每种知识表示方法各有特点，但都有不足之处。而且适用的领域也不同。如： 　　◇ 谓词逻辑方法只适用于确定性、陈述性、静态性知识，而对动态的、变化性、模糊性知识则很难表示。 　　◇ 产生式规则方法其推理方法太单一，如果前提条件太多，或规则条数太多，则推理的速度将慢的惊人。 　　◇ 语义网络方法表达的知识面比较窄，如果关系太复杂，会导致语义网络结构过于复杂而造成混乱。 　　◇ 框架方法所表示知识的横向关系不太明确。（纵向从属继承关系很明确） 　　在实际应用中，对于复杂的、深层次的知识，很难用一种知识表示来解决问题。为了解决这个难题，通常根据需要表示的知识的特征来决定用二、三种方式联合表示。 　　◇ 逻辑与框架：框架里的槽值可以对应于谓词项。 　　◇ 语义网络与框架：结点对应于框架，结点的参数就是框架的槽值。 　　◇ 产生式与框架：框架的槽值对应于一条产生式规则。 　　◇ 逻辑、产生式和过程式：产生式两端以谓词形式出现，“活动”是个过程。 　　◇ 传统的人工智能知识表示方法与神经网络方法的结合