框架是一种将知识组织为结构化、层级化格式的数据结构，通常由槽和填充值组成。在人工智能和计算机科学的语境中，框架表示一种典型化的情境或对象，使系统能够存储相关属性和关系。该概念源于20世纪70年代认知科学和知识表示领域的研究，至今仍是自然语言处理、计算机视觉和用户界面设计等领域的基础思想。
框架提供了一种将多条信息打包成单一可重用单元的方式。它们通常按层级组织，其中较低层级的框架继承较高层级的属性，从而实现高效的推理和推断。这种结构与扁平数据表示形成对比，通过提供默认值和过程附件，在槽被填充或访问时可触发相应操作。
历史发展
框架概念由马文·明斯基于1974年正式提出，作为其在人工智能知识表示工作的一部分。明斯基提出框架作为建模人类感知和理解的方式，认为人们使用先验知识结构来解释新经验。他于1975年发表的 seminal 论文《表示知识的框架》概述了框架如何用于表示常见场景，如生日聚会或房间。
明斯基的思想借鉴了早期心理学和语言学的研究，特别是弗雷德里克·巴特利特于1932年提出的图式概念。在随后的几十年中，框架被整合到多个AI系统中，包括自然语言理解程序和专家系统。麻省理工学院计算机科学与人工智能实验室和施乐帕洛阿尔托研究中心等机构的研究人员扩展了这一概念，促成了20世纪70年代末基于框架的语言的开发，如FRL（框架表示语言）和KRL（知识表示语言）。
关键组成部分
框架通常由名称和一组槽组成，每个槽可以包含值、默认值或一组约束。槽通常包含诸如“if-needed”过程（动态计算值）和“if-added”过程（在槽被填充时执行）等侧面。这种设计使框架能够同时支持声明性知识和过程性知识。
继承是核心特征：框架可以定义为另一个框架的子类，继承其槽和默认值。例如，“汽车”框架可能具有“轮子”（默认4）和“发动机”等槽，而“跑车”框架继承这些并添加“最高速度”。这种层级安排减少了冗余并简化了更新。
框架还支持多视角，即同一对象可以根据上下文通过不同框架进行查看。这在AI应用中特别有用，例如图像可以根据活动框架被解释为人脸、建筑物或车辆。
人工智能中的应用
在人工智能中，框架已应用于多个子领域。在自然语言处理中，它们帮助解析动词参数和事件结构，如FrameNet项目所示，该项目始于20世纪90年代末的国际计算机科学研究所。FrameNet提供了超过1200个框架的框架语义描述词典，将词语与语义角色关联起来。
在计算机视觉中，框架用于建模对象和场景，使系统能够将观察到的特征与预期结构匹配。斯坦福人工智能实验室和麻省理工学院计算机科学与人工智能实验室的早期视觉系统使用基于框架的推理来解释线条图和3D场景。如今，相关概念出现在现代深度学习架构中，如用于图像分割的U-Net，其中卷积层捕获与框架继承类似的层级特征。
基于框架的推理也出现在基于规则的专家系统和本体工程中。Web本体语言和OWL等标准源自类框架表示，尽管它们用逻辑进行了形式化。在机器人学中，框架帮助代理保持情境意识，如Waymo和特斯拉自动驾驶系统所示，其中环境状态被动态更新。
框架语义学与语言学理论
由查尔斯·菲尔莫尔于20世纪80年代发展的框架语义学语言学理论将这一概念扩展到语言理解。它认为词语唤起框架，即塑造意义的结构化背景知识。例如，单词“卖”激活一个商业交易框架，包含买方、卖方、商品和金钱等槽。这一视角影响了机器学习模型，用于自然语言处理（如需要，可使用大语言模型作为可见文本）。
框架语义学与明斯基的框架不同，但共享结构化知识的核心理念。它已在计算词典中实现，并用于信息提取和问答等任务。现代大语言模型，如OpenAI和Anthropic开发的模型，通过其Transformer架构隐式编码类框架知识，尽管它们不使用显式的基于槽的结构。
与相关概念的比较
框架常与图式或本体进行比较。在数据库理论中，图式是对数据库结构的正式描述，而在心理学中，它是认知模板。框架比图式更灵活，因为它们支持默认值和过程附件。本体是领域更正式、逻辑化的规范，通常用OWL表示，且通常缺乏过程侧面。
在现代计算框架中，“框架”也指数据容器，如数据科学库（如pandas）中的DataFrame。这种用法虽源自R引入的统计术语“数据框”，但共享了持有异构数据的表格结构理念。虽然与AI知识框架不直接相关，但它说明了该术语的广泛性。
现代相关性与影响
尽管基于神经网络的方法兴起，类框架结构在结合符号推理与深度学习的混合系统中仍然相关。例如，谷歌DeepMind和其他实验室在其模型中纳入结构化表示，如跨节点和边槽传播信息的图神经网络。框架概念在Graphcore或SambaNova等硬件设计中持续存在，这些设计使用固定大小的计算“瓦片”或框架来优化并行操作。
在用户界面设计中，框架是HTML框架（尽管已弃用）和现代窗口系统等技术的核心，其中每个窗口充当内容的框架。该术语也出现在视频处理中，其中框架是单张图像。这种多样性凸显了一个概念如何在多个领域演变，包括亚马逊网络服务和谷歌云，其中“框架”可能指流处理中的数据批次。
截至2025年，“框架”一词在计算机科学的30多个不同领域中使用，包括分布式系统和编译器课堂。其在AI中的持久性强调了结构化表示的重要性，即使模型日益复杂。对于从业者而言，理解框架提供了符号AI遗产与现代学习系统之间的概念桥梁。
延伸阅读
关于基础材料，马文·明斯基1974年的原始论文仍是主要来源。关于知识表示和认知建模的书籍通常会深入涵盖框架。