Chương 3 : Nguyên tắc và kiến trúc nhận thức
3.1 Nguyên tắc nhận thức
3.1.3 Biểu diễn tri thức
Có rất nhiều ví dụ về các hình thức biểu diễn tri thức, có mức độ phức tạp khác nhau, từ mơ hình và bản thể luận đến mạng ngữ nghĩa và hệ thống con suy luận tự động. Về cơ bản, biểu diễn tri thức là biểu hiện cho phép các niềm tin, ý định và đánh giá của một thực thể phần mềm được thể hiện một cách phù hợp để lập luận tự động. Điều này cũng bao gồm việc lập mơ hình hành vi thơng minh cho một thực thể phần mềm. Nói một cách khác, biểu diễn tri thức mơ tả cách tri thức được định nghĩa và vận dụng trong trí thơng minh nhân tạo. Quan trọng nhất, biểu diễn tri thức không giả định rằng dữ liệu là tĩnh! Thay vào đó, dữ liệu ln có thể được sửa đổi hoặc tăng cường nếu có bằng chứng đầy đủ để làm như vậy.
Có một số loại kiến thức khác nhau. Kiến thức về thủ tục mô tả cách thực hiện một nhiệm vụ hoặc hoạt động và bao gồm các quy tắc, chiến lược và thủ tục. Kiến thức khai báo bao gồm các khái niệm, sự kiện và đối tượng và được diễn đạt bằng một hoặc nhiều câu khai báo. Điều này tương tự với kiến thức lơgic, nó diễn đạt các khái niệm, sự kiện và đối tượng theo một lơgic hình thức. Kiến thức cấu trúc mô tả thành phần và mối quan hệ giữa các khái niệm và đối tượng. Nhìn chung, tất cả các dạng kiến thức đều có thể được sử dụng để tạo thành một biểu diễn tri thức cho một hệ thống.
Biểu diễn lơgic là một ngơn ngữ hình thức có thể xác định các tiên đề, lý thuyết, giả thuyết và mệnh đề mà khơng có bất kỳ sự mơ hồ nào trong cách biểu diễn của chúng. Nó sử dụng cú pháp và ngữ nghĩa được xác định chính xác hỗ trợ các kiểu suy luận và lập luận khác nhau. Ưu điểm chính của nó là nó tạo điều kiện thuận lợi cho các giả thuyết chứng minh về mặt tốn học và có thể sử dụng tính năng tham khảo để xác định các đối tượng mới khỏi các đối tượng hiện có của nó. Nhược điểm chính của nó là nhiều người dùng khơng thành thạo trong việc sử dụng logic hình thức.
FOCALE cũng đã sử dụng một mạng ngữ nghĩa, là một loại biểu đồ tri thức. Các nút đại diện cho các đối tượng và khái niệm, và các cạnh mơ tả mối quan hệ giữa các đối tượng đó. Các phiên bản sau của FOCALE đã sử dụng các mối quan hệ ngơn ngữ (ví dụ: từ đồng nghĩa, từ trái nghĩa, từ đồng nghĩa, v.v.) ngoài các mối quan hệ IS-A và HAS-A điển hình. Ưu điểm chính của nó là sự thể hiện kiến thức một cách tự nhiên và dễ hiểu. Nhược điểm chính của nó là có thể khó biểu thị các kiểu quan hệ khác nhau.
Bài tập lớn mơn chun đề 3.1.4 Bộ nhớ
Hệ thống nhận thức có nhiều loại bản ghi khác nhau và sử dụng chúng theo cách tương tự như con người. Các loại bản ghi chính được sử dụng trong hệ thống kỹ thuật số có thể được phân loại là bộ nhớ ngắn hạn, bộ nhớ làm việc và bộ nhớ dài hạn.
Bộ nhớ ngắn hạn là khả năng lưu trữ, nhưng không thao tác, một lượng nhỏ thông tin trong một kho lưu trữ sẵn có, đang hoạt động trong một khoảng thời gian ngắn.
Bộ nhớ làm việc là việc lưu giữ và thao tác một lượng nhỏ thơng tin ở dạng dễ tiếp cận. Nó tạo điều kiện thuận lợi cho việc lập kế hoạch, hiểu, lập luận và giải quyết vấn đề. Do đó, thơng tin được lưu trữ trong bộ nhớ ngắn hạn và được xử lý trong bộ nhớ làm việc.
Bộ nhớ dài hạn là một kho lưu trữ, nhưng không thao tác dữ liệu và thông tin trong thời gian cần thiết.
Hệ thống nhận thức thường sử dụng các kho lưu trữ hoạt động. Kho lưu trữ hoạt động là một cơ chế lưu trữ có khả năng xử lý thơng tin trước and/or sau xử lý được lưu trữ hoặc truy xuất để đáp ứng tốt hơn nhu cầu của người yêu cầu.
3.2 Kiến trúc nhận thức
Kiến trúc nhận thức là một hệ thống học hỏi, lập luận và đưa ra quyết định theo cách tương tự như cách thức của bộ óc con người. Nói một cách cụ thể, việc học, lập luận và ra quyết định được thực hiện bằng cách sử dụng phần mềm đưa ra các giả thuyết và chứng minh hoặc bác bỏ chúng bằng cách sử dụng các cơ chế không bắt buộc thường liên quan đến việc xây dựng kiến thức mới một cách năng động trong quá trình ra quyết định.
3.2.1 Tổng quan
Hệ thống nhận thức là hệ thống có thể suy luận về những hành động cần thực hiện, ngay cả khi một tình huống mà nó gặp phải khơng được dự đốn trước. Nó có thể học hỏi kinh nghiệm của mình để tự cải thiện hiệu suất. Nó cũng có thể kiểm tra các khả năng của chính nó và ưu tiên sử dụng các dịch vụ và tài nguyên của nó nếu cần, giải thích những gì nó đã làm và chấp nhận các lệnh bên ngoài để thực hiện các hành động cần thiết. Cơ bản của nhận thức là khả năng hiểu được mức độ liên quan của dữ liệu quan sát. Điều này thường được thực hiện bằng cách phân loại dữ liệu thành các đại diện được xác định trước để hiểu và phù hợp với tình hình hiện tại. Trí nhớ được sử dụng để tăng khả năng hiểu tình huống. Cuối cùng, các hành động được đánh giá bằng mức độ hiệu quả mà chúng thực hiện để hỗ trợ tình hình.
Bảng 2.1 trong chương 2 đã liệt kê các chức năng chính cần được kết hợp để giải quyết các vấn đề về chi phí thuê trong quản lý mạng và dịch vụ. Điều này dẫn đến sơ đồ khối chức năng được đơn giản hóa bên dưới.
Kiến trúc nhận thức được thể hiện trong Hình 3.3 được chia thành ba phần: Nhà môi giới API, Phần xử lý đầu vào, đầu ra và Phần chức năng xử lý nhận thức. Có hai vịng điều khiển khác nhau. Vịng ngồi lấy dữ liệu từ hệ thống được quản lý, phân tích nó và thay đổi hành vi của hệ thống được quản lý khi cần thiết để duy trì các mục tiêu của hệ thống. Vịng lặp bên trong tối ưu hóa trạng thái của hệ thống đang được quản lý và do đó, các dịch vụ được sẽ được cung cấp tại bất kỳ thời điểm nào.
Hình 3.3 Sơ đồ khối chức năng được đơn giản hóa của một kiến trúc nhận thức
3.2.2 Nhà mơi giới API
Việc sử dụng Nhà mơi giới API sẽ có 3 lợi thế sau :
Việc sử dụng Nhà môi giới API cho phép sự phát triển liên tục của kiến trúc nhận thức để tiến hành độc lập với bất kỳ yêu cầu cụ thể nào của việc tương tác với các thực thể bên ngồi.
Việc sử dụng Nhà mơi giới API cung cấp giải pháp có thể mở rộng và dễ mở rộng hơn, vì nó tạo điều kiện thuận lợi cho việc sử dụng các cơng nghệ chung (ví dụ: RESTful) cũng như các trình cắm thêm tùy chỉnh để đáp ứng nhu cầu giao tiếp với các thực thể bên ngoài khác nhau.
Việc sử dụng Nhà môi giới API cho phép sử dụng các giải pháp nâng cao, chẳng hạn như thành phần API, được sử dụng.
Nhà mơi giới API có hai chức năng chính. Đầu tiên là phục vụ như một cổng API (tức là một thực thể có thể dịch giữa các API khác nhau). Thứ hai là cung cấp quản lý
Bài tập lớn môn chuyên đề
API. Quản lý API bao gồm xác thực, ủy quyền, kế toán, kiểm toán và chức năng liên quan.
Các chức năng của API Gateway bao gồm:
Chấp nhận các API đến được truyền qua một điểm tham chiếu bên ngồi thích hợp và định tuyến chúng đến các khối chức năng thích hợp của kiến trúc nhận thức
Chấp nhận các API gửi đi được truyền qua một điểm tham chiếu bên ngồi thích hợp và định tuyến chúng đến thực thể bên ngồi thích hợp
Chuyển đổi các giao thức được sử dụng bởi các thực thể bên ngoài thành các giao thức được sử dụng bởi kiến trúc nhận thức và ngược lại
Quản lý các phiên bản khác nhau của cùng một API
Điểm tham chiếu bên ngoài Eapi-sysin chấp nhận các yêu cầu API từ các thực thể bên ngoài và thực thi chúng.
Điểm tham chiếu bên ngoài Eapi-sysout chấp nhận các yêu cầu API từ kiến trúc nhận thức và gửi chúng.
3.2.3 Xử lý đầu vào và đầu ra
Kiến trúc nhận thức phải được chuẩn bị để chấp nhận nhiều loại dữ liệu đầu vào sử dụng các ngơn ngữ khác nhau. Điều này địi hỏi phải chuyển đổi các dữ liệu đầu vào này thành một dạng chung duy nhất để xử lý đồng nhất và hiệu quả hơn. Nếu không, mỗi khối chức năng của kiến trúc nhận thức sẽ phải hiểu từng loại đầu vào cú pháp và ngữ nghĩa của nó. Tương tự, định dạng duy nhất bên trong của kiến trúc nhận thức sau đó phải được chuyển đổi thành một dạng mà các thực thể bên ngồi có thể sử dụng.
Trong hai q trình này, một tập hợp các tác vụ chung được thực hiện trên tất cả dữ liệu đã nhập trước khi những dữ liệu đó đạt đến chức năng xử lý nhận thức. Tương tự, một tập hợp các nhiệm vụ chung được thực hiện khi các lệnh đầu ra và thông tin được gửi từ Chức năng Xử lý Nhận thức đến bất kỳ thực thể bên ngồi nào. Đây là động lực để có các chức năng xử lý đầu vào và xử lý đầu ra.
Nói chung, xử lý đầu vào có thể bao gồm học tập và tham khảo từ dữ liệu thơ có sẵn của một hoặc nhiều miền; khi những dữ liệu này được phân tích, q trình xử lý sẽ quyết định xem kiến thức nào được chuyển tiếp đến các khối chức năng khác. Trong một số trường hợp nhất định, quá trình xử lý có thể lưu ở dạng thơ của dữ liệu đã nhập để sử dụng thêm. Ví dụ, nhiều kiểu xử lý xu hướng yêu cầu quyền truy cập vào dữ liệu thô. Trong hầu hết các trường hợp, hàm xử lý có thể lưu dạng dữ liệu đã xử lý; điều này vừa nhanh hơn vừa hiệu quả hơn. Việc lựa chọn lưu ở dạng thô hay đã xử lý của dữ liệu đã nhập phụ thuộc vào ngữ cảnh hiện tại and/or các tình huống hiện tại và dự đốn.
Q trình xử lý có thể bao gồm các hàm tổng hợp và tương quan cũng như học máy. Trong trường hợp như vậy, dữ liệu kết quả hoặc dữ liệu khơng chuẩn hóa cũng có thể chứa kiến thức về một miền cụ thể hoặc nhiều miền. Q trình xử lý đầu vào có thể bao gồm những việc sau:
Lọc dữ liệu là việc loại bỏ thông tin không cần thiết hoặc không mong muốn. Điều này được thực hiện để đơn giản hóa và có thể tăng tốc độ phân tích đang được thực hiện và tương tự như loại bỏ nhiễu trong tín hiệu. Việc lọc yêu cầu xác định các quy tắc and/or logic nghiệp vụ để xác định dữ liệu sẽ được đưa vào phân tích. Các ví dụ bao gồm loại bỏ ngoại lệ, chỉnh sửa chuỗi thời gian, tổng hợp (ví dụ: xây dựng một luồng dữ liệu từ các phần của các luồng dữ liệu khác, chẳng hạn như hợp nhất tên, địa chỉ IP và dữ liệu ứng dụng), xác thực và loại bỏ trùng lặp.
Tương quan dữ liệu thể hiện một tập hợp dữ liệu về mối quan hệ của nó với các tập dữ liệu khác. Ví dụ: số lượng bán thêm cho một loại dịch vụ cao hơn có thể tăng do quảng cáo được nhắm mục tiêu, có thể tăng nhiều hơn khi cung cấp các bản dùng thử miễn phí có giới hạn thời gian. Những dữ liệu này thường được thu thập bằng các cơ chế khác nhau và do đó, bị phân tán giữa các điểm thu thập khác nhau. Tương quan dữ liệu có thể sử dụng các quy tắc and/or logic nghiệp vụ để thu thập dữ liệu phân tán và kết hợp nó để cải thiện phân tích. Tương quan dữ liệu là bước đầu tiên để tăng cường hiểu biết về mối quan hệ giữa dữ liệu và các đối tượng cơ bản của chúng.
Làm sạch dữ liệu là một tập hợp các quy trình phát hiện và sau đó sửa hoặc loại bỏ dữ liệu bị lỗi, khơng đầy đủ, khơng chính xác and/or khơng liên quan. Các giải pháp làm sạch dữ liệu cũng có thể nâng cao dữ liệu, bằng cách làm cho dữ liệu trở nên hồn thiện hơn bằng cách thêm thơng tin liên quan hoặc bằng cách thêm siêu dữ liệu. Cuối cùng, việc làm sạch dữ liệu cũng có thể liên quan đến việc tiêu chuẩn hóa dữ liệu. Ví dụ: các chữ viết tắt có thể được thay thế bằng chữ viết tắt của chúng và dữ liệu như số điện thoại có thể được điều chỉnh lại thành định dạng chuẩn.
Ẩn danh dữ liệu là q trình xóa hoặc mã hóa thơng tin có thể được sử dụng để xác định các thực thể được đặt tên từ một tập dữ liệu. Quy trình ẩn danh được định nghĩa là dữ liệu cắt đứt khơng thể đảo ngược có thể được sử dụng để xác định một thực thể được đặt tên từ tập dữ liệu. Mọi xác định lại trong tương lai đều khơng cịn khả thi.
Bút danh dữ liệu là quá trình thay thế thơng tin có thể được sử dụng để xác định một thực thể được đặt tên bằng một hoặc nhiều mã nhận dạng nghệ thuật (tức là mã giả). Lưu ý rằng q trình tạo biệt danh có thể hồn ngun bởi một số thực thể đáng tin cậy, vì dữ liệu nhận dạng khơng bị xóa mà được thay thế bằng dữ liệu khác.
Q trình khơng chuẩn hóa là ngược lại với q trình chuẩn hóa; nó sắp xếp, định dạng dữ liệu và thơng tin được xuất ra để nó có thể được dịch dễ dàng và hiệu quả hơn sang một dạng dễ hiểu hơn bởi tập hợp các thực thể bên ngồi sẽ sử dụng nó. Điều này
Bài tập lớn mơn chun đề
có thể thực hiện được nhờ siêu dữ liệu được gắn với dữ liệu được nhập mô tả cách dữ liệu đang được sử dụng trong kiến trúc nhận thức và bất kỳ thông tin chi tiết hoặc giả thuyết nào mà kiến trúc nhận thức đã xác định rằng dữ liệu được nhập là một phần của nó.
Một khi dữ liệu, thơng tin hoặc lệnh khơng được chuẩn hóa, các kết quả đầu ra có thể bị biến dạng. Các kỹ thuật MDE có thể được sử dụng để tạo điều kiện thuận lợi cho việc chuyển đổi này, vì mơ hình cung cấp ý nghĩa thích hợp của dữ liệu, thơng tin và lệnh cần dịch.
3.2.4 Chức năng xử lý nhận thức
Hình 3.4 cho thấy một sơ đồ khối chức năng của các khối chức năng khác nhau tạo nên phần xử lý nhận thức của kiến trúc nhận thức. Có sáu chức năng mới được yêu cầu.
Hình 3.4 Kiến trúc chức năng cấp cao của mạng nhận thức
Khối chức năng Nhận thức tình huống nhận đầu vào chuẩn hóa và liên hệ đầu vào đó với tình huống hiện tại. Sự hiểu biết dựa trên việc tổng hợp thông tin từ các yếu tố khác nhau được tìm thấy trong tình huống. Đặc biệt, việc hợp nhất được thực hiện đối với cả tình hình hiện tại và các mục tiêu của hệ thống áp dụng cho tình huống đó. Dự báo tình trạng trong tương lai dựa trên kiến thức về các đặc điểm và hành vi của các yếu tố trong tình huống hiện tại. Sau đó, khối chức năng Quản lý nhận thức hướng sự tương tác của khối chức năng Nhận thức tình huống với khối chức năng Học tập và Lập luận để xác định xem đầu vào hiện tại đã ảnh hưởng như thế nào đến bản cập nhật tình hình gần đây nhất. Nó cũng có thể xem xét các bức ảnh chụp nhanh lịch sử về tình hình để tìm hiểu tình hình đã phát triển như thế nào.
Hình 3.5 Khối chức năng nhận thức tình huống