1. Representasi pengetahuan adalah teknik untuk menyusun dan menyimpan data sehingga mesin dapat digunakan untuk pemrosesan, penalaran, dan pengambilan keputusan. Dengan kata lain, representasi ini memungkinkan komputer atau agen AI mengaitkan fakta, aturan, konsep, atau hubungan antara data secara logis dan menganalisisnya.
Refrensi jurnal : Suhendar, H., & Nurrohmah, E. (2021). Pengantar Kecerdasan Buatan dan Pembelajaran Mesin. Bandung: Penerbit Informatika.
2. 
Logika proposional
Logika proposisional menggunakan pernyataan atau proposisi sederhana yang bisa bernilai benar (True) atau salah (False). Situasi yang cocok "Sistem alarm kebakaran yang hanya perlu menentukan benar/salah (terdeteksi kebakaran atau tidak)".
Logika predikat (Logika Predikat tingkat pertama/FOL)
Logika predikat memperluas logika proposisional dengan memperkenalkan kuantor (misalnya, ∀ untuk "untuk semua", dan ∃ untuk "ada") dan predikat yang dapat menggambarkan hubungan antar objek. Situasi yang digunakan pada metode ini adalah situasi saat "Sering digunakan dalam sistem pakar dan chatbot berbasis pengetahuan karena bisa menangani informasi berstruktur kompleks."
Jaringan Semantik
Jaringan semantik menyimpan pengetahuan dalam bentuk graf dengan simpul (nodes) sebagai konsep dan hubungan (edges) sebagai relasi antar konsep. Ini memungkinkan sistem memahami hubungan antar entitas. Situasi yang tepat pada metode ini "Efektif untuk pemodelan relasi hierarkis atau asosiatif, seperti dalam mesin pencarian atau sistem rekomendasi."
Sistem Berbasis Aturan
Sistem ini menyimpan pengetahuan dalam bentuk aturan IF-THEN untuk menghubungkan kondisi dengan aksi. Situasi yang efektif pada metode ini "Cocok untuk sistem pakar yang menangani pengetahuan domain tertentu, seperti diagnosis medis atau sistem pemantauan."
Jadi menurut saya Bergantung pada kebutuhan industri, setiap metode memiliki keunggulan dan kelemahan. 
Logika Proposisional: Untuk keputusan sederhana dan biner 
Logika Predikat: Untuk memahami hubungan antar entitas dengan lebih baik. 
Jaringan Semantik: Digunakan untuk memmodelkan konteks dan pengetahuan hierarkis yang membutuhkan hubungan asosiatif. 
Sistem Berbasis Aturan: Untuk sistem pakar dan deterministik dengan aturan jelas
Referensi jurnal dari : Suhendar, H., & Nurrohmah, E. (2021). Pengantar Kecerdasan Buatan dan Pembelajaran Mesin. Bandung: Penerbit Informatika.