第 3 讲 · 心理表征与知识表示

表征是外部事物在认知系统中的内部再现，也是后续计算可以操作的对象。说某个系统“知道猫”，至少要回答：内部用什么结构表示猫，这个结构如何被建立，又如何影响识别和行动。

表征方式的选择会改变什么容易、什么困难

一张地图和一份路口文字清单可以描述同一片区域，但“两点之间哪条路更短”在地图上更直观，“所有路名按字典序排列”则在清单上更方便。

因此表征不是一个被动容器；它与可执行操作一起决定了系统的问题空间。

逻辑：语义清楚，可做严格推理

命题逻辑以有真假值的命题为基本单位，用 $\land$、$\lor$、$\lnot$、$\to$ 组合。谓词逻辑还能表示对象、性质、关系和量词：

$$\forall x\,[\operatorname{Human}(x)\to\operatorname{Mortal}(x)].$$

逻辑的优势是真值条件和推理规则明确，容易检查结论是否由前提导出。困难在于真实世界知识常有例外、不确定和语境，且大量公理的构建成本很高。

产生式：用“条件—行动”组织程序性知识

IF 当前目标是解一元一次方程
AND 方程形如 ax+b=0
THEN 把常数项移到右边，再除以 a

产生式系统一般有工作记忆、规则库和冲突消解机制。多条规则同时匹配时，系统必须决定先执行哪条。它适合表示步骤和技能，也是多种认知架构的核心部件。

框架与图式：用结构化预期填补世界

框架可以将一类对象的典型属性放进槽位：

鸟
├── 覆盖：羽毛
├── 移动：默认会飞
└── 繁殖：卵生

“会飞”是默认值，遇到企鹅时要被更具体的信息覆盖。图式更强调对经验和事件的组织，例如“餐厅图式”会让人预期入座、点餐、用餐和付款，即使文本没写出每一步，也可以补全。

案例：先找相似经验，再修改

案例推理不必先写一套普适规则，而是：

1. 按特征从案例库检索相似情况；
2. 复用其解决方案；
3. 对当前差异做适配；
4. 检验结果；
5. 将新经验保存为新案例。

它适合规则难以完整穷举、但历史案例丰富的场景。难点是如何定义“相似”，以及一个案例的哪些部分可以安全迁移。

本体：明确领域里有哪些对象和关系

本体通常定义类、实例、属性、关系和约束。它的价值不是把词表换成图，而是让不同系统对“这个词指什么、与什么有何种关系”共享约定，并支持一定的自动推理。

联结主义：知识存在参数和活动模式中

在神经网络中，一个概念不一定对应某个显式符号，而可能分布在多个单元活动和权重中。学习通过调整连接强度发生，泛化来自相似输入引起相似内部模式。

其优点是能从数据学习、对噪声具有一定容错和表达渐变相似性；缺点是知识往往难以被翻译成人可直接检查的规则。

七种表征怎么选

方式	擅长	主要难点
逻辑	严格语义与演绎	例外、不确定和知识获取
产生式	程序性技能	规则冲突和规模增长
框架	类型化对象和默认值	例外管理
案例	复用历史经验	检索与适配
本体	共享领域概念	维护成本与语义一致
联结	数据驱动学习和泛化	可解释性和精确逻辑
图式	组织经验与预期	错误预期带来的偏差

真实认知和人工系统往往是混合的：分布式感知学到对象，工作记忆中维持结构化目标，产生式调度行动，而语言或本体提供可共享的概念。