基于认知的知识处理系统及方法技术方案

一种用于知识表示和应用开发的系统，包括：处理器、耦接至处理器的存储器单元以及存储在存储器单元中的多个信息单元。信息单元包括：算子，该算子限定在被冲击或激活时信息单元执行的多个动作中的一个动作；以及至少一条路径，该至少一条路径描述信息单元与分开的信息单元之间存在的关系。系统还包括动态引擎模块，该动态引擎模块能够由处理器执行用于冲击或激活信息单元的算子并且使得另外的冲击或激活经由路径流动至与受冲击的信息单元连接的分开的信息单元。信息单元和路径实现知识表示图式、信息单元模型，由此，信息单元模型的实例化或实例是指模型元素的特定集合和组装以与域、观察集、实际知识和数据中的至少一个对应。

【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
本专利技术的领域一般涉及知识的自动化处理，并且更具体地涉及在访问、可视化、发现和处理方面提供某些优点的抽象信息模型的应用。自人类想到和制造最早的设备以来，信息处理的自动化一直是专利技术和机器设计的目标。寻求先进的处理方案仍然是受到极大关注的领域，并具有巨大潜力推动科学理解以及用来创造财富和造福人类。随着计算机器的到来，可用技术如计算能力、处理的随时可用性、磁盘存储和数据网络的前进创建了有趣的环境集。这些新的技术使以前可能仅是概念或思考实验的许多信息处理模型的实现成为可能。然而，这样的技术还使得能够创建和存储大量的存储数据和信息，这又产生了对用于处理大量存储数据的先进和自动化技术的需求。信息和认知的建模对于许多科学是有用的，包括计算机理解、认知科学、神经生物学、宏观意识组织、教育、判定支持系统以及基础物理学。根据专业模型的信息处理的建模和自动化被提出作为理解意识和赋予计算机更高阶认知功能和理解的关键，或许使得计算机能够做出发现并获得与人类极限匹配或超过人类极限的能力。术语人工智能(AI)广泛涵盖了旨在使机器表现出类似人类的认知能力(包括思考、理解、推理、学习、解决问题、抽象、观察和解释)的研究和实现。使机器以类似人类的方式行事或显示智能行为的任何尝试通常被描述为人工智能。许多传统的人工智能方法将AI实现分为两个方面：知识库和知识引擎。知识库以机器可用的格式捕获与特定领域有关的知识。知识引擎应用知识库。在其他方面，知识库类似于逻辑或规则，而知识引擎是应用逻辑的功能指令、算法和处理指令。然而，许多AI实现模糊了逻辑与应用之间的区别。例如，逻辑可以包括处理指令。设计和构建知识库是知识工程的主要活动。术语“知识工程”由爱德华·费根鲍姆在1983年最早使用。费根鲍姆将知识工程限定为以下工程学科，其涉及将知识集成到计算机系统中，以解决通常需要高水平的专业知识人员解决的复杂问题。通常，领域专家提供知识库的知识，并且可以自动地或通过人为操作将专家知识转换成知识库。特别的挑战在于以无论在AI应用中还是对于维护者和创建者而言都能容易访问的格式对知识进行编码。设计知识库的一种常规方法是以一连串规则捕获知识，每个规则包括前件(antecedent)部分和后件(consequent)部分。前件是一系列条件，其在满足时触发在后件部分中指定的动作。然后针对输入数据集对规则进行处理，以产生一个或更多个最终结论。虽然基于规则的专家系统在有限领域中已成功实现，但以一系列规则捕获领域知识仍是挑战。大部分常规系统需要领域专家与知识工程师一起工作以捕获规则。基于规则的系统面临的另一挑战是以有利的方式应用规则，这限制了基于规则的系统在时间严格系统中的使用。通常争论在于是在人类专家是否使用规则得出结论以及对应地得到自动应用规则的值。构建领域知识模型的常规方法是训练，其中，自动观察器(observer)对一系列事件和条件进行检查，从而基于观察来构造领域知识模型。在有监督学习(也称为强化训练)中，老师或其他专业知识源通过提供正确结果指导训练。在无监督学习中，自动学习系统在无指导的情况下寻找数据集中的模式或特征。一些常规系统试图根据观察的数据自动构建规则。人工智能的另一种方法采用人工神经网络。生物神经元的网络包括人类和其他生物的大脑的大部分特征。人工神经网络使用模拟原理，利用计算机算法或硬件来实现互连的人工节点或神经元。每个节点可以从它的输入网络接收刺激，并且当被充分刺激时，节点“激发(fire)”并且将刺激传递给与它的输出连接的节点。连接和激发阈值确定网络的功能。神经网络可以概括为连接机制领域。虽然神经网络的早期工作集中在模拟生物系统的结构和功能，很多现代工作基于信号处理和统计。神经网络的问题在于要求在知识领域对其进行训练。训练可能是耗时的并且获得的知识特定于训练数据。因此，人工神经网络不能够概括或获得对训练领域外的数据进行处理的能力。神经网络已在有限的领域如控制系统中获得成功。分类器是用于将数据集划分成类、识别数据的模式以及一般自动识别数据集中的关系的自动化系统。这样的关系可包括：关联(correlation)、分级(ranking)、聚类(cluster)和特征(feature)。许多分类器是使用核方法或支持向量机来实现的。核方法已在如笔迹分析和自动字符识别的领域获得一些成功。验证与确认是基于计算机的智能系统的另一挑战。许多任务关键系统要求在系统可以被部署之前进行大量的测试，以验证系统满足规格说明并且还确认系统如预期的那样运行。在以不易于人类理解的格式捕获知识并且系统行为是复杂的或非线性(这是自动认知实现方式下的通常情况)的情况下，这种测试是困难的。其他相关领域是认知建模、信息理论以及柯尔莫哥洛夫复杂性。本专利技术涉及一种计算机实现模型，其描述了在智能思考和信息处理期间存在的元素、结构和处理。该模型及其计算机实现旨在在其简单性(包括仅一些元素)和一般性(准确地表示在此领域遇到的种类繁多的体验的能力)方面是基本的。该方法具有对人类努力的多个领域(包括科学学科和信息处理技术)的形式描述和应用。附图说明通过参考以下结合附图对本专利技术的实施方式作出的描述，本专利技术的上述和其它的特征和目的以及实现它们的方式将变得更加明显，并且本专利技术本身将会被更好地理解，在附图中，图1是实现本专利技术的实施方式的计算机系统的示意表示；图2A至图2C是分别描绘根据本专利技术的实施方式的类、元素和路径的布置和关系成分的树形图；图3A至图3G示出了应用于封闭系统中的点对象的运动学领域的本专利技术的实施方式；图4A至图4F示出了应用于商业运营领域的本专利技术的实施方式；图5A至图5E示出了应用于单值像素阵列中的对象标识领域的本专利技术的实施方式；图6是描述根据本专利技术的实施方式的在单个单元内的冲击(shock)的处理的流程图；图7示出了描述用于转换为单元模型表示的处理步骤的实施方式的流程图；图8示出了描述本专利技术的问题解决方法的步骤的实施方式的流程图；图9示出了描述与发现(discovery)有关的本专利技术的实施方式的流程图；图10示出了描述根据本专利技术的一个实施方式的映射处理的流程图；图11示出了描述根据本专利技术的另一实施方式的支付列表创建处理的流程图；图12A是可以利用本专利技术的实施方式的网络系统的示意图；以及图12B是可以结合本专利技术的实施方式利用的计算系统(根据需要为服务器或客户机或二者)的框图，该计算系统具有可选的输入设备(例如，键盘、鼠标、触摸屏等)和输出设备、硬件、网络连接、一个或更多个处理器以及用于数据和模块的存储器/存储装置等。在若干视图中，相应的参考标记指示相应的部件。虽然附图表示本专利技术的实施方式，但是附图不一定是按比例的，并且为了更好地示出和说明本专利技术，某些特征可以被放大。本文所阐述的范例以一种形式示出了本专利技术的实施方式，并且这样的范例不应被解释为以任何方式限制本专利技术的范围。具体实施方式在随后的描述和附图中，有时会示出少数部件和连接以方便说明和图示。本文所使用的部件的数量仅是示例。应当理解，这些示例不描述本专利技术的最终能力，包括可能实现的部件的数量、实例或互连的数目。下面所公开的实施例并不意在是穷尽的或将本专利技术限制于在以下详细描述中公开的确切形式。相反，对实施例进行选择和描述以便本领域其本文档来自技高网...

【技术保护点】
一种用于知识表示和应用开发的系统，包括：处理器；存储器单元，所述存储器单元耦接至所述处理器；多个信息单元，所述多个信息单元存储在所述存储器单元中，所述信息单元包括：信息单元元素或信息单元元素集，所述信息单元元素或信息单元元素集直接地或间接地引用至少一个分开的信息单元；算子，所述算子限定在被冲击或激活时所述信息单元执行的多个动作中的一个动作；及至少一条路径，所述至少一条路径描述所述信息单元与分开的信息单元之间存在的关系；以及动态引擎模块，所述动态引擎模块能够由所述处理器执行用于冲击或激活信息单元的算子并且使得另外的冲击或激活经由路径流动至与受冲击的信息单元连接的分开的信息单元，并且其中，所述信息单元和所述路径实现知识表示图式、信息单元模型，由此，所述信息单元模型的实例化或实例是指模型元素的特定集合和组装以与域、观察集、实际知识和数据中的至少一个对应。

【技术特征摘要】
【国外来华专利技术】1.一种用于知识表示和应用开发的系统，包括：处理器；存储器单元，所述存储器单元耦接至所述处理器；多个信息单元，所述多个信息单元存储在所述存储器单元中，所述信息单元包括：信息单元元素或信息单元元素集，所述信息单元元素或信息单元元素集直接地或间接地引用至少一个分开的信息单元；算子，所述算子限定在被冲击或激活时所述信息单元执行的多个动作中的一个动作；及至少一条路径，所述至少一条路径描述所述信息单元与分开的信息单元之间存在的关系；以及动态引擎模块，所述动态引擎模块能够由所述处理器执行用于冲击或激活信息单元的算子并且使得另外的冲击或激活经由路径流动至与受冲击的信息单元连接的分开的信息单元，并且其中，所述信息单元和所述路径实现知识表示图式、信息单元模型，由此，所述信息单元模型的实例化或实例是指模型元素的特定集合和组装以与域、观察集、实际知识和数据中的至少一个对应。2.一种用于知识表示和应用开发的系统，包括：处理器；存储器单元，所述存储器单元耦接至所述处理器；多个信息单元，所述多个信息单元存储在所述存储器单元中，所述信息单元包括：算子，所述算子限定在被冲击或激活时所述信息单元执行的多个动作中的一个动作；以及至少一条路径，所述至少一条路径描述所述信息单元与分开的信息单元之间存在的关系；以及动态引擎模块，所述动态引擎模块能够由所述处理器执行用于冲击或激活信息单元的算子并且使得另外的冲击或激活经由路径流动至与受冲击的信息单元连接的分开的信息单元，并且其中，所述信息单元和所述路径实现知识表示图式、信息单元模型，由此，所述信息单元模型的实例化或实例是指模型元素的特定集合和组装以与域、观察集、实际知识和数据中的至少一个对应。3.根据权利要求2所述的系统，其中，所述信息单元中的至少一个信息单元包括直接地或间接地引用至少一个分开的信息单元的信息单元元素或信息单元元素集。4.根据权利要求1至3中任一项所述的系统，其中，在某一抽象级具有类似特性的对象或对象集由数量不受限制的信息单元集来表示以形成类，并且其中，类的特性由多个属性来表示。5.根据权利要求4所述的系统，其中，类的每个属性表示以下中的一个：文本串、列表和类。6.根据权利要求4所述的系统，其中，原始类被复制以形成具有至所述原始类的路径的类实例。7.根据权利要求1至3中任一项所述的系统，其中，所述信息单元元素引用表示列表的信息单元集。8.根据权利要求1至3中任一...

【专利技术属性】
技术研发人员：托马斯·D·法伊根包姆，
申请(专利权)人：托马斯·D·法伊根包姆，
类型：发明
国别省市：美国;US