馬國鈞

“知識”和“智慧”

關(guān)于“知識”的解釋和分類非常繁雜，沒有必要咬文嚼字。流行的一種解釋是：“知識”主要指對事物認識所獲得的符號體系。我們在工業(yè)領域研究知識，知識就是經(jīng)驗的固化和概念之間的連結(jié)。

“智慧”的定義與本質(zhì)就更加復雜了，按照質(zhì)點運動系統(tǒng)的描述很費解，按照圣經(jīng)或佛法的解釋和工業(yè)不搭邊。我們不妨把工業(yè)領域的智慧理解為：效率和效益。一個企業(yè)系統(tǒng)或者工業(yè)系統(tǒng)，結(jié)構(gòu)合理，內(nèi)耗最小，功效最大，系統(tǒng)的智慧就越高。

理論上，智慧和知識之間沒有必然的聯(lián)系。一個文化（知識）水平不高的人可能會創(chuàng)辦一個高成長性企業(yè)。一個博士生也許會做很多蠢事。這不具有普遍意義。當今成功的企業(yè)家?guī)缀鮽€個都是有知識的人。通過學習，人或者企業(yè)可能會獲得大量的知識，這個條件使它運用智慧創(chuàng)造了更好的基礎。但是有知識不等于有智慧。知識是靜態(tài)的，智慧是動態(tài)的。如何應用知識就是智慧。若沒有智慧加以應用，知識就失掉了價值。所以，通常我們說一個高度自動化的無人工廠一定匯集了巨大的知識，但是不能保證三年后工廠不倒閉。反之，一個硬件資源條件并不是很好的企業(yè)，若充分利用其內(nèi)部外部的環(huán)境資源，充分利用信息化工具，加上具有智慧的決策，很可能會健康發(fā)展壯大。

知識可以學習獲得，學習可以掌握很多技能，這都不等于智慧。智慧也分大智慧、小智慧。大智慧無法學習、無法復制、無法傳播，很難獲得，只能存在于少數(shù)智者頭腦。唯有一種智慧學習的方法，就是張三豐臨陣向張無忌授意，忘掉所有的技能和常識，剩下的就是智慧。這是常人無法企及的。

讓我們欣慰的是，現(xiàn)代技術(shù)的發(fā)展已經(jīng)讓知識工程、知識管理、知識自動化具備了總結(jié)、積累、分析、運用人類以往所有的知識。現(xiàn)代計算機和軟件技術(shù)也可以學會人類的小智慧了。由此，我們才能接著討論工業(yè)中的知識和智慧都在哪里？

工業(yè)中的“知識”和“智慧”

中文博大精深，同時也讓一個詞的內(nèi)涵和外延無法界定。至少“智能”一詞已經(jīng)被“工業(yè)4.0”帶壞了。最典型的是，一塊物料貼上一個RFID就稱之為智能物料。想一想1952年日本就有了“無人工廠”，1961年人類就進入太空，我們就能夠理解當今把一個自動化車間當成“智能工廠”是多么“低級”的一件事情了?，F(xiàn)在以“智能”面世的很多東西，其實都還是處于知識的階段，遠沒有達到“智”的程度。比如，智能材料、智能設備、智能工裝、智能設計、智能生產(chǎn)線、機器人。所有這些都是知識固化和物化的成果，就如同一塊合金鋼，一個機器人聚集了人類科學技術(shù)和工業(yè)很多很多的知識。如何應用這些匯集知識的物化成果來達到既定的目標才是智慧。用了一堆機器人，可能成事，也可能壞事。因為它們都屬于產(chǎn)能范疇。所以，我們需要分清楚哪些是知識，哪些屬于智慧，它們都在哪里？

物化知識。狹義講，就是工廠里的生產(chǎn)設備、資源、工具、物料，以及企業(yè)產(chǎn)品本身體現(xiàn)出的知識屬性，這些都屬于隱性知識。比如，在70年代我們就在越戰(zhàn)繳獲了美式步話機上通過解剖分析學到很多知識。工廠里的物化知識比比皆是，不一定需要學，需要用好這些資源。

顯性知識。顯性知識即固化知識，也是編碼知識，主要指用概念、文檔、圖表、公式、語言文字表達的知識。在傳統(tǒng)企業(yè)中，顯性知識是企業(yè)知識中最重要的內(nèi)容和形式，也是可以轉(zhuǎn)化為信息的知識。

隱性知識。企業(yè)還有很多“只可意會，不可言傳”的知識以及涉及到文化方面的知識，這一類知識都是“隱性知識”或者說“意會知識”。跟著談判高手學習實踐慢慢就學會了商務談判；有些活兒和徒弟說不明白，需要師傅手把手教徒弟；這個人能辦好，換個人就辦不好等等。這類知識（Know-how）就是意會知識。意會知識寫出來就變味了。意會知識與智慧的距離最近。

知識和軟件。軟件是知識的載體，軟件承載的知識是“封裝知識”。企業(yè)的管理流程、規(guī)定、制度、組織架構(gòu)、人力資源配置、業(yè)務管理需求、工資、分配制度、供應鏈設計、市場策略以及行業(yè)標準、企業(yè)標準等等，都是企業(yè)重要的知識。管理軟件就是將這些知識解構(gòu)、綜合、設計成為各種不同的模型。這些模型依賴于采集或輸入的數(shù)據(jù)能夠展現(xiàn)出信息的屬性。一個、一組、一個數(shù)據(jù)陣列所包含的信息必須通過數(shù)據(jù)模型的解讀來獲取，否則就僅僅是數(shù)據(jù)而已。一個企業(yè)流程管理軟件就是企業(yè)知識的綜合體。軟件的運行就是知識的應用過程。

一個工人、管理人員，其實日復一日干的工作90%以上都是重復的、單調(diào)的、簡單的。工具軟件或者管理系統(tǒng)軟件，其實它們最大的功效就是兩件事：一是讓我們少做重復事情；二是讓我們少犯低級錯誤。在企業(yè)生產(chǎn)一線沒有多少工作是創(chuàng)造性的，包括產(chǎn)品設計或工藝設計，實際上90%以上也是標準化的重復性勞動。所以采用CAX軟件可能將設計的周期大幅度地縮短。提高效率和減少錯誤本身就體現(xiàn)出知識的價值。

增量知識。企業(yè)的知識是有生命的。知識會不斷新增，也有很多在逐漸衰退。企業(yè)可以從外部和內(nèi)部學習導入很多新的知識，同時企業(yè)在日常的生產(chǎn)實踐中也會產(chǎn)生大量的新知識。在企業(yè)市場、資源、環(huán)境變化時，很多老的陳舊的知識、用不上和不能用的知識逐漸退出企業(yè)的知識庫。過去企業(yè)實施有計劃的大規(guī)模批量化的生產(chǎn)模式，MRP、豐田生產(chǎn)等管理工具挺管用。當生產(chǎn)模式從規(guī)模化批量生產(chǎn)轉(zhuǎn)為定制化生產(chǎn)模式時，這些知識可能不好用了，所以才產(chǎn)生了柔性制造、按單生產(chǎn)、快速反映等管理方法。

知識管理。知識需要管理。CKO（首席知識官）已經(jīng)在一些企業(yè)應運而生。但是大部分企業(yè)缺乏一個能夠量化的實質(zhì)性的知識管理系統(tǒng)。除了專利、軟件著作權(quán)以及技術(shù)文檔管理，很少有企業(yè)能夠把知識當成企業(yè)的重要“資本“來管理。當前“大數(shù)據(jù)“火熱。企業(yè)的確每時每刻都在制造大量的數(shù)據(jù)。存在數(shù)據(jù)庫的數(shù)據(jù)僅僅就是數(shù)據(jù)而已。如果不能透過整合、統(tǒng)計、分析、挖掘等過程讓知識進入到知識系統(tǒng)內(nèi)，就不能成為企業(yè)管理與應用的知識資本，無助于企業(yè)的決策支持。另一方面，企業(yè)知識的重要載體是人。知識管理不僅管“知識”，更要管人。知識管理要著眼于人的隱性知識顯性化，這可能涉及人員經(jīng)驗、習慣、制度、行為模式等方面。實施知識管理應將人的管理思想、理念、方法與企業(yè)現(xiàn)有的組織、制度、行為標準融合，實現(xiàn)知識管理能夠落實在具體的管理框架中。endprint

知識的流失。從知識管理的角度觀察，絕大多數(shù)企業(yè)都存在著一個巨大的漏洞，這就是知識的流失。企業(yè)各級各個業(yè)務領域有很多管理人員，這些白領都具有很豐富的管理經(jīng)驗。在生產(chǎn)實踐中，他們都是以口述或簡單的文本表格來管理生產(chǎn)現(xiàn)場。這些管理經(jīng)驗本來大多是可以量化、顯性化，可是目前基本沒有相適應的機制和系統(tǒng)來存儲、記錄、采集和總結(jié)他們的知識。寶貴的知識隨用隨丟。即使企業(yè)擁有讓白領使用的軟件工具，這些軟件的終端界面都是輸入管理人員的決策指令，而不是一個管理知識、管理經(jīng)驗的入口。系統(tǒng)的輸出必然因人而異。離開人的干預，系統(tǒng)就是死的。毫無疑問，這不符合知識自動化的趨勢和要求。

數(shù)據(jù)，信息，知識與智慧

數(shù)據(jù)，信息，知識與智慧四者之間有著密切的相關(guān)性，它們常被混淆使用。數(shù)據(jù)就是數(shù)據(jù)，除此什么都不是。而信息是確定性的增加。如果采集到某個人體溫37度，說明不了什么。第二次采集到體溫36度，不確定性增加了。如果反復多次采集，就得到一個信息，正常人體溫度一般為36～37攝氏度左右。如果有更多的數(shù)據(jù)，我們會得到很多知識。信息是數(shù)據(jù)經(jīng)過分析和解釋后所產(chǎn)生的，信息是具有實質(zhì)內(nèi)容的。有價值的信息可以轉(zhuǎn)變成知識，而知識之一定是在數(shù)據(jù)與信息基礎獲得的。知識往往與決策相關(guān)。信息給出了數(shù)據(jù)中一些有一定意義的東西，但它不一定有價值。只有通過人們的參與對信息進行歸納，演繹，比較等手段進行挖掘，使其有價值的部分沉淀下來，并且與人或系統(tǒng)的知識體系相結(jié)合才體現(xiàn)出可用的知識。

國際經(jīng)濟合作與發(fā)展組織將知識分為四種類型：Know-what、Know-why、Know-how、Know-who。從知識的層級來說，后者比前者高。前兩者大致屬于顯性知識，后兩個屬于隱性知識或者叫做意會知識。通常所說的工業(yè)大數(shù)據(jù)關(guān)注的是相關(guān)性，不關(guān)心因果，在知識層次上屬于最低的Know-what。實際上并不是它不想關(guān)心因果，而是工業(yè)大數(shù)據(jù)（尤其是工業(yè)物聯(lián)網(wǎng)采集的數(shù)據(jù)）主要是從縱向采集的數(shù)據(jù)，數(shù)據(jù)本身缺乏橫向的聯(lián)系，能知道是什么就不錯了，很難探索因果關(guān)系。舉一個簡單的例子。假設已經(jīng)萬物相連、假設能采集任何資源的數(shù)據(jù)，工廠接到一個訂單，你依然不能給出—個靠譜的交期。

距離智慧最近的知識是Know-how、Know-who，論是云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、區(qū)塊鏈、人工智能等新技術(shù)，都無法進入這兩個領域的知識管理。所以，我們現(xiàn)在的知識管理還停留在淺層，距離智慧更是遙不可及?！爸悄堋币辉~真的被用爛了。

工廠的知識在哪里？

左側(cè)這個表格列舉了一個工廠的知識都在什么地方。當然，這個表格肯定不會很全面。

從現(xiàn)場執(zhí)行領域再往上走一小步，就進入不確定性領域，進入復雜系統(tǒng)。在這些領域的知識管理和知識自動化就顯得異常艱難。很多情況下，人的經(jīng)驗（隱性知識）在發(fā)揮主要作用。我們看到在現(xiàn)場執(zhí)行層面，3D設計、機器人、AV/AR、人工智能、機器學習發(fā)展得如火如荼此起彼伏。反觀工廠的生產(chǎn)現(xiàn)場管理領域技術(shù)和方法，現(xiàn)在和100年前沒有本質(zhì)的區(qū)別，還是利用人的經(jīng)驗，依靠一張表格在管理。工廠的知識可能90%以上都在現(xiàn)場執(zhí)行領域。從系統(tǒng)科學的角度，因為這個領域系統(tǒng)的邊界有限，多屬確定性問題，知識的顯性化程度很高，所以科學技術(shù)所有成果都可以在此充分發(fā)揮利用。知識管理、知識自動化已經(jīng)在這個領域取得很大進展。可以預計大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等技術(shù)在此也將不斷產(chǎn)生令人矚目的成果。

在最上面的企業(yè)戰(zhàn)略管理層面，顯性知識的作用已經(jīng)不那么重要了。這個領域?qū)＜蚁到y(tǒng)也不會發(fā)生太大的作用，而更多的是依靠智慧。但是，智慧是實在是不好描述。對一個企業(yè)家來說，智慧似乎就是一種態(tài)度、一個境界和觀察事物的洞察力。而對于一個企業(yè)來說，企業(yè)文化就是智慧的體現(xiàn)。endprint