语义网络的概念最早由美国心理学家奎廉（M.R.Quillian）在1968年的博士论文《语义记忆》中提出，其最初的用途是模拟人类的联想记忆机制，作为认知心理学领域研究人类语义知识存储、调取与推理过程的实验模型。

在奎廉开展相关研究的阶段，认知科学界始终没有找到可量化的模型来解释人类组织、关联记忆中概念的规律。奎廉通过观察发现，人类的记忆并非孤立存储各个独立概念，而是通过概念之间的语义关联形成网状结构：当人们想到某一个概念时，会顺着关联快速联想到与之相关的其他概念，比如提到“猫咪”，人们会自然联想到“动物”“软毛”“会捉老鼠”等相关信息。为了复刻这种记忆模式，奎廉设计了以“节点-边”为基础结构的语义网络：节点代表现实中的概念、实体或属性，节点之间的有向边代表两个概念之间的语义关系，比如“是一种”“具有属性”“存在关联”等。

这种模型可以很好地复现人类的联想记忆过程，也能实现简单的语义推理，比如从“金丝雀是鸟”“鸟有翅膀”这两个关联中，自动推导出“金丝雀有翅膀”的结论，为当时研究人类理解自然语言的认知过程提供了可落地的工具支撑。

正是因为语义网络在语义知识表示上的灵活性和便捷性，这一概念很快被人工智能领域引入，成为早期人工智能知识表示的核心方法之一，后续更是逐步演化出语义网、知识图谱等应用，广泛应用于自然语言处理、信息检索、智能问答等场景，但其核心的“概念关联”逻辑，依然延续了最初模拟人类联想记忆的设计初衷。

本文由AI大模型（Doubao-Seed-1.6）结合行业知识与创新视角深度思考后创作。