AI时代,需要发挥知识图谱+知识管理的双轮价值

作者: 东方林语 2021-05-31 09:15:14

知识管理,无论是对于企业,还是个人来说,都有非常重要的意义。

传统的知识管理,如果系统地总结一下,可以分成四个阶段:

第一个阶段:信息技术阶段。

主要是由信息技术特别是互联网的使用,以及认识到内部网是在地理上分散组织间共享信息的有效工具。

知识管理第一阶段是关于如何部署新技术以实现更有效地利用信息和知识。

第二个阶段:组织文化阶段。

这个阶段,会发现仅仅部署技术和提供有价值的信息不足以有效促进和完成信息和知识共享。

知识管理实施将涉及到组织文化的变化,在许多情况下可能是相当重大的变化,甚至包括组织的管理结构、相关资源配置、绩效考核措施等。

第三个阶段:知识分类法阶段。

知识分类法,也就是知识组织阶段。它源于对知识内容重要性的认识,特别是对分类和搜索能力的重要性的认识,以及关于知识内容的合理描述和结构化表达。

其想法在于:当使用知识时如果找不到它,知识管理就没有用。

第四阶段:知识图谱阶段。

知识图谱(Knowledge Graph)于2012年5月首先由Google提出,到2019年它被称为世界AI领域的关键议题之一,并在2020年作为核心议题占据了主导地位。

此外,知识管理领域对于人工智能相关技术的提及也越来越多,呈现融合趋势。

知识图谱以结构化的形式描述客观世界中概念、实体以及他们之间的丰富的关联关系,将互联网的信息表达成更接近人类认知世界的形式,为人类提供一种更好地组织、管理和理解互联网海量信息的能力。

尤其是这一波AI浪潮之下,无论是国外的谷歌、微软、Facebook,还是国内的百度、阿里、腾讯等互联网巨头,都围绕知识图谱领域,展开了深入、持续的研究,并取得了大批有价值的场景与应用。

“知识图谱”所做的最有价值一件事情就是从海量脏乱的数据中提取有用的信息,并将分散的信息碎片聚合起来,以图谱的形式组织在一起,变成相对有参考信息和洞察力的知识,以辅助决策。

根据《国内外知识管理研究态势》,从2009-2018年国内知识管理系统研究高频关键词共现图谱,显示了知识管理和知识图谱的研究和实践热力爆表。

如果需要把知识管理好,充分发掘知识的显性与隐形价值,需要借助AI与知识图谱技术,从知识智采集、知识智存储、知识智仓库、知识智加工、知识智搜索、知识智场景,知识智门户七个维度综合评估,才能把企业沉淀的数据、知识的精华科学合理的提炼出来,最终形成真正的智能知识库。

具体解释来说:

一、知识智采集:提供互联网知识及文献类知识采集器;内部文档类知识的智能爬取。

二、知识智存储:实现知识基本信息、属性、正文、阶段等信息的分布式存储;索引内容的分布式存储。

三、知识智仓库:企业所有知识的统一存储、管理及维护,支持知识上传、整理、发布、使用、反馈及优化的全过程管理。

四:知识智加工:doc格式文档按段落或目录结构化;知识内容自动归类、智能标签;知识属性自动结构化。

五:知识智搜索:实现内外部资源的统一检索及检索结果的综合呈现。支持对检索内容进行智能标签处理、同时基于用户搜索行为的检索结果反馈优化及协同推荐。

六:知识智场景:提供场景知识地图配置器以及相关场景知识地图模板库,可帮助企业方便灵活地构建不同类型的场景地图,如:新人指引地图、岗位学习地图、业务流程知识地图等。

七:知识智门户:对知识内容的综合呈现,以及基于用户行为的知识分类、标签及内容推荐。

AI时代,需要发挥知识图谱+知识管理的双轮价值,才能真正实现从流程驱动、数据驱动走向知识驱动。

人工智能 AI 深度学习
上一篇:市场规模将突破22亿?教育机器人发展迅速 下一篇:工业界中的机器学习是什么样子的
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载