none!important;margin-left:0!important;margin-right:0!important}}
概念
AI効果
生成的人工知能
大規模言語モデル
ハルシネーション
汎用人工知能
目的
機械学習
計画
コンピュータビジョン
再帰的自己改良
機械学習
ディープラーニング
ニューラルネットワーク
応用(英語版)
医療(英語版)
精神医療(英語版)
音楽(英語版)
機械翻訳
金融(英語版)
軍事(英語版)
計画(英語版)
産業(英語版)
政府(英語版)
生物情報学(英語版)
地球科学(英語版)
ディープフェイク
美術(英語版)
物理学(英語版)
課題と哲学(英語版)