工程学科中的知识管理和工程知识工程

2024-03-04 百科知识版权反馈

【摘要】：表2.4给出的知识管理定义与流程，部分表达了这一概念。由于知识运动全过程的环节众多、机理复杂，有必要加强对知识的基础管理，以确保组织体系内知识的生成、应用和发展。知识的基础管理是整个知识管理的前提和首当其冲的任务。它不是简单地对知识的管理或知识化的管理，而是以知识为中心的管理，重在帮助组织实现知识的显性化和知识的共享，进而用于创新。知识，是知识工程的焦点。

2.2.2　知识管理和知识工程

2.2.2.1　知识管理

知识管理（knowledge management，KM）最早出现于20世纪70年代的管理实践领域，80年代中期作为一个专有名词在欧美理论界广泛使用。1996年经济合作与发展组织（OECD）发表《以知识为基础的经济》报告，随后美国达文波特教授等人（Davenport，et al，1998）出版《营运知识》（Working Knowledge）一书，推动了各个领域对知识和知识管理问题的探讨，使得KM成为经久不衰的理论和实践的热点。据称，瑞典裔管理大师斯威比（Karl E.Sveiby），1986年在其瑞典文著作《知识型企业》中最先使用了“知识管理”术语，1990年又出版了《知识管理》，这是世界上第一部以“知识管理”为题的著作。斯威比对知识和知识管理的基础性问题进行了深入研究，包括发现和定义“知识型组织”（know ledge organization）这一知识经济时代最重要的组织形态，从组织的角度探讨知识管理方法与理论在实践中的应用（见熊枫，2007）。

众所周知，20世纪后半期以来，在组织管理领域出现了几个重要的管理创新，包括全面质量管理（TQM）、知识管理（KM）、企业流程再造（BPR）、波特的五力分析（five force analysis）、学习型组织（LO）、顾客关系管理（CRM）、平衡计分卡（BSC），以及六个标准差（six sigma）等。由于知识管理直接以“知识”为主题，更加显现它在知识经济时代和信息社会的生命力。知识管理的基本假设与逻辑是：组织由“人”所组成的，并由“人”来经营运作，组织运作得好坏完全要视人的能力表现而定，进而主要靠其是否有优秀的知识（know-what、know-why、know-how）而定。因此，知识管理虽然不是组织成功的“充分条件”，但知识管理在21世纪则是组织成功的“必要条件”。

知识管理的定义与流程繁多。一般而言，知识管理是对知识进行的某些活动，使之对组织产生某些价值。表2.4给出的知识管理定义与流程，部分表达了这一概念。

表2.4　典型的知识管理定义与流程

续表

资料来源：根据郭峰渊（2001：31—34）修正整理。

由上可知，知识管理有如下特征（参王广宇2004：14—15）：（1）知识管理依赖于知识。由于知识运动全过程的环节众多、机理复杂，有必要加强对知识的基础管理，以确保组织体系内知识的生成、应用和发展。知识的基础管理是整个知识管理的前提和首当其冲的任务。（2）知识管理是管理。它不是简单地对知识的管理或知识化的管理，而是以知识为中心的管理，重在帮助组织实现知识的显性化和知识的共享，进而用于创新。（3）知识管理是优化的流程，无论把它定义成几个步骤，其目标均导向组织知识的价值实现。（4）知识管理是方法，是积累知识资本、推进智力资本管理的基本方法。（5）知识管理的应用体现了“知识增值”（knowledge value added）。总之，知识管理被人们看做是一个知识的挖掘、传递、交流、增值的创新过程，它帮助人们对现已拥有的知识进行反思、加工和再造，从而帮助组织在达成组织目标的过程中获得最大成功。(www.chuimin.cn)

2.2.2.2　知识工程

1977年第五届国际人工智能联合会议上，美国斯坦福大学计算机系教授费根鲍姆（E.A.Feigenbaum）作了题为“人工智能的艺术”（The Art of Artificial Intelligence）的讲演，首次提出“知识工程”的概念，同时指出：“知识工程是应用人工智能的原理与方法，对那些需要专家知识才能解决的应用难题提供求解的手段。恰当运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题。”这类以知识为基础的系统，就是通过智能软件而建立的人造智能系统（即专家系统）。从知识工程的40年历程可以看出，知识工程是伴随专家系统的开发而产生和发展的。

知识工程（KE）是指构建、维护和发展“知识基系统”（know ledge-based systems）。它与软件工程有许多共同之处，也与许多计算机科学领域相关，如人工智能、数据库、数据挖掘、专家系统、决策支持系统和地理信息系统等。知识工程还涉及到数学逻辑、认知神经科学和社会认知工程（socio-cognitive engineering）。就开发知识基系统而言，知识工程有大量的专门活动，例如：问题评价，发展以知识基系统外壳/结构的开发，知识结构化到知识库的实现，有关信息、知识和参数的采集和构建，嵌入知识的测试和确认，系统的集成和维护，系统的修订和评价。近来，为发展一个统一的知识和智力理论，作为一种新的正规系统方式的元知识工程正在兴起。

知识，是知识工程的焦点。知识工程的知识是泛指的，它包括不同领域的知识，如自然和社会科学的、工程的、农业的、医学的、军事的等；也包括不同性质的知识，如常识性知识、经验性知识、规律性知识等。这些知识有不同的目的，如用于造物、用于诊断、用于决策、用于规划，以及用于探索奥秘、满足认知或精神的需要等。

智能与知识不同，其差别在于智能是指运用知识解决问题的能力。要具备这种能力也必须拥有知识，至少需要：（1）关于客观世界的众多背景知识；（2）解决问题的一般策略知识；（3）问题本身的专门知识；（4）对知识进行分析、选择、归纳、总结的一般方法的知识。从学科前沿进展来看，人工智能的研究途径主要有3条：（1）生理学途径，采用仿生学的方法，模拟动物和人的感官以及大脑的结构和机能，制成神经元模型和脑模型；（2）心理学途径，应用实验心理学方法，总结人们思维活动的规律，用电子计算机进行心理模拟；（3）工程技术途径，研究怎样用电子计算机从功能上模拟人的智能行为（黄荣怀等人，2004）。知识工程借助这些途径研究开发的智能系统主要有：专家系统、知识库系统、决策支持系统、自然语言理解、智能机器人和智能计算机等。这些系统有着极其广泛的应用，包括：诊断、预测、解释、设计、规划、管理、工业自动化、智能办公系统、辅助教育、机器翻译和系统识别等（史忠植，1988：3—4）。

自20世纪80年代中期以来，知识工程师已经开发了一系列原理、方法和工具，用以推进知识工程。知识工程的基本原理有：知识有各种类型，对必须的知识要使用恰当的方法；专家和专门知识的类型有多种，应当适当加以选择；知识表达有多种方式，它们皆可帮助采集、验证和复用知识；知识应用的方式有多种，应当以任务目标为导向；为提高工作效率，要采用结构化的方法。知识工程还有两个基本观点：（1）转化观点，即应用通常的知识工程技术可将人的知识转化为人工智能系统；（2）建模观点，即把领域专家知识和解决问题技巧应用到人工智能系统的建模。

总之，知识工程的对象是知识信息处理，它的目标是挖掘和抽取人类知识，并用一定的形式表现这些知识，使之成为计算机可操作的对象，从而使计算机具有推理、学习和联想的功能，获得一定的解决问题的能力。要让这样的智能系统解决问题，显然首要问题是令其具有知识，为此就要解决如何获取知识，以及如何表达知识与利用知识的问题。本书将从其中选择框架结构（参见§2.3）的方式，以解决工程学科的知识表达问题。

工程学科中的知识管理和工程知识工程

相关推荐