优点：绝对精确，不会有歧义；缺点：太死板，没法处理模糊知识。比如“大部分年轻人喜欢奶茶”，“大部分”没法用严格的逻辑公式表示，电脑就处理不了。

2. 产生式表示法：“如果…就…”的规则库，像做饭的菜谱

这种方法是把知识写成一堆“如果A，就做B”的规则，就像菜谱里的“如果水开了，就下饺子”，特别符合人类解决问题的思路。它是AI里用得最久的方法之一，尤其适合做“专家系统”。

举个例子：医疗诊断系统里的知识表示。

- 规则1：如果患者发烧、咳嗽、喉咙痛，就判断可能是感冒；

- 规则2：如果患者发烧超过3天、咳嗽带痰、胸闷，就判断可能是肺炎；

- 规则3：如果是感冒，就推荐吃感冒药、多喝水。

这些规则会存在电脑里，当输入患者症状时，电脑就一条条匹配规则，最后给出结论。

实际用处：除了医疗诊断，还有智能客服的自动回复。比如你问“快递没收到怎么办”，电脑会匹配规则“如果用户问快递未收到→回复‘请提供订单号，帮你查询物流’”。

优点：简单易懂，符合人类思维；缺点：规则太多时会“乱套”。比如同时满足感冒和肺炎的部分症状，电脑可能不知道优先匹配哪条规则。

3. 语义网络表示法：用“节点+线”画知识图，像大脑的联想网络

这种方法是用“节点”代表概念（比如“鸟”“飞机”），用“带标签的线”代表关系（比如“会飞”“有羽毛”），画出来像一张蜘蛛网，特别适合表示“概念之间的联系”。

举个例子：用语义网络表示“鸟”的知识。

- 画一个节点写“鸟”；

- 用线连一个节点“有羽毛”，线上标“属性”；

- 再用线连一个节点“会飞”，线上标“能力”；

- 再用线连一个节点“麻雀”，线上标“属于”（麻雀属于鸟）；

- 还能连一个节点“飞机”，线上标“相似点”（都能飞）。

画出来就是一张“鸟的知识网络图”，电脑能顺着线找到各个概念的关系。

实际用处：比如百度、谷歌的“知识图谱”就是用这种方法。你搜“李白”，页面右侧会出现“朝代：唐朝”“作品：《静夜思》”“好友：杜甫”，这些就是语义网络里的节点和关系，电脑顺着网络把相关知识都调出来。

优点：直观，能体现知识的关联性；缺点：关系太复杂时，网络会变得混乱，电脑找起来变慢。

4. 框架表示法：给知识建“模板”，像填简历表

这种方法是给一类事物建一个“框架模板”，就像简历里的“基本信息、教育经历、工作经历”模板，然后把具体事物的信息填进去。适合表示“有固定结构的知识”，比如人物、物品、事件。

举个例子：给“电影”建一个框架模板，再填《流浪地球2》的信息。

plaintext

框架名：电影

槽名1：名称 → 槽值：《流浪地球2》

槽名2：类型 → 槽值：科幻片

槽名3：导演 → 槽值：郭帆

槽名4：核心剧情 → 槽值：人类建行星发动机逃离太阳系

槽名5：上映时间 → 槽值：2023年1月22日

槽名6：评分 → 槽值：9.0（豆瓣）

“框架名”是大类，“槽名”是这类事物的共同属性，“槽值”是具体事物的信息。如果再填《满江红》的信息，就用同一个框架，只改槽值就行。

实际用处：比如视频网站的电影分类系统，用框架表示法存储每部电影的信息，用户搜“2023年上映的科幻片”，电脑就去匹配“类型=科幻片”“上映时间=2023年”的框架，把符合条件的电影列出来。

优点：结构清晰，方便批量处理同类知识；缺点：模板固定，没法表示不符合模板的“特殊知识”。比如遇到一部“既是科幻又是喜剧，还没有导演署名”的电影，框架里没有对应的槽名，就没法填。

5. 面向对象表示法：给知识“打包成对象”，像给物品装礼盒

这种方法是把知识“封装”成“对象”，就像把一个苹果的“颜色、味道、能不能吃”这些信息都装进一个礼盒里，礼盒上还写着“能做什么”（比如“可以削皮吃”“可以做沙拉”）。它把“属性”（是什么）和“方法”（能做什么）打包在一起，是现在编程里最常用的方法之一。

举个例子：用面向对象表示法表示“手机”。

- 对象名：手机

- 属性（是什么）：品牌=华为、颜色=黑色、屏幕尺寸=6.7英寸、电量=100%

- 方法（能做什么）：打电话（输入号码→拨出）、拍照（点击快门→保存照片）、上网（连接WiFi→打开浏览器）

本小章还未完，请点击下一页继续阅读后面精彩内容！