知識(shí)工程學(xué)：一個(gè)新的重要研究領(lǐng)域

黃榮懷

（北京師范大學(xué)網(wǎng)絡(luò)教育實(shí)驗(yàn)室 100875）

李茂國

(教育部高等教育司100816)

沙景榮

（北京師范大學(xué)網(wǎng)絡(luò)教育實(shí)驗(yàn)室 100875）

摘要 知識(shí)工程是源于專家系統(tǒng)建造而形成的一個(gè)研究領(lǐng)域，目前已經(jīng)成為一個(gè)跨學(xué)科的綜合學(xué)科。本文簡要介紹了知識(shí)工程的概念，分析了知識(shí)工程主要研究領(lǐng)域，如軟計(jì)算、Agent、自然語言理解、邏輯與推理、形象思維研究、基于事例的推理、機(jī)器學(xué)習(xí)、知識(shí)本體論等的主要進(jìn)展及存在的問題。最后提出廣義的知識(shí)工程學(xué)是“一門研究人類智能及人類知識(shí)的機(jī)理，以及如何用機(jī)器模擬人的智能并促進(jìn)人類知識(shí)發(fā)展的學(xué)科”，也可以且應(yīng)該作為教育技術(shù)學(xué)的一個(gè)重要研究方向。

關(guān)鍵詞 知識(shí)工程 人工智能 教育技術(shù) 專家系統(tǒng)

一、知識(shí)工程概述

1977年第五屆國際人工智能聯(lián)合會(huì)議上，美國斯坦福大學(xué)（Stanford University）計(jì)算機(jī)系教授費(fèi)哥巴姆（Feigenbaum）作了關(guān)于“人工智能的藝術(shù)”（The Art of Artificial Intelligence）的講演，提出“知識(shí)工程”這一名稱，指出“知識(shí)工程是應(yīng)用人工智能的原理與方法，對(duì)那些需要專家知識(shí)才能解決的應(yīng)用難題提供求解的手段。恰當(dāng)?shù)剡\(yùn)用專家知識(shí)的獲取、表達(dá)和推理過程的構(gòu)成與解釋，是設(shè)計(jì)基于知識(shí)的系統(tǒng)的重要技術(shù)問題”^[1]。

知識(shí)工程的發(fā)展從時(shí)間上劃分大體上經(jīng)歷了3個(gè)時(shí)期：

1. 大約從1965至1974年為實(shí)驗(yàn)性系統(tǒng)時(shí)期。1965年費(fèi)哥巴姆教授與其它科學(xué)家合作，研制出DENDRAL專家系統(tǒng)。這是一種推斷分子結(jié)構(gòu)的計(jì)算機(jī)程序，該系統(tǒng)貯存有非常豐富的化學(xué)知識(shí)，它所解決問題的能力達(dá)到專家水平，甚至在某些方面超過同行專家的能力，其中包括它的設(shè)計(jì)者。DENDRAL系統(tǒng)標(biāo)志著“專家系統(tǒng)”的誕生。

2. 從1975至1980年為MYCIN時(shí)期。70年代中期MYCIN專家系統(tǒng)研制成功，這是一種用醫(yī)學(xué)診斷與治療感染性疾病計(jì)算機(jī)程序的“專家系統(tǒng)”。MYCIN專家系統(tǒng)是規(guī)范性計(jì)算機(jī)專家系統(tǒng)的代表，許多其它專家系統(tǒng)都是在MYCIN專家系統(tǒng)的基礎(chǔ)上研制而成的。MYCIN系統(tǒng)不但具有較高的性能，而且具有解釋功能和知識(shí)獲取功能，可以用英語與用戶對(duì)話，回答用戶提出的問題，還可以在專家指導(dǎo)下學(xué)習(xí)醫(yī)療知識(shí)，該系統(tǒng)還使用了知識(shí)庫的概念和不精確推理技術(shù)。MYCIN系統(tǒng)對(duì)計(jì)算機(jī)專家系統(tǒng)的理論和實(shí)踐，都有較大的貢獻(xiàn)。

3. 1980年以來為知識(shí)工程的“產(chǎn)品”在產(chǎn)業(yè)部門開始應(yīng)用的時(shí)期。知識(shí)工程的研究，目前在美國開展得較為活躍和深入，并且主要集中在斯坦福大學(xué)。

人工智能的研究表明，專家之所以成為專家，主要在于他們擁有大量的專門知識(shí)，特別是長時(shí)期地從實(shí)踐中總結(jié)和積累的經(jīng)驗(yàn)技能知識(shí)。從知識(shí)工程的發(fā)展歷史可以看出，知識(shí)工程是伴隨“專家系統(tǒng)”建造的研究而產(chǎn)生的。實(shí)際上，知識(shí)工程的焦點(diǎn)就是知識(shí)。知識(shí)工程領(lǐng)域的主要研究方向主要包含知識(shí)獲取、知識(shí)表示和推理方法等，其研究目標(biāo)是挖掘和抽取人類知識(shí)，用一定的形式表現(xiàn)這些知識(shí)，使之成為計(jì)算機(jī)可操作的對(duì)象，從而使計(jì)算機(jī)具有人類的一定智能。

人工智能的研究方向非常廣泛，本文對(duì)以下幾個(gè)典型的研究方向作簡要介紹和分析，以此說明如何使機(jī)器（主要指計(jì)算機(jī)）“具有”人類智能所面臨的困難及存在的問題：

l         軟計(jì)算：模仿自然法則的計(jì)算方法

l         主體Agent：機(jī)器世界中有“思維”的個(gè)體

l         自然語言理解與機(jī)器翻譯：讓機(jī)器“懂得”人類語言

l         邏輯與推理：機(jī)器的“思維”機(jī)制

l         形象思維研究：讓機(jī)器具有“視覺認(rèn)知”

l         基于事例的推理：讓機(jī)器應(yīng)用“經(jīng)驗(yàn)(知識(shí))”

l         機(jī)器學(xué)習(xí)：讓機(jī)器也能“學(xué)習(xí)”

l         知識(shí)本體論：認(rèn)識(shí)“知識(shí)”的本質(zhì)

要讓計(jì)算機(jī)“具有”人類智能，首先必須了解“人類智能”，“人類智能”離不開“人類知識(shí)”，因此必須研究“人類知識(shí)”的機(jī)理。另一方面，人工智能的最終目的還是為人類服務(wù)，讓人類具有更多的“智能”，促進(jìn)人類知識(shí)的發(fā)展，因此需要從教育、心理、傳播、社會(huì)、經(jīng)濟(jì)等不同的角度和維度來研究有關(guān)人類知識(shí)的問題。所以，筆者認(rèn)為需要提出一個(gè)廣義的知識(shí)工程學(xué)的概念，它是“一門研究人類智能及人類知識(shí)的機(jī)理，以及如何用機(jī)器模擬人的智能并促進(jìn)人類知識(shí)發(fā)展的學(xué)科”。

教育技術(shù)學(xué)作為一門涉及教育、心理、傳播、信息科學(xué)等的綜合性交叉學(xué)科，它不僅要研究教育中的“技術(shù)”問題，而且要利用其研究主體的特殊知識(shí)背景來研究知識(shí)發(fā)現(xiàn)、知識(shí)處理、知識(shí)傳播、知識(shí)擴(kuò)散等問題。因此，教育技術(shù)學(xué)作為一個(gè)聯(lián)結(jié)教育、心理、傳播、信息科學(xué)等學(xué)科的重要紐帶，也可以且應(yīng)該把(廣義的)知識(shí)工程作為其一個(gè)重要的研究方向。

二、關(guān)于智能計(jì)算

凡是仿照自然法則構(gòu)造的計(jì)算，均可稱為智能計(jì)算(Computational intelligence)，有時(shí)也稱為軟計(jì)算(Soft computing)。它主要包括三個(gè)內(nèi)容：模仿人類處理方式引入的模糊計(jì)算(Fuzzy computing)、依據(jù)生物神經(jīng)網(wǎng)絡(luò)的工作規(guī)則引入的神經(jīng)計(jì)算(Neural computing)和模仿生物界的“優(yōu)勝劣汰”法則的遺傳算法和進(jìn)化計(jì)算(Evolution computing)。

人工神經(jīng)網(wǎng)絡(luò)是模仿人類大腦的某些工作機(jī)制的一類計(jì)算模型。它始于1943年美國學(xué)者McCulloch和Pitts首先提出的一種神經(jīng)元的數(shù)學(xué)模型，即M-P模型。在20世紀(jì)40、50年代形成了第一次高潮。由于理論及技術(shù)兩方面的限制，60、70年代進(jìn)入第一個(gè)低潮。到80年代中期，由于理論研究的進(jìn)展，特別是有效學(xué)習(xí)算法(即下面要談到的機(jī)器學(xué)習(xí))的提出，如BP算法等，神經(jīng)網(wǎng)絡(luò)研究開始復(fù)蘇，出現(xiàn)了第二次高潮。到目前，第二次浪潮似乎已經(jīng)退去。神經(jīng)網(wǎng)絡(luò)在模式識(shí)別方面有一些成功的應(yīng)用，包括用于分類、識(shí)別或優(yōu)化計(jì)算等。

遺傳算法是模擬自然界中按“優(yōu)勝劣汰”法則進(jìn)行進(jìn)化過程而設(shè)計(jì)的算法。Bagley和Rosengerg于1967年在他們的博士論文中首先提出了遺傳算法的概念。1975年Holland出版的專著奠定了遺傳算法的理論基礎(chǔ)。如今遺傳算法不但給出了清晰的算法描述，而且也建立了一些定量分析的結(jié)果，在眾多領(lǐng)域得到了廣泛的應(yīng)用，如用于控制(煤氣管道的控制)、規(guī)劃(生產(chǎn)任務(wù)規(guī)劃)、設(shè)計(jì)(通信網(wǎng)絡(luò)設(shè)計(jì))、組合優(yōu)化(TSP問題、背包問題)以及圖像處理和信號(hào)處理等。

對(duì)于軟計(jì)算問題，目前主要的問題是算法的“可擴(kuò)展性”和“可理解性”問題，即所給的算法對(duì)處理海量的數(shù)據(jù)是否有效，以及由所給的算法得來的規(guī)則，對(duì)人來說是否容易理解。

三、關(guān)于主體Agent

Agent是Minsky在1986年出版的《思維的社會(huì)》一書中提出的，認(rèn)為社會(huì)中的某些個(gè)體經(jīng)過協(xié)商之后可求得問題的解，這些個(gè)體就是Agent。Agent應(yīng)具有自主性、社會(huì)交互性、反應(yīng)能力和預(yù)動(dòng)能力，能通過感知環(huán)境而做出動(dòng)作。從Agent模型來看，有思考型Agent（如BDI表示和推理）、反映型Agent（不會(huì)推理，直接由感知到動(dòng)作）和兩者混合型。

Agent理論最初是作為一種分布式智能模型被提出的，其研究方法有邏輯方法與經(jīng)濟(jì)學(xué)方法兩種。對(duì)Agent思維狀態(tài)的直觀描述涉及信念、愿望、目標(biāo)、意圖、承諾、規(guī)劃等概念。

l         信念，屬于思維狀態(tài)的認(rèn)知方面，描述了Agent對(duì)當(dāng)前世界狀況以及為達(dá)到某種效果可能采取的行為路線的估計(jì)。

l         愿望，屬于思維狀態(tài)的感情方面，描述了Agent對(duì)未來世界狀況以及可能采取的行為路線的喜好。

l         目標(biāo)，描述Agent的追求，實(shí)際是Agent從愿望中選擇的子集。

l         意圖，引導(dǎo)并監(jiān)督Agent的動(dòng)作，屬于思維狀態(tài)的意向方面。

l         承諾，描述Agent對(duì)于所追求的意圖的堅(jiān)持程度，并控制對(duì)意圖的重新考慮，實(shí)際表示從目標(biāo)到意圖的轉(zhuǎn)換。

l         規(guī)劃，把意圖按特定結(jié)構(gòu)組合為規(guī)劃，它在意圖系統(tǒng)的實(shí)現(xiàn)中起重要作用。

關(guān)于Agent理論的地位仍有爭議，有的認(rèn)為Agent理論用于具體實(shí)現(xiàn)Agent，有的認(rèn)為Agent理論是用于知識(shí)表示方面的，還有的認(rèn)為Agent理論應(yīng)是對(duì)認(rèn)知科學(xué)和哲學(xué)中一些概念的形式化。目前Agent的成功案例包括有產(chǎn)品拍賣、軍事演習(xí)與機(jī)器人足球賽等。

四、關(guān)于自然語言理解與機(jī)器翻譯

       自然語言理解的研究起始于機(jī)器翻譯。早在1946年，英國的A. Donald Booth和美國的W. Weaver就開始了機(jī)器翻譯方面的研究。經(jīng)過50多年的研究，出現(xiàn)了許多的理論與方法，如基于對(duì)話的、實(shí)例的、知識(shí)的、詞匯的、神經(jīng)網(wǎng)絡(luò)的、原則的、規(guī)則的、統(tǒng)計(jì)(或語料庫)的等機(jī)器翻譯方法。但并不像市場(chǎng)上機(jī)器翻譯產(chǎn)品宣傳廣告講的那么成功，就是國際上研究時(shí)間最長、最好的SYSTRAN系統(tǒng)，在英法機(jī)器翻譯過程中，1993年，對(duì)開放文本，達(dá)到流暢程度的譯準(zhǔn)率只有54%，一般還可以用的譯準(zhǔn)率達(dá)到74.3%。可以想象，英法這兩個(gè)同語系的語言的翻譯水平就僅如此，那么不同語系的漢外翻譯(如漢語譯成英語)，要困難得多?，F(xiàn)今的機(jī)器翻譯還只能翻譯那些能想到的日常句子，即教科書句子。

       信息檢索也是一個(gè)非常熱門的研究與開發(fā)領(lǐng)域，包括文本分類、文本主題識(shí)別、文本檢索與自然語言檢索、文本過濾、文本摘要、文本安排、文本信息獲取、文本自動(dòng)書寫、文本挖掘等諸多領(lǐng)域。從網(wǎng)上信息檢索或搜索引擎的情況看，檢索的基本準(zhǔn)確率只有10%~20%。

       自然語言理解和信息檢索是語言信息研究的兩個(gè)重要部分。自然語言理解的基礎(chǔ)是現(xiàn)代語言學(xué)的研究。語言學(xué)既是一個(gè)民族的根本，又是知識(shí)的最好表現(xiàn)形式。但我國語言學(xué)的研究狀況并不樂觀，比如在漢語里面，到底應(yīng)該分成多少詞性，語言學(xué)界爭論不休，至今沒有一個(gè)定論。另外像漢語的基本句型、漢語的語義分類、漢語帶詞性標(biāo)注語料庫等一系列基礎(chǔ)性的工作沒有開始或得不到足夠的重視。

       關(guān)于我國語言信息處理研究，基礎(chǔ)研究仍然還是最重要的，包括提高分詞的精度，建設(shè)帶詞性、詞法搭配、句法和語義的國家級(jí)語料庫。關(guān)于研究方法，將更多的采用統(tǒng)計(jì)方法，特別是將統(tǒng)計(jì)與規(guī)則結(jié)合起來。一個(gè)總的趨勢(shì)是部分分析代替全分析、部分理解代替全理解，部分翻譯代替全翻譯。另一個(gè)值得注意的重要研究方向是，隨機(jī)語言模型的建模工作正在由基本的線性詞匯統(tǒng)計(jì)轉(zhuǎn)向結(jié)構(gòu)化的句法領(lǐng)域。根據(jù)語料統(tǒng)計(jì)信息建立一定的優(yōu)先評(píng)價(jià)機(jī)制，對(duì)輸入句子的分析結(jié)果進(jìn)行概率計(jì)算，從而得到概率意義上的最優(yōu)分析結(jié)果。

五、關(guān)于邏輯與推理

       一個(gè)數(shù)學(xué)理論通常包括概念的界定、命題的陳述和定理的證明等三部分。數(shù)學(xué)理論中的概念有基本概念與合成概念之分?；靖拍钍且恍┎欢x的抽象對(duì)象，一個(gè)新的合成概念由若干基本概念或這個(gè)理論中已有的合成概念來定義。數(shù)學(xué)命題有對(duì)錯(cuò)之辯、真假之分。真命題可分為基本命題與被證明的命題?；久}是不證自明的命題，稱為公理，它與人們的直覺與經(jīng)驗(yàn)一致，被人們所接受。一個(gè)數(shù)學(xué)命題的證明是指從公理和已有的定理出發(fā)，使用邏輯推理規(guī)則，把命題作為推理規(guī)則的邏輯結(jié)論推導(dǎo)出來。命題是由概念及子命題通過邏輯連接詞連接而成，及所謂的謂詞邏輯。以上方法就是所謂的公理化方法，最早來自于歐幾里德的《幾何原本》，在數(shù)學(xué)理論中普遍采用，后來又被推廣到力學(xué)、物理學(xué)甚至生物學(xué)等其他自然學(xué)科。公理化方法實(shí)際是一種整理知識(shí)，特別是數(shù)學(xué)知識(shí)的方法。通過許多數(shù)學(xué)家的努力，用數(shù)理邏輯的語言和方法建立了一套關(guān)于公理系統(tǒng)的理論框架，這就是所謂的形式化方法。

       在人工智能領(lǐng)域中，在知識(shí)表示與推理方面，僅靠公理化方法和數(shù)理邏輯是不夠的，因此出現(xiàn)了許多新的理論與方法，包括非經(jīng)典邏輯與開放邏輯等，非經(jīng)典邏輯的典型代表是模態(tài)邏輯。

模態(tài)邏輯(model logic)及其擴(kuò)展(包括時(shí)態(tài)邏輯、認(rèn)知邏輯、動(dòng)態(tài)邏輯、表述邏輯和行為邏輯等)已經(jīng)成為更適用于各種應(yīng)用領(lǐng)域的邏輯系統(tǒng)。基本的模態(tài)邏輯的語言是在經(jīng)典邏輯語言的基礎(chǔ)上，通過引入兩個(gè)模態(tài)算子□(必然算子)和◇(可能算子)得到的。與經(jīng)典邏輯不同，模態(tài)邏輯公式的真值不是函數(shù)地依賴于其組成部分的真值。高效的模態(tài)推理方法和推理系統(tǒng)的建立，是使用模態(tài)邏輯及其擴(kuò)展作為知識(shí)表示工具成功與否的關(guān)鍵。近些年來，模態(tài)推理的研究雖然距離人們的期望還有一定距離，但也得到了長足的發(fā)展。如認(rèn)知邏輯已經(jīng)成為一種表示知識(shí)與信念的有力工具。表述邏輯是為表示概念和概念層次知識(shí)建立起來的邏輯語言。表述邏輯有效推理方法的研究，又推動(dòng)了常識(shí)問題表述和推理的研究。當(dāng)然，沒有任何一種模態(tài)推理理論和方法具有通用的高效性，而且不論是推理理論研究，還是具體的推理技術(shù)研究，其系統(tǒng)復(fù)雜性都難于定量的分析。

    另一類是開放邏輯，我國的李未院士等在這方面做了大量的工作。在解決了邏輯推理規(guī)則的可靠性和完全性問題之后，公理化方法應(yīng)用的成功與否，關(guān)鍵在于如何挑選公理，使之能夠刻畫問題的本質(zhì)，并使之與人們的認(rèn)識(shí)和時(shí)間一致。公理系統(tǒng)的形成是一個(gè)過程，即公理化進(jìn)程。他們?cè)跀?shù)理邏輯的公理化方法的基礎(chǔ)上，通過引進(jìn)新的概念，刻畫公理化進(jìn)程的基本特征，給出了公理化進(jìn)程的理論框架，進(jìn)而在某些特定的條件下給出了它的計(jì)算模型。引進(jìn)的概念有現(xiàn)論、新定律與事實(shí)反駁?，F(xiàn)論是指階段性理論或現(xiàn)階段的理論，它揭示了這個(gè)領(lǐng)域現(xiàn)階段知識(shí)之間的邏輯關(guān)系，并使這些知識(shí)有清晰的邏輯結(jié)構(gòu)。我們可以將現(xiàn)論看著類似于認(rèn)知心理學(xué)中的“圖示”。隨著時(shí)間的推移，當(dāng)某些現(xiàn)象不能從現(xiàn)論中得到滿意的解釋時(shí)，人們就不得不修正這個(gè)現(xiàn)論。這時(shí)出現(xiàn)兩種情況：一是人們發(fā)現(xiàn)它是現(xiàn)有理論所沒有涉及過的新現(xiàn)象，于是概括出新的原理并將它加入到現(xiàn)有理論中去，稱之為新定律，這個(gè)過程類似于認(rèn)知心理學(xué)中的“同化”；二是現(xiàn)論所預(yù)言的現(xiàn)象沒有發(fā)生，或者發(fā)生的是與之相矛盾的現(xiàn)象，即所謂的理論與實(shí)踐不符，稱為否決性判定試驗(yàn)，或?qū)ΜF(xiàn)有理論的事實(shí)反駁，這個(gè)過程類似于認(rèn)知心理學(xué)中的“順應(yīng)”。因此，公理化進(jìn)程是一種典型的關(guān)于知識(shí)的整理和認(rèn)識(shí)的過程，它類似于一個(gè)人的“認(rèn)知過程”。

六、關(guān)于形象思維研究

       在思維科學(xué)領(lǐng)域，借助于邏輯學(xué)，關(guān)于抽象思維的研究已取得了不少進(jìn)展，但對(duì)形象思維的研究相對(duì)薄弱。形象思維的研究主要包括記憶理論和認(rèn)知模型。Paivio從信息編碼角度將長時(shí)記憶分為兩個(gè)系統(tǒng)——心象系統(tǒng)和言語系統(tǒng)。心象系統(tǒng)以心象代碼來存儲(chǔ)關(guān)于具體的客體和事件的信息；言語系統(tǒng)以言語代碼來存儲(chǔ)言語信息。Kosslyn于1981年在心理掃描實(shí)驗(yàn)的基礎(chǔ)上提出了心象的計(jì)算理論。他將心象的表征分為兩層：表層表征和深層表征，前者是指出現(xiàn)在視覺短時(shí)記憶中的類似圖畫的表征；后者為存儲(chǔ)在長時(shí)記憶中的信息。Glasgow于1992年在《認(rèn)知科學(xué)》上發(fā)表了一篇題為《可計(jì)算心象》的學(xué)術(shù)論文。她較為系統(tǒng)的闡述了基于心象的問題求解，并提出了可計(jì)算心象的一種知識(shí)表達(dá)框架，她把心象的表達(dá)分為3層：描述性表達(dá)(長時(shí)記憶)、視覺和空間表達(dá)(工作記憶的兩種形式)，描述性表達(dá)基于命題，視覺和空間表達(dá)基于嵌套的符號(hào)矩陣，并提出了心象表達(dá)的基于矩陣的形式化理論和基于矩陣的形象處理操作。她的研究工作具有突破性意義，在人工智能界和認(rèn)知科學(xué)界引起了極大的反響。

除此以外，對(duì)于心象在計(jì)算機(jī)中的模擬和表征的研究，還有許多其它的理論與方法：心象的傅立葉模式(認(rèn)為心象在人腦中是以傅立葉變換形式存儲(chǔ)的)、區(qū)域生長法(認(rèn)為心象在人腦中是由一些分割后的區(qū)域來表示的)、紋理表示理論(認(rèn)為心象是通過紋理分析來獲得和加以表征的)、形態(tài)學(xué)理論(認(rèn)為構(gòu)成視覺認(rèn)知基礎(chǔ)的形態(tài)是由更基本的點(diǎn)通過擴(kuò)張、生長、侵蝕等形成)和形象信息模型(認(rèn)為視覺信息包括三部分：形狀、色彩、質(zhì)感等視覺心象的性質(zhì)；構(gòu)成、類比、相鄰等結(jié)構(gòu)信息；與該心象所聯(lián)系的概念、所激發(fā)的情感以及該心象所聯(lián)系的聽、嗅、味、觸、運(yùn)動(dòng)等其他種類的形象)。以上模型大部分只是一種理論框架或者已經(jīng)有些計(jì)算機(jī)模擬程序。

七、基于事例的推理

CBR方法同人類的日常推理活動(dòng)十分接近，它來自于人類的認(rèn)知心理活動(dòng)：推理者（指以推理方式求解問題的人）在求解一個(gè)新問題時(shí)，往往習(xí)慣于借鑒他（或她）以前對(duì)類似問題的處理經(jīng)驗(yàn)。當(dāng)新出現(xiàn)的問題是他以前處理過的問題的簡單重復(fù)時(shí)，他可以把處理舊問題的成功經(jīng)驗(yàn)直接用于求解該新問題；而當(dāng)新問題是推理者從來沒有遇見過的問題時(shí)，他也可以回憶起一個(gè)（或多個(gè)）類似的舊問題，通過類比得到重要的指導(dǎo)或提示，加之一些規(guī)律性知識(shí)作為指導(dǎo)，完成對(duì)新問題的解決。當(dāng)然，處理過的新問題又會(huì)被當(dāng)作經(jīng)驗(yàn)記下來，用以處理以后的問題。

與傳統(tǒng)的基于規(guī)則的問題求解方法相比較，CBR具有一些重要的優(yōu)點(diǎn)。CBR系統(tǒng)易于獲取知識(shí)，避免了傳統(tǒng)知識(shí)系統(tǒng)進(jìn)行知識(shí)獲取時(shí)的瓶頸問題。知識(shí)庫的維護(hù)方便，不需要領(lǐng)域?qū)＜腋深A(yù)。CBR方法擴(kuò)大了解決問題的范圍，可以得出創(chuàng)新的解答，同時(shí)簡化了求解過程，節(jié)省了問題求解時(shí)間，解的質(zhì)量也得到提高。對(duì)于系統(tǒng)所得的結(jié)果易于給出解釋，并且易于被用戶接受。CBR方法對(duì)于構(gòu)建高性能的專家系統(tǒng)是一種好方法。

1994年，阿莫特（Aamodt）把CBR方法的發(fā)展趨勢(shì)概括為四個(gè)主要方面：與其他學(xué)習(xí)方法的集成；與其他推理方法的集成；被融合進(jìn)大規(guī)模并行處理；通過認(rèn)知科學(xué)的新進(jìn)展帶動(dòng)CBR方法的進(jìn)步。近幾年，人們發(fā)現(xiàn)CBR系統(tǒng)在知識(shí)管理方法有良好的性能，出現(xiàn)了一些以CBR方法進(jìn)行知識(shí)管理的研究工作。

八、關(guān)于機(jī)器學(xué)習(xí)

       關(guān)于機(jī)器學(xué)習(xí)的一般說法來自于Simon對(duì)學(xué)習(xí)的闡述：“如果一個(gè)系統(tǒng)能夠通過執(zhí)行某種過程而改進(jìn)它的性能，這就是學(xué)習(xí)”。機(jī)器學(xué)習(xí)研究的一個(gè)重要里程碑是1943年McCulloch與Pitts對(duì)神經(jīng)元模型(簡寫為MP模型)的研究。其意義在于首次發(fā)現(xiàn)了人類神經(jīng)元的工作方式，并給出了其數(shù)學(xué)描述。事實(shí)上計(jì)算機(jī)科學(xué)與控制理論均從這項(xiàng)研究中受到了啟示。

       按照其受啟發(fā)的機(jī)理來分類，機(jī)器學(xué)習(xí)可以分為基于分子生物學(xué)的機(jī)器學(xué)習(xí)、基于神經(jīng)生理學(xué)的機(jī)器學(xué)習(xí)以及基于認(rèn)知心理學(xué)的機(jī)器學(xué)習(xí)。而后者按照依據(jù)的心理學(xué)現(xiàn)象可以分為歸納機(jī)器學(xué)習(xí)、解釋機(jī)器學(xué)習(xí)、類比機(jī)器學(xué)習(xí)等。也可以根據(jù)被學(xué)習(xí)的對(duì)象(相當(dāng)于知識(shí))是否可以表示為關(guān)系型數(shù)據(jù)庫形式，將機(jī)器學(xué)習(xí)分為結(jié)構(gòu)化機(jī)器學(xué)習(xí)（相當(dāng)于良構(gòu)知識(shí)）與非結(jié)構(gòu)化機(jī)器學(xué)習(xí)（相當(dāng)于非良構(gòu)知識(shí)）。

根據(jù)數(shù)據(jù)的數(shù)學(xué)性質(zhì)與對(duì)機(jī)器學(xué)習(xí)不同的需求，結(jié)構(gòu)化機(jī)器學(xué)習(xí)可以分為基于符號(hào)的機(jī)器學(xué)習(xí)與基于統(tǒng)計(jì)的機(jī)器學(xué)習(xí),它們的理論基礎(chǔ)分別為Rough Set(RS)理論與支持向量機(jī)(SVM)。對(duì)于非結(jié)構(gòu)化的機(jī)器學(xué)習(xí)的分類十分困難，這與非線性問題中所遇到的問題類似。

在歷史上，機(jī)器學(xué)習(xí)基本上是在經(jīng)驗(yàn)范疇內(nèi)進(jìn)行的，隨意性相當(dāng)嚴(yán)重，其一、機(jī)器學(xué)習(xí)往往受啟于某個(gè)自然科學(xué)的原理，特別是認(rèn)知心理學(xué)的原理，認(rèn)知心理學(xué)研究中的隨意性也帶入了機(jī)器學(xué)習(xí)的研究之中；其二、對(duì)學(xué)習(xí)解的選擇涉及搜索策略，使用什么樣的搜索策略往往沒有一般的原則可循；其三、對(duì)學(xué)習(xí)結(jié)果的評(píng)價(jià)沒有可以描述的標(biāo)準(zhǔn)。

九、關(guān)于知識(shí)本體論研究

從古希臘人開始，對(duì)于知識(shí)的研究與探索一直是人類追求的目標(biāo)。幾千年來的情況都是這樣的：哲學(xué)家研究有關(guān)知識(shí)的一般特性與規(guī)律，而自然科學(xué)家孜孜不倦地獵取具體的知識(shí)。20世紀(jì)中葉以后，這種研究格局發(fā)生了變化。由于知識(shí)在人類文明中所起的作用越來越大，不僅是哲學(xué)家、邏輯學(xué)家、教育學(xué)家和心理學(xué)家，而且計(jì)算機(jī)科學(xué)家也在認(rèn)真地研究知識(shí)的一般特性與規(guī)律。這是因?yàn)槿祟愐呀?jīng)進(jìn)入了信息化社會(huì)，而且正在向知識(shí)化社會(huì)前進(jìn)。

蘇格拉底（Socrates）認(rèn)為，知識(shí)的唯一功能是自我認(rèn)識(shí)，即人的智力、道德和精神的生活成長。畢達(dá)格拉斯(Pythagoras)認(rèn)為知識(shí)的目的是通過使用知識(shí)的人知道他想說什么和怎么說,從而使其行為更有效，知識(shí)就是指邏輯、語法和修辭。中國儒家則認(rèn)為，知識(shí)是知道說什么、怎么說以及出人頭地和俗世成功的途徑。對(duì)于道家來說，知識(shí)是自我認(rèn)識(shí)和通向澄明的道路。

教育類辭書中流行的知識(shí)定義是：“對(duì)事物屬性與聯(lián)系的認(rèn)識(shí)。表現(xiàn)為對(duì)事物的知覺、表象、概念、法則等心理形式”^[7]。中國百科全書中的定義：“所謂知識(shí)，就它所反映的內(nèi)容而言，是客觀事物的屬性和聯(lián)系的反映，是客觀世界在人腦中主觀映象。就它所反映活動(dòng)的形式而言，有時(shí)表現(xiàn)為主體對(duì)事物的感性知覺或表象，屬于感性知識(shí)，有時(shí)表現(xiàn)為關(guān)于事物的概念或規(guī)律，屬于理性知識(shí)。”^[8]

    著名認(rèn)知心理學(xué)家皮亞杰曾提出區(qū)分兩類知識(shí)：一類是物理經(jīng)驗(yàn)，另一類是邏輯——數(shù)學(xué)經(jīng)驗(yàn)。前者可以說是來自外部世界，是客觀事物及其聯(lián)系在人腦中的反映；而后者是來自主體的動(dòng)作。皮亞杰的這一觀點(diǎn)主要在知識(shí)的來源上加深了人們對(duì)知識(shí)的認(rèn)識(shí)。

    現(xiàn)代認(rèn)知心理學(xué)家普遍認(rèn)為知識(shí)分兩大類，一類為陳述性，指“個(gè)人具有有意識(shí)的提取線索，因而能直接陳述的知識(shí)”；另一類為程序性的，指“個(gè)人無有意識(shí)的提取線索，因而其存在只能借助某種活動(dòng)形式間接推測(cè)出來的知識(shí)”。前者是回答“是什么”問題的知識(shí)，后者是回答“怎么做”問題的知識(shí)。這一觀點(diǎn)在知識(shí)的作用和知識(shí)的檢測(cè)方面加深了人們對(duì)知識(shí)的認(rèn)識(shí)。根據(jù)自動(dòng)與受控維度，程序性知識(shí)可以分為受意識(shí)控制的程序性知識(shí)和自動(dòng)化的程序性知識(shí)。根據(jù)一般與特殊維度，又可以區(qū)分為一般的程序性知識(shí)與特殊的程序性知識(shí)。前者適用于許多不同的領(lǐng)域，后者適用于某一特殊的領(lǐng)域。

知識(shí)工程的知識(shí)是泛指的，包括不同領(lǐng)域的知識(shí)，如醫(yī)學(xué)的、農(nóng)業(yè)的、軍事的等；有不同性質(zhì)的，如常識(shí)性知識(shí)、經(jīng)驗(yàn)性知識(shí)、規(guī)律性知識(shí)等；有不同目的的，如用于診斷的、用于決策的、用于規(guī)劃的等。盡管目前已有各種各樣的知識(shí)表示和推理方法，研制出了各種不同的知識(shí)系統(tǒng)，但這些系統(tǒng)之間的知識(shí)難以相互共享，系統(tǒng)之間難以進(jìn)行互操作。

       本體論(Ontology)原本是一個(gè)哲學(xué)概念，指關(guān)于存在及其本質(zhì)和規(guī)律的學(xué)說，后被用于研究實(shí)體存在性和實(shí)體存在的本質(zhì)等方面的通用理論。計(jì)算機(jī)界借用這個(gè)理論，把現(xiàn)實(shí)世界中某個(gè)領(lǐng)域抽象或概括成一組概念及概念間的關(guān)系，構(gòu)造出這個(gè)領(lǐng)域的本體。本體論正逐步成為知識(shí)獲取以及表示、規(guī)劃、進(jìn)程管理、數(shù)據(jù)庫框架集成、自然語言處理和企業(yè)模擬等研究領(lǐng)域共同關(guān)心的一個(gè)核心。

十、廣義的知識(shí)工程學(xué)

對(duì)于智能的模擬而言，人類智能是人類在同大自然的斗爭中，經(jīng)過千百年的進(jìn)化所獲得的一種能力，它來源于人腦的具有充分復(fù)雜性的神經(jīng)元網(wǎng)絡(luò)，具有主動(dòng)性、流動(dòng)性、普遍聯(lián)系性等特點(diǎn)。人類智能的模擬——機(jī)器智能，是人類智能的產(chǎn)物，來源于計(jì)算機(jī)系統(tǒng)，這就決定了它只能解決客觀世界中能夠形式化的、并存在具有合適復(fù)雜度的算法可解的問題。從人工智能的發(fā)展歷史來看，其輝煌發(fā)展時(shí)期的兩個(gè)里程碑的突破為^[2]：

一是人們利用符號(hào)表示和邏輯推理的方法，通過計(jì)算機(jī)的啟發(fā)式編程，成功地建立了一種人類深思熟慮行為的智能模型；

二是人們運(yùn)用同樣的模型，成功地在計(jì)算機(jī)上建造了一系列實(shí)用的人造智能系統(tǒng)（專家系統(tǒng)），其性能可以和人類的同類智能相媲美。

這兩項(xiàng)突破表明，以邏輯為基礎(chǔ)的符號(hào)計(jì)算（處理）方法，無論在智能模擬上還是在智能系統(tǒng)建造上都同樣獲得了成功。

知識(shí)工程的研究雖然已經(jīng)取得許多重要的成果，但也存在著一些重大問題尚待解決，如對(duì)于千差萬別的客觀事物特別是對(duì)于人類的智能行為，是難于用簡單的一種甚至幾種表示方法來完全描述的。又如，盡管計(jì)算機(jī)在許多功能上大大超過人類（像運(yùn)算速度、存貯量、功能行為的一致性等等），但在知識(shí)的一些方面又是相當(dāng)?shù)臒o知。

人們通常認(rèn)為，智能是在客觀實(shí)際中解決某種問題的能力，而具備這種能力則至少需要如下幾方面的知識(shí)：（1）關(guān)于客觀世界的眾多背景知識(shí)；（2）解決問題的一般策略知識(shí)；（3）問題本身的專門知識(shí)；（4）把知識(shí)進(jìn)行分析、選擇、歸納、總結(jié)的一般方法的知識(shí)。只有在計(jì)算機(jī)系統(tǒng)掌握了上述知識(shí)，具有一定解決問題的能力之后，才認(rèn)為它具有了智能。

從國際范圍來看，人工智能的研究途徑主要有三條。第一，生理學(xué)途徑，采用仿生學(xué)的方法，模擬動(dòng)物和人的感官以及大腦的結(jié)構(gòu)和機(jī)能，制成神經(jīng)元模型和腦模型；第二，心理學(xué)途徑，應(yīng)用實(shí)驗(yàn)心理學(xué)方法，總結(jié)人們思維活動(dòng)的規(guī)律，用電子計(jì)算機(jī)進(jìn)行心理模擬；第三，工程技術(shù)途徑，研究怎樣用電子計(jì)算機(jī)從功能上模擬人的智能行為。盡管目前第三種研究方法發(fā)展較快，但它也從前兩種方法中吸收新的思想，依靠新的啟示擴(kuò)大自己的成果。

從一個(gè)國家的角度看，應(yīng)該把知識(shí)作為基礎(chǔ)設(shè)施來看待和發(fā)展，應(yīng)該營造將科研、高校、企業(yè)與知識(shí)機(jī)構(gòu)和廣大勞動(dòng)者緊密聯(lián)系在一起的社會(huì)網(wǎng)絡(luò)，通過這個(gè)網(wǎng)絡(luò)實(shí)現(xiàn)協(xié)同和互動(dòng)，使知識(shí)得以生產(chǎn)、傳播、擴(kuò)散，保證經(jīng)濟(jì)活動(dòng)各個(gè)環(huán)節(jié)都可以很容易地獲得和應(yīng)用所需要的知識(shí)。國家的知識(shí)基礎(chǔ)設(shè)施由四部分組成^[6]：1. 高素質(zhì)、高技能的人是載體。這其中也分層次，包括勞動(dòng)大軍整體素質(zhì)的提高。關(guān)鍵是每個(gè)人都能夠在學(xué)中干，在干中學(xué)，終身學(xué)習(xí)，不斷提高素質(zhì)。2.知識(shí)機(jī)構(gòu)是知識(shí)生產(chǎn)、擴(kuò)散和運(yùn)用的主體，包括企業(yè)、學(xué)校、研究院所和中介服務(wù)。主體的關(guān)鍵在于相互的互動(dòng)作用和相互的聯(lián)系。3. 建立渠道，以知識(shí)網(wǎng)絡(luò)(包括專業(yè)學(xué)會(huì)和其他正式或非正式的網(wǎng)絡(luò)，包括非政府組織及其他民間社團(tuán)組織組成的知識(shí)網(wǎng)絡(luò))來改變教育和知識(shí)的交換，影響偏僻地方的生活和文化，使更多的人參與知識(shí)網(wǎng)絡(luò)學(xué)習(xí)，促進(jìn)各方面知識(shí)和信息的轉(zhuǎn)移。4. 電信基礎(chǔ)設(shè)施，包括電視、廣播、通信，容易使大眾參與信息和知識(shí)的共享等等。而這種知識(shí)基礎(chǔ)設(shè)施的建設(shè)是同國家創(chuàng)新體制聯(lián)系在一起的。而這個(gè)知識(shí)基礎(chǔ)設(shè)施的建設(shè)，僅靠人工智能的研究是不夠的，毫無疑問必須涉及到計(jì)算機(jī)、通訊、教育、心理、社會(huì)、經(jīng)濟(jì)、傳播等諸多學(xué)科。

從知識(shí)經(jīng)濟(jì)學(xué)的角度研究知識(shí)是一種嶄新的范式。經(jīng)濟(jì)學(xué)理論的發(fā)展日益建構(gòu)在對(duì)知識(shí)問題的研究基礎(chǔ)上。在西方古典和新古典的經(jīng)濟(jì)學(xué)理論中，一個(gè)基本的假設(shè)就是技術(shù)和知識(shí)保持不變。進(jìn)入20世紀(jì)以來，由于知識(shí)產(chǎn)業(yè)化和知識(shí)商品化過程的加劇，相對(duì)于資本、勞動(dòng)力和土地等傳統(tǒng)的經(jīng)濟(jì)推動(dòng)因素而言，體現(xiàn)于人力資本和技術(shù)中的知識(shí)的價(jià)值在不斷上升，知識(shí)成為生產(chǎn)過程中最為重要的資源。科技進(jìn)步在經(jīng)濟(jì)增長中所占的比重越來越大，經(jīng)濟(jì)增長對(duì)于技術(shù)、知識(shí)和人力資本的依賴程度越來越強(qiáng)；在這種背景下，經(jīng)濟(jì)學(xué)家們逐漸把技術(shù)知識(shí)和技術(shù)變遷確立為一種經(jīng)濟(jì)系統(tǒng)的內(nèi)生變量和內(nèi)生過程。這時(shí)經(jīng)濟(jì)學(xué)的知識(shí)論成為分析經(jīng)濟(jì)現(xiàn)象的基本架構(gòu)。

知識(shí)社會(huì)學(xué)也是研究知識(shí)現(xiàn)象的重要的范式。對(duì)知識(shí)經(jīng)濟(jì)的社會(huì)學(xué)研究包括兩個(gè)層次，一是對(duì)知識(shí)經(jīng)濟(jì)這種社會(huì)現(xiàn)象的社會(huì)學(xué)研究，一是對(duì)知識(shí)經(jīng)濟(jì)中的知識(shí)和知識(shí)與經(jīng)濟(jì)互動(dòng)問題的研究。知識(shí)經(jīng)濟(jì)的確立和發(fā)展為社會(huì)學(xué)對(duì)經(jīng)濟(jì)現(xiàn)象的研究提供了新的契機(jī)，也為知識(shí)社會(huì)學(xué)發(fā)展提供了應(yīng)用領(lǐng)域，從而成為社會(huì)學(xué)研究知識(shí)的核心。

因此，必須建立一個(gè)廣義的知識(shí)工程學(xué)，它是“一門研究人類智能及人類知識(shí)的機(jī)理以及如何用機(jī)器模擬人的智能并促進(jìn)人類知識(shí)發(fā)展的學(xué)科”。用機(jī)器模擬人的智能的意義不在于模擬本身，而是在于幫助人類解決實(shí)際問題，同時(shí)發(fā)展人類知識(shí)。

教育的根本目的是促進(jìn)人的發(fā)展，同時(shí)也是促進(jìn)社會(huì)的發(fā)展與人類知識(shí)的發(fā)展。毫無疑問，教育是知識(shí)的生產(chǎn)、傳播與擴(kuò)散的重要途徑，因而從教育的角度，特別是教育技術(shù)的角度，研究知識(shí)工程是必要的。另外，知識(shí)工程的研究領(lǐng)域涉及多種學(xué)科，對(duì)于教育技術(shù)學(xué)研究人員來說，他們具有教育學(xué)、心理學(xué)、信息科學(xué)與傳播學(xué)等多方面的知識(shí)背景，應(yīng)是知識(shí)工程研究的一支重要有生力量。因此知識(shí)工程可以也應(yīng)該作為教育技術(shù)學(xué)的一個(gè)重要研究方向。

結(jié)語

對(duì)知識(shí)科學(xué)的研究不僅有重大的理論意義，也有重大的實(shí)際意義。從戰(zhàn)略的高度講，大力發(fā)展和推動(dòng)知識(shí)經(jīng)濟(jì)已成為我國的國策，成為我國經(jīng)濟(jì)在21世紀(jì)持續(xù)發(fā)展的一個(gè)關(guān)鍵。知識(shí)經(jīng)濟(jì)是以知識(shí)為基礎(chǔ)的，隨著知識(shí)經(jīng)濟(jì)在當(dāng)代的突起和擴(kuò)張，知識(shí)經(jīng)濟(jì)與當(dāng)代社會(huì)發(fā)展的互動(dòng)融合程度也日趨緊密，而科學(xué)研究的基本目標(biāo)是促進(jìn)社會(huì)的發(fā)展。因此，研究人類智能及人類知識(shí)的機(jī)理以及如何用機(jī)器模擬人的智能并促進(jìn)人類知識(shí)的發(fā)展(即知識(shí)工程學(xué))，既符合社會(huì)發(fā)展的目標(biāo)，又體現(xiàn)社會(huì)的時(shí)代性特點(diǎn)，建立這么一門學(xué)科是必要而且可行的。教育技術(shù)作為一門以教育學(xué)、心理學(xué)、信息科學(xué)與傳播學(xué)等學(xué)科相互交叉的綜合性學(xué)科，完全可以也應(yīng)該把知識(shí)工程作為一個(gè)重要研究方向。

本文談到的知識(shí)工程內(nèi)容是筆者學(xué)習(xí)知識(shí)工程與人工智能的一些體會(huì)，并不是也不敢對(duì)知識(shí)工程研究作全面的綜述，文中許多觀點(diǎn)來自陸汝鈐教授主編的《世紀(jì)之交的知識(shí)工程與知識(shí)科學(xué)》一書，這是由國家自然科學(xué)基金委組織的“世紀(jì)科學(xué)論壇和戰(zhàn)略研討會(huì)——世紀(jì)之交的知識(shí)工程與知識(shí)科學(xué)”上發(fā)表的綜述性論文的匯編，在此對(duì)這些科學(xué)家的研究工作表示敬意和感謝。

參考文獻(xiàn)

[1] 陸汝鈐主編,《世紀(jì)之交的知識(shí)工程與知識(shí)科學(xué)》，清華大學(xué)出版社，2001年

[2] 林崇德，《學(xué)習(xí)與發(fā)展——中小學(xué)生心理能力發(fā)展與培養(yǎng)》，北京師范大學(xué)出版社，1999年

[3] 皮連生主編，《知識(shí)分類與目標(biāo)導(dǎo)向教學(xué)——理論與實(shí)踐》，華東師范大學(xué)出版社，1998年

[4] 王永慶，《人工智能：原理、方法、應(yīng)用》，西安交通大學(xué)出版社，1994年

[5] M. W. Eysenck (1990), The Blackwell Dictionary of Cognitive Psychology

[6] “科技部部長談知識(shí)基礎(chǔ)設(shè)施建設(shè)”，中國經(jīng)濟(jì)時(shí)報(bào) ，http://www.qjst./kjdt /dt21-12/ dt21-1203-5.htm

[7] 顧明遠(yuǎn)主編：《教育大詞典》第一卷，上海教育出版社

[8] 董純才主編，《中國百科全書·教育卷》，中國大百科全書出版社，1985年版

[9] 郭強(qiáng)，知識(shí)與社會(huì)的互動(dòng)機(jī)制：社會(huì)知識(shí)化進(jìn)程，http://www./ guoq12.htm

[10] 西安交通大學(xué)診斷與控制研究所編，知識(shí)工程的應(yīng)用——從數(shù)據(jù)到知識(shí)，2000年8月http://www./ckddforum/zsgc.htm