Um elemento chave em qualquer aplicação de inteligência artificial é o conhecimento. Conhecimento é também informação que foi organizada e analisada de modo a torná-la compreensível e aplicável à solução de problemas e tomada de decisões.

O sistema de IA não é baseado em processo algorítmico, mas sim em representação e manipulação simbólica. Usando símbolos é possível criar uma base de conhecimentos que estabelece fatos, conceitos e os relaciona entre eles. O processo é qualitativo e não quantitativo como num algoritmo computacional convencional típico.

A base de conhecimento contém todos os fatos, idéias, relacionamentos e interações de um domínio limitado. A máquina de inferência analisa o conhecimento e deriva conclusões. O interface com o usuário permite que novo conhecimento seja apropriado e implementa a comunicação com o usuário.

Existem muitos métodos para descrever o conhecimento e espelham os diferentes modos de abordagem:

• Redes Semânticas descrevem relacionamentos entre objetos;
• Regras de Produção descrevem o conhecimento em termos de regras que reagem aos eventos detectados;
• Frames são úteis para o tipo de problema que requer conjuntos de informações a serem coletadas;
• Taxonomias podem descrever conjuntos de informação como nos Frames e podem descrever como a informação é interrelacionada, como nas Redes Semânticas.
  

Uma vez que a arquitetura da rede contém uma hierarquia de componentes, a melhor maneira de representar a descrição lógica e física de rede é com uma hierarquia de Frames. Dessa maneira, a Taxonomia também pode ser empregada, pois ela descreve as informações como os Frames.

Para cada situação haverá uma forma mais ou menos adequada para representar o conhecimento. O analista deve estruturar cuidadosamente como o conhecimento do sistema será representado.

---