那么,人工智能时代我们该如何搭建知识库呢?首先,看一下我们传统的知识库架构,如下图。横轴X代表知识点的内容量,纵轴Y代表知识点在树形目录中所处的位置,圆圈代表知识点,斜线为K线,代表取用所需的知识点。我们目前的知识库就是基于知识点的量和它所处的知识层,调用知识。知识点的展现多通过层级展示和树形目录结合的形式,调用方式主要是进入树形目录,直接调用或者用关键字搜索,通过二维K线,直接调取知识点。
图:传统知识库架构
接下来,看一下在人工智能时代的知识库架构,人工智能最大的优势是对于海量信息的汇总,以及在汇总的基础上进化算法,调用信息知识,提供快速决策。如下图,这是一个假设。
图:AI知识库架构
所以,在原有二维知识库架构的基础上,我们产生了三维的概念,三维Z轴代表AI前期累积和学习的案例集数量,结合知识点的内容量和其在知识库系统的位置,三维学习K线将三者有机结合确定所需知识点(深蓝色点)。另外,由于AI需要持续学习,我们需要在每次调用的基础上,在二维平面II产生知识点映射,提供知识点的积累和AI案例的持续累积和学习。
那么,在于业务学习和掌握层面对我们有哪些价值呢?我们取知识点最终在三维平面II的映射点集合,如下图。最终得到的映射点将成散点状分布,散点密集区域,则为重点知识点,应知应会。稍微稀疏的点集代表需熟悉掌握的知识点,最后散落在外的点(outliers),代表只需要大概了解的知识点。
图:映射知识点集合
如果上述假设成立,那么我们该如何从现在开始着手准备呢?需要按三个步骤推进:1.梳理自己的知识库,形成二维知识库体系;2.搜集整理每个知识点涉及的案例,形成案例集;3.统计实际应用中案例的数量,分析案例之间相似度和业务关联度。其它步骤需在开始推行后的操作层面进一步探讨。
AI时代,相信我们的知识库将会有一种新的呈现方式和使用方式,人脑和知识库结合的人机互动方式也将更有利于知识体系的完善巩固和AI的持续强化。同时,估计也将催生新的职业,如人工智能培训师和人工智能知识管家等,值得期待。