引进人工智能知识管理系统为制造型企业拓展更广阔的发展空间

赵丽莹

科学技术快速发展的时代背景下，制造业作为我国的国民支柱产业，愈发重视对人工智能知识管理系统的应用，人工智能知识管理系统具备强大的功能和应用优势，在制造型企业中发挥了显著的应用效果，有着广阔的应用前景。本文探讨了人工智能对知识管理的影响，分析了制造型企业的知识管理架构与模式，结合知识管理专家系统的总体模型和知识管理专家系统知识库的建立使用，提出了知识管理专家系统功能的相关研究。

人工智能技术近些年快速发展，在云计算技术软硬件的支持下，其应用效果愈加显著，人工智能发展的重要任务是要构建起开放、协同的人工智能科技创新体系，实现智能社会的建设目标，强调安全、便捷的智能社会优势。人工智能在社会各个行业领域内开始布局和发展，在制造型企业中应用人工智能知识管理系统，为制造型企业的发展创建了新的机遇，产生了积极的影响。

一、人工智能对知识管理的影响

人工智能和传统的知识创造过程有所不同，知识创造是知识管理的第一个步骤，除此之外，还包括知识的存储、知识转移和知识应用，人工智能为知识创造带来了变革性的影响，也为后续的知识管理提供了可靠的支持，也就是在已有知识的组织管理中发挥了一定的作用。在知识管理中，知识创造作为开端，是关键的环节之一，知识创造指的是验证个人信念真理性的动态过程，强调的是知识的价值性、动态性，和传统的信息创造过程有本质上的不同，因为其特性起着决定性的作用。在数据到信息、直到知识的发展历程中，信息是排列和组合起数据，使其成为有意义的信息，而知识则是整合起了信息，成为有意义、有价值的知识，在加工、处理和应用中，信息向知识转化。知识的类型划分中，可以将其分为显性和隐性两种不同的知识类别，显性知识和隐性知识创造过程，则是以社会化、内部化、结合化、外显化为主。

在此理论基础之上，对人工智能下组织知识创造产生的影响进行分析，人工智能下隐性知识创造受到的影响是不可忽视的，隐性知识的含义指的是在具体情境下，基于经验、行动和参与的知识，分为技术性隐性知识和认知性隐性知识，创造组织内隐性知识主要分为两种途径，以社会化和内部化两种途径为主。知识创造的社会化过程是将隐性知识向其他形式的隐性知识转换，采取了对话、交流等多种形式，在学界隐性知识被认为是一种无法清晰表示或被编码的知识类型，例如技能、技巧、直觉、组织文化、价值观等，均属于难以表达的隐性知识。人工智能虽然不能作为隐性知识的载体，但是却创建起了便捷的平台，促进了个人之间的沟通，例如在人工智能的人机交互系统中，组织团队的讨论，可以结合线上和线下两种形式，对个体的文本、语音进行迅速识别，将关键词捕捉到，将与关键词语和关键问题相关的显性材料查找到，促进团队之间的交流，提供多元信息渠道和丰富的知识基础。

特别是近些年来的人机交互发展覆盖到了语音、手势、眼球、运动等多个领域，在人工智能参与下，知识的讨论、分享更加便利，个体沟通效率大大提高，个体隐性知识的产生效率也有所提升。人工智能下的显性知识创造是以结合化和外显化为途径展开的，知识创造的结合化过程是分析加工现有的显性知识，形成新的显性知识，这种知识创造过程在目前的大数据和机器学习技术与方法方面取得了显著的成绩，获取了重大突破。传统的结合化过程在人工智能的作用中发生了重大变革，体现在金融领域、营销领域内，突破时空限制，能够获取大量的数据信息，通过关联、预测、分析等，掌握未来的发展趋势，形成新的显性知识，知识体系愈发丰富，一些企业在新知识基础之上，对商业模式进行開发创新，实现数据资源的变现。例如在阿里巴巴企业中，整合起地理位置、购物信息、信用信息，可以获取消费者个体画像，提高了营销和广告的精准性，在消费者精准画像下获取到显性知识，就是在人工智能和大数据的帮助下，通过结合化的知识创造过程，在内容和效率上形成了突破，产生大量新知识。

二、制造型企业的知识管理架构与模式

面临着激烈的社会竞争环境，越来越多的制造型企业开始加大了对无形资产的重视程度，按照常规的管理模式，已经难以满足企业的发展需要，必须要向着标准化、规范化的管理方向，以提高企业的经营效益为目标，引进企业资源计划，对企业的资源管理传统模式进行创新。但是企业的知识管理却受到了一定程度的限制，因为企业资源计划针对性差，投入高，而知识管理和信息管理不同，知识管理要实现知识共享，利用集体智慧进行创新，制造型企业中隐性知识体系庞大，掌握难度高，例如季度报表、经验手记、试验报告等数据量庞大。制造型企业在人工智能知识管理系统的应用下，构建起知识管理架构与模式，要将知识管理作为一项系统的工作，加大研究力度，建立起一套有效的组织体系，提高企业的知识管理活动水平。在该体系当中由专业的管理者负责知识管理，使企业的各项知识活动得到协调，制定知识管理计划。对知识管理活动相关的任务，要成立专门的小组，负责构建起完善的基础设施体系，支撑知识管理活动，例如数据库、图书馆、信息技术平台等。建立完善的系统需要投入大量的人力资源、资金资源，建立智能化专家系统时，要考虑到知识管理的重要性，以及人工智能对知识管理系统产生的影响，投入更多的人力支持，提出智能方案等强大的功能，使制造企业能够更好地进行知识管理活动，提高知识管理水平。

三、知识管理专家系统的总体模型

专家系统能够像专家一样工作，是智能程序系统，具有专门领域专家水平的知识，制造型企业中构建知识管理专家系统的目的就是构建起人工智能系统，对制造型企业中复杂的知识进行管理，并且为使用者提供决策支持。人工智能研究的不断深入下，取得了显著的发展成绩，例如超级计算机模拟人脑下棋，体现了强大的功能和应用优势，但是知识这一因素被忽视，将难以在推理策略的基础之上形成智能行为。由此可见，专家系统对知识更为重视，专家系统的核心是知识库和推理机为主，也就是知识和推理构成专家系统，在系统的不断完善中，还要将数据库、推理机制、解释机制、获取知识、用户界面等各个部分逐步建立完善的模型。

知识库用于存储领域专家的知识、经验、已知事实，并且以规则的形式将其表示出来;推理机制的两个任务分别是推理和控制搜索过程这两大任务，推理机制是在知识库的已有知识中，将所需要的知识结论推导出来，对搜索过程进行控制，决定不同控制信息下要触发的规则，明确知识库中规则的扫描顺序;解释机制中解释功能具有显著的特征，代表着专家系统和其他软件系统的区别，在解释功能下，用户能够对专家系统提高信赖程度，有利于更好的推广和维护系统;专家系统开发中知识获取机制的建设是难度较大的一个环节，在专家系统开发中也是面临的一大瓶颈问题，知识获取机制的研究将知识获取作为基础，在建立知识库之前，这是获取知识最艰难也最关键的步骤，知识获取可分为人工获取和利用机器学习技术两种不同的形式，在训练实例中进行知识的自动获取;用户界面是用于对人机交互过程的控制界面用户，可以实现人机对话，形式更加直观、方便。

四、知识管理专家系统知识库的建立与使用

建立知识管理专家系统知识库时，不管是隐性知识还是显性知识，都要在描述时使用一种或几种特有的信息集合体来完成，将其转化为可存储的格式，在存储相关信息时，很多行业使用了数据库的概念或C语言中的对象，对信息的继承关系进行描述，而制造型企业中存在着大量隐性经验信息，储存在高级技术工人头脑中，无法用数据库或C语言中的对象这样的方式和模型进行信息存取。科学技术的快速发展下，人工智能这一概念融入到制造型企业当中，广泛运用人工智能技术，形成了一种本体新概念，这一新型概念具有概念化、明确化、形式化、共享化的特性。概念化指的是客观世界的现象所反映出的抽象模型，明确化指的是精确定义概念和它们之间的联系，形式化是精确的数学描述，共享化则反映的是本体中体现出的知识，被使用者共同认可和共享。

知识管理的目的是要转变多种复杂关系的信息，使其更便捷的被计算机管理，并且每条知识都体现了和其他知识之间的关系，也包含了自身的描述信息、数据信息，获取大量知识之后要分类、抽象转化各条信息，使其成为能够记录的信息集合，构建起信息模型。在本体概念和结构的基础之上，信息模型的构建要将一些静态变量加入进来进行表述，每条知识都和其他知识之间体现了一定的关系，在知识条中，为了将与其他相关知识的关系表述出来，用结构体中的成员完成表述应设立一个复杂结构体，满足存取知识的需求。完善支持使用权限的功能，过程中，合理利用私有、公有和保护机制。除了考虑知识存储的相关问题之外，还要在知识获取的方式上，利用本体方式，整合、管理知识，企业可以将日常加工中的知识记录下来，利用技术报告手册、经验总结等形式，拟定获取知识的方式，由专人负责与员工进行交流，获取设备使用经验和加工信息，再结合日常的手册、报表等进行信息整合，将文本上传到系统中。

通过分词、关键词描述，关联其他知识信息，促进知识条的完整性，做好知识的存储备用，目前对纯文本的处理方面，系统具有出色的应用优势，但是在Word中，有些文本和表格的格式较为复杂，包括目前PDF文档格式的应用也十分普遍，在系统功能中体现出了一定的应用缺陷问题，基于电子图书的分词系统开发仍旧要不断地深入进行，存储和备用各条知识信息，再提取关键词，表述知识与意识，与关联信息相互结合，使知识条更加完整。提取关键词时，通常是在英文中利用空格对单词进行区分，但是在中文语法中，复杂程度更高，又被称为指纹提取，在智能化分词系统的研究中，海量分词系统的应用是专家系统使用最为常见的，通过对权重比的调节，获取关键词，将数量过多的信息或内容冲突消除，获取知识，使用知识，构建知识库。

五、知识管理专家系统功能

很多企业在传统的数据库管理下进行数据信息的存储和使用，但是纯数据库系统的应用过程中智能性不足，难以实现对症下药的数据库管理目标，而专家系统中却具有强大的功能，可以实现自动分选目标，并且向使用者提供相关的建议。系统能够将不同的信息类型、信息特征、信息发生概率告知使用者，该系统还能够通过自学功能的应用，自动整合未知的知识，实现自动整合本体化的过程，在存储知识的功能应用下，不断扩充知识库，此类知识管理专家系统的功能应用中，是无法使用传统的对象语言来完成的，目前仍旧在逐步研究中，针对人工智能的网络神经系统功能展开逐步的探索。目前在对人工智能专家系统进行编写时，利用Nasa开发的Clips语言，已经取得了显著的应用成绩，Clips的核心可划分为三个不同的部分，分别是事实库、规则库、推理机，在基本的知识表示方式上，是利用产生式规则的方法，对后台知识处理及进行设计时，其重点和难点是使用大量知识时如何提取知识，并且将其作为Clips中的事实进行调用。由于知识体系较为复杂，特征明显，再受到继承关系、数字描述、使用权限等因素的影响，关键词搜索时效果不理想，通常会获取大量的冗余结果。为了实现系统的更进一步智能化发展，需要完善和改進筛选机制，降低用户的介入，提高系统的智能化水平。

在事实库中调入知识之后，就到了推理知识阶段，将使用知识的相关建议返回给用户，推理过程中都是使用Clips专用语言的命令完成的，普通工人在使用Clips语言编写的专家系统界面时，由于都是命令型模式，因此使用过程并不方便，这就说明不懂得内部工作机理的使用者无法对软件的功能进行熟练地操作。人们通常认为一个好的软件应具备便捷的软件功能，即使不懂得工作机理的使用者也能够熟练操作，例如Windows窗体功能应用就是一项“傻瓜”应用，使用方便，作为一项透明技术，不懂电脑的人也能够使用该功能，只需要操作鼠标即可。因此专家系统的编写同样要强调强大的功能和友好的界面，保证功能的简单、便捷，不懂Clips语言的普通工人也能够熟练方便的操作软件，因此专家系统的功能中使用了前台VC++编写的软体界面，Clips内部函数使用后台加载Clips的动态链接库，大大提高了软件应用的便捷性，对完全不懂Clips语言的人员来说也能够对专家系统进行应用。

综上所述，专家系统涉及到多个专业领域，覆盖的知识面广泛，为了构建完善的人工智能专家系统，通常需要投入大量的人力资源、物力资源。现代制造型企业的发展引进人工智能知识管理系统，有着深刻的商业价值，在人工智能知识管理系统的应用下，要逐渐构建起完善的专家系统，强化专家系统的功能，增进制造型企业内部各部门之间的联系，完善人工智能筛选器知识库的知识体系，形成内部局域网，整体加强对企业无形资产的把握，为制造型企业未来的发展拓展更广阔的空间。