知識(shí)管理系統(tǒng)與人工智能系統(tǒng)支持

　　摘 要：支持知識(shí)管理系統(tǒng)的人工智能系統(tǒng)分為基于知識(shí)的專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和案例推理系統(tǒng)。表達(dá)和轉(zhuǎn)化隱性知識(shí)是人工智能系統(tǒng)的瓶頸。拓展知識(shí)價(jià)值鏈為動(dòng)態(tài)循環(huán)模型，結(jié)合 AI技術(shù)開發(fā)潛在性功能，將有助于解決隱性知識(shí)問(wèn)題，形成動(dòng)態(tài)的“知識(shí)螺旋”管理系統(tǒng)。

　　尹飛， 系統(tǒng)科學(xué)學(xué)報(bào) 發(fā)表時(shí)間：2021-10-15

　　關(guān)鍵詞：知識(shí)管理系統(tǒng);人工智能系統(tǒng);人工智能;隱性知識(shí);知識(shí)價(jià)值鏈

　　當(dāng)今的企業(yè)組織陷入到由德魯克(Drucker)定義的“全球知識(shí)社會(huì)”的漩渦之中。在這樣的環(huán)境之下，智能型組織都在爭(zhēng)求競(jìng)爭(zhēng)優(yōu)勢(shì)，通過(guò)使用已有的專家和智能資源產(chǎn)生持續(xù)的向上推動(dòng)力，達(dá)到利用知識(shí)的新水準(zhǔn)。如何獲取、掌握、重復(fù)利用組織已有的知識(shí)資源擺在了管理者的面前。威格(Wiig)將這個(gè)管理行為形象地表述如下：“知識(shí)理念框架將所有的行為打包其中，它需要企業(yè)組織在持續(xù)發(fā)展的基礎(chǔ)上智能驅(qū)動(dòng)。”野中郁次郎等學(xué)者已經(jīng)分析了智能型組織在創(chuàng)造知識(shí)過(guò)程中所扮演的角色，特別強(qiáng)調(diào)成功的組織總是那些創(chuàng)造新知識(shí)，并且在組織中廣范圍傳播知識(shí)的主體。組織快速地將知識(shí)注入到技術(shù)當(dāng)中，并且使用新技術(shù)進(jìn)行生產(chǎn)。這個(gè)過(guò)程與創(chuàng)新相融合，并在將來(lái)形成最終的競(jìng)爭(zhēng)優(yōu)勢(shì)[1]。

　　1 知識(shí)管理系統(tǒng)分類

　　從普遍意義而言，知識(shí)流程已經(jīng)通過(guò)編碼或者隱性的方式劃分類別，并作為組織發(fā)展的核心策略。但是顯性知識(shí)和隱性知識(shí)的價(jià)值明顯不同。如果是顯性知識(shí)，知識(shí)被編碼或者清晰刻畫下來(lái)，通過(guò)轉(zhuǎn)化被系統(tǒng)語(yǔ)言所采納。盡管名義上有法律的保護(hù)，但以往經(jīng)驗(yàn)會(huì)告訴競(jìng)爭(zhēng)者，顯性知識(shí)并不具備長(zhǎng)久的價(jià)值，以當(dāng)今的知識(shí)傳播速度，人們可以通過(guò)各種渠道快速掌握顯性知識(shí)。競(jìng)爭(zhēng)者更希望尋找更有價(jià)值的隱性知識(shí)。相對(duì)而言，隱性知識(shí)在本質(zhì)上很難被清晰刻畫，進(jìn)一步來(lái)說(shuō)，隱性知識(shí)保持了個(gè)性，較難形式化，也不容易獲取。因此，隱性知識(shí)被內(nèi)化并且自成體系。內(nèi)化的知識(shí)如果經(jīng)過(guò)良好的體悟，將會(huì)變成常規(guī)化的獨(dú)特知識(shí)，并且會(huì)在企業(yè)執(zhí)行熟悉業(yè)務(wù)的基礎(chǔ)上體現(xiàn)出來(lái)，成為競(jìng)爭(zhēng)力的關(guān)鍵要素。

　　知識(shí)的創(chuàng)造過(guò)程會(huì)集中在隱性知識(shí)建構(gòu)和形式精細(xì)化兩個(gè)方面，更為重要的是要在這兩個(gè)方面形成交流。這個(gè)動(dòng)態(tài)性的行為是一個(gè)社會(huì)化的序列進(jìn)程，會(huì)經(jīng)歷外部化、內(nèi)部化和組合化的過(guò)程，這些特征吻合了野中郁次郎提出的“知識(shí)的螺旋”的核心理念[2]。然而，知識(shí)的復(fù)雜現(xiàn)象并不容易被隱性和清晰刻畫兩個(gè)方面的特征所囊括。知識(shí)系統(tǒng)分類包含了描述性、程序性、隱性、抽象性、專業(yè)性、清晰刻畫等特征，這些特征具有明顯的交叉狀態(tài)，而邏輯位于系統(tǒng)中心，通過(guò)理念、屬性、賦值的方法展現(xiàn)出來(lái)，并且可以應(yīng)用于系統(tǒng)中的其他分類。例如專業(yè)性知識(shí)可以輕而易舉地聯(lián)系到歸納推理，而抽象性知識(shí)更易于和演繹推理相關(guān)聯(lián)。圖 1展示了知識(shí)系統(tǒng)的復(fù)雜情況。

　　這些關(guān)于隱性知識(shí)和清晰刻畫的分類是否會(huì)呈現(xiàn)彼此相互分離的狀況，或者是處于一種極端的連續(xù)狀況呢?這就需要認(rèn)識(shí)不同類型的專家診斷，并且聯(lián)系到以往經(jīng)驗(yàn)的知識(shí)。但有一點(diǎn)不能忽視，存在不同的路徑去概念化知識(shí)，也存在不同的表述形式。例如傳聞、隱喻、示意圖，都是表述知識(shí)的路徑。知識(shí)管理蘊(yùn)含著識(shí)別不同表述路徑闡述相同知識(shí)碎片的情況，這需要通過(guò)輸入信息、分析文本和轉(zhuǎn)化程序以達(dá)到令人滿意的目的。人工智能系統(tǒng)可以通過(guò)知識(shí)系統(tǒng)分類達(dá)到管理知識(shí)的目的，但能夠提供多大程度的支持去捕捉和組織知識(shí)呢?這個(gè)問(wèn)題關(guān)系到人們是否可以快速分享知識(shí)給交流區(qū)域的用戶。人工智能系統(tǒng)將通過(guò)獲取數(shù)據(jù)來(lái)支持知識(shí)價(jià)值鏈模型，并且會(huì)成為一種經(jīng)驗(yàn)部分存在于智能型組織當(dāng)中。

　　2 人工智能系統(tǒng)支持

　　技術(shù)支持無(wú)論在知識(shí)獲取和創(chuàng)造領(lǐng)域還是在知識(shí)管理進(jìn)程方面都具有關(guān)鍵作用。因此，即使在人力資源具有優(yōu)勢(shì)的組織中，作為知識(shí)管理的組織者和促進(jìn)者，只要確立了知識(shí)管理系統(tǒng)，就必須全力思考管理與技術(shù)的相互影響問(wèn)題。這提供了潛在的知識(shí)循環(huán)誘導(dǎo)因素，也被野中郁次郎定義為當(dāng)代智能型組織的核心進(jìn)程。在知識(shí)管理系統(tǒng)的文本中，人工智能系統(tǒng)所扮演的角色是具有潛在性的，并且擁有多種處理形式。這樣的系統(tǒng)期望執(zhí)行某些任務(wù)，但是并不會(huì)顯式編程。人工智能的特征主要集中在智能模擬和智能學(xué)習(xí)方面。知識(shí)管理系統(tǒng)中的人工智能系統(tǒng)從功能上主要分為基于知識(shí)的專家系統(tǒng)(KBES)、神經(jīng)網(wǎng)絡(luò)(NN)和基于案例的推理系統(tǒng)(CBR)。

　　2.1 基于知識(shí)的專家系統(tǒng)

　　人工智能的專家系統(tǒng)有別于人類專家的經(jīng)驗(yàn)咨詢，也有別于人類專家運(yùn)用知識(shí)進(jìn)行決策的行為。這個(gè)系統(tǒng)為無(wú)專家的組織提供幫助。早在 20世紀(jì)80年代中期，就有案例表明這樣的系統(tǒng)可以檢索一系列的商務(wù)運(yùn)營(yíng)范圍。研究表明 23%的英國(guó)商業(yè)可以使用類似這樣的系統(tǒng)進(jìn)行技術(shù)運(yùn)營(yíng)和戰(zhàn)略分析[3]5-12。這個(gè)專家系統(tǒng)的運(yùn)作原理如圖 2所示，所謂“以知識(shí)為基礎(chǔ)”包含了事件斷定和函數(shù)演算兩個(gè)方面。這兩方面緊密結(jié)合了推理引擎，體現(xiàn)了邏輯操作和推演回應(yīng)。

　　可選擇的知識(shí)存儲(chǔ)結(jié)構(gòu)是數(shù)據(jù)與操作規(guī)則同時(shí)作為客體對(duì)象，并將其設(shè)置在可傳遞特征的集合組中。特別是知識(shí)領(lǐng)域出現(xiàn)自然分層的時(shí)候，這種方法具有簡(jiǎn)便性，語(yǔ)義網(wǎng)絡(luò)就為這種自然分層的知識(shí)提供了技術(shù)支持。推理規(guī)則的基礎(chǔ)必須是硬性規(guī)則，能夠適用于集合中的元素 x，使得 IF(x)，THEN(y)這樣的推理式有效。同時(shí)也必須保留探索方法，為有效判斷的邏輯規(guī)則提供參考。這樣的方法也會(huì)使用模糊邏輯，在集合中詳細(xì)刻畫連續(xù)變量，成為傳統(tǒng)二值邏輯的補(bǔ)充。推理引擎所檢索的知識(shí)都是基于工作記憶中的信息，篩選適合的事件和推演規(guī)則，以適用的數(shù)學(xué)形式或論證形式進(jìn)行推理。這一步驟需要升級(jí)工作記憶庫(kù)，并且解釋選擇的數(shù)據(jù)和規(guī)則的原因。這個(gè)過(guò)程會(huì)創(chuàng)造新的知識(shí)和事件案例，生成了新的數(shù)據(jù)選擇和規(guī)則的循環(huán)。無(wú)論選擇還是合取，系統(tǒng)都可以獲取進(jìn)一步的信息或者是用戶先前問(wèn)題的闡釋。這個(gè)進(jìn)程一直持續(xù)，直至產(chǎn)生最終輸出結(jié)果，整體的記憶軌跡都是聯(lián)系數(shù)據(jù)和事件的處理規(guī)則。最終，依據(jù)需要形成文檔(見圖 2)。

　　2.2 神經(jīng)網(wǎng)絡(luò)

　　神經(jīng)網(wǎng)絡(luò)具備的明顯優(yōu)勢(shì)在于對(duì)不完整數(shù)據(jù)進(jìn)行概括和抽象。網(wǎng)絡(luò)包含了以自然數(shù)計(jì)數(shù)的節(jié)點(diǎn)，類似于生物大腦的中樞，通過(guò)測(cè)算信息鏈結(jié)合在一起，模糊邏輯非常適宜這樣的環(huán)境。通過(guò)輸入信息和神經(jīng)元之間的相互影響產(chǎn)生輸出結(jié)果，一般而言是一種復(fù)雜的函數(shù)。神經(jīng)網(wǎng)絡(luò)的實(shí)質(zhì)在于能夠輸出最終決策結(jié)果，如果面對(duì)同樣的輸入信息集合，網(wǎng)絡(luò)測(cè)算至少要與人類專家系統(tǒng)的測(cè)算功能持平，很多時(shí)候會(huì)優(yōu)于人類專家系統(tǒng)的測(cè)算。這個(gè)成績(jī)基于多次的重復(fù)學(xué)習(xí)循環(huán)，包括系統(tǒng)中輸入集合與對(duì)應(yīng)知識(shí)的運(yùn)用。節(jié)點(diǎn)之間的箭頭代表測(cè)算鏈，判斷進(jìn)程體現(xiàn)的是最優(yōu)化的路徑，內(nèi)置于系統(tǒng)之中。神經(jīng)網(wǎng)絡(luò)提供的答案盡量減少與理想型答案之間的誤差。進(jìn)程會(huì)在提供不同的數(shù)據(jù)集合中反復(fù)演算，直至出現(xiàn)持續(xù)穩(wěn)定性或者可接受的準(zhǔn)確答案。這個(gè)階段的熟練性系統(tǒng)會(huì)對(duì)輸入相似集合的演算形成有效的潛在性幫助。神經(jīng)網(wǎng)絡(luò)與知識(shí)基礎(chǔ)的專家系統(tǒng)不同之處在于并沒(méi)有內(nèi)置清晰刻畫的知識(shí)庫(kù)，只是輸入了數(shù)據(jù)之間假設(shè)的經(jīng)驗(yàn)聯(lián)系，功能函數(shù)產(chǎn)生了復(fù)雜的輸出結(jié)果，這都是基于前置的經(jīng)驗(yàn)學(xué)習(xí)(見圖 3)。

　　2.3 案例推理系統(tǒng)

　　基于案例的推理是人工智能可選擇的另外一個(gè)技術(shù)，比如 CBR系統(tǒng)，這是基于原生數(shù)據(jù)(包括曾經(jīng)的案例和解決方法)的推理方法，而并非基于清晰化的事件和邏輯規(guī)則。與神經(jīng)網(wǎng)絡(luò)不同之處在于此系統(tǒng)并不是操縱輸入信息或者找出信息點(diǎn)之間的聯(lián)系。它只是選擇和展現(xiàn)有幫助的潛在案例，然后配位描述性的問(wèn)題，并將這種形式提交給新的案例。這種進(jìn)程在用戶的提問(wèn)與回答中反復(fù)迭代，持續(xù)發(fā)展的新案例被附加到存在的數(shù)據(jù)庫(kù)中，以備未來(lái)之需。

　　3 挑戰(zhàn)與解決方案

　　盡管強(qiáng)調(diào)人工智能的功能性，但是這些系統(tǒng)依然存在一些質(zhì)疑，特別是跟真正的生物大腦作比較的時(shí)候，擅自調(diào)用網(wǎng)絡(luò)節(jié)點(diǎn)對(duì)應(yīng)多樣化的問(wèn)題是否合適?這需要一個(gè)充分完備的數(shù)據(jù)庫(kù)，而在現(xiàn)實(shí)中這樣的數(shù)據(jù)庫(kù)通常難于實(shí)現(xiàn)，這將導(dǎo)致測(cè)算鏈條的準(zhǔn)確性大打折扣。即使未來(lái)真的出現(xiàn)了純粹經(jīng)驗(yàn)集合的數(shù)據(jù)庫(kù)，也不能保證神經(jīng)網(wǎng)絡(luò)會(huì)測(cè)算一切可滿足性的行為，畢竟紛繁復(fù)雜的市場(chǎng)存在正在進(jìn)行時(shí)的經(jīng)驗(yàn)需要學(xué)習(xí)，這將導(dǎo)致不切合實(shí)際的外延產(chǎn)生。而人類則不同，人類的大腦可以清晰意識(shí)到周邊環(huán)境正在發(fā)生變化，這是不需要附加任何機(jī)械語(yǔ)句條件的。正 如 亨 德 里 克 斯 (Hendriks)和 威 爾 森(Vriens)指出，知識(shí)是知識(shí)專家系統(tǒng)和知識(shí)管理系統(tǒng)的共同基礎(chǔ)。而時(shí)下流行的知識(shí)管理理念在人工智能和專家系統(tǒng)方面具有先進(jìn)性，但對(duì)隨后發(fā)展的影響卻是不利的[4]。這等同于是說(shuō)正在發(fā)展的專家系統(tǒng)過(guò)度強(qiáng)調(diào)技術(shù)層面，而對(duì)知識(shí)管理的根源，特別是接近哲學(xué)和人力資源的部分視而不見。因此，當(dāng)務(wù)之急是要在隱性知識(shí)管理領(lǐng)域里找到破解這個(gè)對(duì)抗的方法，并且將其內(nèi)置于人工智能框架之內(nèi)[5]。

　　這反映了格拉澤(Glaser)和施特勞斯(Strauss)以歸 納 和 演 繹 循 環(huán) 進(jìn) 程 為 特 征 的 普 遍 性 理論[6]23-25。他們的理論對(duì)于研究智能型組織的核心業(yè)務(wù)進(jìn)程提供了研究框架。數(shù)據(jù)的收集來(lái)自于法國(guó)Baypoint技術(shù)中心，這個(gè)中心是國(guó)際計(jì)算機(jī)互聯(lián)網(wǎng)公司 BayNetworksInc.的分支機(jī)構(gòu)，為企業(yè)法人、服務(wù)供應(yīng)商、電信運(yùn)營(yíng)商提供完備的服務(wù)產(chǎn)品線。其內(nèi)容包括：ATM交換技術(shù)、共享媒體、IP服務(wù)以及其他網(wǎng)絡(luò)應(yīng)用設(shè)備，以上這些融入智能組織所適用的互聯(lián)網(wǎng)發(fā)展戰(zhàn)略。

　　3.1 知識(shí)價(jià)值鏈的階段

　　智能型組織核心業(yè)務(wù)在于知識(shí)價(jià)值鏈理念，主要是應(yīng)對(duì)網(wǎng)絡(luò)中心的質(zhì)詢。這個(gè)業(yè)務(wù)的主要流程是通過(guò)知識(shí)數(shù)據(jù)檢索原始信息，其中包含了 5個(gè)階段，并且附加相互鏈接的價(jià)值。

　　(1)查詢。這個(gè)功能主要是編輯所需求的原始信息文檔。展開普遍式的詢問(wèn)，其階段包括整體文件檢索或呈現(xiàn)關(guān)鍵詞檢索，其核心特征是所有的進(jìn)程必須以時(shí)效性和便捷性的方式完成。

　　(2)篩選。這個(gè)階段主要是篩選來(lái)自于選擇文本的信息和提取特殊知識(shí)的任務(wù)信息。包括運(yùn)用持續(xù)性敘述序列標(biāo)準(zhǔn)進(jìn)行分類，確定需求信息的準(zhǔn)確位置。

　　(3)格式化。這個(gè)階段屬于基礎(chǔ)評(píng)估，質(zhì)詢哪個(gè)主體需要進(jìn)入獲取信息端口。目的在于提供充分的變量，建設(shè)溝通有效性文本，探求可能受關(guān)聯(lián)影響的主體。這個(gè)進(jìn)程包括典型文本格式化、文本檢索、文本展現(xiàn)和構(gòu)圖、多媒體及表格程序等等。便利性在于允許用戶便捷性確定重要信息之間的關(guān)聯(lián)。

　　(4)展望。格式化的結(jié)果必須能夠被個(gè)人或群體用戶更高效使用。這就包含了使用何種格式化文本在最適宜的媒介上傳輸。選項(xiàng)有報(bào)告、郵件概要、個(gè)人數(shù)據(jù)庫(kù)、聯(lián)系文本、內(nèi)網(wǎng)頁(yè)面、傳真、電話、紙質(zhì)稿等等。如果在整個(gè)進(jìn)程中需要添加潛在用戶確認(rèn)，那么在格式化階段，甚至是查詢階段都需要進(jìn)行迭代設(shè)置。

　　(5)反饋。這個(gè)階段緊密連接知識(shí)循環(huán)。因?yàn)榻M織若要在信息轉(zhuǎn)化為知識(shí)中獲取經(jīng)驗(yàn)，就必須有效發(fā)展功能函數(shù)，爭(zhēng)取進(jìn)一步獲取未來(lái)需求的知識(shí)。反饋?zhàn)鳛樽罱K環(huán)節(jié)，將會(huì)使前 4個(gè)階段納入新一輪的知識(shí)循環(huán)當(dāng)中。

　　以上 5個(gè)階段聚合在一起構(gòu)造了知識(shí)價(jià)值鏈模型，類 似 于 哈 夫 曼 (Huffma)提 出 的 知 識(shí) 循 環(huán) 理念[7]。價(jià)值鏈模型將積攢的信息轉(zhuǎn)化為知識(shí)，通過(guò)反饋階段的鏈接，能夠升級(jí)組織的工作記憶庫(kù)，反過(guò)來(lái)促進(jìn)組織的學(xué)習(xí)能力提升。

　　3.2 人工智能系統(tǒng)的標(biāo)桿分析

　　沒(méi)有相應(yīng)的技術(shù)支持，潛在性的知識(shí)很難達(dá)到最優(yōu)化的操作。人工智能能否成為知識(shí)管理的有效支持技術(shù)噬待解答。為了解決這一問(wèn)題，Bay-point技術(shù)中心采用標(biāo)桿分析法，對(duì)于現(xiàn)存的人工智能系統(tǒng)進(jìn) 行 評(píng) 估，評(píng) 估 對(duì) 象 包 括 Backweb、FulcrumKnowledgeNetwork、KnowledgexEnterprise等幾個(gè)代表性的系統(tǒng)。評(píng)估所采用的標(biāo)準(zhǔn)是知識(shí)價(jià)值鏈模型的線上應(yīng)用部分，測(cè)試幾個(gè)系統(tǒng)如何應(yīng)對(duì)客戶咨詢。測(cè)試的結(jié)果是 3款系統(tǒng)都可以對(duì)組織提供一些幫助，能夠傳遞客戶價(jià)值并捕捉有效信息。但是并沒(méi)有足夠的證據(jù)表明，這些系統(tǒng)可以在組織的核心業(yè)務(wù)層中捕捉隱性知識(shí)，也不能形成顯著的特征描述。而真正的價(jià)值就在于隱性知識(shí)，這是內(nèi)置的形式化和信息交流的問(wèn)題，而隱性知識(shí)通常是面對(duì)面交流的自然語(yǔ)句。人與人之間的交流互動(dòng)保持了涵蓋知識(shí)的唯一源泉。

　　典型的 Baypoint知識(shí)管理文本需要有一線工程師輔助解答客戶咨詢。客戶也許會(huì)質(zhì)疑，通過(guò)自動(dòng)流程產(chǎn)生的人工智能分析結(jié)果是否為最優(yōu)選擇。基本的搜索是使用瀏覽器前端參數(shù)引導(dǎo)鏈接的文本。基于知識(shí)的人工智能專家系統(tǒng)雖然能夠解決這一問(wèn)題，但是如果相似案例出現(xiàn)，那么系統(tǒng)會(huì)直接檢索記憶庫(kù)，而不是附加新的知識(shí)內(nèi)容。尋找和篩選配位原始咨詢的信息，必須使用適用的格式化方法。神經(jīng)網(wǎng)絡(luò)可以支持這一功能，但是需要交代信息的背景。而信息背景又需要前置案例，要和基于案例推理的系統(tǒng)結(jié)合使用。因此，從必要性角度而言，所謂“專家咨詢”必須可以直接訪問(wèn)，也就是說(shuō)需要更深層次的隱性知識(shí)轉(zhuǎn)化進(jìn)程，才可以獲取完備性的信息。整體的轉(zhuǎn)化進(jìn)程需要以一種適用的格式化形式保存在組織記憶庫(kù)當(dāng)中。人工智能信息技術(shù)的各個(gè)系統(tǒng)仿佛各自為戰(zhàn)，以不同的階段存在于知識(shí)價(jià)值鏈的循環(huán)當(dāng)中。人工智能需要發(fā)展?jié)撛谥R(shí)的系統(tǒng)對(duì)照如表 1[8]。

　　所以，上述人工智能系統(tǒng)必須附加功能函數(shù)，在人員交流的環(huán)境語(yǔ)句方面形成突破。這就意味著需要在智能組織中建立功能更為強(qiáng)大的引擎，用以完善知識(shí)價(jià)值鏈的標(biāo)準(zhǔn)，同時(shí)也能夠?yàn)槿藛T交流量身制定一種隱性知識(shí)表述的系統(tǒng)。

　　3.3 知識(shí)價(jià)值鏈動(dòng)態(tài)模型

　　在分析了純粹的人工智能系統(tǒng)對(duì)于知識(shí)價(jià)值鏈支持的短板之后，就需要拓展研究知識(shí)輔助系統(tǒng)和智能代理服務(wù)器。聚焦的難題是如何動(dòng)態(tài)應(yīng)對(duì)客戶需求，典型的做法是發(fā)展動(dòng)態(tài)文本技術(shù)支持服務(wù)進(jìn)程，對(duì)客戶需求進(jìn)行進(jìn)一步解釋和建議。這個(gè)技術(shù)結(jié)合了人工智能和人類思考的環(huán)節(jié)，并非是單純的人工智能方案，大大加強(qiáng)了問(wèn)題解決能力，提高了使用者的接受程度。類似于這種協(xié)作操作系統(tǒng)可以概況出一種特征，即“IA >AI”。這意味著人類心靈附加機(jī)械擴(kuò)充原有的人工智能系統(tǒng)，在效益上超越了只是模仿人類心靈的人工智能系統(tǒng)。將形式化的清晰刻畫的機(jī)械執(zhí)行知識(shí)與使用者表述的隱性知識(shí)結(jié)合起來(lái)，超越了兩者之一的單獨(dú)運(yùn)行。原有的知識(shí)價(jià)值鏈模型也得到了擴(kuò)充，成為了知識(shí)價(jià)值動(dòng)態(tài)循環(huán)模型。知識(shí)價(jià)值鏈動(dòng)態(tài)循環(huán)模型見圖 4。

　　下面模型通過(guò)搜索引擎將推理規(guī)則內(nèi)置其中，并且提供多維度信息的準(zhǔn)入接口，整個(gè)框架被數(shù)據(jù)模擬技術(shù)所支持。數(shù)據(jù)庫(kù)確定的專家經(jīng)驗(yàn)依照以前的創(chuàng)造性貢獻(xiàn)。這個(gè)模型還表述關(guān)于信息的背景知識(shí)，提供了混合型文本用以將信息轉(zhuǎn)化成知識(shí)。模型的綜合能力聯(lián)系到了人類專家，意味著通向了隱性知識(shí)。當(dāng)客戶咨詢需要清晰刻畫的知識(shí)，那么系統(tǒng)就會(huì)運(yùn)用機(jī)械方案，如同圖 4知識(shí)循環(huán)鏈包含的4個(gè)階段，如果遇到非常強(qiáng)烈的隱性知識(shí)需求，那么模型就會(huì)將質(zhì)詢轉(zhuǎn)化給領(lǐng)域內(nèi)的專家，如此在質(zhì)詢問(wèn)題和解決方案之間循環(huán)往復(fù)。與此同時(shí)，該模型還將發(fā)生過(guò)的案例源源不斷存入記憶系統(tǒng)，成為未來(lái)有用的知識(shí)。

　　知識(shí)價(jià)值動(dòng)態(tài)循環(huán)模型是知識(shí)價(jià)值鏈的拓展，正視了人工智能在知識(shí)價(jià)值鏈中的短板，是野中郁次郎“知識(shí)的螺旋”理念的一種技術(shù)補(bǔ)充。尤其是當(dāng)智能型組織深入到知識(shí)創(chuàng)造過(guò)程中的時(shí)候，組織在隱性知識(shí)方面取得短暫性的競(jìng)爭(zhēng)優(yōu)勢(shì)就更為明顯。知識(shí)管理的核心業(yè)務(wù)就是要深挖并發(fā)展知識(shí)競(jìng)爭(zhēng)力，將價(jià)值鏈嵌入到業(yè)務(wù)的核心流程。動(dòng)態(tài)循環(huán)模型的價(jià)值就在于將人工智能的三個(gè)系統(tǒng)融合在一起，在隱性知識(shí)和顯性知識(shí)之間形成動(dòng)態(tài)性的交互，并且能夠創(chuàng)造新的知識(shí)存入組織的記憶庫(kù)，形成知識(shí)的螺旋(見圖 4)。

　　3.4 開發(fā)潛在性功能

　　當(dāng)然，隱性知識(shí)還意味著可以使用非邏輯的形式，自由憑直覺(jué)重新運(yùn)作，心靈的知識(shí)也許包含了高級(jí)的人類性格，這些基于人類一生的經(jīng)驗(yàn)積攢，而不是僅僅的純邏輯或者客觀事實(shí)。這種清晰的反機(jī)械規(guī)則針對(duì)計(jì)算機(jī)科學(xué)，當(dāng)然也包括人工智能。至少，目前的人工智能系統(tǒng)依然難以處理文化、領(lǐng)導(dǎo)力和其他人力資源方面的問(wèn)題。但這些方面并非無(wú)法改進(jìn)，人工智能系統(tǒng)至少可以作為人機(jī)交互的功能部件存在，并且可以保留知識(shí)匯總的基本功能，還能提供機(jī)械式的支持，促進(jìn)知識(shí)管理進(jìn)程的發(fā)展。因此，應(yīng)當(dāng)接受人工智能開發(fā)潛在性的功能，用以高效快速地捕捉、重述、轉(zhuǎn)換信息數(shù)據(jù)。

　　人工智能也能夠處理原始信息，產(chǎn)生高級(jí)別的信息指令，對(duì)于知識(shí)學(xué)習(xí)提供高效新穎的方法。利用動(dòng)態(tài)循環(huán)模型，基于規(guī)則的專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)將形成混合系統(tǒng)，提供缺乏部分標(biāo)準(zhǔn)數(shù)據(jù)的功能函數(shù)用以接入嵌入式知識(shí)。另外，基于經(jīng)驗(yàn)的案例可以通過(guò) CBR的路徑進(jìn)行反映，這樣就拓展了系統(tǒng)能力，并且削弱了專家系統(tǒng)的質(zhì)詢瓶頸問(wèn)題。當(dāng)前的知識(shí)管理對(duì)于表達(dá)隱性知識(shí)的確存在困難，但這并不是新穎的問(wèn)題，知識(shí)引擎的理論和實(shí)踐都要求找出隱性知識(shí)的抽象，進(jìn)而進(jìn)行編碼。知識(shí)引擎的必要性條件是要同時(shí)處理事件和人類專家的邏輯進(jìn)程，需要同時(shí)進(jìn)行質(zhì)詢和確認(rèn)。邏輯或事件推理進(jìn)程在本質(zhì)上來(lái)說(shuō)屬于高級(jí)別的隱性知識(shí)。這個(gè)過(guò)程長(zhǎng)期以往都被認(rèn)為是專家系統(tǒng)的困難。但專家處理系統(tǒng)可以通過(guò)捕捉對(duì)話和描述回應(yīng)，在系統(tǒng)中內(nèi)置規(guī)則，捕捉人類心靈的推理規(guī)則。尤其是當(dāng)知識(shí)作為專家記憶的存儲(chǔ)器的時(shí)候，這樣的特征更為明顯。對(duì)于那些語(yǔ)句模糊，或者并不常見的問(wèn)題，專家系統(tǒng)要么通過(guò)經(jīng)驗(yàn)進(jìn)行學(xué)習(xí)，要么通過(guò)類似的新事件重新構(gòu)造知識(shí)。

　　實(shí)際上，人類專家形成的結(jié)論往往根據(jù)不同的規(guī)則總結(jié)以往的正、反方面的經(jīng)驗(yàn)。這樣的進(jìn)程類似于 CBR。具有價(jià)值的案例可以被重新采用，判斷是否適用于下一個(gè)階段，并會(huì)形成建議性的問(wèn)題描述、相關(guān)提問(wèn)、建設(shè)性解決方案等等，最終形成新的知識(shí)存儲(chǔ)在記憶庫(kù)里。CBR可以通過(guò)記憶庫(kù)中的清晰刻畫知識(shí)來(lái)判斷隱性知識(shí)的范圍，特別是記憶庫(kù)中被存儲(chǔ)后又被重新激活的知識(shí)，它的靈活性要強(qiáng)于剛性規(guī)則的專家系統(tǒng)。CBR的處理類似于檢索功能的進(jìn)程，需要有代數(shù)表格進(jìn)行配位。而神經(jīng)網(wǎng)絡(luò)則應(yīng)用統(tǒng)計(jì)權(quán)重測(cè)算未來(lái)結(jié)果。即便沒(méi)有事實(shí)為基礎(chǔ)的推理機(jī)制和知識(shí)記憶庫(kù)，神經(jīng)網(wǎng)絡(luò)也可以正常工作。但是神經(jīng)系統(tǒng)需要有從屬于代數(shù)學(xué)習(xí)機(jī)制的數(shù)學(xué)符號(hào)輸入。這比當(dāng)前的計(jì)算機(jī)更能模仿人類大腦，可以通過(guò)類比和中間媒介，選擇性輸出適用結(jié)果。例如筆跡識(shí)別就是這樣的功能。神經(jīng)系統(tǒng)還可以創(chuàng)造智能代理，用來(lái)尋找配位的資源，用來(lái)決定如何分類，并形成新的文檔。

　　所以，理性與經(jīng)驗(yàn)并非水火不容，統(tǒng)一起來(lái)恰為人工智能獲得新的進(jìn)步與發(fā)展提供了科學(xué)的指向[9]。智能型組織的知識(shí)管理系統(tǒng)理應(yīng)擁有人工智能的三大功能系統(tǒng)(KEBS，NN，CBR)支持，三大技術(shù)在各自獨(dú)立系統(tǒng)中都在不斷進(jìn)化。相反而言，如果摒棄人工智能的技術(shù)支持，那么容易形成所謂的“知識(shí)筒倉(cāng)”，雖然各自專家領(lǐng)域內(nèi)容易獲得范疇內(nèi)的充分知識(shí)，卻難于介入或者獲取潛在用戶的交流，這將是處理隱性知識(shí)更為不利的方面。國(guó)際化及客戶需求個(gè)性化使組織需要了解不同顧客、行業(yè)和地域的知識(shí)，這已超出單個(gè)組織已有知識(shí)儲(chǔ)備與積累[10]。因此，就需要一個(gè)綜合性的靈活工具，將知識(shí)的收集、組織、篩選、傳遞等功能高效統(tǒng)一起來(lái)。使知識(shí)價(jià)值鏈呈現(xiàn)動(dòng)態(tài)性，配合人工智能三大系統(tǒng)的潛在性支持，將是一種良性的方案。

　　結(jié)論及展望

　　當(dāng)前國(guó)際競(jìng)爭(zhēng)形勢(shì)下，知識(shí)被認(rèn)為是能夠產(chǎn)生持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)和最具價(jià)值的戰(zhàn)略性資源[11]，有效的知識(shí)獲取作為企業(yè)創(chuàng)新的基礎(chǔ)和創(chuàng)新過(guò)程的開端，是企業(yè)創(chuàng)新能力提升的關(guān)鍵[12]。知識(shí)管理系統(tǒng)強(qiáng)調(diào)人類視角的隱性知識(shí)，在智能型組織中已經(jīng)成為獲取競(jìng)爭(zhēng)力的關(guān)鍵要素。但是，知識(shí)管理同樣需要人工智能提供的信息技術(shù)，用以經(jīng)營(yíng)知識(shí)、分享知識(shí)。認(rèn)識(shí)到技術(shù)的局限性十分重要，特別是管理隱性知識(shí)方面，這涉及到知識(shí)管理復(fù)雜性的動(dòng)態(tài)進(jìn)程。知識(shí)管理進(jìn)程通過(guò)知識(shí)價(jià)值鏈清晰刻畫出來(lái)，人工智能的潛在作用和人機(jī)交互綜合系統(tǒng)拓展了知識(shí)價(jià)值鏈，成為動(dòng)態(tài)的循環(huán)系統(tǒng)。加強(qiáng)知識(shí)價(jià)值鏈動(dòng)態(tài)循環(huán)，內(nèi)置人工智能系統(tǒng)，將是獲取潛在競(jìng)爭(zhēng)力的重要環(huán)節(jié)。這種內(nèi)置人工智能的綜合系統(tǒng)正在類似Baypoint這樣的智能組織中發(fā)揮著重要作用。知識(shí)價(jià)值鏈動(dòng)態(tài)循環(huán)系統(tǒng)體現(xiàn)了知識(shí)螺旋理念，綜合了人工智能系統(tǒng)，表達(dá)了各種知識(shí)集合，涉及人類的隱性知識(shí)，具備先進(jìn)性。

　　更為重要的是，這種動(dòng)態(tài)循環(huán)系統(tǒng)為未來(lái)的潛在性知識(shí)學(xué)習(xí)提供了一個(gè)分支，反映了拓展知識(shí)價(jià)值鏈在智能輔助技術(shù)方面的重要性，提供了知識(shí)管理方面的人工智能系統(tǒng)支持研究。將來(lái)的研究可以細(xì)化知識(shí)價(jià)值鏈的各個(gè)階段，為應(yīng)用和拓展知識(shí)價(jià)值鏈提供更多的經(jīng)驗(yàn)文本。