知识图谱·概念与技术--第1章学习笔记--知识图谱概述--传统知识工程的局限性

记录章末思考题答案
符号主义认为人工智能的核心问题是知识表示、推理和应用。
（当前机器学习，深度学习是连接主义）
传统知识工程曾经解决了一系列实际问题，如计算机系统的自动配置、蛋白质结构的发现、机器数学定理的证明等。但总体而言，传统知识工程解决的仍然是简单问题，其规则明确、应用封闭。根本原因在人工干预的严重依赖。

传统知识工程的局限性

隐性知识与过程知识难以表达

很多知识从根本上讲难以表征。
隐性知识如中医看病的知识，
过程知识如蛋炒饭的过程，无法简单表示为相关食材与原料之间的关系。

知识表达的主观性与不一致性

人的认知存在模糊性，同时知识也在不断更新、扩展，一些领域知识还没有形成标准，这些因素都是知识表示的不利因素。

知识难以完备

现实世界中的问题几乎都是开放性问题，很难找到封闭性的完备知识，如对于几何定理的证明，已经是相对封闭的应用，但构建完备的规则系统是一件困难的事情。大部分知识表示系统需要十分复杂的理论证明过程才能证明其完备性。

知识更新困难

知识有时效性，如总统竞选后可能会有新的总统上任。能否及时更新知识库中的知识，关系到知识库在实际应用中是否有用。基于人工的知识获取很难做到实时更新，在很多时间敏感的领域，知识的滞后更新是难以接受的，如传媒行业。

常识知识（Common Knowledge）的引入也很匮乏

常识是每个人都熟知而不用言明的知识，如人会走路，一个人要么是男人要么是女人。

关联性缺失

传统知识工程难以适用于开放性应用，而现实世界中大部分实际应用属于开放性应用，很容易超出预先设定的知识库边界。
领域性应用的封闭性是个假象，如金融领域的智能化应用与娱乐人物的关联，当娱乐人物参演了某上市电影公司的影片，就会发生强关联。