知識表示是人工智能課程三大基礎（知識表示、知識推理以及知識應用）之一。在解決實際問題中，通常需要用到多種不同的表示方法，因爲每種數據結構都有其優缺點，沒有哪種數據結構擁有多種功能，因此需要對知識根據具體應用而採用不同的知識表示方法。
狀態空間法：爲描述某類不同事物之間的差別，以符號表示其狀態，通過算符描述狀態之間的轉換，求解一個問題即找出當前狀態到目標狀態的算符序列。這類似於數據結構中的圖。知識在這裏表現爲算符序列以及對應的始末狀態。
問題歸約法：問題歸約是基於分治的思想，將當前問題分爲許多子問題，建立子問題以及子問題的子問題集合，直至將問題歸約爲一個本原問題集合。這方法類似於編譯原理中語法分析時自頂向下的產生式展開，直到展開到終結符。知識表現爲本原問題的描述以及歸約規則。
謂詞邏輯法：通過邏輯演算的方法描述一個知識模型。
此外，還有產生式法、 語義網絡法、框架表示等方法。
最近在csdn上看到知識庫的部分（http://lib.csdn.net/base/aiplanning），到百科上查詢知識庫的定義（http://baike.baidu.com/link?url=9X3Afe05D8qS4XxUiyBpM_m-iCuRJitFBkOlcWMMRNVmXsDnPmBCPqgCn2u9TA8wamE9I_9YEi1LiYOC2WaCgNBsInUl4YX1tsKqP4cjF-YT2Yd14P8OMBn1POE6Vxxx）知識庫是基於專家系統的對數據庫進行智能管理的程序，用於根據已有的知識、經驗對問題給出求解方案。
其實在日常中總會遇到各類問題，比如程序遇到bug，然後到網上搜就會發現之前也有人遇到同樣的問題，這樣的問題往往牽扯到一堆背景知識。知識總是和問題相聯繫的，知識庫的作用就是提供這樣一個問題與知識的快速匹配平臺，並能積累經驗，對未知問題給出一定的判斷。個人的經驗是有限的，但無數個人經驗的積累就會是充滿無限可能的存在，因此一個在互聯網上進行知識-問題蒐集的系統是有必要的。
在這個知識庫中，感覺沒有體現出這個智能型來，只是單純對知識歸類歸納，和傳統教科書相比，就是多了一個書目，結構更清晰了，就像思維導圖。
計劃在往後對這個方面的內容進行深入學習，並實現自己的一些想法。
參考書目：《人工智能基礎（第3版）》高等教育出版社