2.1　知識表示方法

在人工智能中，知識表示就是要把問題求解中所需要的對象、前提條件、算法等知識構造為計算機可處理的數(shù)據(jù)結構以及解釋這種結構的某些過程。這種數(shù)據(jù)結構與解釋過程的結合，將導致智能的行為。智能活動主要是一個獲得并應用知識的過程，而知識必須有適當?shù)谋硎痉椒ú疟阌谠谟嬎銠C中有效地存儲、檢索、使用和修改。

在人工智能領域里已經(jīng)發(fā)展了許多種知識表示方法，常用的有:產(chǎn)生式規(guī)則、謂詞邏輯、語義網(wǎng)絡和框架。從其表示特性來考察可歸納為兩類:說明型(declarative)表示和過程型(procedural)表示。

1.說明型表示

說明型表示中，知識是一些已知的客觀事實，實現(xiàn)知識表示時，把與事實相關的知識與利用這些知識的過程明確區(qū)分開來，并重點表示與事實相關的知識。例如，謂詞邏輯，將知識表示成一個靜態(tài)的事實集合，這些事實是關于專業(yè)領域的元素或實體的知識，如問題的概念及定義，系統(tǒng)的狀態(tài)、環(huán)境和條件。它們具有很有限的如何使用知識的動態(tài)信息。這種方法的優(yōu)點是:具有透明性，知識以顯示的準確的方法存儲，容易修改;實現(xiàn)有效存儲，每個事實只存儲一次，可以不同方法使用多次;具有靈活性，這是指知識表示方法可以獨立于推理方法;這種表示允許顯式的、直接的、類似于數(shù)學方式的推理。

2.過程型表示

過程型表示中，知識是客觀存在的一些規(guī)律和方法，實現(xiàn)知識表示時，對事實型知識和利用這些知識的方法不作區(qū)分，使二者融為一體，例如產(chǎn)生式規(guī)則方法。該類方法常用于表示關于系統(tǒng)狀態(tài)變化、問題求解過程的操作、演算和行為的知識。這種方法的好處是:能自然地表達如何處理問題的過程;易于表達不適合用說明型方法表達的知識，例如有關缺省推理和概率推理的知識;容易表達有效處理問題的啟發(fā)式知識;知識與控制相結合，使得知識的相互作用性較好。

目前普遍接受的觀點是，在大多數(shù)領域中既需要狀態(tài)方面的知識(如有關事物、事件的事實，它們之間的關系，以及周圍事物的狀態(tài))，也需要知道如何應用這些知識。所以實際上，大多數(shù)知識系統(tǒng)綜合運用兩類知識表示方法。

一個好的知識表示方法應滿足以下幾點要求:

●具有良好定義的語法和語義;

●有充分的表達能力，能清晰地表達有關領域的各種知識;

●便于有效地推理和檢索，具有較強的問題求解能力，適合于應用問題的要求，提高推理和檢索的效率;

●便于知識共享和知識獲取;

●容易管理，易于維護知識庫的完整性和一致性。