人工智能時(shí)代下的知識管理

摘要：[目的/意義]旨在探尋人工智能時(shí)代知識管理新的發(fā)展方向。[方法/過程]通過對人工智能的緣起與崛起、中國知識管理20年歷史等進(jìn)行回顧，發(fā)掘兩者的內(nèi)在關(guān)聯(lián)。[結(jié)果/結(jié)論]知識管理進(jìn)入KM3.0階段，將會與人工智能的關(guān)系越來越緊密，尤其在智能知識標(biāo)引、智能知識搜索、智能知識創(chuàng)造、智能知識推送、智能決策支持等場景，具有極大的應(yīng)用價(jià)值。

關(guān)鍵詞：知識管理;人工智能;趨勢;AI;KM;KM3.0

分類號：G203

近年來人工智能（Artificial Intelligence，AI）成為熱門話題，人人都在暢想人工智能時(shí)代，AI為人類社會、經(jīng)濟(jì)、政治、文化、技術(shù)等方方面面帶來的巨大改變。對于知識管理從業(yè)者，我們經(jīng)常會談到Web3.0、語義Wiki、知識圖譜、智能搜索等，那么人工智能與知識管理，究竟是什么關(guān)系？人工智能時(shí)代下的知識管理，又將何去何從？

1? 人工智能的緣起

讓我們先從人工智能的緣起說起。如何讓機(jī)器做到人能做的智能的事情？這件事情一直讓許多人著迷。于是就有了1956年的一次研討會——達(dá)特茅斯會議（Dartmouth Workshop）[1]。正是這次會議，第一次向世人宣告“人工智能”一詞的誕生。雖然會議并沒有達(dá)成預(yù)期的成果，但因?yàn)闀h確定了“人工智能”一詞而名留青史，會議的參與者大都成為該領(lǐng)域的巨擎。

這個(gè)持續(xù)近2個(gè)月的研討會，重要的參與者有麥卡錫（John McCarthy）、明斯基（Marvin Minsky）、塞弗里奇（Oliver Selfridge）、香農(nóng)（Claude Shannon）、紐厄爾（Allen Newell）、西蒙（Herbert Simon）、所羅門諾夫（Ray Solomonoff）等人。當(dāng)初的參與者后來紛紛開山立派，成為人工智能領(lǐng)域大神級的人物。

作為這次會議的召集者，麥卡錫被后人稱為“人工智能之父”。他發(fā)明了LISP語言，先后在麻省理工學(xué)院、斯坦福大學(xué)建立人工智能實(shí)驗(yàn)室，于1971年獲得圖靈獎(jiǎng)，1991年獲得美國國家科學(xué)獎(jiǎng)?wù)拢?003年獲得富蘭克林學(xué)院獎(jiǎng)?wù)?。明斯基是另外一位積極的參與者，他也是可以比肩麥卡錫的AI教父級人物。他是AI框架理論的創(chuàng)立者，開發(fā)出世界最早的機(jī)器人，他于1969年獲得圖靈獎(jiǎng)，是AI領(lǐng)域獲得圖靈獎(jiǎng)的第一人。

不過，人工智能的發(fā)展并非一帆風(fēng)順。當(dāng)時(shí)對人工智能的許多預(yù)期在現(xiàn)實(shí)中并沒有得到實(shí)質(zhì)性突破，許多機(jī)構(gòu)都減少了對人工智能研究的投入，從事人工智能的計(jì)算機(jī)人才也被同行看低。直到60年后，一場人機(jī)圍棋大戰(zhàn)，又讓世人的目光重新聚焦在人工智能領(lǐng)域。

2? 人工智能的崛起

2016年3月，谷歌公司旗下團(tuán)隊(duì)研發(fā)的AlphaGo與圍棋世界冠軍、職業(yè)九段棋手李世石進(jìn)行人機(jī)大戰(zhàn)，并最終以4比1的總比分獲勝。2017年5月，在中國烏鎮(zhèn)圍棋峰會上，它與排名第一的世界圍棋冠軍柯潔對戰(zhàn)，以3比0的總比分獲勝。2017年10月，新一代的AlphaGo Zero采用新的AI算法，進(jìn)行自我學(xué)習(xí)訓(xùn)練，三天100比0完敗老版AlphaGo。

谷歌大中華區(qū)渠道事業(yè)部總經(jīng)理白湧先生曾分享說：谷歌訓(xùn)練第一代AlphaGo學(xué)圍棋的時(shí)間，需要近兩年。但訓(xùn)練第二代AlphaGo Zero的時(shí)候，時(shí)長沒有超過10個(gè)小時(shí)。機(jī)器學(xué)習(xí)最強(qiáng)大的地方就在于它有自我學(xué)習(xí)的能力，深度機(jī)器學(xué)習(xí)讓AlphaGo引爆人工智能[2]。

人工智能經(jīng)過漫長的60多年的跌宕起伏，為什么能夠在當(dāng)下爆發(fā)？許多專家都發(fā)表過不同的觀點(diǎn)，大家比較一致的看法是隨著各個(gè)領(lǐng)域的發(fā)展，人類已具備如下三大關(guān)鍵能力：第一，擁有超大規(guī)模的數(shù)據(jù);第二，擁有強(qiáng)大的計(jì)算能力;第三，擁有非常優(yōu)異的算法。人類在過去的幾年時(shí)間里，已開始具備這3個(gè)方面的重要基礎(chǔ)能力?；跀?shù)據(jù)、算力、算法的綜合運(yùn)用，驅(qū)動(dòng)人工智能圍棋AlphaGo戰(zhàn)勝人類，也使其變成一件可以理解的事情了。

隨著人工智能時(shí)代的到來，許多人開始意識到自己的“飯碗”將朝不保夕。斯坦福教授卡普蘭做了一項(xiàng)統(tǒng)計(jì)[3]，美國注冊在案的720個(gè)職業(yè)中，有47%將被人工智能取代;而在以低端技術(shù)、體力勞動(dòng)為主的國家，這一比例會高達(dá)70%。2000年，高盛在紐約總部美國現(xiàn)金股票交易柜臺曾雇傭600名交易員。但今天，這里只剩下兩名交易員留守空房。德勤最新開發(fā)的財(cái)務(wù)機(jī)器人，一個(gè)機(jī)器人可以頂替15個(gè)財(cái)務(wù)人員的工作，而且可以每周7×24小時(shí)不間斷工作。

未來有哪些工作容易被人工智能代替？又有哪些工作不容易被人工智所能代替？圖2左邊藍(lán)色區(qū)間表示AI會取代并超越人類的工作類型，右邊橙色區(qū)間則表示AI會成為工具和輔助的工作類型?？梢?，未來很難被人工智能所代替的工作，多為復(fù)雜決策、愛心陪伴、創(chuàng)意直覺、人文精神類的職業(yè)，例如企業(yè)領(lǐng)導(dǎo)者、商業(yè)服務(wù)人員、老師、養(yǎng)老護(hù)理員、藝術(shù)家、科學(xué)家、心理咨詢師、宗教職業(yè)者等。

斯坦福人工智能研究中心尼爾遜教授說：“人工智能是關(guān)于知識的學(xué)科——怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)?！盵4] 一方面，具有人工智能的機(jī)器人會代替人類的許多工作。但另一方面，人工智能本身卻需要更多的人來訓(xùn)練自己，需要更多的人來研究知識表示、知識獲得以及知識使用。

對于那些構(gòu)建人工智能與人類橋梁的角色，例如各行各業(yè)的老師、專家、模型構(gòu)建者、算法設(shè)計(jì)師等，無疑更有廣闊的職業(yè)發(fā)展空間。知識管理從業(yè)者KMer無疑也越來越受到重視，他們通過經(jīng)營和管理知識，把隱性知識顯性化，把顯性知識標(biāo)準(zhǔn)化，做的其實(shí)就是這中間翻譯、轉(zhuǎn)化的橋梁型工作。

2013年，麥肯錫曾發(fā)布全球報(bào)告《顛覆技術(shù)： 即將變革生活、商業(yè)和全球經(jīng)濟(jì)的進(jìn)展》，預(yù)測了12項(xiàng)可能在2025年之前決定未來經(jīng)濟(jì)的顛覆性技術(shù)，其中第二名便是知識工作自動(dòng)化（Automation of Knowledge Work），并預(yù)估該技術(shù)可在2025年帶來5.2萬億至6.7萬億美元的經(jīng)濟(jì)效益[5]。

讓我們再來看看中國知識管理的發(fā)展過程。

3? 中國20年知識管理之旅

如果把1998年“知識經(jīng)濟(jì)”一詞進(jìn)入中國作為起始里程碑[6]，知識管理在中國已經(jīng)有20年的發(fā)展歷程了。當(dāng)我們回顧、整理、分析過去在中國所發(fā)生的重要的知識管理里程碑事件，就會發(fā)現(xiàn)每隔六七年，中國知識管理都會發(fā)生一些重大的蛻變。總結(jié)一下，大致可分為萌芽期、KM1.0期、KM2.0期、KM3.0期等幾個(gè)階段，如圖3所示：

3.1? 萌芽期（1998年-2004年）

國外許多學(xué)者在20世紀(jì)60年代就開始研究知識管理，世界經(jīng)濟(jì)合作與發(fā)展組織OECD于1996年發(fā)布了《以知識為基礎(chǔ)的經(jīng)濟(jì)》重要報(bào)告，定義了知識經(jīng)濟(jì)即為以知識為基礎(chǔ)的經(jīng)濟(jì)。1998年之后，許多公開媒體、雜志、期刊頻現(xiàn)“知識經(jīng)濟(jì)”一詞，許多高校的學(xué)者，如北京大學(xué)董小英，中國人民大學(xué)左美云、張斌，浙江大學(xué)顧新建，香港理工大學(xué)李榮彬等紛紛開始研究知識管理，中國知識管理進(jìn)入萌芽期。

同時(shí)，中國知識管理網(wǎng)、中國CKO學(xué)習(xí)型組織網(wǎng)、中國知網(wǎng)CNKI等網(wǎng)站開始創(chuàng)辦，王德祿撰寫的《知識管理：競爭力之源》《知識管理的IT實(shí)現(xiàn)》、夏敬華等撰寫的《知識管理》、董小英等譯的《知識管理十步走》、楊開峰等譯的《哈佛商業(yè)評論精粹譯叢-知識管理》等書籍陸續(xù)出版，對知識管理相關(guān)資訊、方法、理論、案例的傳播、普及起到了重要的推動(dòng)作用[7-10]。

一些國際知名的IT廠商（例如IBM、微軟等）、管理咨詢公司（例如麥肯錫、貝恩、埃森哲等）源于自身知識型服務(wù)的樸素認(rèn)知和實(shí)踐，洞察到知識管理未來的發(fā)展趨勢，作為布道者大力倡導(dǎo)知識管理?；萜者€在中國設(shè)立了第一個(gè)首席知識官CKO——高建華，國內(nèi)的一些領(lǐng)頭羊企業(yè)（例如聯(lián)想、海爾、TCL、三九、東軟等）在這個(gè)時(shí)間開始紛紛試水。

3.2? KM1.0期（2005年-2011年）

大約從2005年開始，更多的企業(yè)（例如中國移動(dòng)、麗珠醫(yī)藥、金地集團(tuán)、招商證券、青島啤酒、首都機(jī)場、西門子中國、華為等）開始進(jìn)一步探索、摸索、踐行知識管理，中國知識管理的各種論壇、沙龍紛紛在各地舉辦，中國知識管理發(fā)展進(jìn)入KM1.0“探索階段”，一時(shí)間知識管理的熱潮蔚然成風(fēng)。

這一階段，企業(yè)多以建設(shè)知識庫IT系統(tǒng)為主，重點(diǎn)以文檔管理、知識分類、權(quán)限設(shè)置、知識搜索、知識門戶等為突破點(diǎn)，在企業(yè)內(nèi)部管理方面多強(qiáng)調(diào)規(guī)范化管理、標(biāo)準(zhǔn)化管理、一體化管理。不同組織結(jié)合自己的業(yè)務(wù)特點(diǎn)，都在探索把知識管理更好地進(jìn)行落地實(shí)施，一時(shí)間呈現(xiàn)出百花齊放、百家爭鳴的局面。

不同企業(yè)在探索知識管理模式的同時(shí)，都希望行業(yè)有通用的知識管理術(shù)語、框架和模型可循，這也成為圈內(nèi)許多知識管理從業(yè)者的強(qiáng)烈訴求。在中國標(biāo)準(zhǔn)化研究院的推動(dòng)之下，第一個(gè)國家知識管理標(biāo)準(zhǔn)GB/T 23703.1-2009，集合眾多知識管理實(shí)踐者及研究者的智慧，于2009年正式頒布發(fā)行。之后，其它知識管理標(biāo)準(zhǔn)也陸續(xù)被開發(fā)出來，至今已發(fā)布的知識管理相關(guān)標(biāo)準(zhǔn)達(dá)10個(gè)。

3.3? KM2.0期（2012年-2018年）

自2012年起，受互聯(lián)網(wǎng)Web2.0的沖擊和影響，移動(dòng)互聯(lián)網(wǎng)應(yīng)用方興未艾且全面、深入影響社會企業(yè)。此時(shí)，更多的企業(yè)開始入場（例如中糧研究院、新東方、中國航天、寶鋼股份、騰訊、阿里巴巴、百度等），以知識社區(qū)、員工網(wǎng)絡(luò)、專家黃頁、團(tuán)隊(duì)空間、百科詞條等新的方式，繼續(xù)實(shí)踐并探索知識管理模式，中國企業(yè)知識管理實(shí)踐紛紛進(jìn)入KM2.0“提升階段”。

作為國際范圍內(nèi)最具權(quán)威的知識管理獎(jiǎng)項(xiàng)，被稱為知識型組織的“奧斯卡”——“最受尊敬的知識型組織”MAKE大獎(jiǎng)于2011年被引入中國，對國內(nèi)企業(yè)組織知識管理實(shí)踐對標(biāo)起到了積極作用。首次評獎(jiǎng)，中國內(nèi)地共有寶鋼股份、招商銀行、招商證券、福建網(wǎng)龍、西門子中國、青島啤酒、用友軟件等7家企業(yè)獲得了2011中國MAKE獎(jiǎng)，其中招商銀行、福建網(wǎng)龍、西門子中國等3家企業(yè)當(dāng)年還獲得了2011亞洲MAKE獎(jiǎng)。

隨著各個(gè)公司之間對標(biāo)學(xué)習(xí)的開展，中國知識管理實(shí)踐者開始自發(fā)形成聯(lián)盟。從2014年開始，通過眾籌、眾包等方式，先后在中糧、騰訊、中國科學(xué)院等地舉辦了知識管理實(shí)踐者論壇。來自企業(yè)一線的KMer歡聚一堂，彼此分享各自的實(shí)踐經(jīng)驗(yàn)，共同學(xué)習(xí)提升。后來，中國知識管理聯(lián)盟CKMA成立，并于2015年10月在北京大紅門成功舉辦首屆大會;創(chuàng)新與知識管理聯(lián)盟IKMA籌備成立，首屆大會攜手第9屆亞太I(xiàn)KMAP峰會于2018年11月在杭州成功舉辦。

在此期間，全國知識管理標(biāo)準(zhǔn)化技術(shù)委員會（簡稱“知標(biāo)委”）于2015年2月正式成立并召開了首屆大會。知標(biāo)委由國家知識產(chǎn)權(quán)局負(fù)責(zé)日常管理和業(yè)務(wù)指導(dǎo)，秘書處設(shè)在中國標(biāo)準(zhǔn)化研究院和國家知識產(chǎn)權(quán)局專利管理司，秘書處掛靠單位為中國標(biāo)準(zhǔn)化研究院。此外，由中國科學(xué)院主管、中國科學(xué)院文獻(xiàn)情報(bào)中心主辦、《圖書情報(bào)工作》雜志社出版的純網(wǎng)絡(luò)學(xué)術(shù)期刊《知識管理論壇》（ISSN 2095-5472，CN11-6036/C），也于2016年全新改版并組建全新編委會。

知識管理最佳案例集《知識+實(shí)踐的秘密》經(jīng)過系統(tǒng)策劃、眾包寫作、評審修訂，分別于2015年、2017年推出第一輯、第二輯[11-12]。其中，中國航天一院、中糧研究院、華為、新東方、招商證券、阿里巴巴、越秀集團(tuán)、東軟、奧雅納、百度、寶鋼、悉地國際、遠(yuǎn)東控股、西門子、用友大學(xué)等國內(nèi)企業(yè)優(yōu)秀的知識管理案例，為讀者提供了鮮活而真實(shí)的一手珍貴材料，讀者在不同時(shí)期反復(fù)閱讀，都會引發(fā)不同的思考和聯(lián)想，案例集一經(jīng)出版便成為KMer案頭必備之書。

3.4? KM3.0期（2019年-）

經(jīng)過多年的韜光養(yǎng)晦、積累沉淀，中國許多企業(yè)已經(jīng)開始嶄露頭角，從優(yōu)秀邁向卓越。在不斷向行業(yè)價(jià)值高端挺進(jìn)的過程之中，許多企業(yè)也開始走入無人區(qū)、深水區(qū)。2019年，國際上各種勢力角逐愈加激烈，中國更是身處世界格局變革的漩渦之中。國家競爭態(tài)勢一再升級，知識原創(chuàng)的能力也隨之提升到一個(gè)戰(zhàn)略高度。身處波瀾壯闊的時(shí)代大背景下，重新思考和定位知識管理勢在必行。

2007年全球語義大會上N. Spivak等曾提出，通過社交連接、知識推理兩個(gè)維度，可以把Web發(fā)展分4個(gè)象限，分別為Web1.0、Web2.0、Web3.0以及Web4.0（如圖4所示）[13]。Web3.0即“語義網(wǎng)”（The Semantic Web），就是要在知識推理的維度上提升，強(qiáng)調(diào)知識與知識的連接，強(qiáng)調(diào)語義（Semantic），強(qiáng)調(diào)本體（Ontology），而這恰恰也是人工智能技術(shù)的范疇。因此KM3.0一定要借人工智能的風(fēng)口，再次全面升級。

4? 知識管理AI應(yīng)用場景

對于企業(yè)知識管理者，還需要再深入探討如何把人工智能與手頭的工作結(jié)合起來。這也是KM3.0我們需要思考回答的問題。根據(jù)已有的研究和實(shí)踐[14]，目前人工智能時(shí)代下知識管理的應(yīng)用場景，可以重點(diǎn)從智能知識標(biāo)引、智能知識搜索、智能知識創(chuàng)造、智能知識推送、智能決策支持5個(gè)方面去突破，如圖5所示：

當(dāng)然，每一個(gè)方面都可以展開到許多子場景，都可以進(jìn)行深度挖掘。我們需要分析、尋找、挖掘企業(yè)里的痛點(diǎn)，思考如何借助技術(shù)和管理的手段讓企業(yè)解決痛點(diǎn)問題，并能夠?qū)崿F(xiàn)最大化收益。下面就展開幾個(gè)通用場景進(jìn)行示意：

4.1? 洞察用戶畫像的應(yīng)用場景

我們都知道用戶的重要性，也希望能夠?yàn)橛脩舸蛏细鞣N各樣的標(biāo)簽，逐步形成完整的用戶特征畫像。現(xiàn)實(shí)中通?？梢允占接脩舻囊恍?shù)據(jù)和信息，以期達(dá)到這一目的。例如我們給一位姓名叫J. K. Rowling的女士建立用戶信息表，可以包括性別（女）、年齡（28歲）、教育程度（碩士）、部門（質(zhì)量部）、職位（測試主管）、工作年限（3年工作經(jīng)驗(yàn)）、家鄉(xiāng)（山東人）等，如圖6所示：

但是，這些數(shù)據(jù)往往只能形成一般意義上的“自我”。對于更深層次的“自我”我們并不得知。如果我們能夠收集該用戶的更多數(shù)據(jù)，例如她是“喵星人”社區(qū)的社長、經(jīng)常參加各類的學(xué)習(xí)活動(dòng)、是“得到APP”的忠實(shí)粉絲、喜歡在“幕布”上寫作分享心得等，通過行為數(shù)據(jù)收集與分析，我們得以增補(bǔ)該用戶特征詳情之外的更多信息，并從更深入的層面了解她是誰。

通過分析，這位名叫J. K. Rowling的用戶，其實(shí)很愛學(xué)習(xí)，有一些知識焦慮，她是一位社交家，喜歡分享，還喜愛養(yǎng)貓，有愛心，同時(shí)是一位美食家，未來想成為專業(yè)作家，想嘗試創(chuàng)新類工作，是一位公益活動(dòng)志愿者，等等。如果這些更深層次的“自我”，能夠通過自動(dòng)打標(biāo)簽進(jìn)行歸類，則無疑可以使企業(yè)更加深刻地洞察用戶，真正把商業(yè)的本質(zhì)回歸到客戶身上。

4.2? 員工日常工作的知識化應(yīng)用場景

員工每天在組織里辛勤工作，基于業(yè)務(wù)流程、業(yè)務(wù)活動(dòng)、業(yè)務(wù)場景等完成相應(yīng)的工作任務(wù)。無論什么性質(zhì)的工作，一般而言，員工在執(zhí)行工作任務(wù)之前需要制定工作計(jì)劃，在完成工作任務(wù)之后需要進(jìn)行工作總結(jié)，從而完成“事前-事中-事后”的完整閉環(huán)工作鏈。

當(dāng)然，在此工作鏈上，鏈接其它許多相關(guān)的場景，例如工作計(jì)劃場景可以與工作日歷場景鏈接，工作日歷場景又會與項(xiàng)目計(jì)劃場景、會議活動(dòng)場景等鏈接，工作計(jì)劃場景可以與項(xiàng)目總結(jié)場景、知識萃取場景等鏈接。這些工作場景之間相互關(guān)聯(lián)，要么是工序上下游的強(qiáng)約束關(guān)系，要么是協(xié)同協(xié)作類的弱耦合關(guān)系，我們可以圍繞“事”的層面構(gòu)建“工作分解結(jié)構(gòu)”（Work Breakdown Structure，WBS）。

在理清“事”的層面后，還需要把“知”的層面與之關(guān)聯(lián)。例如員工在執(zhí)行某項(xiàng)工作任務(wù)時(shí)，其輸入除了機(jī)器、設(shè)備、物料、環(huán)境等要素外，關(guān)鍵還需要有知識經(jīng)驗(yàn)層面的輸入，例如執(zhí)行該項(xiàng)工作的標(biāo)準(zhǔn)、規(guī)范、流程、指南、案例、教訓(xùn)等。在執(zhí)行完該項(xiàng)工作任務(wù)后，其輸出除了零件、部件、整機(jī)、產(chǎn)品等有形物件外，還能夠有知識層面的產(chǎn)出，例如報(bào)告、方案、圖紙、模型、論文、專利、課件等，如圖7所示：

我們只有把“人”“事”“知”相互串聯(lián)起來，才能基于人、基于事，進(jìn)行知識的精準(zhǔn)推送。所謂的“知識工作自動(dòng)化”，無外乎就是“人”“事”“知”之間精準(zhǔn)的匹配。匹配程度越高，知識工作自動(dòng)化程度就會越高。目前許多企業(yè)都期望知識管理能夠高度嵌入到業(yè)務(wù)流程之中，但如果做不到“人”“事”“知”之間精準(zhǔn)的匹配，知識管理與業(yè)務(wù)的融合就永遠(yuǎn)只是一句空話。

4.3? 可實(shí)現(xiàn)知識管理與業(yè)務(wù)無縫匹配的應(yīng)用場景

星巴克公司最近推出了一款名為“我的星巴克咖啡師”（My Starbucks Barista）的智能手機(jī)應(yīng)用程序APP，顧客只需要通過語音或文字互動(dòng)，就能進(jìn)行咖啡等飲料食品的預(yù)定、移動(dòng)在線支付等（見圖8），這無疑會大大節(jié)省用戶排隊(duì)等候的時(shí)間、降低柜臺點(diǎn)餐工作人員的勞動(dòng)強(qiáng)度，提升整個(gè)系統(tǒng)的運(yùn)營效率。

這款人工智能小助手是典型的問答機(jī)器人范例，涉及到語音識別、自然語言理解、語義解析（例如分詞、屬性識別）、規(guī)則引擎、機(jī)器學(xué)習(xí)、多輪對話等人工智能方面的技術(shù)。其中核心也會涉及到知識條目庫的構(gòu)建，需要對用戶常見的問題進(jìn)行聚類，并進(jìn)行答案匹配與回復(fù)。再輔以機(jī)器自動(dòng)分析及知識點(diǎn)智能維護(hù)，就會形成一個(gè)可以不斷學(xué)習(xí)、進(jìn)化的客戶服務(wù)問答機(jī)器人。

5? 總結(jié)與展望

根據(jù)上面所描述的人工智能時(shí)代下重要的知識管理應(yīng)用場景，我們勾劃出人工智能賦能知識管理的分層技術(shù)架構(gòu)[15]，包括基礎(chǔ)層、技術(shù)層及應(yīng)用層，如圖9所示：

AI能力要落地，硬件是必要的載體。人工智能底層基礎(chǔ)支撐層需要相適配的硬件基礎(chǔ)設(shè)施（如中央處理器CPU、圖形處理器GPU、現(xiàn)場可編程門陣列FPGA、網(wǎng)絡(luò)、數(shù)據(jù)庫及安全等），以支撐大規(guī)模并行計(jì)算、數(shù)據(jù)存儲以及加速計(jì)算等。同時(shí)，相應(yīng)的大數(shù)據(jù)、算法以及計(jì)算能力為人工智能的發(fā)展，也提供了必不可少的基礎(chǔ)。

中間技術(shù)層是人工智能發(fā)展的核心，對應(yīng)用層產(chǎn)品智能化程度起到?jīng)Q定性作用。所涉及技術(shù)包括感知相關(guān)技術(shù)、認(rèn)知相關(guān)技術(shù)以及AI技術(shù)開放平臺等技術(shù)。

上面應(yīng)用層則是基于基礎(chǔ)層、技術(shù)層實(shí)現(xiàn)與知識管理不同應(yīng)用場景的融合，例如針對組織（即2B場景）的知識自動(dòng)分類、自動(dòng)聚類、智能搜索、智能決策等，針對個(gè)體（即2C場景）的問答機(jī)器人、智能推薦、自動(dòng)內(nèi)容創(chuàng)作、自動(dòng)翻譯等。通過這些場景，人工智能可以真正賦能知識管理，提升知識管理整體的應(yīng)用水平。

我們看到，技術(shù)的進(jìn)步和發(fā)展可謂日新月異，創(chuàng)新與突破會不斷加速，各個(gè)行業(yè)類似的應(yīng)用場景會逐步增多。隨著越來越多的業(yè)務(wù)規(guī)則被標(biāo)準(zhǔn)化編碼，那些機(jī)械性的、可重復(fù)的工作都會逐步被機(jī)器智能所代替，會逐步把人類的生產(chǎn)力解放出來。那么，另外一些更深層次的問題就會浮現(xiàn)出來。

例如：人類該將何去何從？如果善意的人工智能創(chuàng)造出豐盛的物質(zhì)世界，那么人類空閑的時(shí)間和精力該如何打發(fā)？人類自身還會剩下什么是獨(dú)一無二、無法被人工智能模仿超越的？是人類的直覺、創(chuàng)意和智慧嗎？該如何提升人類這方面的意識、精神能量層級？未來是否會進(jìn)化誕生出新人類？

與AI相對應(yīng)，是否會并行發(fā)展出人類智慧（Human Wisdom， HW）？人類智慧是人類高級心理意識層面一種特殊的作用方式，其獨(dú)特的能動(dòng)性及創(chuàng)造力，是目前人工智能很難模仿的;而人工智能面對海量數(shù)據(jù)，不知疲倦地收集、存儲、運(yùn)算、分析以及輸出等，是否一定程度上也算得上人類大腦的一個(gè)外掛？

參考文獻(xiàn)：

[1] 尼克. 人工智能簡史[M]. 北京：人民郵電出版社， 2017.

[2] 白湧. 駕馭數(shù)字技術(shù)拓展全球市場[EB/OL].[2018-12-18]. http：//www.sohu.com/a/282895054_802554.

[3] 卡普蘭. 人工智能時(shí)代[M]. 李盼，譯.杭州：浙江人民出版社， 2016.

[4] 尼爾遜. 人工智能原理[M]. 石純一，等譯. 北京：科學(xué)出版社， 1984.

[5] MANYIKA J， CHUI M， BUGHIN? J， et al. Disruptive technologies： advances that will transform life， business， and the global economy [EB/OL].[2018-05-15]. https：//www.mckinsey.com/business-functions/mckinsey-digital/our-insights/disruptive-technologies.

[6] 張永謙.1998年的熱點(diǎn)——知識經(jīng)濟(jì)及其在新一年的走勢[J].科學(xué)學(xué)與科學(xué)技術(shù)管理， 1999（1）：18-19，44.

[7] 王德祿. 知識管理的IT實(shí)現(xiàn)—樸素的知識管理[M]. 北京：電子工業(yè)出版社， 2003.

[8] 夏敬華， 金昕. 知識管理[M]//AMT信息動(dòng)力叢書. 北京：機(jī)械工業(yè)出版社， 2003.

[9] TIWANA A. 知識管理十步—走整合信息技術(shù)、策略與知識平臺[M]. 董小英，等譯.北京：電子工業(yè)出版社， 2004.

[10] 知識管理[M]//哈佛商業(yè)評論精粹譯叢.楊開峰，等譯.北京：人民大學(xué)出版社， 2004.

[11] 吳慶海， 王猛， 夏敬華. 知識+實(shí)踐的秘密[M]. 北京：世界知識出版社， 2015.

[12] 吳慶海， 王寶明， 宮元年. 知識+實(shí)踐的秘密（II）[M]. 北京：世界知識出版社， 2017.

[13] SPIVAK N， BRESLIN J， DAVIS M. What is the evolution to 2020？ [EB/OL].[2018-12-15].https：//project10x.com/bio_downloads/web3_manifesto_2009.pdf.

[14] 歐陽智，魏琴，肖旭. 人工智能環(huán)境下的知識管理：變革發(fā)展與系統(tǒng)框架[J]. 圖書與情報(bào)，2017（6）：104-132.

[15] 徐貴寶. 人工智能技術(shù)體系架構(gòu)探討[J]. 電信網(wǎng)技術(shù)，2016（12）：1-6.