下图表示学习系统的基本结构。 图5-1学习系统基本构成 　　环境向系统的学习部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。下面讨论系统中的各环节。 　　环境可以是系统的工作对象，也可以包括工作对象和外界条件。例如在医疗系统中，环境就是病人当前的症状、检验的数据和病历；在模式识别中，环境就是待识别的图形或景物；在控制系统中，环境就是受控的设备或生产流程。就环境提供给系统的信息来说，信息的水平和质量对学习系统有很大的影响。 　　信息水平：信息的一般性程度，也就是适用范围的广泛性。这里的一般性程度是相对执行环节的要求而言的。高水平信息比较抽象，适用于更广泛的问题。该种信息需要具体化才能够成为知识；低水平信息比较具体，是特殊的实例，只适用于个别的问题，需要归纳才能够成为知识。 　　信息的质量：信息的正确性、是否是适当的选择和合理的组织。 　　环境提供的信息水平和执行环节所需的信息水平之间往往有差距，学习环节的目的就是解决水平差距问题。如果环境提供较抽象的高水平信息，学习环节就要补充遗漏的细节，以便执行环节能够将其用于具体情况。如果环境提供较具体的低水平信息，即在特殊情况执行任务的实例，学习环境就要由此归纳出规则，以便用于完成更广的任务。 　　信息质量对学习难度有明显的影响。如施教者向系统提供准确的示教例子，可以减少系统的学习失误。同时学习的速度、学习结果也与提供例子的次序有关。如果次序合理，则容易进行归纳；若示教例子中有干扰，或示例的次序不合理，可能使得系统难以归纳。 　　影响学习系统设计的第二个因素是知识库的形式和内容。 　　知识库的形式：知识表示的形式。常用的知识表示方法有：特征向量、谓词演算、产生式规则、过程、LISP函数、数字多项式、语义网络和框架。选择知识表示方法要考虑可表达性、推理难度、可修改性和可扩充性等等准则。 　　可表达性：表达方式要能描述缺乏内在结构的事物。以一个特征集合或是其他东西描述事物。 　　推理难度：常用的推理是比较两个描述是否等效。表示的不同，推理当然有的容易，有的难。例如：向量的比较就比较容易，谓词的比较就很难。 　　可修改性：知识是否可以修改。不能修改的知识不能够更新。 　　可扩充性：系统学习通过增加词典条目和表示结构来扩大表示能力，使得系统能够学习并表示更复杂的知识。 　　知识库的内容：在初始阶段要有相当的初始知识。并且在学习过程中不断修正和增加新的知识。知识库内的知识大多是以概念的形式存储的。