电脑围棋目前是人工智能领域的一个难题，由于围棋的特殊性，造成常规棋类中成功使用的搜索算法在围棋中无法使用，而有效的能直接表达围棋的数学算法模型不能建立，造成目前电脑围棋的水平还很低，甚至还达不到低段位的职业棋手的水平，因此曾经有电脑围棋领资深的专家认为电脑围棋在几十年甚至更多的时间里都不能赶上人类棋手的水平。 在寻找其它途径过程中，人类棋手在学习下围棋和下围棋时独有的思考方法逐渐引起人工智能领域的关注。一个三到五岁的孩子，通过学习能够在较短时间内学会如何下围棋，我们知道人在孩提时代，学习的方法主要是模仿和记忆，这是不是得到一点启示呢?现在教授围棋的书籍和资料也很丰富，如何让计算机也能够从这些棋谱和书籍中学到这些呢?这无疑对人工智能的发展，还是对人类智能的探讨都有积极的意义。 本文提出一个基于解释的机器学习智能系统，通过用围棋的相关于死活问题的普通规则做指导，并结合了计算机逻辑推理，来从蕴涵知识棋谱中发掘和提取可以被计算机操作运用的围棋死活知识，并给出了这些知识的表示和存储。而通常，这些知识是通过手工来总结的，因此，很难解决知识数量问题，也不利于知识的维护。本文提出的方法则可以很好解决。此文的主要研究工作如下： ①将围棋中的知识划分不同的类别，分别对待。针对一些规则性的知识通过一阶谓词逻辑进行形式化；而对于一些棋形上的知识采用图形模板的形式；还有直接用于生成候选走法的可操作性知识。 ②在谓词逻辑的基础上构造了一个基于策略逻辑的推理机模型，并对模型的正确性做了讨论。 ③给出了基于解释的机器学习方法在电脑围棋死活知识学习中的应用。 ④在这些理论的基础上，给出了整体的算法模型和详细的设计方案，最后还在测试方面进行了一些讨论。 ⑤给出各种知识的表示的详细表示方法，并对知识的组织利用给以描述。