任务定义、目标和研究意义

　　知识是人类通过观察、学习和思考有关客观世界的各种现象而获得和总结出的被广泛论证的正确的信息，知识具有三大特点：合理（Justified）、真实（True）和被相信（Believed）。在人类社会中，知识表示将人类的认知知识以特定的形式进行描述、表达和传承，人类表示知识的形式多种多样，包括声音、文字、绘画、音乐、数学语言、物理模型以及化学公式等,这些丰富的知识表示方法让人类更准确地表达自己的认知，有力地促进了社会文明进步。

　　对于机器而言，知识表示（Knowledge Representation, KR）将现实世界中的各类知识表达成计算机可存储和可计算的结构，使得计算机可以无障碍地理解所存储的知识。上世纪90年代，MITAI实验室的R. Davis定义了知识表示的五大特点：

　　l客观事物的机器标识（AKR 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。

　　l一组本体约定和概念模型（AKR 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。

　　l支持推理的表示基础（AKR 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。

　　l用于高效计算的数据结构（AKR is a medium of efficient computation），即知识表示也是一种用于高效计算的数据结构。

　　l人可理解的机器语言（AKR is a medium of human expression），即知识表示需要接近人的认知，是人可理解的机器语言。

　　自人工智能提出至今，知识表示已经探索过语义网络、专家系统、语义网、知识图谱等形态，形成了基于框架的语言、产生式规则、RDF以及OWL等知识表示语言。近年来，人工智能依靠机器学习技术的进步，在数据感知方面取得了巨大的进步，可以精准地完成图像识别、语音识别等任务。但当前人工智能在语言理解、视觉场景分析、决策分析等方面依然面临巨大的挑战，其中一个关键挑战便是如何让机器掌握大量的知识，尤其是常识知识，这体现了知识表示的重要性。