Chương 3 : Nguyên tắc và kiến trúc nhận thức
3.2 Kiến trúc nhận thức
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
Khối chức năng Quản lý tri thức chuyển đổi dữ liệu và thông tin thành một dạng tri thức nhất quán mà tất cả các khối chức năng khác có thể hiểu được. Quản lý tri thức chứa nhiều kho khác nhau để lưu trữ và xử lý tri thức. Chúng bao gồm các kho lưu trữ mơ hình, bản thể học, dữ liệu và tính tốn, ví dụ, kho lưu trữ sau có thể có dạng bảng đen. Hệ thống bảng đen sử dụng không gian làm việc chung mà một tập hợp các tác nhân độc lập đóng góp vào, chứa dữ liệu đầu vào cùng với các giải pháp từng phần, thay thế và hoàn chỉnh. Cả bảng đen và các tác nhân đóng góp đều nằm dưới sự kiểm sốt của một thực thể quản lý chuyên dụng. Mỗi đại lý chuyên trách về chức năng và hoạt động của mình và thường hồn tồn độc lập với các đại lý khác đang sử dụng bảng đen. Bộ điều khiển giám sát trạng thái của nội dung trên bảng đen và đồng bộ hóa các tác nhân đang làm việc với bảng đen. Quản lý tri thức tạo ra, sửa đổi, duy trì và nâng cao việc lưu trữ, đánh giá, sử dụng, chia sẻ và tái cập nhật các tài sản tri thức bằng cách sử dụng đại diện tri thức nhất trí.
Khối chức năng Quản lý nhận thức đóng vai trị như “bộ não” của Kiến trúc Nhận thức. Nó chịu trách nhiệm triển khai một mơ hình nhận thức (tức là một mơ hình máy tính về cách các q trình nhận thức, chẳng hạn như hiểu, hành động và dự đoán, được thực hiện và các quyết định liên quan) nhằm hướng dẫn hành động của các khối chức năng khác. Nhận thức tập trung vào việc tái phản hồi kiến thức chưa được chuẩn hóa và chuẩn hóa. Mơ hình nhận thức của nó được cập nhật liên tục bởi khối chức năng Học tập và Lập luận. Kiến thức được phát triển bằng cách sử dụng nhiều đồ thị (hoặc một tập hợp nhiều đồ thị), như trong Hình 3.6. Trong cách tiếp cận này, cả mơ hình và bản thể luận đều được biểu diễn dưới dạng đồ thị; Các cạnh ngữ nghĩa (tức là các mối quan hệ có bản chất ngữ nghĩa, chẳng hạn như synon-ymy và meronymy) sau đó được tạo giữa các biểu đồ để xác định cách một tập hợp khái niệm có liên quan như thế nào với tập hợp các khái niệm khác. Kết quả đa đồ thị bao gồm các mối quan hệ ngữ nghĩa
Bài tập lớn môn chuyên đề
tham gia mơ hình ở bên trái với tập hợp các bản thể luận ở bên phải; chúng được biểu diễn bằng mũi tên hai đầu trong Hình 3.7 kết nối chúng cho đơn giản. Biểu diễn ngữ nghĩa này được xây dựng lặp đi lặp lại và được tóm tắt dưới đây.
Q trình trong Hình 3.6 có thể được đảo ngược, nhưng thơng thường, một sự kiện có nhiều ý nghĩa hơn một ý nghĩa có sự kiện.
Hình 3.6 Xử lý kiến thức: đối sánh bản thể học liên kết cho một phần tử mơ hình
Mỗi mơ hình thơng tin (hoặc một tập hợp các mơ hình dữ liệu, nhưng sử dụng mơ hình thơng tin thì tổng quát hơn) cũng như tập các bản thể luận được biểu diễn dưới dạng một đồ thị xoay chiều có hướng. Từ vựng là một tập hợp tất cả các từ, cụm từ và ký hiệu được sử dụng trong một ngôn ngữ được sắp xếp theo cách cho phép mỗi từ, cụm từ hoặc ký hiệu có một tập hợp các nghĩa. Điều này cho phép chọn nghĩa phù hợp nhất của từng từ, cụm từ hoặc ký hiệu với ngữ cảnh chính xác. Từ vựng đóng vai trị như một ánh xạ giữa các đồ thị mơ hình và các đồ thị bản thể học là cần thiết vì bản chất của kiến thức trong mỗi đồ thị là khác nhau đáng kể. Về bản chất, từ vựng đóng vai trị như một cơ chế phân định ngữ nghĩa cho phép ý nghĩa tốt nhất từ tập hợp các khái niệm bản thể học được liên kết với tập hợp các phần tử mơ hình đã cho. Sau đó, nó được sử dụng để tìm kiếm các khái niệm tương đương về mặt ngữ nghĩa trong một tập hợp các bản thể luận.
Hình 3.6 bắt đầu với việc xác định một hoặc nhiều phần tử mơ hình trong mơ hình thơng tin. Sau đó, một hoặc nhiều công cụ khác nhau, bao gồm ngôn ngữ học tổng hợp, tương đương ngữ nghĩa, đối sánh mẫu và cấu trúc, được sử dụng để liên hệ tập hợp các phần tử mơ hình với tập hợp các thuật ngữ trong từ điển. Nói chung, một tập hợp các phần tử mơ hình có thể liên quan đến một thuật ngữ trong từ điển, sau đó liên quan đến nhiều khái niệm bản thể học. Mỗi mối quan hệ thường là ngôn ngữ hoặc logic, nhưng cũng có thể bao gồm các mối quan hệ khác. Hình 3.6 cho thấy rằng việc tìm kiếm đã liên hệ tập hợp các phần tử mơ hình với một khái niệm biệt lập cộng với một hệ thống phân cấp bao gồm bốn khái niệm, với tổng số fve con-cepts, trong bản thể học. Điều này dẫn đến việc xây dựng một đa đồ thị mới, chứa các đồ thị con ban đầu từ mơ hình được kết nối với tập hợp các khái niệm trong bản thể luận bằng cách sử dụng tập hợp các mối quan hệ ngữ nghĩa được phát hiện trong các quá trình trên. Về cơ bản, quá trình phân giải ngữ nghĩa so sánh ý nghĩa (tức là, khơng chỉ định nghĩa
mà cịn cả các mối quan hệ cấu trúc, thuộc tính, v.v.) của mỗi thành phần trong đồ thị con thứ nhất với tất cả các thành phần trong đồ thị con thứ hai, cố gắng liên kết thành phần ngôn ngữ gần nhất hoặc các phần tử phù hợp với ngữ nghĩa của các phần tử trong đồ thị con thứ nhất. Thơng thường, một kết hợp chính xác là khơng thể; do đó, q trình phân giải ngữ nghĩa cung cấp một kết quả theo tỷ lệ, cho phép xếp hạng từng đối sánh theo thứ tự gần đúng nhất với ý nghĩa chung của đồ thị con thứ nhất. Bước tiếp theo được phân tích trong Hình 3.7.
Hình 3.7 Xử lý kiến thức: liên kết các khái niệm bản thể học mới
Trong bước này, mỗi khái niệm bản thể học đã được xác định trong quá trình đối sánh ngữ nghĩa giờ đây sẽ được kiểm tra để xem liệu nó có liên quan đến các khái niệm khác trong bản thể luận này hay bản thể luận khác hay không. Khi mỗi khái niệm mới được tìm thấy, nó được đánh dấu để có thể bổ sung vào các khái niệm hiện có đã được so khớp với Universal Lexicon. Sau đó, khái niệm mới được thêm vào sẽ được kiểm tra xem nó có liên quan đến bất kỳ thuật ngữ nào được xác định trong Universal Lexicon hay không. Nếu đúng, khái niệm mới được thêm vào; điều này được thể hiện trong đa giác đứt nét trong Hình 3.7. Việc bổ sung các mã khóa mới này phục vụ hai mục đích: để cung cấp một nhóm ý nghĩa tốt hơn của nhóm các yếu tố mơ hình và để xác minh rằng mỗi khái niệm mới củng cố hoặc bổ sung hỗ trợ cho khái niệm đã được chọn.
Những liên kết ngữ nghĩa mới này, cùng với các khái niệm mới được phát hiện trong bản thể học, giờ đây có thể được sử dụng để tạo ra các phần tử mơ hình mới. Bước này tương tự như trên, chỉ khác là nó được đảo ngược. Có nghĩa là, mỗi khái niệm bản thể học mới lần đầu tiên được ánh xạ tới một hoặc nhiều thuật ngữ trong Universal Lexicon, và sau đó mỗi thuật ngữ đó được ánh xạ tới các phần tử mơ hình. Như trước đây, thuật tốn cố gắng so khớp các nhóm khái niệm liên quan với nhóm các phần tử mơ hình có liên quan. Điều này có tác dụng gia tăng sự giống nhau về ngữ
Bài tập lớn môn chuyên đề
nghĩa giữa hai khái niệm; khi các nhóm khái niệm lớn hơn được so khớp với các nhóm phần tử mơ hình lớn hơn, mối tương quan chặt chẽ hơn giữa ý nghĩa của khái niệm được nhóm và nhóm dữ kiện được thiết lập. Trên thực tế, đây là sự tự kiểm tra tính đúng đắn của ánh xạ và được sử dụng để loại bỏ các phần tử liên kết và mơ hình phù hợp với nhau, nhưng khơng liên quan đến thực thể được quản lý đang được lập mơ hình.
Khối chức năng Học tập và Lập luận cung cấp các kiểu học tập khác nhau để cho phép sử dụng các thuật toán học tập khác nhau được tùy chỉnh cho các nhiệm vụ cụ thể:
Học tập qua trải nghiệm, là một tập hợp các quá trình cho phép kiến thức được tạo ra thơng qua trải nghiệm.
Học có giám sát, xác định một chức năng ánh xạ đầu vào đến đầu ra dựa trên các cặp ví dụ về đầu vào và đầu ra được gắn nhãn.
Học tích cực là một thuật tốn học có giám sát lặp đi lặp lại trong đó thuật tốn có thể chủ động truy vấn một nhà tiên tri (ví dụ: chú thích của con người) để có được nhãn chính xác.
Học khơng giám sát, xác định một chức năng ánh xạ một đầu vào đến một đầu ra mà khơng có lợi ích của dữ liệu được phân loại hoặc gắn nhãn.
Học tăng cường sử dụng các tác nhân phần mềm để thực hiện các hành động trong mơi trường nhằm tối đa hóa phần thưởng tích lũy.
Tính năng học phân tích dữ liệu đầu vào thơ để tìm hiểu các đặc điểm quan trọng nhất và biểu diễn hành vi của những dữ liệu đó, giúp dễ dàng khám phá thơng tin từ dữ liệu thô khi xây dựng các loại dự báo khác nhau (ví dụ: phân loại).
Học ngữ nghĩa, là khả năng học bằng cách hiểu ý nghĩa của dữ liệu.
Nhiều loại thuật tốn khác nhau để xử lý ngơn ngữ tự nhiên.
Học có giám sát nên được sử dụng khi một hoặc nhiều bộ dữ liệu có gắn nhãn giá trị đầu vào và đầu ra. Các thuật tốn học tập có giám sát là lý tưởng cho các nhiệm vụ phân loại và hồi quy. Các thuật toán phân loại được sử dụng để dự đoán danh mục mà một dữ liệu mới thuộc về dựa trên một hoặc nhiều biến độc lập. Ngược lại, các thuật toán hồi quy dự đoán một giá trị số liên quan cho dữ liệu đầu vào dựa trên dữ liệu đã quan sát trước đó.
Học khơng giám sát nên được sử dụng khi có một lượng lớn dữ liệu khơng có nhãn, và nhiệm vụ là xác định cấu trúc của dữ liệu. Phân cụm là một thủ tục thống kê đa biến thu thập dữ liệu có chứa thơng tin về một mẫu đối tượng và sau đó sắp xếp các đối tượng thành các nhóm, trong đó các đối tượng trong cùng một nhóm giống nhau hơn so với các đối tượng trong các nhóm khác. Phân cụm xác định các điểm chung
trong các đối tượng trong mỗi nhóm, cũng có thể được sử dụng để phát hiện dữ liệu bất thường khơng thuộc bất kỳ nhóm nào.
Học tích cực là một thuật tốn học có giám sát lặp đi lặp lại trong đó thuật tốn có thể chủ động truy vấn một tiên để có được nhãn chính xác. Cách tiếp cận này cho phép thuật toán học tập tương tác chọn dữ liệu mà nó sẽ học được từ đó. Học tập tích cực chọn lặp đi lặp lại các ví dụ thơng tin nhất để lấy nhãn của chúng và đào tạo một người phân loại từ bộ đào tạo cập nhật, được bổ sung với các ví dụ mới được chọn. Khơng giống như học tập có giám sát thơng thường, nó cho phép một mơ hình học tập phát triển và thích ứng với dữ liệu mới. Học tập tích cực liên quan đến việc học các phân loại chính xác bằng cách chọn các ví dụ sẽ được gắn nhãn, giảm nỗ lực gắn nhãn và chi phí đào tạo một mơ hình chính xác. Học tích cực thích hợp cho các ứng dụng học máy nơi
dữ liệu được gắn nhãn rất tốn kém để lấy nhưng dữ liệu không được gắn nhãn lại dồi dào. Học tích cực đặc biệt quan trọng khi các đối tượng có thể có nhiều nhãn thuộc nhiều danh mục khác nhau (ví dụ: thiết bị mạng có nhiều vai trị hoặc một hình ảnh có thể được gắn nhãn là chứa cả núi, bãi biển và đại dương). Thách thức chính là xác định bộ nhãn nào phù hợp với bối cảnh hoặc tình huống nhất định.
Học tăng cường nên được sử dụng khi khơng có dữ liệu hoặc tập dữ liệu khơng đủ và nhiệm vụ là tìm hiểu hành động cần thực hiện trong một tình huống cụ thể khi tương tác với một thực thể mới. Loại học tập này cũng nên được sử dụng khi cách duy nhất để thu thập thông tin về thực thể là tương tác với nó. Cụ thể hơn, học tăng cường tương tác với thực thể, đầu tiên, thương lượng các mối quan hệ capabili của nó và sau đó khám phá cách trao đổi dữ liệu và lệnh thông qua học cách phản ứng với thực thể.
Học ngữ nghĩa sử dụng logic chính thức and/or bản thể học để học dựa trên ý nghĩa của dữ liệu được nhập vào so với tình hình hiện tại. Ví dụ: học ngữ nghĩa có thể được sử dụng để xác định rằng xu hướng tổng thể của dữ liệu hiệu suất đang giảm, điều này có thể chỉ ra rằng vi phạm SLA có thể xảy ra trong tương lai.
Một kiến trúc nhận thức sẽ bao gồm một hoặc nhiều thuật tốn để xử lý ngơn ngữ natural. Một số dữ liệu theo ngữ cảnh và tình huống có thể được nhập dưới dạng language tự nhiên, tùy thuộc vào nguồn đầu vào. Các quy tắc kinh doanh, quy định chính sách và mục tiêu hệ thống cũng có thể được diễn đạt bằng ngôn ngữ tự nhiên. Nhúng văn bản là biểu diễn vectơ có giá trị thực của chuỗi, trong đó vectơ dày đặc được xây dựng cho mỗi từ, được chọn sao cho nó tương tự với vectơ của các từ xuất hiện trong các ngữ cảnh tương tự. Điều này cho phép học sâu có hiệu quả trên các tập dữ liệu nhỏ hơn, vì chúng thường là yếu tố đầu vào đầu tiên cho kiến trúc học sâu và là cách học chuyển tiếp phổ biến nhất trong NLP. Mạng bộ nhớ ngắn hạn dài (LSTM) giới thiệu các cổng và một ô nhớ được định nghĩa rõ ràng. Mỗi nơ-ron có một ơ nhớ và ba cổng: đầu vào, đầu ra và quên. Chức năng của các cổng này là bảo vệ thông tin
Bài tập lớn môn chuyên đề
bằng cách ngăn chặn hoặc cho phép truy cập thông tin. Cổng đầu vào xác định lượng thông tin từ lớp trước được lưu trữ trong ô, trong khi lớp đầu ra xác định mức độ mà