认知智能中的知识构建研究

课程简介

《认知智能中的知识构建研究》面向人工智能、计算机科学与相关交叉学科学生开设，围绕“智能系统如何获取、组织、表示、推理和更新知识”这一核心问题展开。课程关注认知智能、知识工程、知识图谱、大语言模型和智能体等方向的交叉融合，帮助学生理解知识构建在智能系统中的基础作用。

课程强调理论视野与研究训练并重。学生将学习知识表示、知识抽取、知识融合、知识推理、知识更新、认知建模以及大模型知识增强等关键主题，并通过论文研读、案例分析和专题讨论，理解当前知识构建研究的主要方法、技术路线和开放问题。

课程目标

通过本课程学习，学生应能够：

1. 理解认知智能与知识构建之间的关系。
2. 掌握知识表示、知识抽取、知识融合与知识推理的基本方法。
3. 了解知识图谱、大语言模型、智能体和认知架构中的知识组织机制。
4. 能够阅读和分析知识构建相关方向的前沿论文。
5. 具备围绕具体研究问题设计知识构建方案的初步能力。

课程内容

第一部分：基础理论

• 认知智能的基本概念与研究脉络
• 知识的类型、层次与表示方式
• 知识工程与知识图谱基础
• 符号知识、统计知识与神经知识表示

第二部分：知识构建方法

• 面向文本的实体、关系与事件抽取
• 多源异构知识融合与冲突消解
• 本体、概念体系与语义约束构建
• 知识质量评估与持续更新

第三部分：知识驱动智能

• 知识图谱推理与可解释智能
• 大语言模型中的知识存储、调用与幻觉问题
• 检索增强生成与知识增强大模型
• 面向任务的智能体知识组织与工具调用

第四部分：研究专题

• 认知架构与知识表征
• 动态知识更新与终身学习
• 多模态知识构建
• 面向教育、医疗、科研等场景的知识构建应用

教学方式

课程采用“教师讲授 + 文献研讨 + 专题汇报 + 方案设计”的方式组织：

• 教师讲授核心概念、方法框架和典型系统。
• 学生围绕前沿论文进行阅读汇报和讨论。
• 结合具体应用场景设计知识构建方案。
• 鼓励从真实数据、真实任务和真实研究问题出发开展探索。

考核方式

考核项目	占比	说明
课堂参与与讨论	20%	包括出勤、提问、讨论和课堂互动
文献阅读汇报	30%	选择相关论文进行精读、展示和评议
专题方案设计	30%	围绕具体问题设计知识构建方案
课程总结报告	20%	总结课程收获、研究问题和后续计划

学习建议

学习本课程需要主动连接三个层面的知识：一是人工智能与认知科学中的基本问题，二是知识工程与知识图谱中的技术方法，三是大模型时代知识构建的新挑战。建议学生在阅读论文时重点关注问题定义、数据来源、知识表示方式、系统流程、实验验证和方法局限。