семантический ИИ

семантический ИИ

Семантический ИИ резко отличается от популярного Machine Learning приблизительно так же, как аналитические методы математики отличаются от численных. ML технологии построены исключительно на численных методах анализа входных данных, семантический ИИ работает в области KRR: Knowledge Representation & Reasoning (представление знаний и автоматические рассуждения). Задачей семантического ИИ является создание методов и инструментов для представления знаний в виде сложных связанных структур данных, и их обработки в символьной форме.

Широко распространенная области семантического ИИ, которая активно и массово используется несколько десятилетий -- системы символьных вычислений типа MathCAD, Wolfram Mathematica, Maxima, и т.д. Но сИИ не ограничивается этим, так как его область применения намного шире: представление и оперирование знаниями вообще, не только в любой науке, но и при разработке программного и аппаратного обеспечения.

Очень длительное время в качестве платформы для реализации систем семантического ИИ, интеллектуальных и экспертных систем рассматривались языки Prolog и CLIPS. К сожалению их вычислительная модель настолько непривычна, и требует настоящего взлома сознания программиста, что эти языки давно стали эзотерическими и практически не используются.

Два других подхода

• фреймы Марвина Мински
• YieldProlog наоборот очень близки к человеческому мышлению, склонному строить умозаключения в форме схем и графов объектов и отношений между ними. Фреймовая модель на 146% ложится на объектно-ориентированное программирование, ставшее единственно-правильной религией, и на все современные императивные языки программирования. YP наоборот предлагает способ добавить к языкам типа Python относительно простой способ реализации механизмов языка Prolog -- унификацию и backtracking.