智能技术助力知识获取

知识有不同种类，这导致知识获取的方法也各不相同。

1.已有知识获取的智能技术

已有知识可以进一步分为显性知识和隐性知识。

（1）显性知识的获取。显性知识包括公开发布的著作、设计手册、论文、专利和标准等，还有网络中的大量短文、评论、随想等，还有分布在员工计算机和记录本中的知识。

这些知识的特点是数量很大，高度分散，形式多样。

1）著作、设计手册、论文、专利和标准等知识获取的智能技术。公开发布的著作、设计手册、论文、专利和标准等知识具有相对较高的价值，是知识获取的重点。论文、专利可以从中国知网、专利库获取，但自动获取有难度。标准可以从国家标准共享服务平台等网站获取。著作和设计手册则很少有网络版本。

这些获取知识的智能技术主要是：

·针对论文、专利等知识，采用“网络蜘蛛（又称智能代理）”自动下载。

·对扫描获得的著作和设计手册等知识，采用智能识别软件提取知识内容。

2）网络知识获取的智能技术。主要采用“网络蜘蛛”在互联网指定网站进行定期的知识搜索，当然也可以对所有网站进行搜索，但这样代价非常高，时间很长，所搜索的知识非常多。对企业而言，没有这种必要。

3）分布在员工计算机和记录本中的知识获取的智能技术。分布在员工计算机和记录本中的知识很重要，但又很零碎、分散。更难的是，员工不一定愿意将这些知识贡献出来。这类知识获取的智能技术主要是：

建立面向员工的知识管理系统，让他们分类管理好自己的知识，同时该系统与企业的知识管理系统集成在一起，当员工认为需要时，就很容易地将知识共享到企业的知识管理系统。

建立基于手机的工作记录本，利用智能语音技术，让员工能够方便地将平时的点滴经验能够迅速记录下来。

更重要的是要让员工愿意并积极共享自己的知识，这需要一个信息透明、评价准确、激励充分的环境。

4）企业信息系统中的大数据挖掘技术。制造企业在利用信息系统对产品和服务的全生命周期进行管理、对员工的知识和工作过程进行管理，同时管理深度加深、管理精度提高，由此产生大数据。企业信息系统中涉及的异构系统多，需要快速集成，使信息流畅通，便于管控；企业信息系统中涉及的非结构化的数据、信息和知识多，需要进行结构化处理，便于集成和分析；企业系统需要管控的对象多，对实时性要求高，需要进行海量数据的智能分析以及员工知识的获取技术。

（2）隐性知识的获取。在20 世纪70年代的时候，计算机开始进入工厂，其巨大的计算能力、神秘的控制能力，给人们带来无穷的遐想，计算机因而被称为“电脑”。那时，科学家们对计算机在工厂中的应用寄予了很高的期望：未来20～30年的工厂是全盘自动化的“无人化工厂”“无照明车间”。车间里工作的都是机器人，按照程序自动工作，不需要灯光照明。

在1959年第一个工业机器人诞生时，工业机器人的发明者预言：20年后车间需要劳动力时，不必去人事部门，而只需到机器人仓库寻找。

但事实并非如此。“无人化工厂”和“无照明车间”凤毛麟角，工厂的主角还是人，不是机器人，尤其是机械制造企业更是如此。(www.xing528.com)

计算机技术和人工智能技术确实在迅速发展。1997年5月11日，IBM的超级计算机“深蓝”在正常时限的比赛中首次击败了等级分排名世界第一的国际象棋棋手加里·卡斯帕罗夫。

2011年2月16日，IBM的另一台更强大的超级计算机“沃森”在美国智力竞猜节目《危险边缘》（Jeopardy）第3场比赛中，以3倍的巨大分数优势力压另两位参赛选手肯·詹宁斯和布拉德·鲁特，夺得这场人机大战的冠军。与之对擂的这两位选手是该竞猜节目有史以来最强的选手，詹宁斯曾经连续获胜74场，而鲁特是累计奖金额最高的参赛选手，奖金超过325万美元。

现在是否就能够认为“无人化工厂”就是40年后的未来智能工厂模式呢？为时还是太早。

目前的技术还无法研究出能综合各种能力，并像人类一样活动的智能机器人，也没有哪一个计算机能通过图灵测试，该测试是一种测试机器是不是具备人类智能的方法。

人们早已发现产品开发设计与隐性知识有关。在构造设计专家系统时，有经验的专家的深层知识只能意会而不可言传，而计算机就难以获得这方面的知识。

另一方面，今天所有计算机都不会学习，而只会推理。会学习的所谓“第五代”计算机，至今没有被研究出来。如果说“深蓝”和“沃森”有什么过人之处的话，那么就是它的不知疲倦的“蛮力”。

隐性知识对产品设计有非常重要的价值，占了有价值知识的一大半。隐性知识分散在员工的头脑中，部分隐性知识是可以转化为显性知识的，部分隐性知识是难以转化为显性知识的。对于前者需要将其转化为显性知识，使个人知识变为组织知识；对于后者需要知道何人掌握何种知识，以便在需要的时候快速找到所需要的员工。

隐性知识获取的方法主要有两种：①对于可以转化为显性知识的隐性知识，要尽可能实现转化；②对于难以转化为显性知识的隐性知识，要能够快速定位到掌握隐性知识的人。

1）隐性知识转化为显性知识的智能技术。隐性知识转化为显性知识需要提供相关的信息环境帮助启发、描述这些知识，提高知识的转化率和知识描述的完整性。

2）设计软件使用中的专家知识自动捕捉技术。对设计软件使用中的专家行为进行记录、跟踪、统计和分析，在对专家行为分析的基础上，分析出专家使用设计软件的知识，如设计软件的参数设置、有限元模型的建立等，实现专家知识的自动捕捉。

3）快速定位隐性知识的智能技术。对专家在知识库中所发布的知识、对知识的评价等信息进行统计分析，可以帮助发现专家的知识领域和水平，从而帮助实现隐性知识的快速定位，即掌握某类知识的专家的快速定位。

2.新知识获取的智能技术

新知识获取主要是通过知识的创新来实现的。就目前的人工智能技术水平而言，通过计算机实现知识的创新还十分困难，虽然人们可以通过搜索引擎大大加强搜索的效率，通过人工智能实现简单的知识推理，达到一定程度的人工智能，但实现全自动化的知识创新还非常遥远，或者只能实现辅助性的智能设计。

知识创新的基础是知识的积累和灵感的迸发，是研发人员进行创造性思维的结果。创新本身意味着不拘一格，但是通过表3.7所示的一些创新方法有利于在创新过程中诞生全新的思路和想法。

表3.7　常用的知识创新方法的智能化方向

例如，名为Idea Generator 和 Mind Link的工具通过引导人们突破思维定式来提高创新能力。知识的创新是人类最复杂的思维活动，要求机器像人类一样思维是不可能的，但人类可以设计出一些软件模拟人类思维。但即使这样，人们还要等待很长的时间。