人工智能的实践方法丰富多样，本文将深入探讨其中两种核心途径：知识的表示与推理，以及自动规划。通过掌握这些方法，你能够更清晰地理解AI系统的构建逻辑与运作原理。

1. 知识的表示和推理

知识表示是AI系统的基石，主要包括基于知识的系统和常识知识的表示。传统的知识表示技术已相当成熟，既涵盖描述逻辑，也包含语义网（资源描述框架 RDF）。

知识推理则建立在逻辑基础之上，需要以下三个关键要素：

• 庞大的数据集：例如 Freebase 这类大型知识库。
• 关系抽取自动化工具：用于从非结构化数据中自动提取实体间的关联关系。
• 合理的知识存储结构：如资源描述框架（RDF），它通过三元组（主语-谓语-宾语）来存储知识。

谷歌提出的知识图谱概念正是典型的知识工程应用，它拥有庞大的知识库，并在此基础上提供智能搜索、问答等多种服务。

图3-19 一般基于AI的知识工程底层技术架构