本體（Ontology）在人工智慧中的知識表示
摘要
本體 (Ontology) 在人工智慧 (Artificial Intelligence) 中是知識表示 (Knowledge Representation) 的核心結構，用於形式化描述概念、實體及其關係，使系統能夠進行語義推理 (Reasoning)。此概念源自哲學中的本體論 (Ontology)，但在計算機語境中轉化為一種可運算的語義模型。
本文從哲學脈絡出發，說明本體在人工智慧中的形式化定義、結構組成與邏輯基礎，並介紹其在語意網 (Semantic Web) 中的實作方式，如 RDF (Resource Description Framework) 與 OWL (Web Ontology Language)。
背景
本體 (Ontology) 一詞源自哲學 (Philosophy)，理論基礎來自本體論 (Ontology) 作為形上學 (Metaphysics) 的分支，關注世界中「存在的是什麼」以及「存在如何被分類」。在哲學脈絡中，本體論處理的是存在 (Being) 的本質與結構，例如實體 (Entity)、性質 (Property) 與關係 (Relation) 的基本分類方式，這些問題屬於對世界的抽象分析而非計算問題。
人工智慧領域繼承本體論(Ontology) 的核心概念，但人工智慧本體的目標轉為將概念結構形式化，使概念結構可被機器操作。在此轉換過程中，研究的核心問題由「存在是什麼」轉為「如何表示存在」，本體因此由純粹的形上學理論演變為一種語義建模機制。
結構、表示與推理機制
在知識表示的語境中，本體指對概念化 (Conceptualization) 的形式規格 (Formal Specification)，其目的是建立可被計算系統處理的語義結構。本體通常由三類基本元素構成：(i) 類別 (Classes)，用於描述概念類型；(ii) 個體 (Individuals)，表示具體實例；(iii) 屬性 (Properties) 與關係 (Relations)，用於刻畫實體之間的連結。
在實作層面，本體透過語意網標準進行表達，其中 RDF (Resource Description Framework) 提供基礎的三元組 (triple) 表示方式，以主詞 (subject)、述詞 (predicate)、受詞 (object) 描述事實，使知識能以圖結構形式表示。基於 RDF 之上，OWL (Web Ontology Language) 提供更高的表達能力，使系統能描述類別之間的邏輯關係與約束。
本體的推理能力建立在描述邏輯 (Description Logic) 之上，使系統能執行：(i) 類別分類 (Classification)，自動推導類別階層；(ii) 實例判定 (Instance Checking)，判斷個體是否屬於某類別；(iii) 一致性檢查 (Consistency Checking)，確保知識庫不存在邏輯衝突。這些推理機制使本體不僅是靜態結構，而是可運算的語義系統。
角色與工程特性
在人工智慧系統中，本體作為語義框架，支撐知識的共享、重用與推理。在知識圖譜 (Knowledge Graph)、問答系統 (Question Answering) 與知識驅動代理 (Knowledge-based Agents) 中，本體定義概念與關係的型態，而具體資料則作為實例填入，形成可被機器理解的世界模型。
作為工程構件，本體的設計需在表達能力 (Expressivity) 與計算效率 (Computational Efficiency) 之間取得平衡。其評估標準包括邏輯一致性 (Logical Consistency)、可判定性 (Decidability) 與系統可維護性。在此框架中，「存在」被理解為「在模型中被明確表示的實體」，其語義取決於形式系統中的結構，而非獨立的形上學地位。
