Знания и их свойства

научных дисциплинах и на практике, строгого определения данного термина нет.
Довольно часто используют так называемый прагматический под- ход: говорят, что знания — это формализованная информация, на которую ссылаются и/или которую используют в процессе логического вывода. Однако такое определение ограничено: оно фиксирует сознание на уже существующих методах представления знаний и, соответственно, механизмах вывода, не давая возможности пред- ставить себе другие. Возможен и другой подход: попытаться на основе определения уже рассмотренного понятия «данные» (см. п. 2.1) выявить их свой- ства и особенности, сформировать дополнительные требования к ним и уже затем перейти к понятию «знания».

передачи средствами автоматизации профессиональной деятельности.
Знания- это формализованная информация, на которую ссылаются и/или которую используют в процессе логического вывода.
Интенсиональные знания — характеризующие или относящиеся к некоторому классу объектов.
Экстенсиональные знания — относящиеся к конкретному объекту из какого-либо класса (факты, сведения, утверждения и т.д.)
Физические знания — знания о реальном мире.
Ментальные знания — знания об отношениях объектов.
Мир задачи — совокупность знаний, используемых в задаче.
Мир пользователя — совокупность знаний пользователя.
Мир программы — совокупность знаний, используемых в программе.
Морфологические и синтаксические знания — знания правил по- строения структуры описываемого явления или объекта (например, правила написания букв, слов, предложений и др.)

только собственно (сами) данные, но и «данные о данных», что позволяет содержательно их интерпретировать.
Наличие внутренней структуры связей. Предполагается, что в качестве информационных единиц используются не отдельные данные, а их упорядоченные определенными отношениями (родовидовыми, причинно-следственными и др.) структуры (эти отношения называют классифицирующими).
Наличие внешней структуры связей. Внутренняя структура связей позволяет описывать отдельный объект ( понятие). Однако объекты (понятия) способны находится и в других отношениях(вступать в ситуативную связь).
Возможность шкалирования. Предполагает введение соотношений между различными информационными единицами (т.е. их измерение в какой-либо шкале- порядковый, классификационной, метрической, и т.п.) и упорядочение информационных единиц путем измерения интенсивности отношений и свойств.
Наличие активности. Данное свойство принципиально отличает понятие «знание» от понятия «данные». Обнаружение противоречий в знаниях становится побудительной причиной их преодоления и появления новых знаний, стимулом активности является неполнота знаний, выражается в необходимости их пополнения.
Наличие семантической метрики. Шкалирование позволяет соотнести информационные единицы, но прежде всего для понятий, имеющих «количественное» толкование (характеристики).

способу существования различают:
факты- хорошо известные обстоятельства.
эвристики-знания из опыта экспертов.
По способу использования в экспертных системах:
фактические знания- факты.
метазнания-знания о знаниях. Указывают системе способы использования знаний и определяют их свойства.
По формам представления:
декларативные-факты в виде наборов структурированных данных.
процедуральные-алгоритмы в виде процедур обработки фактов.
По способу приобретения:
научные-полученные в ходе систематического обучения и/или изучения.
житейские, бытовые-полученные в «ходе жизни».
Семантические знания — знания о смысле и значении описываемых явлений и объектов.
Прагматические знания — знания о практическом смысле описываемых объектов и явлений в конкретной ситуации (например, редкая монета для нумизмата и филателиста имеет различную прагматическую ценность).
Предметные знания — знания о предметной области, объектах из этой области, их отношениях, действиях над ними и др.

реального мира с помощью компьютера, необходимо осуществить их моделирование. При проектировании модели представления знаний следует учесть два требования: однородность представления; простота понимания. Выполнение этих требований позволяет упростить механизм логического вывода и процессы приобретения знаний и управления ими, однако, как правило, создателям интеллектуальной системы приходится идти на некоторый компромисс в стремлении обеспечить одинаковое понимание знаний и экспертами, и инженерами знаний, и пользователями.

в ЭВМ

один из первых методов моделирования знаний. Как правило, используется для представления фактических знаний в простейших системах.
Продукционная модель (модель правил; модель продукций — от англ. production — изготовление, выработка). Наиболее проработанная и распространенная модель представления знаний, в частности в экспертных системах. Модель предусматривает разработку системы продукционных правил (правил продукций), имеющих типовой вид: ЕСЛИ А1 И А2 И . . . Аn, ТО В1 ИЛИ В2 ИЛИ . . .ИЛИ Вm,
Фреймовая модель. Сравнительно новая модель представления знаний. Само понятие «фрейм» (от англ. frame  — рама, рамка, ске- лет, сгусток, сруб и т.д.) было введено в 1975 г. Марвином Минским (США). Фрейм — это минимальная структура информации, необходимая для представления знаний о стереотипных классах объектов, явле- ний, ситуаций, процессов и др. С помощью фреймов можно моде- лировать знания о самых разнообразных объектах интересующей исследователя предметной области — важно лишь, чтобы эти объек- ты составляли класс концептуальных (повторяющихся, стереотип- ных) объектов, процессов и т.п.
Модель семантической сети (модель М. Куилиана). Семанти- ческая сеть — это направленный граф с поименованными верши- нами и дугами, причем узлы обозначают конкретные объекты, а дуги — отношения между ними [8]. Как следует из определения, данная модель представления знаний является более общей по от- ношению к фреймовой модели (иными словами, фреймовая мо- дель — частный случай семантической сети). Семантическую сеть можно построить для любой предметной области и для самых раз- нообразных объектов и отношений.