1.  Representasi pengetahuan dalam AI adalah cara menyimpan dan mengelola informasi agar bisa digunakan mesin untuk memecahkan masalah, melakukan penalaran, dan mengambil keputusan. Menurut Russell dan Norvig (Artificial Intelligence: A Modern Approach, 2021), representasi yang baik membantu AI memahami konteks dan hubungan antar-konsep, serta menghasilkan solusi yang lebih tepat.
Komponen ini penting karena memungkinkan AI untuk melakukan penalaran berbasis aturan, beradaptasi dengan perubahan, dan berkomunikasi dengan manusia. Representasi yang tepat membuat AI lebih efisien dan relevan dalam menjalankan tugas-tugas yang kompleks.
2. 
Logika Proposisional: Mewakili pengetahuan dengan pernyataan sederhana yang bernilai benar atau salah. Cocok untuk keputusan biner dalam sistem kontrol sederhana (Russell & Norvig, 2021).
Logika Predikat: Menggunakan predikat dan variabel untuk merepresentasikan hubungan antar-objek, sehingga cocok untuk sistem yang memerlukan detail hubungan kompleks, seperti diagnosa medis (Rich & Knight, 2010).
Jaringan Semantik: Menggunakan grafis untuk menggambarkan hubungan antar-konsep, baik untuk sistem dengan struktur hierarki seperti ontologi atau perangkat lunak pendidikan (Winston, 1992).
Sistem Berbasis Aturan: Menyimpan pengetahuan dalam aturan jika-maka, berguna dalam domain dengan aturan stabil, misalnya dalam troubleshooting teknis (Rich & Knight, 2010).
Setiap metode ini efektif sesuai kompleksitas pengetahuan dan kebutuhan domainnya.
- Russell dan Norvig (Artificial Intelligence: A Modern Approach, 2021)
- Winston, 1992
- Rich & Knight, 2010