知识表示

一般来说，实现人工智能的最难部分是最开始如何向系统表示问题。即使人类看似可以直接与程序交流（用英语对着Siri说话或者在谷歌的搜索引擎中输入法语单词），但事实并非如此。人们无论是处理文本还是图像，都必须将包含的信息（“知识”）以机器可以理解的方式表示给系统，换句话说，以系统可以处理的方式表示（机器是否“真”的理解，我们将在第6章中进行讨论）。

人工智能表示问题的方式五花八门。有些是对GOFAI中知识表示的一般方法进行演绎或改动。越来越多的是针对一小类问题制定的一些高度专业化的方法。例如，我们可能为人类某种癌细胞的X射线图像或照片精心设计一种新的表示方法，从而可以得到某个非常具体的医学解释方法（因此，这种新方法不能用来识别猫或CAT扫描）。

欲实现强人工智能，通用方法是关键。这些方法最初受到人类认知心理学研究的启发，包括： IF—THEN规则集；个体概念的表示；模式化的动作序列；语义网络；以及利用逻辑或概率进行推理。

接下来，我们对上述方法依次展开讨论（第4章描述了另一种知识表示形式，即神经网络）。