知識智能涌現(xiàn)創(chuàng)新：概念、體系與路徑

許立波，潘旭偉，袁平，李興森

(1.浙江大學 寧波理工學院管理學院，浙江 寧波 315100； 2.浙江理工大學 經(jīng)濟管理學院，浙江 杭州310018)

知識智能涌現(xiàn)創(chuàng)新：概念、體系與路徑

許立波，潘旭偉，袁平，李興森

(1.浙江大學 寧波理工學院管理學院，浙江 寧波 315100； 2.浙江理工大學 經(jīng)濟管理學院，浙江 杭州310018)

快速變化的網(wǎng)絡科技環(huán)境與創(chuàng)新需求，迫切需要相應的智能化創(chuàng)新理論與方法支撐。大數(shù)據(jù)及網(wǎng)絡信息技術為創(chuàng)新機理的科學研究準備了條件。本文基于可拓學的基元理論，闡述了研究創(chuàng)新過程中海量知識的智能涌現(xiàn)機理的策略，以網(wǎng)絡信息資源補充人腦隱性知識分享的不足，以模擬仿真技術實現(xiàn)創(chuàng)新路徑的輔助生成，在一定程度上破解創(chuàng)新過程的“黑箱”困境，以解決創(chuàng)新的信息知識智能協(xié)同處理機理問題。智能創(chuàng)新理論的提出對豐富知識管理理論和科學創(chuàng)新方法具有較強的理論意義和實踐意義。

知識涌現(xiàn)；智能創(chuàng)新；可拓學；大數(shù)據(jù)；基元理論；知識管理；創(chuàng)新路徑

隨著信息技術的發(fā)展，互聯(lián)網(wǎng)、數(shù)據(jù)挖掘、信息系統(tǒng)等正在改變著創(chuàng)新的環(huán)境，大數(shù)據(jù)為創(chuàng)新帶來了新的機遇[1]。

在異構、快速變化、稀疏的大數(shù)據(jù)背后，隱藏著創(chuàng)新方案生成所需的幾乎所有原料，從大數(shù)據(jù)中挖掘知識輔助創(chuàng)新是未來的必然趨勢[2]。創(chuàng)新正轉向以共同創(chuàng)新、開放創(chuàng)新為特點的用戶參與創(chuàng)新2.0模式[3]。數(shù)據(jù)、信息的海量性導致創(chuàng)新的復雜性、系統(tǒng)性進一步提高[4]。

大數(shù)據(jù)環(huán)境下，企業(yè)內部知識共享能力的作用相對減弱，而價值鏈各方知識的協(xié)同創(chuàng)新能力越來越重要[5]。企業(yè)研發(fā)活動的學科交叉性、多元化和網(wǎng)絡化[6]對創(chuàng)新個體的信息存儲、處理、分析等能力提出了更高要求。由于創(chuàng)新活動的復雜性已遠遠超越了個人、單個企業(yè)或機構的知識能力范圍[7-8]，知識管理研究重心正在轉移[9]，快速變化的科技環(huán)境與創(chuàng)新需求迫切需要相應的智能化創(chuàng)新理論與方法支撐[10]。

一般認為創(chuàng)意生成在一剎那發(fā)生，難以捕捉，所以很難用科學方法來實現(xiàn)創(chuàng)新，創(chuàng)新過程至今仍然被視為一個“黑箱”[11-12]，目前還沒有模型能夠清楚地解釋創(chuàng)新方案生成這一微觀層面的具體過程。創(chuàng)意靈感幾乎可遇而不可求，甚至連輸入都不清晰。這使得有關創(chuàng)新機理和方法的研究難以建立在科學基礎之上，從而無法有效地指導創(chuàng)新管理的實踐。

近年來關于創(chuàng)新的研究主要集中在創(chuàng)新理念、創(chuàng)新動力、創(chuàng)新模式和宏觀政策等幾方面[11-14]。創(chuàng)新需要集成和協(xié)同在學術界已達成共識[15-16]，但缺乏微觀層面知識集成和協(xié)同機理方面的深入研究與之配合，導致良好的理念無法有效實施。認知神經(jīng)科學領域的功能磁共振成像(fMRI)技術能對特定的大腦活動的皮層區(qū)域進行準確、可靠的定位，通過對大腦的掃描實時跟蹤腦信號的改變，讀取大腦思維活動，如消費者購買行為的潛意識類型[17]。然而，fMRI卻無法準確描述思維處理的信息內容。創(chuàng)造學、水平思考法[18]等從思維方法上提高創(chuàng)新效率，但這些創(chuàng)新方法的應用均存在過于依賴人的思維能力的問題，很難以科學手段定量化生成系統(tǒng)的創(chuàng)新方案。TRIZ理論通過39個矛盾參數(shù)與40個解決法則等，實現(xiàn)了技術創(chuàng)新的程序化，使技術創(chuàng)新過程可以按照技術演變規(guī)律進行[19]。但它主要研究的是技術矛盾和物理矛盾，對社會矛盾、管理矛盾等難以解決。因此很難用于管理創(chuàng)新、服務創(chuàng)新等非技術領域。

創(chuàng)新從根本上說是基于知識的創(chuàng)新，創(chuàng)新是知識運用的結果[20]，知識的收集、創(chuàng)造及運用能力是企業(yè)持續(xù)創(chuàng)新的決定性要素[21]。近年來，歐盟各國斥巨資建設Living Lab讓用戶在真實的生活環(huán)境中參與共同創(chuàng)新，并將歐洲Living Lab網(wǎng)絡的建設作為信息社會、知識社會條件下重塑其科技創(chuàng)新能力和全球競爭力的重要舉措[22]。Fab Lab則基于社會技術發(fā)展脈絡，試圖構建面向應用的從設計、制造，到調試、分析及文檔管理各個環(huán)節(jié)的用戶融合創(chuàng)新制造環(huán)境[23]。中國學者在這方面的研究還相對缺乏。

創(chuàng)新是一項復雜的知識管理工程[24]，知識創(chuàng)新需要可實施性強的網(wǎng)絡模型[25]。從復雜性角度看，創(chuàng)新本身可視為創(chuàng)新主體、創(chuàng)新要素交互作用下的一種涌現(xiàn)現(xiàn)象[26]。知識涌現(xiàn)通過許多簡單、線性的個體相互作用，由個體的線性上升到整體的非線性，在某個相對穩(wěn)定的階段涌現(xiàn)出群體性、非線性與復雜系統(tǒng)特征[27]。知識涌現(xiàn)模式分為決策導向的功能主體模式和情景適應的協(xié)調反應模式兩類[28]，文獻[29-31]進一步闡述了創(chuàng)新系統(tǒng)元素間良性互動機制的形成，并且制度化有一定彈性的創(chuàng)新體系的形成對知識創(chuàng)新的涌現(xiàn)將具有決定性作用[32-34]。

上述研究論證了知識涌現(xiàn)的優(yōu)勢與實現(xiàn)方法等，但仍存在如下不足：1)從知識涌現(xiàn)的條件準備到創(chuàng)新目標的實現(xiàn)之間缺乏內在的關聯(lián)機制，缺失創(chuàng)新目標的融入，難以為創(chuàng)新方案的生成呈現(xiàn)出所有可能的路徑；2)現(xiàn)有知識管理模式與知識管理系統(tǒng)難以直接用于復雜性涌現(xiàn)的模擬；3)創(chuàng)新管理研究沒有正式將知識智能涌現(xiàn)創(chuàng)新納入交叉研究范圍。

大數(shù)據(jù)背景下，創(chuàng)新機理研究面臨良好的機遇，有充足的信息與知識可供處理，智能知識管理[9]、本體、智能體模擬仿真技術等為知識智能化處理準備了條件?？赏貙W由于具備形式化模型定性表示及關聯(lián)函數(shù)定量分析方面的優(yōu)勢[35]，近年來在工程、管理等領域的成果向人們展示了可拓學作為方法論的良好應用前景[36-37]，可拓學將為知識涌現(xiàn)創(chuàng)新研究提供新的方法論，有可能成為知識管理和創(chuàng)新方案智能生成之間的橋梁。

因此，從理論上探究大數(shù)據(jù)環(huán)境下智能創(chuàng)新的知識管理理論，使“創(chuàng)新過程”具備某種程度上的可觀察性，將有助于促進知識管理與可拓學在創(chuàng)新領域的交叉應用，促進創(chuàng)新學這一新興學科[13]在大數(shù)據(jù)時代的發(fā)展。

1 知識智能涌現(xiàn)創(chuàng)新的概念與特征

通過數(shù)據(jù)挖掘等信息技術，從各類數(shù)據(jù)中獲取信息和知識，將獲取的多元知識與人的經(jīng)驗知識相結合，利用智能知識管理[9]手段發(fā)現(xiàn)多元知識中間蘊含的深層知識和規(guī)律。這些規(guī)律和知識是從大量知識和信息中通過二次、多次集成、交互、涌現(xiàn)產(chǎn)生的，往往更具新穎性、實用性，對企業(yè)管理創(chuàng)新、技術創(chuàng)新有較好的輔助作用，稱之為知識智能涌現(xiàn)創(chuàng)新，簡稱智能創(chuàng)新。其基本特征如下：

1)結果的不可預知性。在涌現(xiàn)結果生成前，可能會有很長的醞釀期，時間長短不一，往往無法判斷何時產(chǎn)生新知識。

2)過程的反復性。需要人機交互多次反復，人看到計算機挖掘的知識，觸發(fā)新的聯(lián)想和信息需求、知識需求，進而從數(shù)據(jù)中再次挖掘知識，補充到知識庫。多次循環(huán)，認識符合螺旋式上升的規(guī)律。

3)涌現(xiàn)的突變性。知識和信息積累到一定程度，量變引起質變，往往增加一條看似無關緊要的知識時，涌現(xiàn)突然發(fā)生。

4)可解釋性。與神經(jīng)網(wǎng)絡等方法獲取的結果相比，智能涌現(xiàn)產(chǎn)生的知識有較強的可讀性和可解釋性，專家可以解讀，甚至可以跟蹤主要知識鏈的聯(lián)系。

2 知識智能涌現(xiàn)創(chuàng)新的理論框架

2.1 知識智能涌現(xiàn)創(chuàng)新的信息、知識完備性理論

定量化研究信息管理、知識管理與創(chuàng)新過程的內在關聯(lián)機理，研究創(chuàng)新方案生成所需信息、知識的類型、結構、組成等，構建創(chuàng)新所需的信息、知識的完備性理論，為有效利用大數(shù)據(jù)環(huán)境下的各種信息和知識等生成創(chuàng)新方案準備充分條件。初步研究發(fā)現(xiàn)，創(chuàng)新方案生成至少需要方法論知識和描述性知識(反映事物內容的)，而描述性知識又必須包括與條件有關的知識和與目標有關的知識。該研究將為如何利用知識管理與數(shù)據(jù)挖掘等新技術在大數(shù)據(jù)環(huán)境下構建創(chuàng)新知識庫和知識涌現(xiàn)提供理論指導，解決創(chuàng)新過程所需的信息和知識的輸入問題。

2.2 復雜性視角下基元與本體智能融合的創(chuàng)新知識庫構建模式

網(wǎng)絡環(huán)境下大量的信息和知識成為創(chuàng)新的重要資源，同時也產(chǎn)生了信息爆炸和知識過載等問題，本體(ontology)作為一種能在語義和知識層次上描述信息的概念建模工具，已在知識工程、自然語言理解、概念檢索等領域得到較好應用?；獙⑿畔⒈磉_為(對象，屬性，量值)的三元組形式，用于構建問題描述模型。以基元形式化表達信息的方式為

式中:O(Object) 表示某對象(物、動作或關系詞);c1,c2,…,cn表示對象O的n個特征;v1,v2,…,vn表示對象O關于上述特征的相應量值。利用本體技術拓展基元理論，研究基元本體的表達、存儲方式，實現(xiàn)創(chuàng)新所需信息與知識的智能采集與存儲，不斷拓展、完善面向行業(yè)應用的創(chuàng)新素材庫。以物元為例的智能創(chuàng)新基元庫模型示意圖如圖1所示。

圖1 智能創(chuàng)新基元庫模型(以物元為例)Fig.1 Basic element model of intelligent innovation (take matter element as example)

2.3 知識智能涌現(xiàn)發(fā)生的機理

針對特定問題和創(chuàng)新目標，當采集的相關數(shù)據(jù)、信息與知識達到足夠數(shù)量時，創(chuàng)新方案必然隱含其中，只是一時無法識別其關鍵創(chuàng)新路徑。通過探索網(wǎng)絡環(huán)境下數(shù)據(jù)、信息與知識集成創(chuàng)新的基本規(guī)律和方法，挖掘創(chuàng)新方案生成背后的信息、知識整體涌現(xiàn)發(fā)生的機理，建立起涌現(xiàn)特征與微觀機制的聯(lián)系，進而設計算法，通過模擬仿真實現(xiàn)知識的智能涌現(xiàn)，作為一種新的創(chuàng)新路徑，形成在創(chuàng)新中的應用策略，為創(chuàng)新提供知識路徑參考。

2.4 實踐驗證

基于初步構建的大數(shù)據(jù)環(huán)境下知識智能涌現(xiàn)創(chuàng)新的理論與方法體系，開發(fā)模擬軟件，通過基元庫輸入、整體涌現(xiàn)和方案選擇等使創(chuàng)新的偶然性在一定條件下成為必然性，測試檢驗理論與方法的有效性。知識智能涌現(xiàn)創(chuàng)新體系如圖2所示。

圖2 知識智能涌現(xiàn)創(chuàng)新理論框架與內容體系Fig.2 Theory framework and its contents of intelligent innovation on knowledge emergence

3 實現(xiàn)路徑及應用案例

3.1 智能涌現(xiàn)創(chuàng)新實現(xiàn)過程中的主要問題分析

1)網(wǎng)絡環(huán)境下創(chuàng)新過程中的“黑箱”解剖問題。受限于目前的研究手段，創(chuàng)新方案生成的過程仍然是一個“黑箱”，這使得有關創(chuàng)新方案生成機制的研究難以建立在科學基礎之上。借助大數(shù)據(jù)網(wǎng)絡環(huán)境，通過數(shù)據(jù)、信息與知識的融合和智能涌現(xiàn)等技術手段，使人們擺脫傳統(tǒng)習慣思維的束縛，找到更系統(tǒng)全面的創(chuàng)新路徑，這是突破創(chuàng)新方案生成瓶頸的關鍵之一。

2)創(chuàng)新方案生成的解空間問題。創(chuàng)新策略的生成其實有一個很長的醞釀期，看似天馬行空的創(chuàng)新思維背后，仍然存在一定的規(guī)律。借助網(wǎng)絡信息集成和可拓變換方法，有可能挖掘出問題處理的基本路徑鏈。

3)創(chuàng)新方案智能涌現(xiàn)生成的方法完備性規(guī)則。借助數(shù)據(jù)挖掘和可拓學理論，研究生成創(chuàng)新方案背后的方法體系的充分條件，通過計算機模擬解讀、構建智能涌現(xiàn)創(chuàng)新的方法完備性規(guī)則，通過不斷反饋，反過來為創(chuàng)新所需知識與信息的收集進一步提供理論指導。

3.2 實現(xiàn)路徑

對創(chuàng)新思維過程的“黑箱”通過生理掃描等手段進行正面研究難以觀察到大數(shù)據(jù)與知識的輸入情況，條件限制較大。以各類網(wǎng)絡信息資源為外腦，用數(shù)據(jù)挖掘、復雜性模擬等技術方法彌補人的有限能力，從“黑箱”的外圍入手，從知識管理與智能涌現(xiàn)模擬的角度，與現(xiàn)有腦科學研究成果對接，開辟新的創(chuàng)新方案生成路徑，從更宏觀的層次解讀創(chuàng)新過程的知識涌現(xiàn)機理。

主要實現(xiàn)策略如下:

1)理論推演與計算機軟件模擬相結合。以可拓集合理論從系統(tǒng)角度進行創(chuàng)新宏觀路徑研究，以基元理論從微觀分解的角度對創(chuàng)新過程進行模擬仿真、解剖研究。將本體技術和基元理論相結合，借助網(wǎng)絡信息收集和Web挖掘構建基元庫，以可拓數(shù)據(jù)挖掘方法獲取創(chuàng)新過程中的信息輸入、輸出的轉化知識，并在Swarm軟件平臺上進行模擬仿真。

2)文獻對比分析與案例研究、實踐應用反饋相結合。對知識管理、數(shù)據(jù)挖掘與創(chuàng)新方法文獻進行系統(tǒng)、全面地對比研究，并對復雜性系統(tǒng)模擬應用案例及可拓學典型的創(chuàng)新案例進行分析、歸納，以總結基本規(guī)律和方法，并以案例檢驗理論的有效性。

3)定性研究與定量研究相結合。以關聯(lián)函數(shù)、數(shù)據(jù)挖掘和模擬仿真等作為定量研究工具，采用智能知識管理手段對創(chuàng)新知識庫進行挖掘和特定目標下的涌現(xiàn)模擬。以開放型專家訪談、參與性或非參與性觀察、文獻分析、個案調查等作為定性研究工具，發(fā)散與收斂交替使用，通過人機交互挖掘創(chuàng)新策略生成的路徑。

實現(xiàn)途徑上，用本體技術和可拓學基元存儲信息與知識，用智能體模擬仿真技術實現(xiàn)智能涌現(xiàn)，用可拓變換理論設置初始路徑，最后用知識二次挖掘的方法從數(shù)據(jù)和信息中(以基元庫素材作為輸入，涌現(xiàn)結果作為輸出)挖掘規(guī)律，與初始路徑對比分析，解讀知識整體智能涌現(xiàn)的機理，反饋信息與知識的完備性，形成良性循環(huán)。首先，通過文獻對比分析、案例分析及企業(yè)調研，設計基本思路，進而融合復雜性理論、可拓學理論和智能知識管理理論，通過問題建模、軟件模擬、歸納、演繹等手段，探索智能知識管理與創(chuàng)新策略生成的內在聯(lián)系機理，逐步明確信息、知識收集的范圍、方向、收集方式等，進而通過實驗模擬探索知識涌現(xiàn)的規(guī)律、機理及可行路徑，最后構建知識智能涌現(xiàn)創(chuàng)新的理論與方法體系。完成算法和原型系統(tǒng)后，通過試用來驗證理論方法的有效性。

3.3 應用案例

某服裝集團曾被一件管理問題困惑多年：下屬多家生產(chǎn)企業(yè)和3家銷售公司年度利潤指標都完成良好，而集團整體利潤卻不升反降，利潤漏洞在哪里？通過數(shù)據(jù)分析和管理層研討，收集的關鍵信息和知識如下。

1)集團公司對各生產(chǎn)廠實施利潤指標為主的業(yè)績考核管理。

2)生產(chǎn)企業(yè)在產(chǎn)能不足的情況下，面臨如何對內銷訂單和外貿訂單進行取舍的問題。

3)襯衫的代加工費(18元/件)高于內銷訂單的加工費(14元/件)，平均每件高4元。

4)生產(chǎn)廠的加工規(guī)則是：優(yōu)先加工利潤高、批量大的訂單。

5)外貿OEM訂單一般批量大。

6)集團財務數(shù)據(jù)統(tǒng)計顯示，企業(yè)利潤主要來源于自營專賣店銷售和團購業(yè)務銷售。

7)生產(chǎn)廠的加工生產(chǎn)類型分3類：①面向庫存的生產(chǎn)，供各類渠道銷售；②團購訂單加工，量體定制，先付款后加工；③委托生產(chǎn)OEM，幫其他品牌代加工。

8)生產(chǎn)廠團購訂單及時交貨率出現(xiàn)持續(xù)下降趨勢，遠遠低于委托生產(chǎn)訂單的及時交貨率。

9)委托訂單批量大，在生產(chǎn)廠利潤中的比重也越來越大。

10)利潤指標是集團對下屬單位考核的主要指標之一，生產(chǎn)廠每年利潤指標都完成96%以上。但銷售公司利潤只完成82%，集團整體利潤只完成87%。

11)對完成利潤指標低于85%的下屬單位負責人，年底扣發(fā)獎金、公示、降職。

12)影響自營專賣店銷售的主要因素是暢銷品缺貨，訂貨后生產(chǎn)交貨不及時；交貨不及時也是造成團購客戶不滿意的主要因素。

13)生產(chǎn)廠一旦承接大量的代加工生產(chǎn)訂單，則往往因生產(chǎn)能力不足，需要統(tǒng)籌安排生產(chǎn)計劃。

基于智能涌現(xiàn)創(chuàng)新的理論方法，構建相關基元庫，如某生產(chǎn)廠的物元模型如下：

通過智能涌現(xiàn)創(chuàng)新方法，得出如下知識關鍵鏈：因為利潤是生產(chǎn)廠的主要考核指標，所以生產(chǎn)廠會優(yōu)先加工利潤高的訂單；因為OEM訂單利潤高，所以生產(chǎn)廠優(yōu)先加工OEM訂單；OEM訂單批量大，在生產(chǎn)能力一定的情況下，OEM訂單占用大量產(chǎn)能，到帳內銷訂單不能及時生產(chǎn)而被延期。從生產(chǎn)廠管理者的角度來看，優(yōu)先加工利潤高的OEM訂單無可厚非，但從集團角度來看，為賺取OEM單件加工費18元而耽誤了平均利潤200元的單件內銷襯衫的生產(chǎn)，實際上是因小失大。從集團角度看，生產(chǎn)內銷訂單賺取的利潤是OEM加工利潤的10倍以上。

最終得出管理創(chuàng)新的知識如下：從集團利潤最大化的角度入手，修改生產(chǎn)廠以利潤指標為主的考核辦法，改為以訂單完成率和平均成本作為主要考核指標。這樣一條管理創(chuàng)新方案很簡單，但效果非常顯著。本案例僅有13條關鍵知識，但人工處理已經(jīng)非常耗時，還不容易發(fā)現(xiàn)根本問題所在。如果有700條知識，人工處理難度可想而知。通過知識涌現(xiàn)的策略，自動生成知識創(chuàng)新鏈，可以有效地輔助企業(yè)的管理創(chuàng)新。

4 結論與展望

信息技術的廣泛應用產(chǎn)生了大量數(shù)據(jù)，形成的大數(shù)據(jù)環(huán)境中蘊含著豐富的創(chuàng)新資源。低碳經(jīng)濟、轉型升級、智慧城市建設等需求推動企業(yè)必須不斷創(chuàng)新，但傳統(tǒng)創(chuàng)新方法的局限使創(chuàng)新主體有動力但缺乏大眾化創(chuàng)新的能力，目前急需利用更有效的智能手段，通過挖掘網(wǎng)絡大數(shù)據(jù)資源進行系統(tǒng)性平民化創(chuàng)新。大數(shù)據(jù)背景下，新一代信息技術和可拓學為創(chuàng)新方案生成帶來了新的機遇，利用搜索引擎和網(wǎng)絡爬蟲等技術可以采集大量信息，通過智能信息處理和知識管理構建行業(yè)基元庫，采用可拓變換的方法與算法生成創(chuàng)意，從而逐步實現(xiàn)創(chuàng)新策略的輔助生成。

基于互聯(lián)網(wǎng)和大數(shù)據(jù)技術迅速發(fā)展的背景，本文分析了大數(shù)據(jù)背景下創(chuàng)新環(huán)境的改變，提出了知識智能涌現(xiàn)創(chuàng)新的概念與體系，分析了其特點，并給出了實現(xiàn)的技術路線和方法?？赏貙W以形式化的方法輔助創(chuàng)新，不是把極其富有創(chuàng)造性的活動呆板化，而是立足于彌補人的思維靈感難以捕捉、可遇而不可求的不足，提高創(chuàng)新的效率和質量。網(wǎng)絡環(huán)境下通過人機交互，有可能從一定程度上使創(chuàng)新方案生成更為智能化。未來主要的研究方向包括：

1)系統(tǒng)研究網(wǎng)絡信息環(huán)境下智能創(chuàng)新的知識完備性理論，挖掘海量的知識與信息背后隱含的創(chuàng)新路徑和方案。

2)以海量知識涌現(xiàn)的機理為研究對象，從知識挖掘的角度研究新的創(chuàng)新方法，實現(xiàn)從依賴個人能力的創(chuàng)新到網(wǎng)絡信息等大數(shù)據(jù)資源人機交互輔助創(chuàng)新的轉型。

3)將可拓學理論與網(wǎng)絡信息技術相結合，研究大數(shù)據(jù)稀疏矩陣的信息提取與知識挖掘、推送，開發(fā)基于互聯(lián)網(wǎng)等大數(shù)據(jù)的高效智能創(chuàng)新平臺系統(tǒng)。

知識智能涌現(xiàn)模式基于可拓學理論，將信息技術與知識管理的創(chuàng)新實踐相結合，以數(shù)據(jù)挖掘等技術為知識獲取手段，彌補了大數(shù)據(jù)環(huán)境下個體知識處理能力和創(chuàng)新方法的不足。該領域的深入研究將為創(chuàng)新理論和方法研究帶來新的視角，有可能形成大數(shù)據(jù)環(huán)境下的智能創(chuàng)新方法論。

[1] 涂子沛. 大數(shù)據(jù): 正在到來的數(shù)據(jù)革命[M]. 南寧: 廣西師范大學出版社, 2012.

[2]BUGHIN J, CHUI M, MANYIKA J. Clouds, big data, and smart assets: ten tech-enabled business trends to watch[J]. McKinsey quarterly, 2010, 56: 1-14.

[3]宋剛, 陳凱亮, 張楠, 等. Fab Lab創(chuàng)新模式及其啟示[J]. 科學管理研究, 2008, 26(6): 1-4. SONG Gang, CHEN Kailiang, ZHANG Nan, et al. Innovation mode of Fab Lab and its enlightenment[J]. Scientific management research, 2008, 26(6): 1-4.

[4]SNIJDERS C C P, MATZAT U, REIPS U D. ‘Big data’: big gaps of knowledge in the field of internet science[J]. International journal of internet science, 2012, 7(1): 1-5.

[5]洪江濤, 黃沛. 企業(yè)價值鏈上協(xié)同知識創(chuàng)新的動態(tài)決策模型[J]. 中國管理科學, 2011, 19(4): 130-136. HONG Jiangtao, HUANG Pei. Dynamic decision model of collaboration knowledge creation in enterprise value chain[J]. Chinese journal of management science, 2011, 19(4): 130-136.

[6]陳傲, 柳卸林, 呂萍. 創(chuàng)新系統(tǒng)各主體間的分工與協(xié)同機制研究[J]. 管理學報, 2010, 7(10): 1455-1462. CHEN Ao, LIU Xielin, LV Ping. Mechanism of the division and cooperation of institutions in national innovation system[J]. Chinese journal of management, 2010, 7(10): 1455-1462.

[7]FELDMAN M P. Knowledge complementarity and innovation[J]. Small business economics, 1994, 6(5): 363-372.

[8]VAN DE,VEN A H. Central problems in the management of innovation[J]. Management science, 1986, 32(5): 590-607.

[9]李興森, 石勇, 張玲玲. 從信息爆炸到智能知識管理[M]. 北京: 科學出版社, 2010.

[10]ZELENY M. High technology and barriers to innovation: from globalization to relocalization[J]. International journal of information technology & decision making, 2012, 11(2): 441-456.

[11]BECHEIKH N, LANDRY R, AMARA N. Lessons from innovation empirical studies in the manufacturing sector: a systematic review of the literature from 1993-2003[J]. Technovation, 2006, 26(5/6): 644-664.

[12]BIRKINSHAW J, HAMEL G, MOL M J. Management innovation[J]. Academy of management review, 2008, 33(4): 825-845.

[13]張治河, 周國華, 胡銳, 等. 創(chuàng)新學: 一個驅動21世紀發(fā)展的新興學科[J]. 科研管理, 2011, 32(12): 143-150, 156. ZHANG Zhihe, ZHOU Guohua, HU Rui, et al. Innovation studies: an emerging discipline driving economic development and improving social welfare in the 21st century[J]. Science research management, 2011, 32(12): 143-150, 156.

[14]陳悅, 宋剛, 鄭剛, 等. 中國創(chuàng)新管理研究的知識結構分析[J]. 科研管理, 2011, 32(2): 10-19. CHEN Yue, SONG Gang, ZHENG Gang, et al. Intellectual structure analysis of Chinese innovation management research[J]. Science research management, 2011, 32(2): 10-19.

[15]孫冰, 趙健. 技術創(chuàng)新協(xié)同研究綜述[J]. 情報雜志, 2011, 30(11): 76-81. SUN Bing, ZHAO Jian. Literature review on synergy in technology innovation[J]. Journal of intelligence, 2011, 30(11): 76-81.

[16]許慶瑞, 鄭剛, 陳勁. 全面創(chuàng)新管理: 創(chuàng)新管理新范式初探-理論溯源與框架[J]. 管理學報, 2006, 3(2): 135-142. XU Qingrui, ZHENG Gang, CHEN Jin. Theoretical trace and framework of overall innovation management[J]. Chinese journal of management, 2006, 3(2): 135-142.

[17]林斯特龍·馬丁. 買[M]. 趙萌萌, 譯. 北京: 中國人民大學出版社, 2009.

[18]德·波諾·愛德華. 水平思考法[M]. 馮楊, 譯. 太原: 山西人民出版社, 2008.

[19]檀潤華. 發(fā)明問題解決理論[M]. 北京: 科學出版社, 2004.

[20]CANTNER U, JOEL K, SCHMIDT T. The effects of knowledge management on innovative success:an empirical analysis of German firms[J]. Research policy, 2011, 40(10): 1453-1462.

[21]劉海運, 游達明. 基于知識管理的企業(yè)突破性技術創(chuàng)新能力機制研究[J]. 科技進步與對策, 2011, 28(12): 92-95. LIU Haiyun, YOU Daming. Research on the mechanism of the enterprise radical technology innovation competence base on knowledge management[J]. Science & technology progress and policy, 2011, 28(12): 92-95.

[22]宋剛, 紀陽, 唐薔, 等. Living Lab創(chuàng)新模式及其啟示[J]. 科學管理研究, 2008, 26(3): 4-7. SONG Gang, JI Yang, TANG Qiang, et al. Innovation mode of Living Lab and its enlightenment[J]. Scientific management research, 2008, 26(3): 4-7.

[23]GERSHENFELD N. FAB: the coming revolution on your desktop: from personal computers to personal fabrication[M]. New York: Basic Books, 2005: 4.

[24]PYKA A. Innovation networks in economics: from the incentive-based to the knowledge-based approaches[J]. European journal of innovation management, 2002, 5(3): 152-163.

[25]單海燕, 王文平. 跨組織知識整合下的創(chuàng)新網(wǎng)絡結構分析[J]. 中國管理科學, 2012, 20(6): 176-184. SHAN Haiyan, WANG Wenping. Analysis of the structure of inter-organization innovation network during the process of knowledge integration[J]. Chinese journal of management science, 2012, 20(6): 176-184.

[26]WESSELINK A. The emergence of interdisciplinary knowledge in problem-focused research[J]. Area, 2009, 41(4): 404-413.

[27]何小賢, 朱云龍, 王玫. 群體智能中的知識涌現(xiàn)與復雜適應性問題綜述研究[J]. 信息與控制, 2005, 34(5): 560-566. HE Xiaoxian, ZHU Yunlong, WANG Mei. Knowledge emergence and complex adaptability in swarm intelligence[J]. Information and control, 2005, 34(5): 560-566.

[28]朱慶華, 李保珍. 基于適應性功能主體的知識涌現(xiàn)模式探討[C]//中國信息系統(tǒng)研究與應用前沿. 北京, 中國, 2005: 448-451. ZHU Qinhua, LI Baozhen. The pattern of knowledge emergence based on adaptive function agent[C]//Research and Application of Information System in China. Beijing, China, 2005: 448-451.

[29]董偉, 顏澤賢. 知識創(chuàng)新系統(tǒng)的涌現(xiàn)特征和機理探析[J]. 科技管理研究, 2007, 27(10): 227-229. DONG Wei, YAN Zexian. A research on the character and machinery of emergence of the knowledge innovation system[J]. Science and technology management research, 2007, 27(10): 227-229.

[30]BRENA R F, AGUIRRE J L, CHESNEVAR C, et al. Knowledge and information distribution leveraged by intelligent agents[J]. Knowledge and information systems, 2007, 12(2): 203-227.

[31]吳文清, 張海紅, 趙黎明. 孵化器內創(chuàng)業(yè)企業(yè)知識網(wǎng)絡涌現(xiàn)研究[J]. 科學學與科學技術管理, 2014, 35(12): 109-118. WU Wenqing, ZHANG Haihong, ZHAO Liming. Research on emergence of start-ups knowledge network in business incubator[J]. Science of science and management of S. & T., 2014, 35(12): 109-118.

[32]員巧云, GLOOR P A. Web 2.0環(huán)境下網(wǎng)絡知識創(chuàng)新螺旋轉化模型SE-IE-CI研究[J]. 中國圖書館學報, 2013, 39(2): 63-70. YUN Qiaoyun, GLOOR P A. Spiral transformation model of knowledge innovation under web 2.0: SE-IE-CI model[J]. Journal of library science in China, 2013, 39(2): 63-70.

[33]ZHANG Yang, ZHANG Chi. Citation networks and the emergence of knowledge core[J]. IEEE transactions on knowledge and data engineering, 2015, 27(12): 3203-3216.

[34]NATARAAJAN R. Knowledge and innovation: musings from the 2015 GIKA Ivory Tower[J]. Journal of business research, 2016, 69(9): 3572-3575.

[35]楊春燕, 蔡文. 可拓學[M]. 北京: 科學出版社, 2014.

[36]蔡文, 楊春燕, 陳文偉, 等. 可拓集與可拓數(shù)據(jù)挖掘[M]. 北京: 科學出版社, 2008.

[37]周志丹, 李興森. 企業(yè)自主創(chuàng)新的可拓創(chuàng)新模型構建與應用研究[J]. 科學學研究, 2010, 28(5): 769-776. ZHOU Zhidan, LI Xingsen. Research on Extenics-based innovation model construction and application of enterprise independent innovation[J]. Studies in science of science, 2010, 28(5): 769-776.

Knowledge innovation by intelligent emergence—concept, framework and its pathway

XU Libo1， PAN Xuwei2， YUAN Ping1， LI Xingsen1

(1. School of Management Ningbo Institute of Technology, Zhejiang University, Ningbo 315100, China; 2.School of Economic-management, Zhejiang Sci-Tech University, Hangzhou 310018, China)

The rapidly changing network technology environment and practical innovation urgently need support from corresponding intelligent innovation theory and methods. The development of megadata and network information technology has paved the way for scientific research of the innovation mechanism. Based on the basic-element theory of Extenics, the strategy for an intelligent emerging mechanism containing a large knowledgebase in the innovation process was expounded. This supplements the deficiency in hidden knowledge of the human brain, aids to realize the innovation pathway by simulation technology to remove the dilemma of the “black box” during the innovation process to a certain extent, and builds the mechanism of intelligent co-processing of innovative information and knowledge. This innovation mechanism is of theoretical and practical significance to enriching both knowledge management theory and scientific innovative approaches.

knowledge emergence; intelligent innovation; Extenics; megadata; basic element theory; knowledge management; innovation path

許立波，男，1976年生，講師，主要研究方向為智能信息處理、可拓學與機器學習。出版專著1部，發(fā)表一級和核心期刊論文10余篇，其中被SCI、EI收錄6篇。

潘旭偉，男，1977年生，教授，副院長，主要研究方向為可拓學與知識管理、商務智能與數(shù)據(jù)分析等。主持國家自然科學基金項目3項，獲全國商業(yè)科技進步獎二等獎、浙江省企業(yè)管理現(xiàn)代化創(chuàng)新成果一等獎,發(fā)表論文80余篇，出版專著3部。

袁平，女，1982年生，講師，主要研究方向為可拓創(chuàng)新與旅游創(chuàng)業(yè)。主參國家級項目3項，主持省部級項目3項，發(fā)表論文12篇，出版專著2部。

10.11992/tis.201610014

http://kns.cnki.net/kcms/detail/23.1538.TP.20170227.2217.026.html

2016-10-13.

日期：2017-02-27.

國家自然科學基金項目(71271191)；教育部人文社科青年項目(16YJC630162);浙江省自然科學基金項目(LY16G010010，LY14G010004)；寧波市自然科學基金項目(2015A610138).

李興森.E-mail：lixs@nit.zju.edu.cn.

TP18；F272；G203

A

1673-4785(2017)01-0047-08

許立波，潘旭偉，袁平，等. 知識智能涌現(xiàn)創(chuàng)新：概念、體系與路徑[J]. 智能系統(tǒng)學報， 2017, 12(1): 47-54.

英文引用格式：XU Libo，PAN Xuwei，YUAN Ping，et al. Knowledge innovation by intelligent emergence:Concept, framework and its pathway[J]. CAAI transactions on intelligent systems, 2017, 12(1): 47-54.