ナレッジベース

コンピュータサイエンスにおいて、知識ベース（KB ）は、各文が知識表現言語で与えられた文の集合であり、新しい文を伝えたり、既知のことについて質問したりするためのインターフェースがあり、これらのインターフェースのいずれかで推論が使用される場合があります。^{[1]これは、}コンピュータシステムで使用される複雑な構造化データを格納するために使用される技術です。この用語が最初に使用されたのは、最初の知識ベースシステムであるエキスパートシステムに関連してでした。

知識ベースという用語は、もともとエキスパートシステムの2つのサブシステムのうちの1つを説明するために使われていました。知識ベースシステムは、世界についての事実と、それらの事実を推論して新しい事実を推測したり矛盾を指摘したりする方法を表す知識ベースで構成されています。 ^[2]

「ナレッジベース」という用語は、この形式のナレッジ ストアを、より一般的で広く使用されているデータベースという用語と区別するために造られました。1970 年代には、事実上すべての大規模な管理情報システムが、何らかの階層型またはリレーショナルデータベースにデータを保存していました。情報技術の歴史のこの時点では、データベースとナレッジ ベースの区別は明確で曖昧ではありませんでした。

データベースには次のプロパティがあります。

• フラット データ:データは通常、各フィールドに文字列または数値が含まれる表形式で表されます。
• 複数のユーザー: 従来のデータベースでは、複数のユーザーまたはシステムが同時に同じデータにログインすることをサポートする必要がありました。
• トランザクション: データベースの必須要件は、同時ユーザーがアクセスするデータ間の整合性と一貫性を維持することです。これらは、いわゆるACIDプロパティ、つまり原子性、一貫性、独立性、永続性です。
• 大規模で長期間保存されるデータ: 企業のデータベースでは、数千行ではなく数十万行以上のデータをサポートする必要がありました。このようなデータベースは通常、個々のプログラムの特定の用途を超えて存続する必要があり、プログラムの存続期間ではなく、何年も何十年もの間データを保存する必要がありました。

最初の知識ベース システムでは、これらのデータベース要件とは逆のデータが必要でした。エキスパート システムには、構造化されたデータが必要です。数値と文字列を含むテーブルだけでなく、他のオブジェクトへのポインター (さらにポインターを持つオブジェクト) が必要です。知識ベースの理想的な表現は、クラス、サブクラス、インスタンスを含む オブジェクト モデル (人工知能の文献ではオントロジーと呼ばれることが多い) です。

初期のエキスパート システムでは、複数のユーザーや、データにトランザクション プロパティを要求することに伴う複雑さもほとんど必要ありませんでした。初期のエキスパート システムのデータは、医療診断、分子の設計、緊急事態への対応など、特定の答えを導き出すために使用されました。^[2]問題の解決策が判明すると、大量のデータを永続的なメモリ ストアに保存する必要はなくなりました。より正確に言えば、利用可能なテクノロジを考えると、研究者はこれらの機能が予想外であることに気付き、これらの機能がなくても重要な問題に対する有用な解決策を開発できるため、妥協してこれらの機能なしで済ませたということです。最初から、より賢明な研究者は、知識を保存、分析、再利用できることの潜在的な利点を認識していました。たとえば、Cordell GreenらによるKnowledge-Based Software Assistantプログラムの最初の研究における Corporate Memory に関する議論を参照してください。 ^[3]

知識ベースは、従来のデータベースと比べて、ボリューム要件も異なります。知識ベースは、世界についての事実を知る必要があります。たとえば、「すべての人間は死ぬ」というステートメントを表現するには、データベースは通常、この一般的な知識を表現することはできず、代わりに特定の人間に関する情報を表す何千ものテーブルに関する情報を格納する必要があります。すべての人間は死ぬことを表現し、特定の人間が死ぬことを推論できることは、知識ベースの仕事です。ジョージ、メアリー、サム、ジェナ、マイク、...および他の何十万人もの顧客がすべて特定の年齢、性別、住所などを持つ人間であることを表現することは、データベースの仕事です。^{[4] [5]}

エキスパート システムがプロトタイプから企業環境に導入されるシステムへと移行するにつれ、そのデータ ストレージの要件は、トランザクションをサポートする複数の分散ユーザーに対する標準データベースの要件と急速に重なり始めました。当初、需要は 2 つの異なるが競合する市場で見られました。AI コミュニティとオブジェクト指向コミュニティからは、Versantなどのオブジェクト指向データベースが登場しました。これらは、オブジェクト指向機能をサポートするだけでなく、標準データベース サービスもサポートするようにゼロから設計されたシステムでした。一方、Oracleなどの大手データベース ベンダーは、クラスとサブクラスの関係やルールなどの知識ベース要件をサポートする機能を自社製品に追加しました。

「ナレッジベース」という用語の次の進化は、インターネットでした。インターネットの出現により、文書、ハイパーテキスト、およびマルチメディアのサポートは、あらゆる企業データベースにとって不可欠になりました。コンピュータのメモリに主に存在する大きなデータ テーブルや比較的小さなオブジェクトをサポートするだけでは、もはや十分ではありませんでした。企業の Web サイトをサポートするには、文書の永続性とトランザクションが必要でした。これにより、 Web コンテンツ管理と呼ばれるまったく新しい分野が生まれました。

ドキュメント サポートのもう 1 つの推進力は、HCL Notes (旧 Lotus Notes)などのナレッジ マネジメントベンダーの台頭でした。ナレッジ マネジメントは実際にはインターネットより前から存在していましたが、インターネットの登場により、この 2 つの分野の間に大きな相乗効果が生まれました。ナレッジ マネジメント製品は、リポジトリを説明するために「ナレッジ ベース」という用語を採用しましたが、その意味は大きく異なっていました。以前のナレッジ ベース システムの場合、ナレッジは主に自動化システムの使用を目的としており、世界について推論し、結論を導き出すためのものでした。ナレッジ マネジメント製品の場合、ナレッジは主に人間を対象としており、たとえば、マニュアル、手順、ポリシー、ベスト プラクティス、再利用可能な設計やコードなどのリポジトリとして機能します。どちらの場合も、システムの用途と種類の区別は明確に定義されていませんでした。テクノロジが拡大するにつれて、自動推論を実行するエキスパート システムという意味でのナレッジ ベースと、人間が活用できるドキュメントやメディアの形でナレッジを提供するナレッジ マネジメントという意味でのナレッジ ベースとして、実際に明確に分類できるシステムを見つけることはまれでした。^[6]

Scholia には、ナレッジ ベースのトピックプロファイルがあります。