摘要：[目的/意義]旨在探尋人工智能時代知識管理新的發(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年歷史等進行回顧，發(fā)掘兩者的內在關聯(lián)。[結果/結論]知識管理進入KM3.0階段，將會與人工智能的關系越來越緊密，尤其在智能知識標引、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，具有極大的應用價值。

關鍵詞：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代，AI為人類社會、經濟、政治、文化、技術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，究竟是什么關系？人工智能時代下的知識管理，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。雖然會議并沒有達成預期的成果，但因為會議確定了“人工智能”一詞而名留青史，會議的參與者大都成為該領域的巨擎。

這個持續(xù)近2個月的研討會，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（Claude Shannon）、紐厄爾（Allen Newell）、西蒙（Herbert Simon）、所羅門諾夫（Ray Solomonoff）等人。當初的參與者后來紛紛開山立派，成為人工智能領域大神級的人物。

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，先后在麻省理工學院、斯坦福大學建立人工智能實驗室，于1971年獲得圖靈獎，1991年獲得美國國家科學獎章，2003年獲得富蘭克林學院獎章。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)出世界最早的機器人，他于1969年獲得圖靈獎，是AI領域獲得圖靈獎的第一人。

不過，人工智能的發(fā)展并非一帆風順。當時對人工智能的許多預期在現(xiàn)實中并沒有得到實質性突破，許多機構都減少了對人工智能研究的投入，從事人工智能的計算機人才也被同行看低。直到60年后，一場人機圍棋大戰(zhàn)，又讓世人的目光重新聚焦在人工智能領域。

2? 人工智能的崛起

2016年3月，谷歌公司旗下團隊研發(fā)的AlphaGo與圍棋世界冠軍、職業(yè)九段棋手李世石進行人機大戰(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，進行自我學習訓練，三天100比0完敗老版AlphaGo。

谷歌大中華區(qū)渠道事業(yè)部總經理白湧先生曾分享說：谷歌訓練第一代AlphaGo學圍棋的時間，需要近兩年。但訓練第二代AlphaGo Zero的時候，時長沒有超過10個小時。機器學習最強大的地方就在于它有自我學習的能力，深度機器學習讓AlphaGo引爆人工智能[2]。

人工智能經過漫長的60多年的跌宕起伏，為什么能夠在當下爆發(fā)？許多專家都發(fā)表過不同的觀點，大家比較一致的看法是隨著各個領域的發(fā)展，人類已具備如下三大關鍵能力：第一，擁有超大規(guī)模的數(shù)據(jù);第二，擁有強大的計算能力;第三，擁有非常優(yōu)異的算法。人類在過去的幾年時間里，已開始具備這3個方面的重要基礎能力?；跀?shù)據(jù)、算力、算法的綜合運用，驅動人工智能圍棋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統(tǒng)計[3]，美國注冊在案的720個職業(yè)中，有47%將被人工智能取代;而在以低端技術、體力勞動為主的國家，這一比例會高達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)的財務機器人，一個機器人可以頂替15個財務人員的工作，而且可以每周7×24小時不間斷工作。

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?？梢姡磥砗茈y被人工智能所代替的工作，多為復雜決策、愛心陪伴、創(chuàng)意直覺、人文精神類的職業(yè)，例如企業(yè)領導者、商業(yè)服務人員、老師、養(yǎng)老護理員、藝術家、科學家、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：“人工智能是關于知識的學科——怎樣表示知識以及怎樣獲得知識并使用知識的科學。”[4] 一方面，具有人工智能的機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、模型構建者、算法設計師等，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，他們通過經營和管理知識，把隱性知識顯性化，把顯性知識標準化，做的其實就是這中間翻譯、轉化的橋梁型工作。

2013年，麥肯錫曾發(fā)布全球報告《顛覆技術： 即將變革生活、商業(yè)和全球經濟的進展》，預測了12項可能在2025年之前決定未來經濟的顛覆性技術，其中第二名便是知識工作自動化（Automation of Knowledge Work），并預估該技術可在2025年帶來5.2萬億至6.7萬億美元的經濟效益[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“知識經濟”一詞進入中國作為起始里程碑[6]，知識管理在中國已經有20年的發(fā)展歷程了。當我們回顧、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?？偨Y一下，大致可分為萌芽期、KM1.0期、KM2.0期、KM3.0期等幾個階段，如圖3所示：

3.1? 萌芽期（1998年-2004年）

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

同時，中國知識管理網、中國CKO學習型組織網、中國知網CNKI等網站開始創(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，對知識管理相關資訊、方法、理論、案例的傳播、普及起到了重要的推動作用[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的樸素認知和實踐，洞察到知識管理未來的發(fā)展趨勢，作為布道者大力倡導知識管理?；萜者€在中國設立了第一個首席知識官CKO——高建華，國內的一些領頭羊企業(yè)（例如聯(lián)想、海爾、TCL、三九、東軟等）在這個時間開始紛紛試水。

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、麗珠醫(yī)藥、金地集團、招商證券、青島啤酒、首都機場、西門子中國、華為等）開始進一步探索、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)展進入KM1.0“探索階段”，一時間知識管理的熱潮蔚然成風。

這一階段，企業(yè)多以建設知識庫IT系統(tǒng)為主，重點以文檔管理、知識分類、權限設置、知識搜索、知識門戶等為突破點，在企業(yè)內部管理方面多強調規(guī)范化管理、標準化管理、一體化管理。不同組織結合自己的業(yè)務特點，都在探索把知識管理更好地進行落地實施，一時間呈現(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，都希望行業(yè)有通用的知識管理術語、框架和模型可循，這也成為圈內許多知識管理從業(yè)者的強烈訴求。在中國標準化研究院的推動之下，第一個國家知識管理標準GB/T 23703.1-2009，集合眾多知識管理實踐者及研究者的智慧，于2009年正式頒布發(fā)行。之后，其它知識管理標準也陸續(xù)被開發(fā)出來，至今已發(fā)布的知識管理相關標準達10個。

3.3? KM2.0期（2012年-2018年）

自2012年起，受互聯(lián)網Web2.0的沖擊和影響，移動互聯(lián)網應用方興未艾且全面、深入影響社會企業(yè)。此時，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)、員工網絡、專家黃頁、團隊空間、百科詞條等新的方式，繼續(xù)實踐并探索知識管理模式，中國企業(yè)知識管理實踐紛紛進入KM2.0“提升階段”。

作為國際范圍內最具權威的知識管理獎項，被稱為知識型組織的“奧斯卡”——“最受尊敬的知識型組織”MAKE大獎于2011年被引入中國，對國內企業(yè)組織知識管理實踐對標起到了積極作用。首次評獎，中國內地共有寶鋼股份、招商銀行、招商證券、福建網龍、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，其中招商銀行、福建網龍、西門子中國等3家企業(yè)當年還獲得了2011亞洲MAKE獎。

隨著各個公司之間對標學習的開展，中國知識管理實踐者開始自發(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、中國科學院等地舉辦了知識管理實踐者論壇。來自企業(yè)一線的KMer歡聚一堂，彼此分享各自的實踐經驗，共同學習提升。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IKMAP峰會于2018年11月在杭州成功舉辦。

在此期間，全國知識管理標準化技術委員會（簡稱“知標委”）于2015年2月正式成立并召開了首屆大會。知標委由國家知識產權局負責日常管理和業(yè)務指導，秘書處設在中國標準化研究院和國家知識產權局專利管理司，秘書處掛靠單位為中國標準化研究院。此外，由中國科學院主管、中國科學院文獻情報中心主辦、《圖書情報工作》雜志社出版的純網絡學術期刊《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+實踐的秘密》經過系統(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、東軟、奧雅納、百度、寶鋼、悉地國際、遠東控股、西門子、用友大學等國內企業(yè)優(yōu)秀的知識管理案例，為讀者提供了鮮活而真實的一手珍貴材料，讀者在不同時期反復閱讀，都會引發(fā)不同的思考和聯(lián)想，案例集一經出版便成為KMer案頭必備之書。

3.4? KM3.0期（2019年-）

經過多年的韜光養(yǎng)晦、積累沉淀，中國許多企業(yè)已經開始嶄露頭角，從優(yōu)秀邁向卓越。在不斷向行業(yè)價值高端挺進的過程之中，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戰(zhàn)略高度。身處波瀾壯闊的時代大背景下，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、知識推理兩個維度，可以把Web發(fā)展分4個象限，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”（The Semantic Web），就是要在知識推理的維度上提升，強調知識與知識的連接，強調語義（Semantic），強調本體（Ontology），而這恰恰也是人工智能技術的范疇。因此KM3.0一定要借人工智能的風口，再次全面升級。

4? 知識管理AI應用場景

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)已有的研究和實踐[14]，目前人工智能時代下知識管理的應用場景，可以重點從智能知識標引、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個方面去突破，如圖5所示：

當然，每一個方面都可以展開到許多子場景，都可以進行深度挖掘。我們需要分析、尋找、挖掘企業(yè)里的痛點，思考如何借助技術和管理的手段讓企業(yè)解決痛點問題，并能夠實現(xiàn)最大化收益。下面就展開幾個通用場景進行示意：

4.1? 洞察用戶畫像的應用場景

我們都知道用戶的重要性，也希望能夠為用戶打上各種各樣的標簽，逐步形成完整的用戶特征畫像?，F(xiàn)實中通?？梢允占接脩舻囊恍?shù)據(jù)和信息，以期達到這一目的。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（質量部）、職位（測試主管）、工作年限（3年工作經驗）、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、經常參加各類的學習活動、是“得到APP”的忠實粉絲、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，其實很愛學習，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，是一位公益活動志愿者，等等。如果這些更深層次的“自我”，能夠通過自動打標簽進行歸類，則無疑可以使企業(yè)更加深刻地洞察用戶，真正把商業(yè)的本質回歸到客戶身上。

4.2? 員工日常工作的知識化應用場景

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

當然，在此工作鏈上，鏈接其它許多相關的場景，例如工作計劃場景可以與工作日歷場景鏈接，工作日歷場景又會與項目計劃場景、會議活動場景等鏈接，工作計劃場景可以與項目總結場景、知識萃取場景等鏈接。這些工作場景之間相互關聯(lián)，要么是工序上下游的強約束關系，要么是協(xié)同協(xié)作類的弱耦合關系，我們可以圍繞“事”的層面構建“工作分解結構”（Work Breakdown Structure，WBS）。

在理清“事”的層面后，還需要把“知”的層面與之關聯(lián)。例如員工在執(zhí)行某項工作任務時，其輸入除了機器、設備、物料、環(huán)境等要素外，關鍵還需要有知識經驗層面的輸入，例如執(zhí)行該項工作的標準、規(guī)范、流程、指南、案例、教訓等。在執(zhí)行完該項工作任務后，其輸出除了零件、部件、整機、產品等有形物件外，還能夠有知識層面的產出，例如報告、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，進行知識的精準推送。所謂的“知識工作自動化”，無外乎就是“人”“事”“知”之間精準的匹配。匹配程度越高，知識工作自動化程度就會越高。目前許多企業(yè)都期望知識管理能夠高度嵌入到業(yè)務流程之中，但如果做不到“人”“事”“知”之間精準的匹配，知識管理與業(yè)務的融合就永遠只是一句空話。

4.3? 可實現(xiàn)知識管理與業(yè)務無縫匹配的應用場景

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）的智能手機應用程序APP，顧客只需要通過語音或文字互動，就能進行咖啡等飲料食品的預定、移動在線支付等（見圖8），這無疑會大大節(jié)省用戶排隊等候的時間、降低柜臺點餐工作人員的勞動強度，提升整個系統(tǒng)的運營效率。

這款人工智能小助手是典型的問答機器人范例，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、機器學習、多輪對話等人工智能方面的技術。其中核心也會涉及到知識條目庫的構建，需要對用戶常見的問題進行聚類，并進行答案匹配與回復。再輔以機器自動分析及知識點智能維護，就會形成一個可以不斷學習、進化的客戶服務問答機器人。

5? 總結與展望

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

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

中間技術層是人工智能發(fā)展的核心，對應用層產品智能化程度起到決定性作用。所涉及技術包括感知相關技術、認知相關技術以及AI技術開放平臺等技術。

上面應用層則是基于基礎層、技術層實現(xiàn)與知識管理不同應用場景的融合，例如針對組織（即2B場景）的知識自動分類、自動聚類、智能搜索、智能決策等，針對個體（即2C場景）的問答機器人、智能推薦、自動內容創(chuàng)作、自動翻譯等。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用水平。

我們看到，技術的進步和發(fā)展可謂日新月異，創(chuàng)新與突破會不斷加速，各個行業(yè)類似的應用場景會逐步增多。隨著越來越多的業(yè)務規(guī)則被標準化編碼，那些機械性的、可重復的工作都會逐步被機器智能所代替，會逐步把人類的生產力解放出來。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)造出豐盛的物質世界，那么人類空閑的時間和精力該如何打發(fā)？人類自身還會剩下什么是獨一無二、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？未來是否會進化誕生出新人類？

與AI相對應，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，其獨特的能動性及創(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外掛？

參考文獻：

[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——知識經濟及其在新一年的走勢[J].科學學與科學技術管理， 1999（1）：18-19，44.

[7] 王德祿. 知識管理的IT實現(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信息動力叢書. 北京：機械工業(yè)出版社， 2003.

[9] TIWANA A. 知識管理十步—走整合信息技術、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：人民大學出版社， 2004.

[11] 吳慶海， 王猛， 夏敬華. 知識+實踐的秘密[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，2017（6）：104-132.

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