趙麗瑩

科學(xué)技術(shù)快速發(fā)展的時代背景下，制造業(yè)作為我國的國民支柱產(chǎn)業(yè)，愈發(fā)重視對人工智能知識管理系統(tǒng)的應(yīng)用，人工智能知識管理系統(tǒng)具備強大的功能和應(yīng)用優(yōu)勢，在制造型企業(yè)中發(fā)揮了顯著的應(yīng)用效果，有著廣闊的應(yīng)用前景。本文探討了人工智能對知識管理的影響，分析了制造型企業(yè)的知識管理架構(gòu)與模式，結(jié)合知識管理專家系統(tǒng)的總體模型和知識管理專家系統(tǒng)知識庫的建立使用，提出了知識管理專家系統(tǒng)功能的相關(guān)研究。

人工智能技術(shù)近些年快速發(fā)展，在云計算技術(shù)軟硬件的支持下，其應(yīng)用效果愈加顯著，人工智能發(fā)展的重要任務(wù)是要構(gòu)建起開放、協(xié)同的人工智能科技創(chuàng)新體系，實現(xiàn)智能社會的建設(shè)目標(biāo)，強調(diào)安全、便捷的智能社會優(yōu)勢。人工智能在社會各個行業(yè)領(lǐng)域內(nèi)開始布局和發(fā)展，在制造型企業(yè)中應(yīng)用人工智能知識管理系統(tǒng)，為制造型企業(yè)的發(fā)展創(chuàng)建了新的機遇，產(chǎn)生了積極的影響。

一、人工智能對知識管理的影響

人工智能和傳統(tǒng)的知識創(chuàng)造過程有所不同，知識創(chuàng)造是知識管理的第一個步驟，除此之外，還包括知識的存儲、知識轉(zhuǎn)移和知識應(yīng)用，人工智能為知識創(chuàng)造帶來了變革性的影響，也為后續(xù)的知識管理提供了可靠的支持，也就是在已有知識的組織管理中發(fā)揮了一定的作用。在知識管理中，知識創(chuàng)造作為開端，是關(guān)鍵的環(huán)節(jié)之一，知識創(chuàng)造指的是驗證個人信念真理性的動態(tài)過程，強調(diào)的是知識的價值性、動態(tài)性，和傳統(tǒng)的信息創(chuàng)造過程有本質(zhì)上的不同，因為其特性起著決定性的作用。在數(shù)據(jù)到信息、直到知識的發(fā)展歷程中，信息是排列和組合起數(shù)據(jù)，使其成為有意義的信息，而知識則是整合起了信息，成為有意義、有價值的知識，在加工、處理和應(yīng)用中，信息向知識轉(zhuǎn)化。知識的類型劃分中，可以將其分為顯性和隱性兩種不同的知識類別，顯性知識和隱性知識創(chuàng)造過程，則是以社會化、內(nèi)部化、結(jié)合化、外顯化為主。

在此理論基礎(chǔ)之上，對人工智能下組織知識創(chuàng)造產(chǎn)生的影響進行分析，人工智能下隱性知識創(chuàng)造受到的影響是不可忽視的，隱性知識的含義指的是在具體情境下，基于經(jīng)驗、行動和參與的知識，分為技術(shù)性隱性知識和認(rèn)知性隱性知識，創(chuàng)造組織內(nèi)隱性知識主要分為兩種途徑，以社會化和內(nèi)部化兩種途徑為主。知識創(chuàng)造的社會化過程是將隱性知識向其他形式的隱性知識轉(zhuǎn)換，采取了對話、交流等多種形式，在學(xué)界隱性知識被認(rèn)為是一種無法清晰表示或被編碼的知識類型，例如技能、技巧、直覺、組織文化、價值觀等，均屬于難以表達的隱性知識。人工智能雖然不能作為隱性知識的載體，但是卻創(chuàng)建起了便捷的平臺，促進了個人之間的溝通，例如在人工智能的人機交互系統(tǒng)中，組織團隊的討論，可以結(jié)合線上和線下兩種形式，對個體的文本、語音進行迅速識別，將關(guān)鍵詞捕捉到，將與關(guān)鍵詞語和關(guān)鍵問題相關(guān)的顯性材料查找到，促進團隊之間的交流，提供多元信息渠道和豐富的知識基礎(chǔ)。

特別是近些年來的人機交互發(fā)展覆蓋到了語音、手勢、眼球、運動等多個領(lǐng)域，在人工智能參與下，知識的討論、分享更加便利，個體溝通效率大大提高，個體隱性知識的產(chǎn)生效率也有所提升。人工智能下的顯性知識創(chuàng)造是以結(jié)合化和外顯化為途徑展開的，知識創(chuàng)造的結(jié)合化過程是分析加工現(xiàn)有的顯性知識，形成新的顯性知識，這種知識創(chuàng)造過程在目前的大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)與方法方面取得了顯著的成績，獲取了重大突破。傳統(tǒng)的結(jié)合化過程在人工智能的作用中發(fā)生了重大變革，體現(xiàn)在金融領(lǐng)域、營銷領(lǐng)域內(nèi)，突破時空限制，能夠獲取大量的數(shù)據(jù)信息，通過關(guān)聯(lián)、預(yù)測、分析等，掌握未來的發(fā)展趨勢，形成新的顯性知識，知識體系愈發(fā)豐富，一些企業(yè)在新知識基礎(chǔ)之上，對商業(yè)模式進行開發(fā)創(chuàng)新，實現(xiàn)數(shù)據(jù)資源的變現(xiàn)。例如在阿里巴巴企業(yè)中，整合起地理位置、購物信息、信用信息，可以獲取消費者個體畫像，提高了營銷和廣告的精準(zhǔn)性，在消費者精準(zhǔn)畫像下獲取到顯性知識，就是在人工智能和大數(shù)據(jù)的幫助下，通過結(jié)合化的知識創(chuàng)造過程，在內(nèi)容和效率上形成了突破，產(chǎn)生大量新知識。

二、制造型企業(yè)的知識管理架構(gòu)與模式

面臨著激烈的社會競爭環(huán)境，越來越多的制造型企業(yè)開始加大了對無形資產(chǎn)的重視程度，按照常規(guī)的管理模式，已經(jīng)難以滿足企業(yè)的發(fā)展需要，必須要向著標(biāo)準(zhǔn)化、規(guī)范化的管理方向，以提高企業(yè)的經(jīng)營效益為目標(biāo)，引進企業(yè)資源計劃，對企業(yè)的資源管理傳統(tǒng)模式進行創(chuàng)新。但是企業(yè)的知識管理卻受到了一定程度的限制，因為企業(yè)資源計劃針對性差，投入高，而知識管理和信息管理不同，知識管理要實現(xiàn)知識共享，利用集體智慧進行創(chuàng)新，制造型企業(yè)中隱性知識體系龐大，掌握難度高，例如季度報表、經(jīng)驗手記、試驗報告等數(shù)據(jù)量龐大。制造型企業(yè)在人工智能知識管理系統(tǒng)的應(yīng)用下，構(gòu)建起知識管理架構(gòu)與模式，要將知識管理作為一項系統(tǒng)的工作，加大研究力度，建立起一套有效的組織體系，提高企業(yè)的知識管理活動水平。在該體系當(dāng)中由專業(yè)的管理者負(fù)責(zé)知識管理，使企業(yè)的各項知識活動得到協(xié)調(diào)，制定知識管理計劃。對知識管理活動相關(guān)的任務(wù)，要成立專門的小組，負(fù)責(zé)構(gòu)建起完善的基礎(chǔ)設(shè)施體系，支撐知識管理活動，例如數(shù)據(jù)庫、圖書館、信息技術(shù)平臺等。建立完善的系統(tǒng)需要投入大量的人力資源、資金資源，建立智能化專家系統(tǒng)時，要考慮到知識管理的重要性，以及人工智能對知識管理系統(tǒng)產(chǎn)生的影響，投入更多的人力支持，提出智能方案等強大的功能，使制造企業(yè)能夠更好地進行知識管理活動，提高知識管理水平。

三、知識管理專家系統(tǒng)的總體模型

專家系統(tǒng)能夠像專家一樣工作，是智能程序系統(tǒng)，具有專門領(lǐng)域?qū)＜宜降闹R，制造型企業(yè)中構(gòu)建知識管理專家系統(tǒng)的目的就是構(gòu)建起人工智能系統(tǒng)，對制造型企業(yè)中復(fù)雜的知識進行管理，并且為使用者提供決策支持。人工智能研究的不斷深入下，取得了顯著的發(fā)展成績，例如超級計算機模擬人腦下棋，體現(xiàn)了強大的功能和應(yīng)用優(yōu)勢，但是知識這一因素被忽視，將難以在推理策略的基礎(chǔ)之上形成智能行為。由此可見，專家系統(tǒng)對知識更為重視，專家系統(tǒng)的核心是知識庫和推理機為主，也就是知識和推理構(gòu)成專家系統(tǒng)，在系統(tǒng)的不斷完善中，還要將數(shù)據(jù)庫、推理機制、解釋機制、獲取知識、用戶界面等各個部分逐步建立完善的模型。

知識庫用于存儲領(lǐng)域?qū)＜业闹R、經(jīng)驗、已知事實，并且以規(guī)則的形式將其表示出來;推理機制的兩個任務(wù)分別是推理和控制搜索過程這兩大任務(wù)，推理機制是在知識庫的已有知識中，將所需要的知識結(jié)論推導(dǎo)出來，對搜索過程進行控制，決定不同控制信息下要觸發(fā)的規(guī)則，明確知識庫中規(guī)則的掃描順序;解釋機制中解釋功能具有顯著的特征，代表著專家系統(tǒng)和其他軟件系統(tǒng)的區(qū)別，在解釋功能下，用戶能夠?qū)＜蚁到y(tǒng)提高信賴程度，有利于更好的推廣和維護系統(tǒng);專家系統(tǒng)開發(fā)中知識獲取機制的建設(shè)是難度較大的一個環(huán)節(jié)，在專家系統(tǒng)開發(fā)中也是面臨的一大瓶頸問題，知識獲取機制的研究將知識獲取作為基礎(chǔ)，在建立知識庫之前，這是獲取知識最艱難也最關(guān)鍵的步驟，知識獲取可分為人工獲取和利用機器學(xué)習(xí)技術(shù)兩種不同的形式，在訓(xùn)練實例中進行知識的自動獲取;用戶界面是用于對人機交互過程的控制界面用戶，可以實現(xiàn)人機對話，形式更加直觀、方便。

四、知識管理專家系統(tǒng)知識庫的建立與使用

建立知識管理專家系統(tǒng)知識庫時，不管是隱性知識還是顯性知識，都要在描述時使用一種或幾種特有的信息集合體來完成，將其轉(zhuǎn)化為可存儲的格式，在存儲相關(guān)信息時，很多行業(yè)使用了數(shù)據(jù)庫的概念或C語言中的對象，對信息的繼承關(guān)系進行描述，而制造型企業(yè)中存在著大量隱性經(jīng)驗信息，儲存在高級技術(shù)工人頭腦中，無法用數(shù)據(jù)庫或C語言中的對象這樣的方式和模型進行信息存取?？茖W(xué)技術(shù)的快速發(fā)展下，人工智能這一概念融入到制造型企業(yè)當(dāng)中，廣泛運用人工智能技術(shù)，形成了一種本體新概念，這一新型概念具有概念化、明確化、形式化、共享化的特性。概念化指的是客觀世界的現(xiàn)象所反映出的抽象模型，明確化指的是精確定義概念和它們之間的聯(lián)系，形式化是精確的數(shù)學(xué)描述，共享化則反映的是本體中體現(xiàn)出的知識，被使用者共同認(rèn)可和共享。

知識管理的目的是要轉(zhuǎn)變多種復(fù)雜關(guān)系的信息，使其更便捷的被計算機管理，并且每條知識都體現(xiàn)了和其他知識之間的關(guān)系，也包含了自身的描述信息、數(shù)據(jù)信息，獲取大量知識之后要分類、抽象轉(zhuǎn)化各條信息，使其成為能夠記錄的信息集合，構(gòu)建起信息模型。在本體概念和結(jié)構(gòu)的基礎(chǔ)之上，信息模型的構(gòu)建要將一些靜態(tài)變量加入進來進行表述，每條知識都和其他知識之間體現(xiàn)了一定的關(guān)系，在知識條中，為了將與其他相關(guān)知識的關(guān)系表述出來，用結(jié)構(gòu)體中的成員完成表述應(yīng)設(shè)立一個復(fù)雜結(jié)構(gòu)體，滿足存取知識的需求。完善支持使用權(quán)限的功能，過程中，合理利用私有、公有和保護機制。除了考慮知識存儲的相關(guān)問題之外，還要在知識獲取的方式上，利用本體方式，整合、管理知識，企業(yè)可以將日常加工中的知識記錄下來，利用技術(shù)報告手冊、經(jīng)驗總結(jié)等形式，擬定獲取知識的方式，由專人負(fù)責(zé)與員工進行交流，獲取設(shè)備使用經(jīng)驗和加工信息，再結(jié)合日常的手冊、報表等進行信息整合，將文本上傳到系統(tǒng)中。

通過分詞、關(guān)鍵詞描述，關(guān)聯(lián)其他知識信息，促進知識條的完整性，做好知識的存儲備用，目前對純文本的處理方面，系統(tǒng)具有出色的應(yīng)用優(yōu)勢，但是在Word中，有些文本和表格的格式較為復(fù)雜，包括目前PDF文檔格式的應(yīng)用也十分普遍，在系統(tǒng)功能中體現(xiàn)出了一定的應(yīng)用缺陷問題，基于電子圖書的分詞系統(tǒng)開發(fā)仍舊要不斷地深入進行，存儲和備用各條知識信息，再提取關(guān)鍵詞，表述知識與意識，與關(guān)聯(lián)信息相互結(jié)合，使知識條更加完整。提取關(guān)鍵詞時，通常是在英文中利用空格對單詞進行區(qū)分，但是在中文語法中，復(fù)雜程度更高，又被稱為指紋提取，在智能化分詞系統(tǒng)的研究中，海量分詞系統(tǒng)的應(yīng)用是專家系統(tǒng)使用最為常見的，通過對權(quán)重比的調(diào)節(jié)，獲取關(guān)鍵詞，將數(shù)量過多的信息或內(nèi)容沖突消除，獲取知識，使用知識，構(gòu)建知識庫。

五、知識管理專家系統(tǒng)功能

很多企業(yè)在傳統(tǒng)的數(shù)據(jù)庫管理下進行數(shù)據(jù)信息的存儲和使用，但是純數(shù)據(jù)庫系統(tǒng)的應(yīng)用過程中智能性不足，難以實現(xiàn)對癥下藥的數(shù)據(jù)庫管理目標(biāo)，而專家系統(tǒng)中卻具有強大的功能，可以實現(xiàn)自動分選目標(biāo)，并且向使用者提供相關(guān)的建議。系統(tǒng)能夠?qū)⒉煌男畔㈩愋汀⑿畔⑻卣?、信息發(fā)生概率告知使用者，該系統(tǒng)還能夠通過自學(xué)功能的應(yīng)用，自動整合未知的知識，實現(xiàn)自動整合本體化的過程，在存儲知識的功能應(yīng)用下，不斷擴充知識庫，此類知識管理專家系統(tǒng)的功能應(yīng)用中，是無法使用傳統(tǒng)的對象語言來完成的，目前仍舊在逐步研究中，針對人工智能的網(wǎng)絡(luò)神經(jīng)系統(tǒng)功能展開逐步的探索。目前在對人工智能專家系統(tǒng)進行編寫時，利用Nasa開發(fā)的Clips語言，已經(jīng)取得了顯著的應(yīng)用成績，Clips的核心可劃分為三個不同的部分，分別是事實庫、規(guī)則庫、推理機，在基本的知識表示方式上，是利用產(chǎn)生式規(guī)則的方法，對后臺知識處理及進行設(shè)計時，其重點和難點是使用大量知識時如何提取知識，并且將其作為Clips中的事實進行調(diào)用。由于知識體系較為復(fù)雜，特征明顯，再受到繼承關(guān)系、數(shù)字描述、使用權(quán)限等因素的影響，關(guān)鍵詞搜索時效果不理想，通常會獲取大量的冗余結(jié)果。為了實現(xiàn)系統(tǒng)的更進一步智能化發(fā)展，需要完善和改進篩選機制，降低用戶的介入，提高系統(tǒng)的智能化水平。

在事實庫中調(diào)入知識之后，就到了推理知識階段，將使用知識的相關(guān)建議返回給用戶，推理過程中都是使用Clips專用語言的命令完成的，普通工人在使用Clips語言編寫的專家系統(tǒng)界面時，由于都是命令型模式，因此使用過程并不方便，這就說明不懂得內(nèi)部工作機理的使用者無法對軟件的功能進行熟練地操作。人們通常認(rèn)為一個好的軟件應(yīng)具備便捷的軟件功能，即使不懂得工作機理的使用者也能夠熟練操作，例如Windows窗體功能應(yīng)用就是一項“傻瓜”應(yīng)用，使用方便，作為一項透明技術(shù)，不懂電腦的人也能夠使用該功能，只需要操作鼠標(biāo)即可。因此專家系統(tǒng)的編寫同樣要強調(diào)強大的功能和友好的界面，保證功能的簡單、便捷，不懂Clips語言的普通工人也能夠熟練方便的操作軟件，因此專家系統(tǒng)的功能中使用了前臺VC++編寫的軟體界面，Clips內(nèi)部函數(shù)使用后臺加載Clips的動態(tài)鏈接庫，大大提高了軟件應(yīng)用的便捷性，對完全不懂Clips語言的人員來說也能夠?qū)＜蚁到y(tǒng)進行應(yīng)用。

綜上所述，專家系統(tǒng)涉及到多個專業(yè)領(lǐng)域，覆蓋的知識面廣泛，為了構(gòu)建完善的人工智能專家系統(tǒng)，通常需要投入大量的人力資源、物力資源?，F(xiàn)代制造型企業(yè)的發(fā)展引進人工智能知識管理系統(tǒng)，有著深刻的商業(yè)價值，在人工智能知識管理系統(tǒng)的應(yīng)用下，要逐漸構(gòu)建起完善的專家系統(tǒng)，強化專家系統(tǒng)的功能，增進制造型企業(yè)內(nèi)部各部門之間的聯(lián)系，完善人工智能篩選器知識庫的知識體系，形成內(nèi)部局域網(wǎng)，整體加強對企業(yè)無形資產(chǎn)的把握，為制造型企業(yè)未來的發(fā)展拓展更廣闊的空間。