APP下载

人工智能时代下的知识管理

2019-03-02吴庆海

知识管理论坛 2019年6期
关键词:人工智能管理工作

摘要:[目的/意义]旨在探寻人工智能时代知识管理新的发展方向。[方法/过程]通过对人工智能的缘起与崛起、中国知识管理20年历史等进行回顾,发掘两者的内在关联。[结果/结论]知识管理进入KM3.0阶段,将会与人工智能的关系越来越紧密,尤其在智能知识标引、智能知识搜索、智能知识创造、智能知识推送、智能决策支持等场景,具有极大的应用价值。

关键词:知识管理;人工智能;趋势;AI;KM;KM3.0

分类号:G203

近年来人工智能(Artificial Intelligence,AI)成为热门话题,人人都在畅想人工智能时代,AI为人类社会、经济、政治、文化、技术等方方面面带来的巨大改变。对于知识管理从业者,我们经常会谈到Web3.0、语义Wiki、知识图谱、智能搜索等,那么人工智能与知识管理,究竟是什么关系?人工智能时代下的知识管理,又将何去何从?

1  人工智能的缘起

让我们先从人工智能的缘起说起。如何让机器做到人能做的智能的事情?这件事情一直让许多人着迷。于是就有了1956年的一次研讨会——达特茅斯会议(Dartmouth Workshop)[1]。正是这次会议,第一次向世人宣告“人工智能”一词的诞生。虽然会议并没有达成预期的成果,但因为会议确定了“人工智能”一词而名留青史,会议的参与者大都成为该领域的巨擎。

这个持续近2个月的研讨会,重要的参与者有麦卡锡(John McCarthy)、明斯基(Marvin Minsky)、塞弗里奇(Oliver Selfridge)、香农(Claude Shannon)、纽厄尔(Allen Newell)、西蒙(Herbert Simon)、所罗门诺夫(Ray Solomonoff)等人。当初的参与者后来纷纷开山立派,成为人工智能领域大神级的人物。

作为这次会议的召集者,麦卡锡被后人称为“人工智能之父”。他发明了LISP语言,先后在麻省理工学院、斯坦福大学建立人工智能实验室,于1971年获得图灵奖,1991年获得美国国家科学奖章,2003年获得富兰克林学院奖章。明斯基是另外一位积极的参与者,他也是可以比肩麦卡锡的AI教父级人物。他是AI框架理论的创立者,开发出世界最早的机器人,他于1969年获得图灵奖,是AI领域获得图灵奖的第一人。

不过,人工智能的发展并非一帆风顺。当时对人工智能的许多预期在现实中并没有得到实质性突破,许多机构都减少了对人工智能研究的投入,从事人工智能的计算机人才也被同行看低。直到60年后,一场人机围棋大战,又让世人的目光重新聚焦在人工智能领域。

2  人工智能的崛起

2016年3月,谷歌公司旗下团队研发的AlphaGo与围棋世界冠军、职业九段棋手李世石进行人机大战,并最终以4比1的总比分获胜。2017年5月,在中国乌镇围棋峰会上,它与排名第一的世界围棋冠军柯洁对战,以3比0的总比分获胜。2017年10月,新一代的AlphaGo Zero采用新的AI算法,进行自我学习训练,三天100比0完败老版AlphaGo。

谷歌大中华区渠道事业部总经理白湧先生曾分享说:谷歌训练第一代AlphaGo学围棋的时间,需要近两年。但训练第二代AlphaGo Zero的时候,时长没有超过10个小时。机器学习最强大的地方就在于它有自我学习的能力,深度机器学习让AlphaGo引爆人工智能[2]。

人工智能经过漫长的60多年的跌宕起伏,为什么能够在当下爆发?许多专家都发表过不同的观点,大家比较一致的看法是随着各个领域的发展,人类已具备如下三大关键能力:第一,拥有超大规模的数据;第二,拥有强大的计算能力;第三,拥有非常优异的算法。人类在过去的几年时间里,已开始具备这3个方面的重要基础能力。基于数据、算力、算法的综合运用,驱动人工智能围棋AlphaGo战胜人类,也使其变成一件可以理解的事情了。

随着人工智能时代的到来,许多人开始意识到自己的“饭碗”将朝不保夕。斯坦福教授卡普兰做了一项统计[3],美国注册在案的720个职业中,有47%将被人工智能取代;而在以低端技术、体力劳动为主的国家,这一比例会高达70%。2000年,高盛在纽约总部美国现金股票交易柜台曾雇佣600名交易员。但今天,这里只剩下两名交易员留守空房。德勤最新开发的财务机器人,一个机器人可以顶替15个财务人员的工作,而且可以每周7×24小时不间断工作。

未来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?图2左边蓝色区间表示AI会取代并超越人類的工作类型,右边橙色区间则表示AI会成为工具和辅助的工作类型。可见,未来很难被人工智能所代替的工作,多为复杂决策、爱心陪伴、创意直觉、人文精神类的职业,例如企业领导者、商业服务人员、老师、养老护理员、艺术家、科学家、心理咨询师、宗教职业者等。

斯坦福人工智能研究中心尼尔逊教授说:“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”[4] 一方面,具有人工智能的机器人会代替人类的许多工作。但另一方面,人工智能本身却需要更多的人来训练自己,需要更多的人来研究知识表示、知识获得以及知识使用。

对于那些构建人工智能与人类桥梁的角色,例如各行各业的老师、专家、模型构建者、算法设计师等,无疑更有广阔的职业发展空间。知识管理从业者KMer无疑也越来越受到重视,他们通过经营和管理知识,把隐性知识显性化,把显性知识标准化,做的其实就是这中间翻译、转化的桥梁型工作。

2013年,麦肯锡曾发布全球报告《颠覆技术: 即将变革生活、商业和全球经济的进展》,预测了12项可能在2025年之前决定未来经济的颠覆性技术,其中第二名便是知识工作自动化(Automation of Knowledge Work),并预估该技术可在2025年带来5.2万亿至6.7万亿美元的经济效益[5]。

让我们再来看看中国知识管理的发展过程。

3  中国20年知识管理之旅

如果把1998年“知识经济”一词进入中国作为起始里程碑[6],知识管理在中国已经有20年的发展历程了。当我们回顾、整理、分析过去在中国所发生的重要的知识管理里程碑事件,就会发现每隔六七年,中国知识管理都会发生一些重大的蜕变。总结一下,大致可分为萌芽期、KM1.0期、KM2.0期、KM3.0期等几个阶段,如图3所示:

3.1  萌芽期(1998年-2004年)

国外许多学者在20世纪60年代就开始研究知识管理,世界经济合作与发展组织OECD于1996年发布了《以知识为基础的经济》重要报告,定义了知识经济即为以知识为基础的经济。1998年之后,许多公开媒体、杂志、期刊频现“知识经济”一词,许多高校的学者,如北京大学董小英,中国人民大学左美云、张斌,浙江大学顾新建,香港理工大学李荣彬等纷纷开始研究知识管理,中国知识管理进入萌芽期。

同时,中国知识管理网、中国CKO学习型组织网、中国知网CNKI等网站开始创办,王德禄撰写的《知识管理:竞争力之源》《知识管理的IT实现》、夏敬华等撰写的《知识管理》、董小英等译的《知识管理十步走》、杨开峰等译的《哈佛商业评论精粹译丛-知识管理》等书籍陆续出版,对知识管理相关资讯、方法、理论、案例的传播、普及起到了重要的推动作用[7-10]。

一些国际知名的IT厂商(例如IBM、微软等)、管理咨询公司(例如麦肯锡、贝恩、埃森哲等)源于自身知识型服务的朴素认知和实践,洞察到知识管理未来的发展趋势,作为布道者大力倡导知识管理。惠普还在中国设立了第一个首席知识官CKO——高建华,国内的一些领头羊企业(例如联想、海尔、TCL、三九、东软等)在这个时间开始纷纷试水。

3.2  KM1.0期(2005年-2011年)

大约从2005年开始,更多的企业(例如中国移动、丽珠医药、金地集团、招商证券、青岛啤酒、首都机场、西门子中国、华为等)开始进一步探索、摸索、践行知识管理,中国知识管理的各种论坛、沙龙纷纷在各地举办,中国知识管理发展进入KM1.0“探索阶段”,一时间知识管理的热潮蔚然成风。

这一阶段,企业多以建设知识库IT系统为主,重点以文档管理、知识分类、权限设置、知识搜索、知识门户等为突破点,在企业内部管理方面多强调规范化管理、标准化管理、一体化管理。不同组织结合自己的业务特点,都在探索把知識管理更好地进行落地实施,一时间呈现出百花齐放、百家争鸣的局面。

不同企业在探索知识管理模式的同时,都希望行业有通用的知识管理术语、框架和模型可循,这也成为圈内许多知识管理从业者的强烈诉求。在中国标准化研究院的推动之下,第一个国家知识管理标准GB/T 23703.1-2009,集合众多知识管理实践者及研究者的智慧,于2009年正式颁布发行。之后,其它知识管理标准也陆续被开发出来,至今已发布的知识管理相关标准达10个。

3.3  KM2.0期(2012年-2018年)

自2012年起,受互联网Web2.0的冲击和影响,移动互联网应用方兴未艾且全面、深入影响社会企业。此时,更多的企业开始入场(例如中粮研究院、新东方、中国航天、宝钢股份、腾讯、阿里巴巴、百度等),以知识社区、员工网络、专家黄页、团队空间、百科词条等新的方式,继续实践并探索知识管理模式,中国企业知识管理实践纷纷进入KM2.0“提升阶段”。

作为国际范围内最具权威的知识管理奖项,被称为知识型组织的“奥斯卡”——“最受尊敬的知识型组织”MAKE大奖于2011年被引入中国,对国内企业组织知识管理实践对标起到了积极作用。首次评奖,中国内地共有宝钢股份、招商银行、招商证券、福建网龙、西门子中国、青岛啤酒、用友软件等7家企业获得了2011中国MAKE奖,其中招商银行、福建网龙、西门子中国等3家企业当年还获得了2011亚洲MAKE奖。

随着各个公司之间对标学习的开展,中国知识管理实践者开始自发形成联盟。从2014年开始,通过众筹、众包等方式,先后在中粮、腾讯、中国科学院等地举办了知识管理实践者论坛。来自企业一线的KMer欢聚一堂,彼此分享各自的实践经验,共同学习提升。后来,中国知识管理联盟CKMA成立,并于2015年10月在北京大红门成功举办首届大会;创新与知识管理联盟IKMA筹备成立,首届大会携手第9届亚太IKMAP峰会于2018年11月在杭州成功举办。

在此期间,全国知识管理标准化技术委员会(简称“知标委”)于2015年2月正式成立并召开了首届大会。知标委由国家知识产权局负责日常管理和业务指导,秘书处设在中国标准化研究院和国家知识产权局专利管理司,秘书处挂靠单位为中国标准化研究院。此外,由中国科学院主管、中国科学院文献情报中心主办、《图书情报工作》杂志社出版的纯网络学术期刊《知识管理论坛》(ISSN 2095-5472,CN11-6036/C),也于2016年全新改版并组建全新编委会。

知识管理最佳案例集《知识+实践的秘密》经过系统策划、众包写作、评审修订,分别于2015年、2017年推出第一辑、第二辑[11-12]。其中,中国航天一院、中粮研究院、华为、新东方、招商证券、阿里巴巴、越秀集团、东软、奥雅纳、百度、宝钢、悉地国际、远东控股、西门子、用友大学等国内企业优秀的知识管理案例,为读者提供了鲜活而真实的一手珍贵材料,读者在不同时期反复阅读,都会引发不同的思考和联想,案例集一经出版便成为KMer案头必备之书。

3.4  KM3.0期(2019年-)

经过多年的韬光养晦、积累沉淀,中国许多企业已经开始崭露头角,从优秀迈向卓越。在不断向行业价值高端挺进的过程之中,许多企业也开始走入无人区、深水区。2019年,国际上各种势力角逐愈加激烈,中国更是身处世界格局变革的漩涡之中。国家竞争态势一再升级,知识原创的能力也随之提升到一个战略高度。身处波澜壮阔的时代大背景下,重新思考和定位知识管理势在必行。

2007年全球语义大会上N. Spivak等曾提出,通过社交连接、知识推理两个维度,可以把Web发展分4个象限,分别为Web1.0、Web2.0、Web3.0以及Web4.0(如图4所示)[13]。Web3.0即“语义网”(The Semantic Web),就是要在知識推理的维度上提升,强调知识与知识的连接,强调语义(Semantic),强调本体(Ontology),而这恰恰也是人工智能技术的范畴。因此KM3.0一定要借人工智能的风口,再次全面升级。

4  知识管理AI应用场景

对于企业知识管理者,还需要再深入探讨如何把人工智能与手头的工作结合起来。这也是KM3.0我们需要思考回答的问题。根据已有的研究和实践[14],目前人工智能时代下知识管理的应用场景,可以重点从智能知识标引、智能知识搜索、智能知识创造、智能知识推送、智能决策支持5个方面去突破,如图5所示:

当然,每一个方面都可以展开到许多子场景,都可以进行深度挖掘。我们需要分析、寻找、挖掘企业里的痛点,思考如何借助技术和管理的手段让企业解决痛点问题,并能够实现最大化收益。下面就展开几个通用场景进行示意:

4.1  洞察用户画像的应用场景

我们都知道用户的重要性,也希望能够为用户打上各种各样的标签,逐步形成完整的用户特征画像。现实中通常可以收集到用户的一些数据和信息,以期达到这一目的。例如我们给一位姓名叫J. K. Rowling的女士建立用户信息表,可以包括性别(女)、年龄(28岁)、教育程度(硕士)、部门(质量部)、职位(测试主管)、工作年限(3年工作经验)、家乡(山东人)等,如图6所示:

但是,这些数据往往只能形成一般意义上的“自我”。对于更深层次的“自我”我们并不得知。如果我们能够收集该用户的更多数据,例如她是“喵星人”社区的社长、经常参加各类的学习活动、是“得到APP”的忠实粉丝、喜欢在“幕布”上写作分享心得等,通过行为数据收集与分析,我们得以增补该用户特征详情之外的更多信息,并从更深入的层面了解她是谁。

通过分析,这位名叫J. K. Rowling的用户,其实很爱学习,有一些知识焦虑,她是一位社交家,喜欢分享,还喜爱养猫,有爱心,同时是一位美食家,未来想成为专业作家,想尝试创新类工作,是一位公益活动志愿者,等等。如果这些更深层次的“自我”,能够通过自动打标签进行归类,则无疑可以使企业更加深刻地洞察用户,真正把商业的本质回归到客户身上。

4.2  员工日常工作的知识化应用场景

员工每天在组织里辛勤工作,基于业务流程、业务活动、业务场景等完成相应的工作任务。无论什么性质的工作,一般而言,员工在执行工作任务之前需要制定工作计划,在完成工作任务之后需要进行工作总结,从而完成“事前-事中-事后”的完整闭环工作链。

当然,在此工作链上,链接其它许多相关的场景,例如工作计划场景可以与工作日历场景链接,工作日历场景又会与项目计划场景、会议活动场景等链接,工作计划场景可以与项目总结场景、知识萃取场景等链接。这些工作场景之间相互关联,要么是工序上下游的强约束关系,要么是协同协作类的弱耦合关系,我们可以围绕“事”的层面构建“工作分解结构”(Work Breakdown Structure,WBS)。

在理清“事”的层面后,还需要把“知”的层面与之关联。例如员工在执行某项工作任务时,其输入除了机器、设备、物料、环境等要素外,关键还需要有知识经验层面的输入,例如执行该项工作的标准、规范、流程、指南、案例、教训等。在执行完该项工作任务后,其输出除了零件、部件、整机、产品等有形物件外,还能够有知识层面的产出,例如报告、方案、图纸、模型、论文、专利、课件等,如图7所示:

我们只有把“人”“事”“知”相互串联起来,才能基于人、基于事,进行知识的精准推送。所谓的“知识工作自动化”,无外乎就是“人”“事”“知”之间精准的匹配。匹配程度越高,知识工作自动化程度就会越高。目前许多企业都期望知识管理能够高度嵌入到业务流程之中,但如果做不到“人”“事”“知”之间精准的匹配,知识管理与业务的融合就永远只是一句空话。

4.3  可实现知识管理与业务无缝匹配的应用场景

星巴克公司最近推出了一款名为“我的星巴克咖啡师”(My Starbucks Barista)的智能手机应用程序APP,顾客只需要通过语音或文字互动,就能进行咖啡等饮料食品的预定、移动在线支付等(见图8),这无疑会大大节省用户排队等候的时间、降低柜台点餐工作人员的劳动强度,提升整个系统的运营效率。

这款人工智能小助手是典型的问答机器人范例,涉及到语音识别、自然语言理解、语义解析(例如分词、属性识别)、规则引擎、机器学习、多轮对话等人工智能方面的技术。其中核心也会涉及到知识条目库的构建,需要对用户常见的问题进行聚类,并进行答案匹配与回复。再辅以机器自动分析及知识点智能维护,就会形成一个可以不断学习、进化的客户服务问答机器人。

5  总结与展望

根据上面所描述的人工智能时代下重要的知识管理应用场景,我们勾划出人工智能赋能知识管理的分层技术架构[15],包括基础层、技术层及应用层,如图9所示:

AI能力要落地,硬件是必要的载体。人工智能底层基础支撑层需要相适配的硬件基础设施(如中央处理器CPU、图形处理器GPU、现场可编程门阵列FPGA、网络、数据库及安全等),以支撑大规模并行计算、数据存储以及加速计算等。同时,相应的大数据、算法以及计算能力为人工智能的发展,也提供了必不可少的基础。

中间技术层是人工智能发展的核心,对应用层产品智能化程度起到决定性作用。所涉及技术包括感知相关技术、认知相关技术以及AI技术开放平台等技术。

上面应用层则是基于基础层、技术层实现与知识管理不同应用场景的融合,例如针对组织(即2B场景)的知识自动分类、自动聚类、智能搜索、智能决策等,针对个体(即2C场景)的问答机器人、智能推荐、自动内容創作、自动翻译等。通过这些场景,人工智能可以真正赋能知识管理,提升知识管理整体的应用水平。

我们看到,技术的进步和发展可谓日新月异,创新与突破会不断加速,各个行业类似的应用场景会逐步增多。随着越来越多的业务规则被标准化编码,那些机械性的、可重复的工作都会逐步被机器智能所代替,会逐步把人类的生产力解放出来。那么,另外一些更深层次的问题就会浮现出来。

例如:人类该将何去何从?如果善意的人工智能创造出丰盛的物质世界,那么人类空闲的时间和精力该如何打发?人类自身还会剩下什么是独一无二、无法被人工智能模仿超越的?是人类的直觉、创意和智慧吗?该如何提升人类这方面的意识、精神能量层级?未来是否会进化诞生出新人类?

与AI相对应,是否会并行发展出人类智慧(Human Wisdom, HW)?人类智慧是人类高级心理意识层面一种特殊的作用方式,其独特的能动性及创造力,是目前人工智能很难模仿的;而人工智能面对海量数据,不知疲倦地收集、存储、运算、分析以及输出等,是否一定程度上也算得上人类大脑的一个外挂?

参考文献:

[1] 尼克. 人工智能简史[M]. 北京:人民邮电出版社, 2017.

[2] 白湧. 驾驭数字技术拓展全球市场[EB/OL].[2018-12-18]. http://www.sohu.com/a/282895054_802554.

[3] 卡普兰. 人工智能时代[M]. 李盼,译.杭州:浙江人民出版社, 2016.

[4] 尼尔逊. 人工智能原理[M]. 石纯一,等译. 北京:科学出版社, 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] 张永谦.1998年的热点——知识经济及其在新一年的走势[J].科学学与科学技术管理, 1999(1):18-19,44.

[7] 王德禄. 知识管理的IT实现—朴素的知识管理[M]. 北京:电子工业出版社, 2003.

[8] 夏敬华, 金昕. 知识管理[M]//AMT信息动力丛书. 北京:机械工业出版社, 2003.

[9] TIWANA A. 知识管理十步—走整合信息技术、策略与知识平台[M]. 董小英,等译.北京:电子工业出版社, 2004.

[10] 知识管理[M]//哈佛商业评论精粹译丛.杨开峰,等译.北京:人民大学出版社, 2004.

[11] 吴庆海, 王猛, 夏敬华. 知识+实践的秘密[M]. 北京:世界知识出版社, 2015.

[12] 吴庆海, 王宝明, 宫元年. 知识+实践的秘密(II)[M]. 北京:世界知识出版社, 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] 欧阳智,魏琴,肖旭. 人工智能环境下的知识管理:变革发展与系统框架[J]. 图书与情报,2017(6):104-132.

[15] 徐贵宝. 人工智能技术体系架构探讨[J]. 电信网技术,2016(12):1-6.

猜你喜欢

人工智能管理工作
枣前期管理再好,后期管不好,前功尽弃
2019:人工智能
人工智能与就业
不工作,爽飞了?
数读人工智能
“这下管理创新了!等7则
人本管理在我国国企中的应用
选工作
管理的另一半