.
المعرفة (Knowledge): قاعدة الانطلاق
المفهوم: هي تمثيل المعلومات والبيانات في شكل يستطيع الحاسوب فهمه ومعالجته (مثل القواعد، الأنطولوجيا، الشبكات الدلالية، أو النماذج الرياضية الضخمة).
العلاقة بحل المشاكل: لا يمكن حل أي مشكلة دون توفر معلومات كافية عنها. في الذكاء الاصطناعي، تمثل "قاعدة المعرفة" (Knowledge Base) مخزون الحقائق والعلاقات الذي يستعين به النظام لفهم طبيعة المشكلة، وتحديد القيود، واستنتاج حقائق جديدة لم تكن واضحة بشكل مباشر.
تُعد المعرفة (Knowledge) الوقود الحقيقي لأي نظام ذكاء اصطناعي متقدم، إذ تُمكّنه من تجاوز مرحلة معالجة البيانات الخام إلى فهم السياق واتخاذ قرارات منطقية.
*أنواع المعرفة** المستخدمة في الذكاء الاصطناعي، تليها **مكونات تمثيل المعرفة** (Knowledge Representation Components) التي تحول الأفكار المجردة إلى بنى حاسوبية قابلة للمعالجة.
أولاً: أنواع المعرفة في الذكاء الاصطناعي (Types of Knowledge)
تُصنف المعرفة عادةً بناءً على طبيعتها وكيفية استخدامها في الأنظمة الذكية إلى عدة أنواع رئيسية:
1. المعرفة التصريحية أو التقريرية (Declarative Knowledge)
* **المفهوم:** هي المعرفة المتعلقة بالحقائق، المفاهيم، والأشياء، وتُجيب عن سؤال **"ماذا" (What)**.
* **الخصائص:** تصف الواقع أو المجال المعين بشكل ثابت ومستقل عن كيفية استخدام هذه المعرفة لاحقاً.
* **مثال:** "الماء يغلي عند درجة حرارة 100 مئوية"، أو "القطة حيوان ثديي".
2. المعرفة الإجرائية (Procedural Knowledge)
* **المفهوم:** هي المعرفة المتعلقة بالمهارات، الخطوات، والعمليات، وتُجيب عن سؤال **"كيف" (How)**.
* **الخصائص:** توضح كيفية تنفيذ مهمة معينة أو الوصول إلى هدف محدد عبر سلسلة من الإجراءات.
* **مثال:** الخوارزمية الخاصة بفرز قائمة من الأرقام، أو خطوات حل معادلة تفاضلية.
3. المعرفة الاستدلالية أو التخمينية (Heuristic / Inferential Knowledge)
* **المفهوم:** هي القواعد التوجيهية، الخبرات، أو "الحس السليم" (Rules of Thumb) التي تساعد في تقليص مساحة البحث عن الحلول بناءً على التجربة والخطأ.
* **الخصائص:** ليست بالضرورة مضمونة النجاح بنسبة 100%، لكنها توفر الوقت والجهد في حل المشاكل المعقدة.
* **مثال:** في الشطرنج: "السيطرة على مركز اللوحة غالباً ما تزيد من فرصة الفوز".
4. المعرفة الهيكلية (Structural Knowledge)
* **المفهوم:** هي المعرفة التي تصف العلاقات الهيكلية بين المفاهيم أو الكائنات داخل المجال المعين.
* **الخصائص:** توضح كيف ترتبط الأشياء ببعضها البعض (مثل علاقة الجزء بالكل، أو علاقة التصنيف العام بالخاص).
* **مثال:** العلاقة الهرمية التي توضح أن "محرك السيارة" هو جزء من "السيارة"، وأن "السيارة" نوع من "المركبات".
ثانياً: مكونات تمثيل المعرفة (Components of Knowledge Representation)
لكي يتمكن الحاسوب من تخزين المعرفة ومعالجتها، يجب تحويلها من صيغ بشرية إلى نماذج رياضية وحاسوبية. وتتكون منظومة تمثيل المعرفة الناجحة من عدة مكونات أساسية:
1. لغة التمثيل (Representation Language)
* هي القواعد النحوية والتركيبية (Syntax and Semantics) التي يُكتب بها تمثيل المعرفة.
* **أمثلة على الأساليب الشائعة:**
* **المنطق الرياضي (Logic):** مثل المنطق القضائي (Propositional Logic) ومنطق المحمولات (First-Order Logic).
* **الشبكات الدلالية (Semantic Networks):** تمثيل المعرفة على شكل عقد (Nodes) تُمثل المفاهيم، وأقواس (Arcs) تُمثل العلاقات بينها.
* **الإطارات (Frames):** هياكل بيانات تشبه الكائنات (Objects)، تحتوي على سمات (Slots) وقيم تصف كياناً معيناً مع قدرته على توريث الخصائص.
* **القواعد الإنتاجية (Production Rules):** قواعد شرطية على صيغة (إذا... إذن / If-Then Rules).
2. محرك الاستدلال (Inference Engine)
* هو المكون البرمجي المسؤول عن تطبيق القواعد المنطقية على المعرفة المخزنة لاستنتاج معلومات جديدة، حل المشاكل، أو اتخاذ قرارات.
* يعمل بمثابة "العقل" الذي يستخلص النتائج دون الحاجة لبرمجة مسبقة لكل احتمال جزئي.
3. قاعدة المعرفة (Knowledge Base - KB)
* هي المستودع الرقمي الذي تُحفظ فيه المعرفة المهيكلة (الحقائق، القواعد، والعلاقات) بشكل منظم يسهل الوصول إليه وتحديثه وتعديله عند الحاجة.
4. واجهة المستخدم أو المفسر (Interface / Interpreter)
* هي الحلقة الوصل التي تسمح للمستخدم أو لأنظمة الذكاء الاصطناعي الأخرى بإدخال استفسارات جديدة، أو إضافة معرفة جديدة، أو فهم طريقة التفكير والاستدلال التي أدت إلى النتيجة (Explanation Facility).
