2.1 知识表示的概述

任何问题的求解过程都离不开知识，求解过程中所使用的各类知识构成了问题求解框架。

1.什么是知识

知识是人们在改造客观世界的实践中积累起来的认识和经验。认识包括对事物现象、本质、属性、状态、联系等的认识。

例如：“如果大雁向南飞，那么冬天就要来临了。”这样一条知识就是人们经过长期的观察，将“大雁向南飞”与“冬天来临”这两条信息关联在一起的。

2.知识、信息、数据及其关系

数据是信息的载体，本身无确切含义。例如：水的温度是100 ℃，木头的长度是2 m，大楼的高度是100层等。

信息是数据的关联，赋予数据特定的含义，仅可理解为描述性知识。数据是没有联系的、孤立的，只有当数据用来描述客观事物和客观事物的关系，形成有逻辑的数据流时，它们才能被称为信息。

知识可以是对信息的关联，也可以是对已有知识的再认识。

例如：广州7月1日气温为27 ℃，12月1日气温为10 ℃。对这类信息进行归纳和对比就会发现广州每年7月气温比较高，12月气温比较低。于是有价值的信息沉淀并结构化后就形成了知识。

3.知识的划分

（1）按知识的性质，可划分为概念、命题、公理、定理、规则和方法。

（2）按知识的作用域，可划分为常识性知识、领域性知识。

（3）按知识的等级，可划分为：

零级知识：事实性知识。用于描述事物的概念、定义、属性等，或用于描述问题的状态、环境、条件等。

一级知识：过程性知识。用于问题求解过程的操作、演算和行为。如产生式、谓词、语义网络等。

二级知识：控制性知识、元知识或超知识。它是关于如何使用过程性知识的知识。如推理策略、搜索策略、不确定性的传播策略。

（4）按知识的层次，可划分为：

表层知识：描述客观事物的现象的知识。如感性知识、事实性知识。

深层知识：描述客观事物本质、内涵等的知识。如理论知识。

（5）按知识的确定性，可划分为：

确定性知识：可以说明其真值为真或为假的知识。

不确定性知识：包括不精确、模糊、不完备的知识。

（6）按人类的思维及认识方法，可划分为：

逻辑性知识：是反映人类逻辑思维过程的知识。一般具有因果关系或具有难以精确描述的特点，是人类的经验性知识和直观感觉，如人的为人处事的经验与风格。

形象性知识：通过事物的形象建立起来的知识。如什么是人。

（7）按知识的获取方式，可划分为：

显性知识：指可通过文字、语言、图像、声音等形式编码记录和传播的知识。如教材，音、视频光盘。

隐性知识：指人们在长期实践中积累获得的知识，不易用显性知识表达的知识。如每个人都有不同的审美观。

4.人工智能系统中的知识

在人工智能系统中一个智能程序高水平的运行需要有关的事实知识、规则知识、控制知识和元知识。

（1）事实知识：是有关问题环境的一些事实的知识，常以“……是……”的形式出现。如事物的分类、属性、事物间关系、科学事实、客观事实等。事实是静态的为人们所共享的可公开获得的公认的知识，在知识库中属低层的知识。例如，雪是白色的、鸟有翅膀、张三李四是好朋友、这辆车是张三的。

（2）规则知识：是有关问题中与事物的行动、动作相联系的因果关系知识，是动态的，常以“如果……那么……” 的形式出现。

（3）控制知识：是有关问题的求解步骤、技巧的知识，告诉人们怎样做一件事，也包括当有多个动作同时被激活时应选哪一个动作来执行的知识。控制知识常与程序结合在一起出现，如一个问题求解的算法可以看作是一种知识表示。

（4）元知识：是有关知识的知识，是知识库中的高层知识。包括怎样使用规则、解释规则、校验规则、解释程序结构等知识。

5.知识表示的要求

知识表示是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储，又考虑知识的使用。知识表示的要求包括：

（1）表示能力：能否正确、有效地表示问题。包括表示范围的广泛性、领域知识表示的高效性、对非确定性知识表示的支持程度。

（2）可利用性：可利用这些知识进行有效推理。包括对推理的适应性、对高效算法的支持程度。

（3）可实现性：要便于计算机直接对其进行处理。

（4）可组织性：可以按某种方式把知识组织成某种知识结构。

（5）可维护性：便于对知识进行增、删、改等操作。

（6）自然性：符合人们的日常习惯。

（7）可理解性：知识应易读、易懂、易获取等。