知识的表示与知识库

知识表示是人工智能课程三大基础（知识表示、知识推理以及知识应用）之一。在解决实际问题中，通常需要用到多种不同的表示方法，因为每种数据结构都有其优缺点，没有哪种数据结构拥有多种功能，因此需要对知识根据具体应用而采用不同的知识表示方法。

状态空间法：为描述某类不同事物之间的差别，以符号表示其状态，通过算符描述状态之间的转换，求解一个问题即找出当前状态到目标状态的算符序列。这类似于数据结构中的图。知识在这里表现为算符序列以及对应的始末状态。

问题归约法：问题归约是基于分治的思想，将当前问题分为许多子问题，建立子问题以及子问题的子问题集合，直至将问题归约为一个本原问题集合。这方法类似于编译原理中语法分析时自顶向下的产生式展开，直到展开到终结符。知识表现为本原问题的描述以及归约规则。

谓词逻辑法：通过逻辑演算的方法描述一个知识模型。 P(x1,x2,x3...) 表示一个n元谓词公式，P为n元谓词，x1 x2表示客体变量，如可定义谓词公式MOUSEAT(x1,y1)表示“鼠标的位置在x1,x2处”。其表示方法类似于在离散数学中对命题的运算。知识表示为原子公式的逻辑组合。

此外，还有产生式法、 语义网络法、框架表示等方法。

最近在csdn上看到知识库的部分（http://lib.csdn.net/base/aiplanning），到百科上查询知识库的定义（http://baike.baidu.com/link?url=9X3Afe05D8qS4XxUiyBpM_m-iCuRJitFBkOlcWMMRNVmXsDnPmBCPqgCn2u9TA8wamE9I_9YEi1LiYOC2WaCgNBsInUl4YX1tsKqP4cjF-YT2Yd14P8OMBn1POE6Vxxx）知识库是基于专家系统的对数据库进行智能管理的程序，用于根据已有的知识、经验对问题给出求解方案。
其实在日常中总会遇到各类问题，比如程序遇到bug，然后到网上搜就会发现之前也有人遇到同样的问题，这样的问题往往牵扯到一堆背景知识。知识总是和问题相联系的，知识库的作用就是提供这样一个问题与知识的快速匹配平台，并能积累经验，对未知问题给出一定的判断。个人的经验是有限的，但无数个人经验的积累就会是充满无限可能的存在，因此一个在互联网上进行知识-问题搜集的系统是有必要的。
在这个知识库中，感觉没有体现出这个智能型来，只是单纯对知识归类归纳，和传统教科书相比，就是多了一个书目，结构更清晰了，就像思维导图。
计划在往后对这个方面的内容进行深入学习，并实现自己的一些想法。

参考书目：《人工智能基础（第3版）》高等教育出版社