Zbadaliśmy różne sposoby, w jakie wcześniejsza wiedza może pomóc agentowi w uczeniu się na nowych doświadczeniach. Ponieważ znaczna część dotychczasowej wiedzy jest wyrażana w kategoriach modeli relacyjnych, a nie modeli opartych na atrybutach, omówiliśmy również systemy, które umożliwiają uczenie się modeli relacyjnych. Ważne punkty to:
- Wykorzystanie wcześniejszej wiedzy w uczeniu się prowadzi do obrazu skumulowanego uczenia się, w którym uczący się agenci poprawiają swoją zdolność uczenia się w miarę zdobywania większej wiedzy.
- Wcześniejsza wiedza pomaga w uczeniu się, eliminując skądinąd spójne hipotezy i „uzupełniając” wyjaśnienia przykładów, co pozwala na stawianie krótszych hipotez. Te wkłady często skutkują szybszym uczeniem się z mniejszej liczby przykładów.
- Zrozumienie różnych ról logicznych odgrywanych przez wcześniejszą wiedzę, wyrażonych przez ograniczenia implikacji, pomaga zdefiniować różnorodne techniki uczenia się.
- Uczenie się oparte na wyjaśnieniach (EBL) wyodrębnia ogólne zasady z pojedynczych przykładów, wyjaśniając przykłady i uogólniając wyjaśnienie. Zapewnia dedukcyjną metodę przekształcania wiedzy o podstawowych zasadach w użyteczną, wydajną wiedzę specjalistyczną o specjalnym przeznaczeniu.
- Uczenie się oparte na istotności (RBL) wykorzystuje wcześniejszą wiedzę w formie określeń do identyfikacji odpowiednich atrybutów, tym samym generując zmniejszoną przestrzeń dla hipotez i przyspieszając uczenie się. RBL pozwala również na dedukcyjne uogólnienia z pojedynczych przykładów.
- Uczenie indukcyjne oparte na wiedzy (KBIL) znajduje hipotezy indukcyjne, które wyjaśniają zbiory obserwacji za pomocą wiedzy podstawowej.
- Techniki programowania logiki indukcyjnej (ILP) wykonują KBIL na wiedzy wyrażonej w logice pierwszego rzędu. Metody ILP mogą uczyć się wiedzy relacyjnej, której nie można wyrazić w systemach opartych na atrybutach.
- ILP można przeprowadzić z zastosowaniem podejścia odgórnego polegającego na dopracowaniu bardzo ogólnej zasady lub oddolnego podejścia polegającego na odwróceniu procesu dedukcyjnego.
- Metody ILP w naturalny sposób generują nowe predykaty, za pomocą których można wyrażać nowe zwięzłe teorie i obiecujące jako uniwersalne systemy tworzenia teorii naukowych.