人工智能中的知识表示及应用特点

知识表示是一组描述事物的约定，可以看成是人类知识表示成机器能处理的数据结构。知识表示是人工智能的一个重要研究课题，应用人工智能技术解决实际问题，就要涉及各类知识如何表示。我们要研究如何将知识存储在计算机中，能够方便和正确地使用知识，合理地表示知识，使得问题的求解变得容易和具有较高的求解效率。知识表示是数据结构和控制结构及解释过程的结合，涉及计算机程序中存储信息的数据结构设计，并对这些数据结构进行智能推理演变的过程。知识表示是推理和行动的载体，如果没有合适的知识表示，任何构建智能体的计划都无法实现。
通常有以下几种知识表示方法及应用特点：

1. 一阶谓词逻辑表示方法

利用
一阶逻辑
公式描述事物对象、对象性质和对象间关系。这种方法是将自然语句写成逻辑公式，采用演绎规则和归结法进行严格的推理，能够证明一个新语句是由已知正确的语句推导出来的，即可断定这个新的语句（新知识）是正确的。知识库可以视为一组逻辑公式的集合，增加或删除逻辑公式即是对知识库的修改。

逻辑表示法有明确和规范的规则构造复杂事物，结构清晰，可以分离知识和处理知识的程序。具有完备的逻辑推理方法，不局限于具体领域，有较好的通用性。缺点是适合于事物间确定的因果关系，难于表示过程和启发式知识，推理过程中可能产生组合爆炸，推理效率较低。
2. 产生式表示方法
根据串代替规则提出的一种计算模型，模型中的每条规则称为产生式。产生式的基本形式P→Q ，P是产生式的前提（前件），Q是一组结论或操作（后件），如果前提P满足，则可推出结论Q或执行Q所规定的操作。

产生式可以表示人类心理活动的认知过程，已经成为人工智能中应用最多的

一种知识表示模式，许多成功的专家系统都是采用产生式知识表示方法。

3.语义网络表示方法

语义网络是一种用实体及其及关系来表达知识的有向图。结点代表实体，表示各种事物、概念、属性、状态、事件和动作等；弧线代表语义关系，表示它所连结的两个实体之间的联系。用语义网络表示知识以求解问题，主要包括两部分，一部分是由语义网络构成的知识库，另一部分是用于问题求解的推理机制。语义网络的推理过程主要有继承和匹配两种。     
主要优点：结构性，联想性，自索引性，自然性；主要缺点：非严格性，复杂性。
4. 框架表示方法

框架表示法是在框架理论的基础上发展起来的一种结构化知识表示方法。框架理论是对理解视觉、自然语言对话和其它复杂行为的一种“框架”认识：人们对现实世界中各种事物的认识都是以一种类似于框架的结构存储在记忆中的，当遇到一个新事物时，就从记忆中找出一个合适的框架，并根据新的情况对其细节加以修改、补充，从而形成对这个新事物的认识。
当事物的知识比较复杂时，需要通过多个框架之间的横向或纵向联系形成一种框架网络。框架系统的问题求解主要是通过对框架的继承、匹配与填槽来实现的。框架表示法的优点：结构性，深层性，继承性，自然性。不足之处：缺乏框架的形式理论，缺乏过程性知识表示，清晰性难以保证。
5. 过程表示方法
过程表示是将有关某一问题领域的知识，包括如何使用这些知识的方法，均隐式地表示为一个求解问题的过程。
主要优点：表示效率高，过程表示法是用程序来表示知识的，可以避免选择和匹配无关的知识，不需要跟踪不必要的路径，从而提高了系统的运行效率。控制系统容易实现：控制机制已嵌入到程序中，控制系统比较容易设计。主要缺点：不易修改和添加新知识，当对某一过程进行修改时，可能影响到其它过程，对系统维护带来不便。