但凝云 昭通學院

隨著知識管理水平的不斷提高，使知識管理逐漸成為各行各業(yè)生產、經營及管理的重要內容，這就使得人工智能的知識鏈模型的建立及知識獲取顯得非常重要。對此，本文作者根據自己對知識鏈模型及人工智能的了解，分析了基于人工智能的知識鏈模型及知識獲取與表示，希望能夠給相關工作人員提供一定的幫助及參考價值。

1 基于人工智能的知識鏈模型

1.1 Richard知識鏈模型

Richard知識鏈模型是最早的知識鏈沒模型，其構成原理在于利用在公司外部環(huán)境所學到的知識，與公司內部知識相結合，最終應用于到公司的新產品中，以創(chuàng)新產品的同時，增加產品的實現(xiàn)價值，從而增大新產品的銷售份額，所以Richard知識鏈模型也被稱為價值增值鏈(Value-added Chain)模型。

1.2 Holsapple和Singh知識鏈模型

Holsapple和Singh知識模型，主要是2000年由Holsapple和Singh經濟學家提出來的知識鏈模型，主要是指利用現(xiàn)代化技術將所有相關的知識整合成一個知識系統(tǒng)，然后融入到企業(yè)管理系統(tǒng)中，以實現(xiàn)知識與管理的融合，從而提高知識的利用效率及企業(yè)管理水平，最終提高企業(yè)競爭力，促進企業(yè)健康發(fā)展，所以Holsapple和Singh知識鏈模型也被稱為企業(yè)知識競爭優(yōu)勢鏈模型。Holsapple和Singh知識鏈模型的主要是利用Delphi方法，將實踐性的知識，與企業(yè)管理知識、企業(yè)調研結果及分析結果等融合而成，因此能夠應用于企業(yè)生產、經營及管理的各個環(huán)節(jié)，成為了應用最為廣泛和有效的知識鏈模型[1]。

1.3 兩種模型比較

Holsapple和Singh知識鏈模型簡稱Holsapple知識鏈模型，與Richard知識鏈模型相比較而言，存在很多不同之處，主要體現(xiàn)在表達形式方面，具體比較如下：

第一，相同之處，兩者的思想一樣，都是為了促進企業(yè)管理水平提高，增加企業(yè)新產品銷售量及使用價值等，并且兩者都是從Porter的Value Chain發(fā)展而來的，具有很強的內在聯(lián)系；第二，兩者的不同之處，即知識獲取方向的不同，剛開始兩者都是從企業(yè)內部及外部獲取知識的，但后面知識的應用不同，即Richard知識鏈模型的知識獲取主要應用于企業(yè)內部，Holsapple知識鏈模型中知識的獲取則主要應用于企業(yè)外部；第三，相比較而言Holsapple知識鏈的質量模型比Richard模型的更加直觀和容易理解，所以Holsapple知識鏈模型的應用范圍比Richard模型廣。

2 知識鏈中的知識表示

知識表示(Knowledge Representation)是基于人工智能知識鏈模型的重要功能作用，主要是指基于知識系統(tǒng)將從外界學習到的知識，通過計算機程序或符號等方式表現(xiàn)出來，通過計算機表示出來的知識鏈能夠進行存儲、檢索、推理、使用和修改等操作。發(fā)展至今人工智能領域的知識表示形式已經實現(xiàn)了多樣化，主要包括謂詞邏輯(Predicate Logic)表示形式、框架(Frames)表示形式、語義網絡(Semantic Nets)表示形式、產生式規(guī)則(Rules)表示形式、面向對象(Object-Oriented)表示形式等，每一種知識表示形式都有著自己的優(yōu)點及缺點，具體如下：

第一，謂詞邏輯：具有精確、嚴密及容易實現(xiàn)等優(yōu)點，其缺點包括不能表示不確定性知識且效率低；第二，框架：具有表達能力強和容易添加屬性等優(yōu)點，其缺點包括編程困難和不便于推理等；第三，語義網絡：具有關系表達能力強和可追溯關系等優(yōu)點，其缺點為實現(xiàn)比較復雜；第四，產生式規(guī)則：具有語法簡單、易于理解和修改等優(yōu)點，其缺點包括不能表達結構性知識和效率不高等。

3 知識獲取

知識獲取(Knowledge Acquisition)最早提出于專家系統(tǒng)領域，主要獲取任務包括：第一，從領域專家、書本等領域獲取知識，并對獲取的知識進行理解、選擇、分析、抽取和總結等；第二，對于已經擁有的知識，則加深了解、分析、擴寬和總結，以完善已有的知識系統(tǒng)；第三，要不斷回顧以往的知識，并將矛盾性的、冗余性的知識摒棄或完善，以進一步完善檢知識的一致性和完整性。

知識獲取的形式如下：

第一，人工獲?。褐饕ㄟ^知識工程師對知識進行收集，或與專家進行交流，從而獲取知識；第二，半自動獲?。褐R工程師在獲取知識時借助其他輔助性軟件及工具，獲取更多更為全面的知識；第三，自動抉?。褐苯永酶鞣N機器及軟件技術獲取知識，無需人工參與。

4 結語

知識鏈是實現(xiàn)知識價值及知識增值與創(chuàng)新的基礎，也是推動知識管理的重要力量之一，所以對知識鏈進行研究具有重要的理論意義及實際價值。

[1]陳勁,呂文晶.人工智能與新工科人才培養(yǎng):重大轉向[J].高等工程教育研究,2017(06):18-23.

[2]段偉文.人工智能時代的價值審度與倫理調適[J].中國人民大學學報,2017,31(06):98-108.