知吴不言 中国知识管理觉行者——吴庆海博士的深度思考
专栏
关注: 帖子:578
关注: 帖子:39
吴庆海:人工智能时代下的知识管理
领域: 知识管理人工智能 2019-03-21 10:00
摘要:知识管理在中国发展已经20年,随着人工智能时代的到来,知识管理将会出现哪些新的发展方向,急待寻求探索及答案。

近年来人工智能(Artificial Intelligence,即AI)大热,人人都在畅想人工智能时代,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?

摄图网_400380026_wx.jpg

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)。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(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。

做为这次会议的召集者,麦卡锡被称后人称为“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年获得了美国国家科学奖章,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,他也是可以并肩麦卡锡的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。

1.png

图1:达特茅斯会议

不过,人工智能的发展并非一帆风顺。当时对人工智能许多的预期在现实中并没有得到实质性突破(例如1968年麦卡锡曾说十年内下棋程序就会战胜人类象棋大师),许多机构都减少了对于人工智能研究的投入,甚至一度从事人工智能的计算机人才也被同行看低。但是60年后,一场人机围棋大战,又把世人的目光重新聚焦在人工智能领域。

摄图网_400080805_wx.jpg

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,它与排名世界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100:0完败老的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,训练它没有超过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。

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:第一是拥有超大规模的数据、第二是拥有强大的计算能力,第三是拥有非常优异的算法。人类在过去的几年时间里,已开始具备这三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,美国注册在案的720个职业中,将有47%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个财务的工作,而且可以每周7*24小时工作不用休息。

2.png

图2:人工智能可以代替的工作

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呢?上图左边蓝色区间表示AI会取代并超越人类的工作类型:有农、林、牧、渔等重体力劳动工作;流水线工人等重复性工作;交易员、柜台员、司机等简单工作;会计、律师、工程实施等标准化专业工作等。

右边橙色区间则表示AI会成为工具和辅助的工作类型:综合商业服务人员、科学技术研究等工作;企业家、顶尖管理者等复杂决策等工作;社会学、心理学、哲学、宗教等工作;文学艺术、导演、爱心陪伴等工作。

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。”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。对于知识管理从业者KMer,无疑也越来越受到重视。正是KMer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。

摄图网_400072558_wx.jpg

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。总结目前看到的一些研究和实践,目前人工智能时代下知识管理的应用场景,可以重点从如下五个方面去突破。

3.png

图3:人工智能时代下知识管理的应用场景

1、智能知识标引:涉及到用户画像、自动标引、自动分类、分面聚类等

2、智能知识搜索:涉及到智能提示、语义搜索、知识图谱、精准答案等

3、智能知识创造:涉及到知识碎片化、原子化、协同共创、内容优化等

4、智能知识推送:涉及到千人千面、场景感知、深层挖掘、精准推荐等

5、智能决策支持:涉及到深度学习、问答机器、场景助手、商业智能等

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、找到、挖掘企业里的痛点,思考借助技术和管理的手段,如何能够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。

首先,我们可以看洞察用户画像的应用场景。

4.png

图4:洞察用户画像应用场景

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。

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他们是谁。

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。如果这些更深次的“自我”,能够通过自动打标签进行归类,则无疑可以更加深刻地洞察用户,真正把商业的本质回归到我们的客户身上。

其次,我们再看一个员工日常工作的知识化应用场景。

5.png

图5:员工工作知识化应用场景

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,挂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。在执行完改项工作任务后,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。

我们只有把“人”、“事”、“知”相关串联起来,才能基于人、基于事,进行知识的精准推动。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。匹配程度越高效,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永远只是一句空话。

此外,还有更多的场景可以实现知识管理与业务的无缝匹配。

6.png

图8:星巴克智能问答机器人

例如,星巴克公司最近推出了一款叫做“我的星巴克咖啡师”(My Starbucks Barista)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,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,需要对于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。

摄图网_500362148_wx.jpg

未来展望

随着时代的发展,技术加速一日千里。当人类重复性工作逐步被人工智能所替代了之后,那么人类自身又将如何进化?环顾四周,我们发现身边越来越多的人开始讲敬天爱人、商业觉醒、心性修炼等。同时,自利利他的价值观也开始渗透到社会、商业的方方面面。中国传统文化回归,各种少儿国学班、总裁国学班纷纷涌现,全民阅读学习蔚然成风,知识创新及价值创造将成为时代主旋律。

因此,可持续发展、知识工作自动化、创新、智能、智慧,等等关键词,必然会倒逼中国知识管理应用水平的不断提升。借助人工智能的东风,知识管理从业者KMer自己真正的时代也到来了。挑战与机遇并存,让我们应对时代的飓风,亮剑吧!



1493348805614937.png 作者寄语:
作为爱知识、爱学习、爱智慧的你,你有没有想为经营和管理个人和组织的知识而奋斗?欢迎互动分享,一起来过过招吧。

也欢迎你把这篇文章分享给欣赏的朋友,予人玫瑰,手留余香!让我们一起快乐地成长。

孙行者微信二维码副本.gif

4.9
已有 人评价
易读性 卓越
专业性 优秀
实用性 优秀
提交
匿名评价

讨论

4讨论

所有讨论

秦丽
一年后再看这篇文章,的确很多技术就沿着这个方向在实现
3# 2020-02-16 22:36
JH金翰
如何处理知识内容。从哪些纬度处理?自动准确做标签。
2# 2019-07-27 02:09
正在研发下一代知识管理产品,AI是是核心基础理念之一。也是关键场景应用技术。
1# 2019-03-22 11:16