介紹
過程表示及其特點 以字母順序的機器處理為例，用陳述性表示方式將“ A在 B之前、 B在 C之前…”等順序關係顯式地表示出來是很方便的，但並沒有給出究竟怎樣排序的方法，因此要另行設定執行程式（如產生式系統、定理證明程式、解釋程式等）來完成具體的排序任務。採用陳述性方式表示知識的系統，知識的表示和知識的運用一般是分開的。上例如用過程性表示方式則可對每個字母指定一個正整數，將判定兩字母的先後順序變換為比較兩正整數的大小。過程性表示方式與陳述性表示方式的最大區別是知識的表示和運用不分開，表示就寓於運用之中。過程性表示方式便於執行，但可理解性較差。在上例中，人們很難從兩個正整數的大小比較中領會其實質上是字母排序。在這種表示方式中，要修改現有知識而又不影響其他知識的完整性也比較困難。用過程性表示的系統，各知識之間互動作用強而模組性差，而用陳述性知識表示的系統則恰好相反。例如，在研製關於特定航線班機的問答系統中就可運用知識的過程表示技術。當客戶提出“從北京到東京的中國民航班機有哪些”時，系統先將問題變換為以下格式的詢問語言：
FOR-EVERY X1/FLIGHT；
EQUAL (OWNER(X1)，CAAC-AIRLINES) AND CONNECT(X1,PEKING,TOKYO)；
LIST(X1)。
這段語言的意思是：對於每一班機(X1)，如果該班機為中國民航所有，而且該班機自北京飛往東京，那么就將所有這樣的班機(X1)列成一張表。其中FOR-EVERY(對每一)和CONNECT（連線）都是表示專門知識的過程名。通過對資料庫的檢索，系統將問題的答案以表的形式列印出來。
用過程性知識指引搜尋和推理方向 例如，GOAL A(TRY-USING THEOREM 1 THEOREM 2)的意思是:如果要證明目標 A不妨試用定理1和定理2。這就是用過程形式表示的啟發式知識，此處目的在於避免盲目搜尋、加快推理進程。但是這類過程性知識主要是根據人在特定問題領域的經驗，而不保證一定成功（見搜尋）。因此這種方法同以嚴格的理論解析方法為依據的歸結法或自然演譯比較(見機器定理證明)有本質上的差異。用自動推理還是用過程性知識指引推理，在學者中尚存在一些爭論。
用過程性知識處理畫面問題 例如原來位於1室的機器人拿了一把鑰匙走到2室並打開了一個保險箱。初始狀態可用資料庫中一組斷言表示：①IN(ROOM-1,ROBOT),②IN(ROOM-1,KEY)，③IN(ROOM-2,SAFE)。它的意思是：機器人在1室，鑰匙在1室,保險箱在2室（相當於原始畫面）。機器人完成既定動作後，描述局面的原來一組斷言中，①和②失效而③仍成立(相當於後繼畫面)。確定狀態描述中哪些要素隨過程的進行而變化，哪些要素保持不變的問題稱為畫面問題(frame problems)，它同作為知識表示結構的框架 (frame)毫無關係。如果將行動或操作的知識用過程來表示，那末隨著過程執行的每一步驟，相應地修改或保留資料庫中有關條款，畫面問題是比較容易處理的。
完備性和一致性 以經驗性知識為依據而進行的常識推理通常採用過程表示方式。此時對嚴格的邏輯推理中所必須保證的完備性和一致性可以有不同的考慮。實際問題往往要求在合理的時間內得到一個令人滿意的解，而不一定需要求出在給定前提條件下能夠求出的一切解（即所謂完備性）。對一致性的要求（即任何情況下前提和結論間邏輯的不矛盾性）也可以從新的角度來考慮，即在信息不完全的情況下,如果出現暫時的不一致性,可以繼續獲取新的信息並對原來作出的結論進行調整和修正，以便在新的基礎上達到一致性。事實上人正是通過實踐不斷修正片面和錯誤的思想，逐步提高自己認識水平的。理論的邏輯推理和經驗的常識推理，是人工智慧研究中相互補充的兩種基本推理形式。
參考書目
D.G.Bobrow and A.Collins，eds， Repersentation and Understanding: Studies in Cognitive Seience, Academic Press, New York, 1975.
