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。
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。
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]。
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。
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。
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。
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.