人工智能早期的知识表示方法

什么是知识表示

    20世纪90年代，MITAI实验室的R.Davis定义了知识表示的五大用途或特点：

• 客观事物的机器标示（A KR is a Surrogate），即知识表示首先需要定义客观实体的机器指代或指称。
• 一组本体约定和概念模型(A KR is a Set of Ontological Commitments），即知识表示还需要定义用于描述客观事物的概念和类别体系。
• 支持推理的表示基础(A KR is a Theory of Intelligent Reasoning），即知识表示还需要提供机器推理的模型与方法。
• 用于高效计算的数据结构(A KR is a medium for Efficient Computation），即知识表示也是一种用于高效计算的数据结构。
• 人可理解的机器语言(A KR is a Medium of Human Expression), 即知识表示还必须接近于人的认知，是人可理解的机器语言。

    有关知识表示的研究可以追溯到人工智能的早期研究。例如，认知科学家M.RossQuillian和AllanM.Collins提出了语义网络的知识表示方法，以网络的方式描述概念之间的语义关系。典型的语义网络如WordNet属于词典类的知识库，主要定义名词、动词、形容词和副词之间的语义关系。20世纪70年代，随着专家系统的提出和商业化发展，知识库构建和知识表示更加得到重视。传统的专家系统通常包含知识库和推理引擎(Inference Engine)两个核心模块。

    无论是语义网络，还是框架语言和产生式规则，都缺少严格的语义理论模型和形式化的语义定义。为了解决这一问题，人们开始研究具有较好的理论模型基础和算法复杂度的知识表示框架。比