人不但具有关于事实的陈述性知识(declarativeknowledge)和关于如何完成各种认知活动的程序性知识(procedural knowledge)；还有更多默会性知识，而对这些知识的表征、处理和使用才是真正的智能之源，但这需要社会化和交互作用才能形成的，如反映价值的意向性知识（should knowledge）就是人工智能的极限。

     在生活中，目标帮助我们集中注意和精力，并表明我们想要完成的任务。同理，在人工智能研究领域中，目标表明了我们想让机器学习的结果。机器学习的核型要就是“期望机器通过训练过程后获得改变的方式的明确表达。一个系统如果能够根据它所知的信息（知识、时间、资源等）能够做出最好的决策，就是理性的思考。归纳能力是指通过大量实例，总结出具有一般性规律的知识的能力。那么如何让机器更好的像人一样掌握不同知识的学习？下面就让我们了解一下著名心理学家布鲁姆是如何对人类学习、教学和评估进行分类的。

首先学习目标是由认知过程和知识维度定义的，来用于指导学习、教学、评估的更好地进行。目标的陈述包括一个动词和一个名词。动词一般描述预期的认知过程。名词一般描述期望学生掌握建构的知识。而认知过程维度则包括六个类目：记忆、理解、运用、分析、评价和创造。而决定认知过程维度的连续统一体被认为是认知的复杂性。也就是说，假定理解比记忆的认知程度更复杂，运用比理解的认知过程更复杂，以此类推。

目标在分类表中如何进行分类

在研究教育问题中最普遍和最长久的课程问题之一是：什么是值得我们学习的？这是第一个组织问题。抽象地说，问题的答案界定了什么是受过教育的人。更具体地说，有时候答案界定了所教学科的意义。但是单有标准并不必然提供一个充分和可靠的答案。杂货清单

式的标准可能比令人启发和有用的标准更令人有启发和有用的标准更让人模糊、沮丧。老师仍然需要回答什么是值得学习的这一个问题。而他们主要靠课堂时间的分配和告诉学生实际的重点是什么来回答这个问题。

 而透过分类表去看，教师能更清楚地看到可能的目标的排列和它们之间的关联。这样，当我们根据分类表分析所有或部分的课程时，我们就能够对课程获得更加完整的理解。具有愈多条目的横向。竖列、单元格便一目了然，那些完全没有条目的横行、竖列和单元格也同样明显。没有条目的整行或整列能警惕我们，在这里可能包括迄今为止没有考虑过的目标。

总之，对于目标的分类虽然不能直接告诉老师什么是值得教的，但是可以帮助教师把标准转化为共同的语言，以便与他们个人希望达成的目标相比较，通过呈现多种可能性的考虑，为指导课程建议提供某种关观点。

知识维度的分类

事实性知识

事实性知识包括专家在自己的学科交谈、理解和系统组织时所使用思维基本元素。把它们从一种情景运用于另一种情景很少或完全不需要变化。事实性知识包括基本元素。如果学生需要知晓某个学科或解决其中的任何问题，他们必须知道这些基本元素。事实性知识通常是一些与具体事物相联系的符号或“符号串”，它们传递重要信息。而且大多数事实性知识以相对较低的抽象水品出现。

AA:术语知识

  术语知识包括特殊言语的和非言语的符号（如词、数字、标记、图画）。它们是学科的基本语言—专家用于表达他所知的东西的速记。如：字母表知识、科学术语知识（分子符号标志，原子内粒子名称）、用于表示词的正确发音的符号知识。

AB:具体细节和要素知识

  具体细节和要素知识指事件、地点、人物、时间、信息源等知识。它包括非常精确和具体的信息，如事件的具体日期或现象的准确数量。它也可能包括大概的信息，如事件出现的时期或大量现象出现的一般顺序。与只能在一定的背景中才可知的事实相比，具体事实可以看作是独立和分散的元素。

B概念性知识

  概念性知识涉及类目、分类和它们两者或多者之间的关系—较为复杂的和有组织的知识形式。概念性知识包括图式、心理模型或者在不同心理学模型中或明或暗的理论。

BA分类和类目的知识

  这个亚类包括特殊类目、类别、部分和排列，它们用于不同题材中。每一题材（或教材）都有一套类目，不但可以用于发现新成分，而且可以用于处理已发现的新成分。类别和类目不同于术语和事实之处是：它们在两个和多个成分之间建立了联系。如：句子成分（如名词、动词、形容词）、不同种类的心理问题的知识。各种类型文学的知识。

BB原理和概括的知识

  原理和概括倾向于对学术性学科起支配作用，并用于该领域的现象和解决问题。原理和概括把大量具体事实和事件组合起来，它们描述这些具体细节之间的过程和相互关系，也描述分类和类别之间的关系，也描述分类和类别之间的关系。如：物理学基本定律的知识、支配基本算术运算原理（如交换率）的知识、关于特殊文化主要概括的知识。

BC理论、模型和机构的知识

  包括原理、概括及其组合成相互联系的知识，它们对复杂的现象、问题或题材呈现一种清晰、完整和系统的观点。如：国会总体结构的知识、地球板块论的知识、基因模型的知识、作为化学理论基础和化学原理之间相互关系的知识。

C程序性知识

  程序性知识一般是指如何做什么，研究技能、算法、技术、方法的标准。

CA：具体学科的技能与算法的知识

可以表达为一系列步骤，在总体上是我们所知的程序。如：用于水彩绘画的技能的知识、解方程各种算法的知识。

      CB：具体学科的技术和方法的知识