爱吧机器人网 » 技术 > 人工智能 > 正文

人工智能的基础--知识分类

事实性知识的一般过程

对于事实性知识,在知识呈现情景阶段通过对呈现的知识考察可发现事实性知识呈现的离散性特点。在学习过程情景阶段,通过对学习时交互方式的考察可以发现认知过程以被动接收为主的特点。

事实性知识的认知过程以记忆为主。

事实性知识的基本规律事实性知识有如下特点:

(1)以陈述性的知识为主。

(2)认知内容没有认知中的高级分析加工或加工量很小,信息不存在认知困难,认知任务主要在于信息的量。

(3)认知过程是离散的。

(4)认知过程以被动的视听接收为主

事实性知识的分类

术语知识包括特殊言语和非言语的符号(如词、数字、标记、图画)。每一个专业都有其特有的标识和符号表示方式,它们是掌握这一学科的基矗掌握一个专业的术语知识,同一个专业的人就可以快速交流,短时间内实现思想的碰撞,更有利于擦出新的火花。掌握术语知识可以方便人们快速记忆一些东西,为将来学习更加深刻的内容打下坚实基矗

具体细节和元素知识指时间、地点、人物、事件等知识。它可能包括非常具体的信息,如在哪一时刻打开哪一个开关或按钮,也可能有大概的信息,如事件出现的时期或大量现象出现的一般顺序。与只能在一定的背景中才可知的事实相比,具体事实可以看作是独立的和分散的元素。

概念性知识概念性知识的研究基础

概念性知识是指一个整体结构中各个要素之间的关系,就是这个关系表达了某一专业的知识是如何形成的,各个要素之间是如何互相影响的,以如何组成一个完整的系统。将概括的知识按照意义的方式加以概括总结,用以体现某些问题、现象的内在联系。概念性知识有如下三个亚类:类别与分类的知识、原理与概括的知识、理论、模式与结构的知识。

概念性知识的一般过程

概念性知识的一般过程是一个以记忆为基础,到理解的过程。

概念性知识的基本规律

概念性知识有如下特点:

(1)以陈述性的抽象知识为主。

(2)需要对认知内容加以理解。

(3)记忆与理解相互作用形成认知。

概念性知识的分类

分类和类目的知识这个亚类包括特殊类目、类别、部分和排列。当题材(或教材)发展时,学习该材料的人发现,开发出一些类别和类目使之能将这些类别和类目用于结构化和系统化的现象,是很有好处的。同术语和具体事实相比,这类知识是比较一般的和抽象的。

分类或类目的知识是发展某一个学术性学科的重要方面。信息适当分类和经验进人适当类目乃是学习和发展的经典指标。而且新近关于概念变化和理解的研究表明,信息的错误分类进人不适当类目可以限制学生的学习。

如同前述,原理和概括是由分类和类目构成的。这个亚类抽象的概括出人们见到的各种现象,并且将这些现象抽象成知识。这些抽象知识对于描述某种现象,解释这种现象出现的原因,预测事件的发展趋势,并根据预测结果采取相应的行动具有重大的价值。

原理和概括知识,就是从大量的事实和事件中,抽象和概括出这些事实的核心,并且分析这些核心的内在联系和之间的相互作用,以及如何构成整个事实或事件的整体。

理论、模型和结构的知识包括原理、概括及其组合成相互联系的知识,这个亚类侧重于将原理和概括以某种方式相联系,从而形成理论、模型或结构。

学科具有不同研究范式和认识论,学生应该知道从概念上加工和组织教材的不同方式和在该教材中的研究领域。

程序性知识程序性知识的研究基础

程序性知识是“如何做事的知识”,如何思考及如何解决问题,在遇到问题时,不仅要想到如何去解决问题,同时也要知道在什么样的场景下,使用什么样的方式去解决什么样的问题。程序性知识有三个亚类:具体学 科技 能和 算法 的知识、具体学 科技 巧和方法的知识、确定何时运用适当程序的知识。

程序性知识的一般过程

程序性知识不仅包括了基本的由记忆到理解的一般认知过程,还包括了理解之后的应用和分析。

程序性知识的基本规律

程序性知识有如下特点:

1、认知内容综合性强,需要经过高级分析加工进行理解。

2、对情景依赖性高,认知任务主要在于正确把握当前情景并做出合理判断。

3、认知过程是一个交互的过程,需要主动参与,是一个不断反复的过程。

4、认知过程是一个连续的整体、实时性要求高。

程序性知识的分类

如上所述,程序性知识可以表达为一系列步骤,在总体上是我们所知的程序有时这些步骤的顺序是不变的;有时需做出决策,决定先做什么,然后在做什么。相似地,有时其结果是固定的(只有单一预定的答案),有时答案不定。

与通常最终导致固定结果的具体技能和 算法 不同,有些程序并不导致预先决定的单一解答或答案。例如我们以某种先后有序的方式遵循一般科学方法去设计某一研究,但实验设计的结果依据大景的因素可能会有很大差异。程序性知识的这一亚类与上个个亚类相比,其结果是较为开放的和不固定的。

具体学科的技术和方法的知识主要是意见一致的结果或学科规范,而不是更为直接来自观察、试验或发现的知识。决定何时运用适当程序的标准的知识是指除了知道与专门课题有关的程序外,也希望人们知道何时运用它们,后者涉及过去运用它们的方式。这些知识几乎是历史的或百科全书式的。

上一页123下一页

上一篇:人工智能成功预测“小李子”拿下奥斯卡小金人
下一篇:谷歌人工智能抽象画 卖一万美元一张
精选推荐
智能机器人困惑的时候知道该问什么问题
智能机器人困惑的时候知道该问什么问题

[2017-03-20]   照片:Nick Dentamaro 布朗大学 上周,我们提到了麻省理工学院的一些研究,即通过链接人的大脑来帮助机器人在他们将要犯错误的时 ...

美国Natilus公司试飞水上无人货机 设计简单成本降低
美国Natilus公司试飞水上无人货机 设计简单成本降低

[2017-12-28]  Natilus创业公司成立于2014年,其梦想是建造大型无人机,以半价提供比船舶快得多国际货运。在十二月份,Natilus计划在旧金山湾测试一个9米翼展的小型原型无人机的水上滑行能力......

这些人型机器人是如此真实,你的肉眼几乎无法区分
这些人型机器人是如此真实,你的肉眼几乎无法区分

[2017-09-03]   我们生活在一个区分现实与幻想变得越来越困难的世界。由于机器人技术的进步,创造人工的人类正在逐渐接近完美的最终目标。我们现在看到的机器人不再只是一块发光二极管,......

南加州大学机器人学家:机器人更适合粗暴的爱
南加州大学机器人学家:机器人更适合粗暴的爱

[2019-11-07]  图片来自JOHN MADERE GETTY IMAGES打是疼骂是爱,当人类粗暴的将物体从机器人手中敲掉,看似残忍,实际上却能帮助机器人找到最好的握持物 ...

如何让人工智能机器人快速自我纠正错误并吃一堑长一智?
如何让人工智能机器人快速自我纠正错误并吃一堑长一智?

[2017-08-23]  莱斯特大学数学系的研究人员在《Neural Networks》杂志上发表了一篇文章,概述了新算法的数学基础,可以使人工智能收集错误报告并立即纠正,而不影响现有技能 ,同时还会积......

美国普渡大学研发快动作软体机器人,灵感来自变色龙舌头捕食
美国普渡大学研发快动作软体机器人,灵感来自变色龙舌头捕食

[2019-10-31]  本文图片均来自:Ramses v Martinez 普渡大学变色龙、蝾螈和许多蟾蜍利用积蓄的弹性能量,向距离1 5倍体长的毫无防备的昆虫伸出粘糊糊的舌 ...

受大脑控制的机器人
受大脑控制的机器人

[2017-03-21]   想让机器人做我们想做的,首先,他得全面地了解我们。通常,这就意味着人类需要要付出更多。比如,教机器人复杂的人类语言或者把一项任务 ...

苹果AI主管透露自动驾驶汽车项目关于机器学习方面的进展
苹果AI主管透露自动驾驶汽车项目关于机器学习方面的进展

[2017-12-11]  苹果隐秘的自动驾驶汽车项目多年来一直在转移焦点,但今年似乎正在加速。 4月份,公司获得了在加利福尼亚州进行自动驾驶汽车测试的许可证,而在6月份,苹果公司首席执行官库......

本周栏目热点

说一说那些进入日常生活的智能机器人

[1970-01-01]    从《星球大战》里的机器人英雄,到前些年大受欢迎的电影《我,机器人》,无数的科幻作品里都少不了机器人元素,人们将之视为 未来感的 ...

奇点大学:人工智能与“奇点理论”

[1970-01-01]    就在前几天和行业内的几个朋友吃饭时,内容在不经意间又转向了那个老生常谈的话题-到底什么是在智能电视上最好的交互方式上,于是乎五 ...

说客小π情感机器人体验【评测】

[2015-12-29]     前言  随着语音识别技术的发展,声控灯、语音输入法、语音交互等各具特色 ...

Facebook人工智能机器人生成照片以假乱真

[1970-01-01]    无论你是否认为面部识别令人毛骨悚然,很明显全球多家科技公司正在继续投资开发更强大的图像智能技术。  无论是微软的猜年龄机器人, ...

麻省理工智能机器人最新技术 机器手指研究获得突破

[2015-12-27]     麻省理工智能机器人最新消息,今年在研究机器手方面跨出了一大步,现在它又 ...