引進人工智能知識管理系統為制造型企業拓展更廣闊的發展空間

趙麗瑩

科學技術快速發展的時代背景下，制造業作為我國的國民支柱產業，愈發重視對人工智能知識管理系統的應用，人工智能知識管理系統具備強大的功能和應用優勢，在制造型企業中發揮了顯著的應用效果，有著廣闊的應用前景。本文探討了人工智能對知識管理的影響，分析了制造型企業的知識管理架構與模式，結合知識管理專家系統的總體模型和知識管理專家系統知識庫的建立使用，提出了知識管理專家系統功能的相關研究。

人工智能技術近些年快速發展，在云計算技術軟硬件的支持下，其應用效果愈加顯著，人工智能發展的重要任務是要構建起開放、協同的人工智能科技創新體系，實現智能社會的建設目標，強調安全、便捷的智能社會優勢。人工智能在社會各個行業領域內開始布局和發展，在制造型企業中應用人工智能知識管理系統，為制造型企業的發展創建了新的機遇，產生了積極的影響。

一、人工智能對知識管理的影響

人工智能和傳統的知識創造過程有所不同，知識創造是知識管理的第一個步驟，除此之外，還包括知識的存儲、知識轉移和知識應用，人工智能為知識創造帶來了變革性的影響，也為后續的知識管理提供了可靠的支持，也就是在已有知識的組織管理中發揮了一定的作用。在知識管理中，知識創造作為開端，是關鍵的環節之一，知識創造指的是驗證個人信念真理性的動態過程，強調的是知識的價值性、動態性，和傳統的信息創造過程有本質上的不同，因為其特性起著決定性的作用。在數據到信息、直到知識的發展歷程中，信息是排列和組合起數據，使其成為有意義的信息，而知識則是整合起了信息，成為有意義、有價值的知識，在加工、處理和應用中，信息向知識轉化。知識的類型劃分中，可以將其分為顯性和隱性兩種不同的知識類別，顯性知識和隱性知識創造過程，則是以社會化、內部化、結合化、外顯化為主。

在此理論基礎之上，對人工智能下組織知識創造產生的影響進行分析，人工智能下隱性知識創造受到的影響是不可忽視的，隱性知識的含義指的是在具體情境下，基于經驗、行動和參與的知識，分為技術性隱性知識和認知性隱性知識，創造組織內隱性知識主要分為兩種途徑，以社會化和內部化兩種途徑為主。知識創造的社會化過程是將隱性知識向其他形式的隱性知識轉換，采取了對話、交流等多種形式，在學界隱性知識被認為是一種無法清晰表示或被編碼的知識類型，例如技能、技巧、直覺、組織文化、價值觀等，均屬于難以表達的隱性知識。人工智能雖然不能作為隱性知識的載體，但是卻創建起了便捷的平臺，促進了個人之間的溝通，例如在人工智能的人機交互系統中，組織團隊的討論，可以結合線上和線下兩種形式，對個體的文本、語音進行迅速識別，將關鍵詞捕捉到，將與關鍵詞語和關鍵問題相關的顯性材料查找到，促進團隊之間的交流，提供多元信息渠道和豐富的知識基礎。

特別是近些年來的人機交互發展覆蓋到了語音、手勢、眼球、運動等多個領域，在人工智能參與下，知識的討論、分享更加便利，個體溝通效率大大提高，個體隱性知識的產生效率也有所提升。人工智能下的顯性知識創造是以結合化和外顯化為途徑展開的，知識創造的結合化過程是分析加工現有的顯性知識，形成新的顯性知識，這種知識創造過程在目前的大數據和機器學習技術與方法方面取得了顯著的成績，獲取了重大突破。傳統的結合化過程在人工智能的作用中發生了重大變革，體現在金融領域、營銷領域內，突破時空限制，能夠獲取大量的數據信息，通過關聯、預測、分析等，掌握未來的發展趨勢，形成新的顯性知識，知識體系愈發豐富，一些企業在新知識基礎之上，對商業模式進行開發創新，實現數據資源的變現。例如在阿里巴巴企業中，整合起地理位置、購物信息、信用信息，可以獲取消費者個體畫像，提高了營銷和廣告的精準性，在消費者精準畫像下獲取到顯性知識，就是在人工智能和大數據的幫助下，通過結合化的知識創造過程，在內容和效率上形成了突破，產生大量新知識。

二、制造型企業的知識管理架構與模式

面臨著激烈的社會競爭環境，越來越多的制造型企業開始加大了對無形資產的重視程度，按照常規的管理模式，已經難以滿足企業的發展需要，必須要向著標準化、規范化的管理方向，以提高企業的經營效益為目標，引進企業資源計劃，對企業的資源管理傳統模式進行創新。但是企業的知識管理卻受到了一定程度的限制，因為企業資源計劃針對性差，投入高，而知識管理和信息管理不同，知識管理要實現知識共享，利用集體智慧進行創新，制造型企業中隱性知識體系龐大，掌握難度高，例如季度報表、經驗手記、試驗報告等數據量龐大。制造型企業在人工智能知識管理系統的應用下，構建起知識管理架構與模式，要將知識管理作為一項系統的工作，加大研究力度，建立起一套有效的組織體系，提高企業的知識管理活動水平。在該體系當中由專業的管理者負責知識管理，使企業的各項知識活動得到協調，制定知識管理計劃。對知識管理活動相關的任務，要成立專門的小組，負責構建起完善的基礎設施體系，支撐知識管理活動，例如數據庫、圖書館、信息技術平臺等。建立完善的系統需要投入大量的人力資源、資金資源，建立智能化專家系統時，要考慮到知識管理的重要性，以及人工智能對知識管理系統產生的影響，投入更多的人力支持，提出智能方案等強大的功能，使制造企業能夠更好地進行知識管理活動，提高知識管理水平。

三、知識管理專家系統的總體模型

專家系統能夠像專家一樣工作，是智能程序系統，具有專門領域專家水平的知識，制造型企業中構建知識管理專家系統的目的就是構建起人工智能系統，對制造型企業中復雜的知識進行管理，并且為使用者提供決策支持。人工智能研究的不斷深入下，取得了顯著的發展成績，例如超級計算機模擬人腦下棋，體現了強大的功能和應用優勢，但是知識這一因素被忽視，將難以在推理策略的基礎之上形成智能行為。由此可見，專家系統對知識更為重視，專家系統的核心是知識庫和推理機為主，也就是知識和推理構成專家系統，在系統的不斷完善中，還要將數據庫、推理機制、解釋機制、獲取知識、用戶界面等各個部分逐步建立完善的模型。

知識庫用于存儲領域專家的知識、經驗、已知事實，并且以規則的形式將其表示出來;推理機制的兩個任務分別是推理和控制搜索過程這兩大任務，推理機制是在知識庫的已有知識中，將所需要的知識結論推導出來，對搜索過程進行控制，決定不同控制信息下要觸發的規則，明確知識庫中規則的掃描順序;解釋機制中解釋功能具有顯著的特征，代表著專家系統和其他軟件系統的區別，在解釋功能下，用戶能夠對專家系統提高信賴程度，有利于更好的推廣和維護系統;專家系統開發中知識獲取機制的建設是難度較大的一個環節，在專家系統開發中也是面臨的一大瓶頸問題，知識獲取機制的研究將知識獲取作為基礎，在建立知識庫之前，這是獲取知識最艱難也最關鍵的步驟，知識獲取可分為人工獲取和利用機器學習技術兩種不同的形式，在訓練實例中進行知識的自動獲取;用戶界面是用于對人機交互過程的控制界面用戶，可以實現人機對話，形式更加直觀、方便。

四、知識管理專家系統知識庫的建立與使用

建立知識管理專家系統知識庫時，不管是隱性知識還是顯性知識，都要在描述時使用一種或幾種特有的信息集合體來完成，將其轉化為可存儲的格式，在存儲相關信息時，很多行業使用了數據庫的概念或C語言中的對象，對信息的繼承關系進行描述，而制造型企業中存在著大量隱性經驗信息，儲存在高級技術工人頭腦中，無法用數據庫或C語言中的對象這樣的方式和模型進行信息存取。科學技術的快速發展下，人工智能這一概念融入到制造型企業當中，廣泛運用人工智能技術，形成了一種本體新概念，這一新型概念具有概念化、明確化、形式化、共享化的特性。概念化指的是客觀世界的現象所反映出的抽象模型，明確化指的是精確定義概念和它們之間的聯系，形式化是精確的數學描述，共享化則反映的是本體中體現出的知識，被使用者共同認可和共享。

知識管理的目的是要轉變多種復雜關系的信息，使其更便捷的被計算機管理，并且每條知識都體現了和其他知識之間的關系，也包含了自身的描述信息、數據信息，獲取大量知識之后要分類、抽象轉化各條信息，使其成為能夠記錄的信息集合，構建起信息模型。在本體概念和結構的基礎之上，信息模型的構建要將一些靜態變量加入進來進行表述，每條知識都和其他知識之間體現了一定的關系，在知識條中，為了將與其他相關知識的關系表述出來，用結構體中的成員完成表述應設立一個復雜結構體，滿足存取知識的需求。完善支持使用權限的功能，過程中，合理利用私有、公有和保護機制。除了考慮知識存儲的相關問題之外，還要在知識獲取的方式上，利用本體方式，整合、管理知識，企業可以將日常加工中的知識記錄下來，利用技術報告手冊、經驗總結等形式，擬定獲取知識的方式，由專人負責與員工進行交流，獲取設備使用經驗和加工信息，再結合日常的手冊、報表等進行信息整合，將文本上傳到系統中。

通過分詞、關鍵詞描述，關聯其他知識信息，促進知識條的完整性，做好知識的存儲備用，目前對純文本的處理方面，系統具有出色的應用優勢，但是在Word中，有些文本和表格的格式較為復雜，包括目前PDF文檔格式的應用也十分普遍，在系統功能中體現出了一定的應用缺陷問題，基于電子圖書的分詞系統開發仍舊要不斷地深入進行，存儲和備用各條知識信息，再提取關鍵詞，表述知識與意識，與關聯信息相互結合，使知識條更加完整。提取關鍵詞時，通常是在英文中利用空格對單詞進行區分，但是在中文語法中，復雜程度更高，又被稱為指紋提取，在智能化分詞系統的研究中，海量分詞系統的應用是專家系統使用最為常見的，通過對權重比的調節，獲取關鍵詞，將數量過多的信息或內容沖突消除，獲取知識，使用知識，構建知識庫。

五、知識管理專家系統功能

很多企業在傳統的數據庫管理下進行數據信息的存儲和使用，但是純數據庫系統的應用過程中智能性不足，難以實現對癥下藥的數據庫管理目標，而專家系統中卻具有強大的功能，可以實現自動分選目標，并且向使用者提供相關的建議。系統能夠將不同的信息類型、信息特征、信息發生概率告知使用者，該系統還能夠通過自學功能的應用，自動整合未知的知識，實現自動整合本體化的過程，在存儲知識的功能應用下，不斷擴充知識庫，此類知識管理專家系統的功能應用中，是無法使用傳統的對象語言來完成的，目前仍舊在逐步研究中，針對人工智能的網絡神經系統功能展開逐步的探索。目前在對人工智能專家系統進行編寫時，利用Nasa開發的Clips語言，已經取得了顯著的應用成績，Clips的核心可劃分為三個不同的部分，分別是事實庫、規則庫、推理機，在基本的知識表示方式上，是利用產生式規則的方法，對后臺知識處理及進行設計時，其重點和難點是使用大量知識時如何提取知識，并且將其作為Clips中的事實進行調用。由于知識體系較為復雜，特征明顯，再受到繼承關系、數字描述、使用權限等因素的影響，關鍵詞搜索時效果不理想，通常會獲取大量的冗余結果。為了實現系統的更進一步智能化發展，需要完善和改進篩選機制，降低用戶的介入，提高系統的智能化水平。

在事實庫中調入知識之后，就到了推理知識階段，將使用知識的相關建議返回給用戶，推理過程中都是使用Clips專用語言的命令完成的，普通工人在使用Clips語言編寫的專家系統界面時，由于都是命令型模式，因此使用過程并不方便，這就說明不懂得內部工作機理的使用者無法對軟件的功能進行熟練地操作。人們通常認為一個好的軟件應具備便捷的軟件功能，即使不懂得工作機理的使用者也能夠熟練操作，例如Windows窗體功能應用就是一項“傻瓜”應用，使用方便，作為一項透明技術，不懂電腦的人也能夠使用該功能，只需要操作鼠標即可。因此專家系統的編寫同樣要強調強大的功能和友好的界面，保證功能的簡單、便捷，不懂Clips語言的普通工人也能夠熟練方便的操作軟件，因此專家系統的功能中使用了前臺VC++編寫的軟體界面，Clips內部函數使用后臺加載Clips的動態鏈接庫，大大提高了軟件應用的便捷性，對完全不懂Clips語言的人員來說也能夠對專家系統進行應用。

綜上所述，專家系統涉及到多個專業領域，覆蓋的知識面廣泛，為了構建完善的人工智能專家系統，通常需要投入大量的人力資源、物力資源。現代制造型企業的發展引進人工智能知識管理系統，有著深刻的商業價值，在人工智能知識管理系統的應用下，要逐漸構建起完善的專家系統，強化專家系統的功能，增進制造型企業內部各部門之間的聯系，完善人工智能篩選器知識庫的知識體系，形成內部局域網，整體加強對企業無形資產的把握，為制造型企業未來的發展拓展更廣闊的空間。