在人工智能的诸多技术路线中，符号主义AI以其可解释性强、推理过程透明的特点，至今仍是理解智能系统运作机制的重要基础。谓词逻辑作为符号主义的知识表示与推理核心工具，为后续学习专家系统、知识图谱、自动定理证明等内容奠定了不可或缺的理论基础。
本章内容围绕"知识如何被形式化表示"与"机器如何基于形式化知识进行自动推理"两大问题展开。具体而言，我们将系统掌握谓词逻辑的基本构成——个体词、谓词、量词与联结词，理解它们如何协同描述客观世界中的对象、属性与关系；进而学习将自然语言或领域知识转化为谓词公式的方法，并掌握前束范式、子句集等标准化技术，使复杂公式转化为便于机器处理的规范形式。在推理层面，课程重点讲授归结原理与最一般合一（MGU）算法：前者通过消解互补文字实现自动演绎，后者则为变量替换提供精确的数学操作，二者共同构成了Prolog等逻辑编程语言及自动推理系统的理论根基。
这些概念之间存在紧密的递进与支撑关系。谓词逻辑提供表示语言，解决"知识如何说"的问题；子句集转化与斯柯伦化则是预处理机制，将知识整理为机器可处理的格式；合一算法是匹配工具，负责寻找不同表达式之间的共性；归结原理则是推理引擎，驱动从已知事实向新结论的演绎过程。
