专利名称：电子头脑、其资料结构及知识处理方法
技术领域：
本发明是有关一种知识的处理系统及方法，以及该系统及方法中的数据结构。
背景技术：
由于计算机具有卓越的储存及数据处理的能力，能够加快许多原本人为处理的事情，因此不断地被使用在各种应用上。尽管过去专家(Expert)系统及人工智能已经发展了很长时间，但是对于问题解决及知识操作以及自动化(Automation)仍然未能达到令人满意的结果。特别地，在教育领域方面，利用计算机来提高教育的效率和增加教育的功能一直是许多人努力的目标，例如计算机辅助教学(CAI)、交互式(Interactive)及远程教学等系统已经可以达到相当的效果。然而令人遗憾的是，在这些已经发展的技术当中，知识一向只是被动地被检索或查询，换言之，在这些系统中，知识是单纯地作为数据库(Database)或扮演辅助的角色，知识的运用主要仍然依赖人的操作，因此，知识未被高度地利用。在这种观念下，对于既有技术所作的改良无非是进一步利用计算机资源来提高系统的效率，因此，大部分都是在关注数据库或知识的管理及使用，而不是对知识的直接处理或操作，例如台湾专利申请案号第86119498号、第88120145号、第88122829号、第88122837号、第89119245号、第89122082号及第89123164号。
知识的价值在于知识的充分利用。除了作为信息的提供，知识如果能够进一步地被直接操作，那么利用计算机系统在问题解决以及许多应用上，将可获得长足的进步。因此，本发明是一种知识的操作系统及方法。
发明内容
本发明的主要目的是在于提供一种知识操作系统，称为电子头脑。
本发明的技术方案为一种电子头脑，它包括层次式架构的知识地图，该层次式架构的每一节点为一知识符号，每一知识符号具有一个知识属性表，以记载一或多个属性，每一个属性包含一个属性名称及属性值；知识指令，包含知识操作元以及一或多个参数，该知识操作元由该属性名称决定，该一或多个参数由该属性值决定；以及对应该属性名称的知识解译器，以解读该属性值。
本发明还提供了一种数据结构，它包括知识地图，是由许多知识符号以层次式架构所构成，该层次式架构的每一节点为该许多知识符号的其中之一；每一个该知识符号具有知识属性表，以记载一或多个属性，每一个该属性表示该知识符号的一组所表示的叙述；以及该层次式架构的每一节点有唯一的知识符号寻址表示法。
本发明还提供了一种知识处理方法，它包括形成层次式架构的知识地图，该层次式架构的每一节点为一知识符号，每一个该知识符号具有知识属性表，以记载一或多个属性，每一个该属性包含属性名称及属性值；译码知识指令，包含知识操作元及参数，该知识操作元由该属性名称决定，该参数由该属性值决定；以及在语境条件下操作该属性值。
本发明还提供了一种知识指令，它包括知识操作元；以及一或多个参数，跟随在该知识操作元后，供该知识操作元操作。
本发明还提供了一种知识处理器，它包括输入，以接收一个知识指令；一或多个知识解译器，连接该输入，每一个该知识解译器为知识类型的知识符号翻译其属性值；以及输出，连接该一或多个知识解译器以输出知识操作结果。
根据本发明，一种电子头脑的数据结构是层次式架构的知识地图，该层次式架构的每一节点(Node)为知识符号，其与上层的知识符号具有聚合关系，且具有唯一的知识符号寻址表示法。知识符号包含字符串、数值、图形、图像、视频、动画、或在计算机或网络上足以表示其它物体或概念任何特征的符号或其组合。每一知识符号具有知识属性表，以记载一或多个属性，每一个该属性包含属性名称及属性值。知识符号为载器符号或概念符号，载器符号承载一或多个知识符号，而概念符号为表示符号。该电子头脑包括一或多个知识解译器以解读知识指令，知识指令包含知识操作元以及一或多个参数，该电子头脑在载器符号决定的语境条件下操作该属性值，称为知识处理。并且，依此程序，新的知识符号可从一或多个已有的知识符号经知识处理而产生。
图1为层次式架构的知识地图；图2为知识符号的知识属性表；图3为学习模型框图；图4为电子头脑的系统方块图；图5为物理学的知识地图；以及图6为一个知识操作单元58的内部组成图。
图号10知识地图 12-44知识符号46知识属性表48感知存储器50短期存储器52工作存储器54长期存储器56输入接口58知识操作单元 60输出接口62物理 64力学66光学 68电学70牛顿第一运动定律 72牛顿第二运动定律74牛顿第三运动定律 76折射78知识解译器
具体实施例方式
本发明的目的是在于提出一种具有知识操作能力的系统及方法，其超越已知知识库的范畴，而能够从知识系统中搜寻知识、运用取得的知识、以及产生新的知识，从而建构一个具有解决问题能力的系统，可以应用在例如教育的用途上。
在电子头脑或知识操作系统中使用的数据结构为知识地图。图1是根据本发明的一个知识地图10，是具有层次式架构的数据结构，也就是在该知识结构中的节点之间存在先行者-继承者关系(predecessor-successorrelationship)。在此知识地图10中，层次式架构的每一个节点为一个知识符号，例如图中所示的知识符号12-42，知识符号包含文字符串、数值、图形、图像、视频、动画、或在计算机或网络上足以表示其它物体或概念任何特征的符号或其组合。这些知识符号分为载器符号及概念符号。载器符号本身不直接代表概念，而被用来承载知识符号。载器符号可以当作导航单元，被用来在知识地图10上当作知识符号的指引单位，如同一般书籍上的章节、教材中的课、地图上的国家及省市、以及历史图表中的朝代君主或文化流派等。例如，在知识地图10上，根部的载器符号12为章，其下包含概念符号14及16以及载器符号18及20，后二者则为12章中的节，同样地，节18下包含概念符号22及24以及载器符号26，后者即为18节中的目。依此类推，各个知识符号12-42即构成一个知识(层次)地图10。如前所述，载器符号被用来承载知识符号，如有必要，可以在载器符号中另外定义一个概念符号。而概念符号即为一般符号学所说的「表示符号」或「表达(signifier)」，例如一般索引中所定义的字词、文数字、图标、音符、舞姿、色彩、服饰等等。
为方便在计算机系统或数据库系统中实现知识地图10，层次中的每一个节点，亦即每一个知识符号，拥有唯一的知识符号寻址表示法，以明确地指明任何一个特定的知识符号。在一个实施例中，知识符号寻址表示法具有树状(Tree)或层次式结构，且知识地图的名称即为根符号的名称，例如光学地图、数学地图等。一个知识地图也同时允许拥有多个根符号，以表示最上层或深层(抽象)的基础符号。而在知识地图内的符号，则以层次的形式来表达，例如子符号/父符号/祖父符号/…。举例而言，在知识地图内的全名称为「AAAX/AAA/AA/A」，而在该地图外的指称方式为「AAAX/AAA/AA/A/KMAP#物理社群.教学.X中学」，它表示应用在户联网络上的一个社群。此外，在不产生混淆的情况下，该名称后面的父(载器)符号与社群名称等可以适当地省略，例如在同一社群中可以省略#及其后的社群名称。换而言之，在此处的寻址表示法中，部份的载器符号在特定的情况下可以省略，而具有默认或共识的效果。在寻址表示法中使用的符号可以引用计算机领域中实用的目录方式，例如「.」表示本符号，「..」表示其父符号。
在知识地图中，除了根符号以外，每一个知识符号与其上层的知识符号之间具有某种聚合关系，例如包含、继承、数量、位置等。
除了上述包含与继承的聚合关系以外，其余的聚合特性在知识属性表中说明。每一个知识符号拥有一个知识属性表，以说明此知识符号各项所表示的叙述。图2是一个知识属性表的示例，在生命现象的知识符号44中，知识属性表46包含属性名称、知识类型、语境条件及属性值等。典型地，知识符号的每一属性包含一个属性名称与属性值，以表示该符号的一组所表示的叙述。例如在图2的知识属性表46中，知识符号44的3项属性有其各自的属性值。特别地，同一属性名称可以有不同的属性值。
除了聚合关系以外，每一属性值所表示的叙述可以表示数项知识符号间的组合关系。不同的属性名称的组合关系具有某种特定形式以表示各种知识类型，例如字句组合、公式(表达式、化学式等)、图表(地图、历史图表、解剖图表、艺术形式、语言句型等)。知识类型决定该知识符号如何被使用或操作。
应用在网络社群时，在同一个社群中所参考到的知识符号可以使用相对地址，例如「属性2/相邻知识符号/..」，或绝对地址，例如「属性3/载器2符号/载器1符号」来表示。而在不同社群时，必须加上社群名称。
每一种属性(同一属性名称)表示一种知识类型，并在知识属性表中说明其知识类型、关系类型(聚合、组合、其它关系)、语境条件、及对应的知识处理单元。
电子头脑的操作功能为应用知识地图上的载器符号与概念符号的知识处理。典型的知识处理包括以下几方面(1)知识含量载器符号中的概念符号可以用以计量特定载器符号(如教材、题库、数据库)中的知识含量，以分析此知识载器中的性能，并给予适当的建议。
(2)知识搜寻每一(载器或概念)符号均可在知识地图中用作索引(关键词或关键符号)，以搜寻相关载器符号(如档案、网站、讨论文章、教材、题目等)。
(3)延伸知识搜寻在搜寻每一知识符号的相关信息时，可设定其聚合关系上层知识符号(up-knowledge)、下层知识符号(down-knowledge)、与相关知识符号(cross-knowledge)来进行搜寻。
(4)知识操作在符合特定知识符号的语境条件下，知识符号的属性值可被进行操作执行，其操作方式包括计算、推理、求解(problem-solving)、叙述、表现(presentation)等等。
(5)跨符号知识操作以上各项知识处理动作(知识含量、(延伸)知识搜寻、知识操作)可为知识地图中多个符号多重动作的结合，并可能整合为一个新的知识符号。
(6)知识自动化以上各项知识处理动作(知识含量、(延伸)知识搜寻、知识操作、跨符号知识操作)，可以成为一自动化的动作，在硬件或软件中自动执行。
电子头脑的实践可以运用硬件或软件方式的知识处理器来完成。
电子头脑应用之信息技术可能为算法(含数据结构)、知识库、类神经网络、基因演算等等。
在利用软件实践时，知识地图是以各种软件储存体形式表现，例如数据结构、档案、数据库、知识库、超链接等等。而在利用硬件实践时，知识地图是以硬件储存体形式表现，例如记忆芯片、记忆卡、次级储存媒体(光盘、软硬盘等)。
在利用软件实践时，知识处理器是以知识地图服务器形式表现。而在利用硬件实践时，知识处理器是以单芯片或多芯片的知识芯片形式表现，并且可能以电磁、光电、生化等技术以数字方式或模拟方式实践。
知识处理器包括多重知识处理单元，由知识符号中定义的知识类型决定，即为解读该知识符号中的属性值，知识解译器与知识地图服务器连接，以处理该项属性值。送至(某知识类型的)知识解译器的属性资料，以知识指令形式表示，例如其格式为知识操作元参数1，参数2，……EQ-1其中知识操作元对应属性名称，根据知识类型选取特定的知识解译器，而参数为属性值，由知识解译器译码。如果以计算机系统作为比较，其中央处理器是进行对资料的运算，而本发明的知识处理器则是进行对知识的操作。
属性的语境条件由对应载器符号的状况来设定，载器符号包含的知识符号也是由载器来决定符号的属性。语境条件相当于控制条件，在一个实施例中，由知识地图服务器负责解读，以决定该属性值是否(送至知识解译器)执行。
以这种知识处理为基础建构的系统，将如同计算机系统一样可以自动化地执行任务，只是其操作的是比资料更高级的知识。
此处提出一个以教育为目的的范例，以解说电子头脑的应用，熟悉此技术的人士由其中各种例子的教导，将能够修改本发明的示例而应用在其它的系统中。
为阐述知识如何被使用，在图3中提供一个以记忆系统为基础的信息处理模型，其包括三个主要部份感知存储器48、短期存储器50以及长期存储器54。信息进入感知存储器48后，在工作存储器52中进行一连串的处理程序，在这些处理过程中需要运用已知的知识，长期存储器54提供这些已知的知识，而在这些知识处理的过程中，所产生的结果储存至短期存储器50内，经过反复的处理后产生最终的结果对该输入的信息做出反应，同时，在过程中获得的知识增加至长期存储器54中。如此，经过不断地刺激及反应，长期存储器54逐渐累积知识，而且，当长期存储器54中的知识越丰富，其对于新的刺激的反应也越快，性能表现也越好。
图4是一个应用电子头脑的系统方块图，包括一个知识操作单元58为核心，例如教材或问题等外部的资料经由输入接口56送至知识操作单元58，在此借助短期存储器50及长期存储器54进行知识的操作，最终产生的结果经由输出接口60送出。在知识的操作过程中，首先，知识操作单元58对外部输入的资料转化处理并存入短期存储器50中，根据其中不同的信息，知识操作单元58从长期存储器54中寻找相关的概念知识，将其加入短期存储器50的内容中，以形成知识基模(schema)，换而言之，在此使用了认知心理学常使用的基模来建构知识。经由反复地搜寻长期存储器54、存取短期存储器50以及建立及运用各种知识基模，最终解决了输入的问题或从输入的教材中产生某种结果输出，并将产生的新的知识存入长期存储器54中。
在此系统中，智能的程度取决于长期存储器54中的知识库内容，包括其中的概念以及概念与概念之间的关系。这个知识库的数据结构是以前所述的知识地图来实现。图5提供一个物理学的知识地图以帮助理解。如同前面所述，在此范例中，层次式架构中的每一个节点为一个知识符号，为方便起见，在此直接以其名称来称呼。物理62包含力学64、光学66及电学68，每一个知识符号又包含一或多个知识符号，如图中例示的，力学64包含牛顿的三个运动定律70、72及74，而光学66包含折射76，其它依此类推。此知识地图可以由学习来扩充，学习的过程如同图4的解说，而扩充的结果可能包括知识(符号)的增加以及各个知识(符号)之间的关系的增加，此外，在本系统中，也可对知识地图中的知识(符号)进行修改或删除。
利用图4的系统与图5的知识地图来解决物理问题时，首先，问题将被分析及分解，例如，原始的问题为伞兵作自由落体，位移为200m，然后伞张开，伞兵作等加速度运动，加速度为-2.0m/s2，当伞兵着地时，速度为5.0m/s，求伞兵花的时间。
经过分解后，题目变成[伞兵]<作>[自由落体]，[位移]<为>[200m]，<然后>[伞张开]，[伞兵]<作>[等加速度运动]，[加速度]<为>[-2.0m/s2]，<当>[伞兵着地]<时>，[速度]<为>[5.0m/s]，<求>[伞兵]<花的>[时间]。
知识操作单元58将问题转化处理存入短期存储器50后，从图5的知识地图中找出所有与问题相关的概念，然后进行知识的处理，其过程如前所述。更详细地，在处理过程中，问题被预先转换成许多知识指令，其格式如EQ-1所示，知识操作元及参数是由该相关的知识属性表决定，如上例中前三句话可转换为下列知识指令newConcept schema{1}，开始newConcept schema{2}，伞兵newConcept schema{3}，自由落体，schema{2}ownRelation schema{3}，伞兵，作，自由落体
aggregate templ，200，mnewConceptschema{4}，位移，templnewConceptschema{5}，然后，伞张开图6显示一个知识操作单元58的内部组成，包括数个知识解译器78，因要符合知识指令中的知识类型，适当的知识解译器78将根据该知识指令的语境条件执行计算、推理、求解、叙述或表现等操作，而且一个知识指令的执行可能包括从短期存储器50读取更多的知识指令来执行。明显地，一个任务可以透过上述的系统及方法被自动化地执行。特别地，在这个系统及方法中，知识地图使其展现出相当程度的智能，未在原始问题中出现的概念，也会在知识操作的过程中因为概念与概念之间的关系而被搜寻及使用，并且在特定的语境条件下操作，更进一步地，因为知识的操作而使得知识地图中的概念及其关联性越来越丰富。
此系统及方法可以被应用在各种领域中解决特定的问题，例如在教学系统中取代教师的位置，教导学生学习并评价其学习成果。在结合网络技术后，电子头脑可以真正克服时空的限制，充作智能型的代理人(Agent)。
权利要求
1.一种电子头脑，包括层次式架构的知识地图，该层次式架构的每一节点为一知识符号，每一知识符号具有一个知识属性表，以记载一或多个属性，每一个属性包含一个属性名称及属性值；知识指令，包含知识操作元以及一或多个参数，该知识操作元由该属性名称决定，该一或多个参数由该属性值决定；以及对应该属性名称的知识解译器，以解读该属性值。
2.根据权利要求1所述的电子头脑，其中该知识地图是由知识地图服务器提供。
3.根据权利要求1所述的电子头脑，其中该知识符号是从算法推得。
4.根据权利要求1所述的电子头脑，其中该知识地图是经基因演算导出。
5.根据权利要求1所述的电子头脑，其中该知识地图是储存在类神经网络中。
6.根据权利要求1所述的电子头脑，其中该知识地图是储存在档案中。
7.根据权利要求1所述的电子头脑，其中该知识地图是储存在存储器中。
8.根据权利要求1所述的电子头脑，其中该知识地图是经超级链接取得。
9.根据权利要求1所述的电子头脑，其中该知识解译器是程序。
10.根据权利要求1所述的电子头脑，其中该知识解译器是单芯片。
11.根据权利要求1所述的电子头脑，其中该许多知识符号包含载器符号。
12.根据权利要求11所述的电子头脑，其中该知识指令被执行，以根据该载器符号在该知识地图中搜寻该载器符号或另一载器符号。
13.根据权利要求1所述的电子头脑，其中该许多知识符号包含概念符号。
14.根据权利要求13所述的电子头脑，其中该知识指令被执行，根据该概念符号在该知识地图中搜寻载器符号。
15.根据权利要求1所述的电子头脑，其中该知识符号包含载器符号，该载器符号承载概念符号，该概念符号被用来计量特定的载器符号中的知识含量。
16.根据权利要求1所述的电子头脑，其中该属性包含语境条件。
17.根据权利要求16所述的电子头脑，其中该属性值在符合该语境条件下被操作。
18.根据权利要求17所述的电子头脑，其中该属性值的操作是计算、推理、求解、叙述或表现。
19.根据权利要求1所述的电子头脑，其中该知识地图包含知识符号从其它一或多个知识符号经知识操作而产生。
20.一种数据结构，包括知识地图，是由许多知识符号以层次式架构所构成，该层次式架构的每一节点为该许多知识符号的其中之一；每一个该知识符号具有知识属性表，以记载一或多个属性，每一个该属性表示该知识符号的一组所表示的叙述；以及该层次式架构的每一节点有唯一的知识符号寻址表示法。
21.根据权利要求20所述的数据结构，其中每一个该知识符号包含字符串、数值、图形、图像、视频、动画、或在计算机或网络上足以表示任何特征的其它物体或概念的符号或其组合。
22.根据权利要求20所述的数据结构，其中每一个该属性包含属性名称及属性值。
23.根据权利要求20所述的数据结构，其中该许多知识符号包含至少一个知识符号重复出现在该层次式架构的不同节点上。
24.根据权利要求20所述的数据结构，其中该许多知识符号包含至少一个知识符号为载器符号。
25.根据权利要求24所述的数据结构，其中该载器符号承载一或多个知识符号。
26.根据权利要求24所述的数据结构，其中该载器符号充作导航单元，以供在该知识地图上切换知识符号时作为指引单位。
27.根据权利要求20所述的数据结构，其中该许多知识符号包含至少一个知识符号为概念符号。
28.根据权利要求27所述的数据结构，其中该概念符号包含至少一个所表示的符号。
29.根据权利要求20所述的数据结构，其中该知识地图具有名称。
30.根据权利要求29所述的数据结构，其中该知识地图名称为该层次式架构的根符号名称。
31.根据权利要求20所述的数据结构，其中每一个该知识符号与其上层的知识符号具有聚合关系。
32.根据权利要求31所述的数据结构，其中该聚合关系是包含、继承、数量或位置。
33.根据权利要求32所述的数据结构，其中该数量或位置在该知识属性表中说明。
34.根据权利要求22所述的数据结构，其中该许多知识符号当中的一个知识符号的属性值所表示的叙述表示该许多知识符号当中的多个知识符号之间的组合关系。
35.根据权利要求34所述的数据结构，其中该组合关系具有特定形式，以表示知识类型。
36.根据权利要求35所述的数据结构，其中该知识类型为字句组合、公式或图表。
37.根据权利要求20所述的数据结构，其中每一个该属性包含语境条件。
38.根据权利要求20所述的数据结构，其中每一个该属性包含对应的知识处理单元。
39.根据权利要求20所述的数据结构，其中每一个该知识符号拥有唯一的寻址表示法。
40.根据权利要求39所述的数据结构，其中该寻址表示法具有树状结构。
41.一种知识处理方法，包括下列步骤形成层次式架构的知识地图，该层次式架构的每一节点为一知识符号，每一个该知识符号具有知识属性表，以记载一或多个属性，每一个该属性包含属性名称及属性值；译码知识指令，包含知识操作元及参数，该知识操作元由该属性名称决定，该参数由该属性值决定；以及在语境条件下操作该属性值。
42.根据权利要求41所述的方法，包括根据该知识符号中的载器符号在该知识地图中搜寻该载器符号、另一载器符号或概念符号。
43.根据权利要求41所述的方法，包括根据该知识符号中的概念符号在该知识地图中搜寻该概念符号、载器符号或另一个概念符号。
44.根据权利要求41所述的方法，包括根据该知识符号中的概念符号计量特定的载器符号中的知识含量。
45.根据权利要求41所述的方法，其中该属性值的操作是计算、推理、求解、叙述或表现。
46.根据权利要求41所述的方法，其中该属性值的操作是从一或多个知识符号产生新的知识符号。
47.根据权利要求46所述的方法，包括在该知识地图中加入该新的知识符号。
48.根据权利要求41所述的方法，包括对在该知识地图中的知识符号进行修改或删除。
49.一种知识指令，包括知识操作元；以及一或多个参数，跟随在该知识操作元后，供该知识操作元操作。
50.根据权利要求49所述的知识指令，其中该知识操作元对应知识类型。
51.根据权利要求50所述的知识指令，其中该一或多个参数是知识符号的属性值，该知识符号具有属性名称对应该知识类型。
52.一种知识处理器，包括输入，以接收一个知识指令；一或多个知识解译器，连接该输入，每一个该知识解译器为知识类型的知识符号翻译其属性值；以及输出，连接该一或多个知识解译器以输出知识操作结果。
全文摘要
一种电子头脑(E－Brain)，使用的数据结构(DataStructure)为层次式(Hierarchy)架构的知识地图(Knowledge Map)，该知识地图包含许多知识符号，知识符号为载器符号或概念符号，每一知识符号拥有唯一的知识符号寻址表示法，上、下层的知识符号之间存在聚合关系(Syntagmatic Chain)，且每一知识符号具有知识属性表，以记载一或多个属性，每一属性包含一个属性名称及属性值。该电子头脑包括一或多个知识解译器(Interpreter)以译码知识指令(Instruction)，知识指令包含知识操作元(Operator)以及一或多个参数(Parameter)，该电子头脑在载器符号决定的语境条件下操作该属性值。
文档编号G06F17/30GK1619535SQ20031011365
公开日2005年5月25日 申请日期2003年11月17日 优先权日2003年11月17日
发明者贺嘉生 申请人:私立中原大学