Tumbug：一种图像化的通用知识表示方法

由于通用人工智能的关键通常被认为是常识推理，或者大致等价于发现一种特别适合常识推理的知识表示方法，作者开发了一种用于常识推理的定制知识表示方法。这种名为Tumbug的新颖知识表示方法被设计为本质上是图像化的，因为越来越多的证据表明人脑使用某种图像化的知识表示，而在通用人工智能领域，没有知名的先前研究探索过这种知识表示的可能性。Tumbug与Roger Schank的概念依赖理论有些相似，但Tumbug是图像化的，并使用基于科学和人类生活基本概念的约30个组件，而概念依赖理论是文本化的，使用基于人类活动为主的约17个组件（=6个原始概念类别+11个原始动作）。Tumbug的所有构建块被发现可以泛化为仅五个基本构建块，它们恰好对应于传统对象-属性-值表示的三个组件{O, A, V}加上两个新组件{C, S}，即变化和系统。这五个组件的集合称为"SCOVA"，似乎是所有知识表示的通用基础。