"知识"并不是对客观世界的简单照搬，也不是永远不变的绝对真理。它是在认识、概括、组织和应用过程中形成的结果，因此既具有稳定性，也具有条件性。
理解知识的基本特性，有助于进一步理解：为什么知识需要表示，为什么知识图谱需要不断更新，为什么智能系统既要利用知识，又不能把已有知识看成绝对完备的结论。
关于知识的基本特性，通常可概括为相对正确性、不确定性、可表示性，以及由此延伸出的可利用性与可更新性。
一、知识为什么有"特性"
知识不是孤立的事实堆积，而是人类在认识世界、解释世界和解决问题过程中形成的经验、概念、规律与判断。它既来源于实践，也要接受实践检验。正因为如此，知识不是静止的，而是带有一定条件、范围和使用方式的内容。
如果不了解知识的这些性质，就容易产生两种误解：一种是把知识看成永远正确、无需修正的结论；另一种是把知识看成随意的看法，认为它没有稳定性。实际上，这两种理解都不准确。知识既不是绝对不变的，也不是毫无依据的，它有自身的形成方式和使用边界。
二、相对正确性：知识通常成立，但受条件限制
知识首先具有相对正确性（Relative Correctness）。
所谓相对正确性，是指知识通常建立在长期观察、经验积累和实践检验的基础上，因此在一定条件下是正确和可信的。
这里的关键不在"正确"，而在"相对"。因为知识总是在特定对象、特定环境、特定范围中成立。例如：
"鸟会飞"在多数情况下成立，但并不适用于鸵鸟、企鹅等情况；
"水在 100℃ 沸腾"是常见知识，但这一说法隐含了标准大气压这一条件；
"某药物可用于治疗某疾病"也往往要依赖适应症、剂量和个体差异。
因此，知识的正确性往往不是脱离条件的绝对真理，而是在一定前提下成立的有效认识。相对正确性并不意味着知识不可靠，而是意味着知识总是在一定条件下成立。这对人工智能尤其重要。系统在使用知识时，不能只看结论本身，还应尽量关注知识适用的对象、范围和上下文。
三、不确定性：知识并不总是非真即假
知识还具有不确定性（Uncertainty）。
所谓不确定性，是指知识在很多情况下不能被绝对肯定，只能对其成立的可能性或可信程度作出估计。
不确定性产生的原因很多，例如：
现实世界本身复杂，存在模糊边界；
人们掌握的信息并不完整；
某些结论依赖统计规律，而非严格必然关系；
不同来源的描述可能互相冲突。
例如：
"明天可能下雨"带有概率性；
"该患者疑似某疾病"带有诊断不确定性；
"某作品可能出自某位画家"带有归属不确定性。
这说明，知识并不总能用"完全正确"或"完全错误"来表达。在知识表示（Knowledge Representation）和知识图谱（Knowledge Graph）中，这种不确定性意味着系统有时需要处理置信度（Confidence）、概率、模糊性或多来源冲突，而不能把所有知识都看成同样确定的事实。
四、可表示性：知识必须能够被表达出来
知识虽然首先存在于人的认知活动中，但它并不只能停留在人脑中。知识具有可表示性（Representability），即可以通过合适的方式被表达、记录、传播和处理。
常见的知识表示方式包括：
• 自然语言描述
• 数学公式
• 逻辑表达式
• 规则
• 图结构
• 表格或框架结构
可表示性之所以重要，是因为只有当知识能够被表达出来，它才可能被共享、传递和被计算机处理。对于人工智能来说，知识表示的意义就在于：把知识转化为机器可理解的形式，使系统能够进行存储、检索、匹配、推理和应用。
知识图谱正是这种可表示性的典型体现。它把对象、属性和关系组织成结构化网络，使原本分散或隐含的知识变成可操作的知识资源。同一种知识可以采用不同表示形式，而不同表示形式也会影响后续的存储、检索与推理方式。
五、可利用性：知识的价值在于能够被使用
如果说可表示性回答的是"知识能否被表达和处理"，那么可利用性（Usability）回答的就是"知识在任务中能否真正发挥作用"。
知识不是为了被动保存而存在的，它还具有可利用性。
所谓可利用性，是指知识一旦被组织和表示出来，就能够在新的任务中发挥作用。它不仅可以帮助人理解问题，也可以支持系统做出检索、判断、匹配和推理。
例如：
在搜索中，知识可以帮助系统理解实体与关系；
在问答中，知识可以帮助系统定位答案；
在推荐中，知识可以帮助系统发现对象之间的关联；
在决策中，知识可以作为规则、约束或经验依据。
因此，知识的价值不仅在于"知道了什么"，更在于"能据此做什么"。如果一种内容无法被调用、复用和应用，它即使被保存下来，也难以真正发挥知识的作用。
六、可更新性：知识会随着认识发展而变化
知识并不是一成不变的，它还具有可更新性（Updatability）。新的观察、实验、数据和实践，会不断修正旧知识、补充新知识，甚至改变原有知识结构。这说明，知识系统不能是封闭静止的，而应允许增补、修正和演化。
例如：
科学理论会随着研究进展而不断细化；
医学知识会随着临床证据更新而调整；
行业规则、机构关系、地理信息、社会事件也会持续变化。
对知识图谱而言，这一点尤为重要。如果知识图谱不能维护和更新，它很快就会与现实脱节。也正因为如此，知识图谱的构建并不是一次性工作，而是一个持续抽取、融合、加工、维护的过程。
七、这些特性对知识表示与知识图谱意味着什么
知识的相对正确性、不确定性、可表示性、可利用性和可更新性，直接影响知识表示与知识图谱的设计。
第一，知识表示不能只记录结论，还应尽量保留条件、范围和关系。
第二，知识系统应允许不确定、模糊或多来源并存的情况。
第三，知识必须以规范形式表达，才能被机器处理。
第四，知识组织的目标不只是存储，还应支持检索、问答、推理和应用。
第五，知识系统必须具备演化能力，能够随着现实变化而更新。
这些关系可以用下图概括：
正因为知识具有这些特性，人工智能系统才需要知识表示，而知识图谱才会成为组织和利用知识的重要形式。
📘 小结
知识既有相对正确性，也有不确定性；既能被表示，也应能被利用和更新。理解这些特性，有助于把知识看成可组织、可演化、可应用的内容体系，而不是静止的结论集合。
"点赞有美意，赞赏是鼓励"