Kognitivní mapa je původně pojem z psychologie, který popisuje mentální představu, kterou si lidé nebo zvířata vytvářejí o svém okolí. V managementu a AI označuje také grafické modely, které znázorňují pojmy jako uzly a jejich vztahy příčiny a následku jako vážené šipky, například „fuzzy kognitivní mapy“. Takové mapy pomáhají strukturovat odborné znalosti a zkoumat scénáře, například jak změny cen ovlivňují poptávku a stavy zásob.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoZnalostní inženýrství zahrnuje zachycení, uspořádání a přípravu odborných znalostí tak, aby je mohly využívat IT systémy. Původně se zaměřovalo na pravidla pro expertní systémy; dnes je často prioritou zdokumentovat roztříštěné znalosti z příruček, popisů procesů a hlav lidí tak, aby z nich AI agenti mohli spolehlivě odpovídat. Patří k tomu jasné struktury, aktuální zdroje, definované odpovědnosti a zaplnění zjištěných mezer.
V informatice je ontologie formální model určité oblasti, který jednoznačně definuje pojmy, jejich vlastnosti a vztahy mezi nimi. Lidé i stroje tak mohou data jednotně interpretovat a vyvozovat z nich závěry. Ontologie tvoří základ mnoha znalostních grafů, sémantických vyhledávačů a projektů integrace dat. Příklad: ontologie produktů říká, že „elektrokolo“ je „jízdní kolo“ a má „baterii“.
Kauzální inference zahrnuje metody, které z dat odvozují vztahy příčiny a následku, místo aby jen zjišťovaly korelace. Odpovídá na otázky jako „Co by se stalo, kdybychom toto opatření neprovedli?“. K nástrojům patří randomizované experimenty, například A/B testy, kauzální grafy a statistické techniky pro observační data. Příklad: ověření, zda slevová kampaň skutečně zvýšila prodej, nebo zda by tržby stoupaly i tak ze sezónních důvodů.
Bayesovské sítě jsou grafické modely, které znázorňují proměnné jako uzly a jejich pravděpodobnostní závislosti jako orientované šipky. Pomocí Bayesovy věty ukazují, jak nová pozorování mění pravděpodobnost jiných událostí. Příkladem je podpora diagnostiky: odhad nejpravděpodobnější příčiny z pozorovaných příznaků. Jejich silnými stránkami jsou transparentnost a schopnost pracovat s nejistými nebo neúplnými daty.
