El nivel de conocimiento es la base racional del comportamiento de un sistema que utiliza inteligencia artificial. Estos sistemas, conocidos como agentes, necesitan conocimientos para hacer inferencias sobre el mundo y actuar en respuesta a indicaciones específicas. En el desarrollo de tales sistemas, los programadores pueden codificar el conocimiento y la capacidad de adquirir más a lo largo del tiempo mediante la observación y el estudio del entorno circundante.
Los investigadores de inteligencia artificial propusieron el modelo de un nivel de conocimiento en la década de 1980, cuando comenzaron a tratar con agentes más sofisticados en sus estudios. El tema ha sido un tema de mayor estudio y discusión entre las personas interesadas en definir los componentes de los sistemas artificialmente inteligentes. Comprender cómo funcionan estos sistemas puede ayudar a las personas a codificar mejores con el tiempo.
Esto está por encima del nivel del símbolo, la base mecánica utilizada para respaldar las operaciones del sistema. A nivel de conocimiento, un agente tiene una biblioteca de información lógica que puede usar junto con los objetivos para usar esa información. Si el sistema parece comportarse de manera racional, incluso si una respuesta es incorrecta o no tiene sentido, está mostrando un uso de su nivel de conocimiento. Por ejemplo, un agente puede tener información falsa que indique que dos más dos son cinco. Cuando se le pregunta qué es dos más dos, responde cinco, lo que demuestra que tiene un objetivo para responder la pregunta y que está utilizando el conocimiento existente para lograrlo.
Codificar el nivel de conocimiento puede llevar tiempo y puede implicar depurar para eliminar información incorrecta, contradictoria o confusa. Cuanto más sofisticada es una inteligencia artificial, mayor es el nivel de conocimiento y más formas tiene de aplicar la información que almacena. Esto a menudo se codifica en un conjunto de oraciones que el sistema puede usar en pruebas lógicas en respuesta a una solicitud. Por ejemplo, un agente que controla un proceso químico puede tener una frase que le diga que si las temperaturas suben por encima de cierto nivel, debe tomar medidas para enfriar el equipo de proceso y evitar un accidente.
La investigación sobre inteligencia artificial analiza tanto cómo se construyen estos sistemas como cómo responden a su entorno. A nivel de conocimiento, los usuarios pueden interactuar con el sistema para ver qué tan bien fue programado. Las lagunas en la información y la incapacidad de aprender son señales de que un agente no es lo suficientemente flexible para adaptarse con el tiempo. Los sistemas que pueden hacer inferencias complejas, especialmente si pueden implicar saltos lógicos, son más poderosos y pueden utilizarse en más entornos.