Konsep Dasar Pengetahuan dalam AI Dalam Kecerdasan Buatan, pengetahuan merupakan inti utama yang didefinisikan sebagai informasi yang telah diolah untuk memahami, menalar, dan membuat keputusan. Alurnya dimulai dari Data (fakta mentah), menjadi Informasi (data bermakna), hingga menjadi Pengetahuan (informasi untuk penyelesaian masalah).
Kategori Pengetahuan Pengetahuan dalam sistem cerdas terbagi menjadi dua, yaitu Pengetahuan Eksplisit yang bersifat formal, terdokumentasi, dan mudah dikodekan ke sistem, serta Pengetahuan Implisit (Tacit) yang bersumber dari pengalaman serta intuisi sehingga sulit untuk diformalkan secara langsung.
Model Representasi Pengetahuan Agar komputer dapat berpikir, pengetahuan harus diubah ke bentuk formal seperti Propositional Logic atau Predicate Logic. Representasi yang baik harus memenuhi aspek Representational Adequacy (kemampuan menggambarkan jenis pengetahuan), Inferential Adequacy (kemampuan penalaran), Inferential Efficiency (kemudahan penarikan kesimpulan), dan Acquisition Efficiency (kemudahan memasukkan pengetahuan baru).
Inferensi Logika Inferensi adalah proses menarik kesimpulan berdasarkan fakta atau aturan yang ada di dalam basis pengetahuan (knowledge base). Proses ini dijalankan oleh mesin inferensi menggunakan aturan logika seperti Modus Ponens dan Modus Tollens untuk menghasilkan pengetahuan baru dari data yang tersedia.
