W dzisiejszym świecie ludzie używają komputerów na co dzień, aby rozwiązać coraz bardziej złożony problem. Interakcja między człowiekiem a komputerem rośnie bardzo szybko, co umożliwia wymianę informacji. Oba trendy wymagają od komputera wykorzystania ogromnej ilości wiedzy. Naukowcy zajmujący się sztuczną inteligencją badają, w jaki sposób wiedzę można łatwo wyrazić w systemie komputerowym. Istnieją cztery główne techniki KR, takie jak reprezentacja logiczna (LR), sieć semantyczna (Snet), rama i reguły produkcji.
- Reprezentacja logiczna: Jest to język mający pewne specyficzne reguły, które daje wraz z propozycjami. Oznacza wyciąganie wniosku na podstawie kilku warunków i zawiera dokładnie określoną składnię i semantykę, które wspierają wnioskowanie. Ta reprezentacja jest podzielona na dwie podkategorie: logikę zdań i logikę predykatów. Każde zdanie można przetłumaczyć na logikę za pomocą składni i semantyki. Składnia to reguły, które pomagają w konstruowaniu zdań prawnych w logice, a także określają, który symbol ma być użyty w reprezentacji wiedzy. Semantyka jest regułą, dzięki której interpretacja zdania w logice może być wykonana. Każdemu zdaniu przypisują znaczenie.
- Sieci semantyczne: są również ważną techniką reprezentacji wiedzy i stanowią alternatywę dla logiki predykatów. W tej technice wiedza może być reprezentowana w postaci sieci graficznych. Technika ta składa się z węzłów reprezentujących obiekty i łuków opisujących relacje między obiektami [3, 10, 32, 34]. Ta sieć jest łatwa do zrozumienia i rozszerzalna. Ta reprezentacja składa się głównie z dwóch typów relacji: (a) relacja IS-A (dziedziczenie) oraz (b) rodzaj relacji, w którym wiedza jest reprezentowana jako węzły i łuki. Każdy obiekt jest połączony z innym obiektem jakąś relacją.
- Ramki: Jest to baza danych, która składa się z atrybutów wraz z odpowiadającymi im wartościami opisującymi obiekt w świecie rzeczywistym. Zawiera kolekcję slotów i skojarzonych z nimi wartości, które są znane jako aspekty. Technika ta składa się z różnej liczby szczelin, a szczelina może zawierać dowolną liczbę ścianek [1–3, 31]. Może mieć dowolną liczbę wartości, jak pokazano na rysunku 2.7. Ramki są również znane jako „reprezentacja wiedzy z filtrem szczelinowym” i wywodzą się z sieci semantycznej. W tym przypadku wiedza o dowolnym obiekcie lub dowolnym zdarzeniu jest przechowywana w bazie wiedzy (KB).
- System reguł produkcji: Ten system składa się z pary warunków i akcji, co oznacza „Jeśli warunek, to akcja”. System ten składa się z trzech ważnych części: (1) zestawu reguł produkcji, (2) pamięci roboczej oraz (3) cyklu rozpoznawania aktów. W tym systemie agent AI sprawdza warunek, a jeśli stanie się spełniony, to tylko reguła zostanie odpalona i zostanie wykonana odpowiednia akcja. Następnie część warunku reguły sprawdza, która reguła ma być zastosowana do konkretnego problemu, a z drugiej strony część akcyjna składa się z kroków rozwiązywania problemu; proces ten jest znany jako cykl rozpoznawania aktów [1–3]. Pamięć robocza składa się z istniejącego stanu rozwiązywania problemów i reguł.
Ta wiedza pasuje i może odpalić inne zasady. W przypadku wygenerowania nowego stanu, jednocześnie zostanie uruchomiona więcej niż jedna reguła, co jest znane jako „zestaw konfliktów”. Teraz agent może wybrać regułę z istniejącego stanu, znanego jako „rozwiązywanie konfliktów”