知識工程
出自 MBA智库百科(https://wiki.mbalib.com/)
知識工程（Knowledge Engineering）
目錄 |
1977年美國斯坦福大學電腦科學家費根鮑姆教授(B.A.Feigenbaum)在第五屆國際人工智慧會議—提出知識工程的新概念。他認為，“知識工程是人工智慧的原理和方法，對那些需要專家知識才能解決的應用難題提供求解的手段。恰當運用專家知識的獲取、表達和推理過程的構成與解釋，是設計基於知識的系統的重要技術問題。”這類以知識為基礎的系統，就是通過智能軟體而建立的專家系統。
人們對知識工程的理解，一般局限於專家系統範圍內。在費根鮑姆教授近著《第五代電腦：人工智慧和日本電腦對世界的挑戰》(1983年9月)中提到，“知識工程”一詞在日本人那裡很吃香，因為在日本，工程技術人員有很高的地位；但是在英國，工程技術人員不享受這樣的榮譽，人們主張使用“專家系統”這個詞。我們認為，知識工程是一門以知識為研究對象的新興學科，它將具體智能系統研究中那些共同的基本問題抽出來，作為知識工程的核心內容，使之成為指導具體研製各類智能系統的一般方法和基本工具，成為一門具有方法論意義的科學。在1984年8月全國第五代電腦專家討論會上，史忠植提出：“知識工程是研究知識信息處理的學科，提供開發智能系統的技術，是人工智慧、資料庫技術、數理邏輯、認知科學；心理學等學科交叉發展的結果”
知識工程可以看成是人工智慧在知識信息處理方面的發展，研究如何由電腦表示知識，進行問題的自動求解。知識工程的研究使人工智慧的研究從理論轉嚮應用，從基於推理的模型轉向基於知識的模型，包括了整個知識信息處理的研究，知識工程已成為一門新興的邊緣學科。
21 世紀人類全面進入信息時代。信息科學技術促進了勞動資料信息屬性的發展，從而促使科學技術與生產力比過去更加緊密地凝結在一起，構成我們這個時代社會經濟發展的新的特征，具有劃時代的意義。它以電腦、網路和通信相結合的形式，體現在變革社會協作方式的推動力量中。信息化的必然趨勢是智能化，它將使世界經濟從工業化階段進入知識經濟階段，即將物質生產和知識生產結合起來，充分利用知識和信息資源，提高產品的知識含量。知識和技術密集型產業將取代勞動密集型產業。
2005 年陸汝鈐提出知件的概念。通過知件的形式，我們可以把軟體中的知識含量分離出來，使軟體和知件成為兩種不同的研究對象和兩種不同的商品，使硬體、軟體和知件在IT產業中三足鼎立。知件就是獨立的、電腦可操作的、商品化的、可被某一類軟體調用的知識模塊。發展知識經濟必然導致知識產業的建立，其關鍵要研究知件工程。
把知識產業看成是通過電腦、網路等現代信息設備大規模地生產知識的產業，可以把它分成三個層次：它的核心部分是知件產業；包含核心部分在內的中間部分是通過電腦和網路生產知識的產業；包含中間部分在內的最廣義定義是知識的生產、加工處理和傳播產業。
知識產業的興起是後工業化社會的特征。在後工業化社會中，社會的主要功能從生產(製造)貨物轉向了知識經濟，理論知識、技術和信息成了商品的主要形式。當前許多人把知識產業與知識服務緊密相聯。
(1)1965至1974年——實驗性系統時期
(2)1975至1980年——MYCIN時期
(3)1980年以來——知識工程的“產品”在產業部門開始應用的時期
知識管理與知識工程的比較[1]
知識管理的研究非常熱，知識管理的概念也非常多，不同的概念認知反映出不同的學派。厄爾分析了知識管理的七個學派，包括系統學派、製圖學派、工程學派、商業學派、組織學派、空間學派和戰略學派。賓尼把知識管理分為溝通型、分析型、資產管理型、過程型、開髮型和創新型六種類型 。左美雲把知識管理研究歸納為三個學派，包括技術學派、行為學派和綜合學派 ；吳金希總結出知識管理的四大學派，包括IT技術學派、組織行為學派、戰略管理學派、知識工程學派。盛小平總結了八個學派，包括認識論學派、戰略管理學派、知識創新學派、空間學派、信息技術學派、組織行為學派、知識工程學派和綜合學派。這些學派總體上分為兩類，一類是企業知識管理學派，關註知識的轉化與共用，重點關註隱性知識顯性化，以提高企業核心競爭力為目標，如文獻，屬於管理科學。第二類是圖書館知識管理學派，以知識的序化為目標，提高知識組織的有序性，從而提高知識服務水平，屬於圖書館學。知識管理的研究集中在企業管理、圖書館學與情報學領域。圖書館的知識管理分為兩類，一類是以知識序化為目標的知識管理，一類是以知識共用與轉化為目標的知識管理。前者重視資源的建設，管理的核心是資源。後者把圖書館作為一個具體的機構進行知識管理，管理的核心是人。但無論哪種學派，重組織輕技術是知識管理的典型特點。
知識工程在國內的研究集中在電腦科學與人工智慧領域，如中科院的陸汝鈐研究員對知識工程、知識科學進行深入研究，中科院的史忠植研究員對知識發現進行了深入研究 ，北京科技大學的楊炳儒教授主要從邏輯的角度對知識工程進行深入研究，浙江大學潘雲鶴教授等從形象思維方面人手，運用心象思維理論，研究了語義知識與圖形圖像之間的轉換 ，石純一等教授研究了基於Agent的KQML(Knowledge Query and Manipulation Language，知識查詢操作語言)知識操作。無論哪派知識工程，重技術輕組織是知識工程的共同特征。知識工程的根本目的是為瞭解決人工智慧特別是專家系統中知識獲取的問題。
把知識工程包含於知識管理或把知識管理包含於知識工程都是不可取的，知識管理更多地關註人的因素，屬於管理範疇；知識工程更多地關註技術的實現，屬於技術範疇。因此，無論從目標、處理手段與方法、應用領域、學科範疇等各個方面來講，知識管理與知識工程都有著很大的不同，是完全不同的兩個研究領域。
2、知識管理與知識工程核心內容對比分析
知識管理主要包括知識轉化與知識序化。知識轉化是知識共用的過程，同時知識共用也是知識轉化的前提。知識管理中的知識轉化包括四個方面，從隱性知識到隱性知識的社會化過程；從隱性知識到顯性知識的外化過程；從顯性知識到顯性知識的綜合過程；從顯性知識到隱性知識的內化過程，這些轉化主要是知識存在形態以及附著主體的變化。知識管理中的知識組織以知識的序化為主，包括分類、檢索、排序等操作。傳統的知識組織藉助文獻單元的方法，依據檢索語言中的結構模式，採用分類法、標題法、單元詞法、關鍵詞法和敘詞法，併在這些方法的基礎上編製出各種目錄、索引、文獻等。以關鍵詞或主題詞來實現知識從物理層次的文獻單元向認知層次的知識單元轉化是不現實的，因為詞單元不足以完整地反映知識，能夠完整地反映知識應該至少是句子層次的。知識地圖揭示知識源以及知識之間的關係，它指向知識而不包含知識本身，是一個嚮導而不是一個知識的集合 。所以知識地圖實際上是知識的索引。但是知識地圖不具備地理坐標這一基本屬性。
知識管理不僅是獲取、組織與檢索信息的問題，還涉及數據挖掘、文本聚類、資料庫與文檔等問題。知識與人類認知的密切相關性，決定了知識管理定位在錯綜複雜的結構化的內容處理上。知識管理中的知識組織以自然語言的方式描述知識，知識的粒度並不統一，有大有小，大到一篇文獻，小到一個知識點。
知識工程是以知識為處理對象，借用工程化的思想，利用人工智慧的原理、方法和技術，設計、構造和維護知識型系統的一門學科，人們一般認為知識工程是人工智慧的一個應用分支 。知識工程包括知識獲取、知識表示與知識利用三大過程。知識獲取有三種方式：非自動知識獲取、知識抽取、機器學習知識。非自動知識獲取由知識工程師通過閱讀有關文獻或與領域專家交流，獲取原始知識併進行分析、歸納、整理，形成用自然語言表述的知識條目輸入到資料庫中。知識抽取是對蘊含於文本文獻中的知識進行識別、理解、篩選、格式化，把文獻的每個知識點抽取出來，以一定形式存人知識庫中。機器學習知識通過機器的視覺、聽覺等途徑，直接感知外部世界，輸入自然信息，獲取感性和理性知識，或者根據系統運行經驗從已有的知識或實例中演繹、歸納出新知識，補充到知識庫中。非自動知識獲取效率較低，機器學習知識難度太大，而知識抽取是知識獲取的最有效方式。知識抽取是知識獲取的三種方式之一，知識獲取是知識工程的三大步驟之一(包括知識獲取、知識表示與知識利用)，因此知識抽取是知識工程的最有效方式。
本體研究的出現為知識工程的研究註入了新的活力，但是本體在知識工程中究竟扮演什麼樣的角色呢?本體是知識表示的一種方式?本體工程將取代知識工程?本體(ontology)其實就是一種充分複雜的詞表，有了本體固然可以解決很多問題，但本體如何來獲取仍然是一大難點，正如知識獲取一直是人工智慧的瓶頸問題。本體的獲取有三種方式：手工構建、詞表轉換、自動獲取。而本體論(Ontology)是一種認知論。本體的表示語言比知識表示語言更具體，具有更強的可操作性。
知識表示有九種方法，分別為：介謂詞邏輯表示、產生式表示法、框架表示法、腳本表示法、過程表示法、語義網表示法、Petri網表示法、面向對象表示法” 。不同的知識類型使用不同的表示方法。如規則適宜用產生式表示法，實驗過程適宜用過程表示法，概念特征適宜用面向對象表示法，概念之間的關係適宜用語義網表示法。知識利用包括知識搜索以及知識推理。知識搜索確定在什麼情況下需要什麼樣的知識，搜索到的知識是否滿足當前的需求。找到了適當的知識後，進行推理，得到結果。
3、知識管理與知識工程的外圍要素對比分析
知識管理註重人與人之間的知識傳遞，而知識工程更註重知識本身的操作。知識管理(KM，Knowledge Management)的目標是建立供人使用的知識庫，而知識工程(KE，Knowledge Engineering)的目標是建立供電腦使用的知識庫。知識管理的核心是無序知識有序化、隱性知識顯性化、泛化知識本體化 。知識工程主要涉及知識獲取、知識表示與知識利用三大過程，其中知識獲取一直是知識工程的難點，也是人工智慧的瓶頸。知識管理主要從管理學的角度出發，重點關註隱性知識顯性化，技術性不強，管理的結果主要是人用。知識工程是從工程學的角度出發，重點關註知識獲取與知識表示，技術性很強，結果既可以人用，也可以機用，主要是機用。知識管理圍繞著人轉，知識管理的用戶是人，電腦是輔助管理工具，人是知識管理中的本體。知識工程圍繞著電腦轉，知識工程的用戶是電腦(系統)，人與電腦是實現的工具，電腦是知識工程中的本體。
知識工程中的知識組織以電腦可理解的方式描述知識，知識的粒度比較小，以知識元(或稱知識點)為單位。如知識庫CYC，IBM深藍電腦所使用的棋譜等。知識元與知識元之間的鏈接構成知識鏈。關於知識鏈的概念主要有三種用法。第一種用法為知識元與知識之間的鏈接，如知識發現過程中所用到的多個知識元之間形成的鏈接。第二種用法是文獻知識鏈接，如清華同方的中國知網，萬方數據的知識鏈接門戶，不同的知識節點之間的粒度差異性很大，如從作者到文獻、從作者到機構之間的鏈接，知識鏈接不能直接進行知識發現。第三種用法是對知識的處理過程所形成的動作鏈，如知識獲取、知識重組、知識存儲、知識傳播等過程所形成的鏈。第一種知識鏈強調知識的可數性，第二種知識鏈中的知識節點範疇更大一些，第三種知識鏈中的知識可大可小。前兩種知識鏈是不同知識元素之間形成的鏈，是元素與元素之間的關係，而第三種知識鏈是圍繞單個知識元素進行的操作所形成的鏈，是動作與動作之間的關係。知識網格不同於知識網路，網格是一種充分利用網路資源的計算技術，這種技術解決的根本問題是計算資源(包括存儲與運算，尤其是運算)，所以知識網格並不是指由不同的知識元邏輯放在一起，形成格狀。
4、知識管理與知識工程的發展趨勢探析
知識管理應當以隱性知識顯性化、無序知識有序化、泛化知識本體化為目標。知識工程，旨在建立面向對象知識庫和邏輯命題知識庫，以最貼近自然的方式來描述自然界的事物，以人們可認知、電腦可理解的方式描述事物之間的規律，以便能夠有效地解決信息泛濫、信息爆炸等問題，可以對重覆的信息進行濾重、篩選，得到最能反映事物本質及自然規律的清晰有序的知識。韓客松等認為知識發現是知識管理的最高層次：初級階段是知識庫(你知道你有什麼)，中級階段是知識共用(你知道你沒有什麼)，高級階段是知識發現(你不知道你有什麼)。
知識工程也在向著知識表達清晰化、數據組織有序化、內容存儲本體化的方向發展，隨著自然語言處理的新進展、面向對象方法的成熟應用，特別是本體論思想的引入，為知識工程的發展指明瞭方向，為知識工程的實施註入了新的活力。知識表示的方式已經比較成熟，能夠覆蓋絕大多數知識類型。知識工程的關鍵仍是知識獲取，非自動知識獲取太慢，很難滿足工程化需要。全自動知識獲取又太難，在自然語言處理無法取得重大突破以前，亦很難進行工程化實施。因此，半自動知識獲取的方式具有更強的可操作性，構建部分知識庫與學習規則，然後分析語料庫，邊分析邊抽取，然後再改進規則，不斷改進演算法與豐富知識庫。
5、知識技術的未來發展
知識管理不包括關於知識處理的全部，而知識工程也不包括知識處理的全部。知識管理與知識工程各有分工，各負其責。如果認為知識管理與知識工程有交叉的話，那就是在知識庫的構建上。知識管理中構建的知識庫一般用自然語言，而知識工程中構建的知識庫一般用人工語言。儘管表示方式與使用對象都有所不同，但構建知識庫都是關鍵一環。知識庫構建的前提是知識獲取，知識獲取的有效方式是知識抽取，知識抽取的目標是形成以知識元為單位的知識庫。知識獲取是知識工程要解決的關鍵問題，因此，知識抽取是知識工程的關鍵一環。另一方面，知識抽取實現一種知識序化，是以不同粒度組織知識，而知識組織是知識管理的關鍵一環。因此，知識抽取既有利於知識工程的知識獲取問題，又有利於知識管理的知識組織。知識管理與知識工程都涉及知識組織。
無論是知識管理還是知識工程，通過分析獲取知識必然成為研究的重點。獲取知識之後，對知識本身的分析以及知識之間的關係分析必然會成為新的研究熱點，通過分析獲取知識主要指知識抽取，知識本身的分析包括知識表示、知識轉化與知識映射，知識之間的關係分析體現在知識挖掘、知識發現上。情報學家正好介於知識管理與知識工程之間 。
對人的管理不如管理學家，對電腦的研究又不如電腦學家，因此情報學對知識管理的定位更多的定位於知識服務 。情報學家在走知識管理與知識工程的交叉路，既做知識序化又做知識轉化。單純的信息可能會產生情報，單純的知識很難產生情報，大多數情報是信息與知識共同作用的結果，即通過知識對新信息進行分析，分析出處境與機遇，為決策提供方案，這才是情報活動的本質。因此如何獲取知識並有效的利用知識成為知識處理的關鍵。涉及知識處理的技術很多，包括知識組織、知識管理、知識服務、知識發現、知識挖掘、知識檢索等等，但知識處理的核心是知識的獲取、表示與利用。這些處理過程有些是人工的，如隱性知識顯性化；有些是電腦自動化的，如從文獻中抽取知識；還有一些是人機交互的，如知識表示。解決知識的來、去以及中間分析過程是知識處理的三大過程，也是核心所在。知識處理一定會在總結學術文獻特征規律的基礎上，以學術文獻為主要處理對象，並適當藉助自然語言處理技術，深入文獻內容結構及語義表達進行分析，以知識元為處理單位進行抽取、組織並利用，從而實現知識的自動化處理，提高分析過程的知識維度與智能成分，推動圖書情報學的飛速發展
很好很好。學習了