知识引擎

 

 
知识经济需要更好的知识的数字化形式,需要知识引擎
 
真正知识经济的到来,还需要一个核心技术的解决,这就是给知识一种更好的数字化方式,包括如何可以有效的把经验转化成知识(即知识引擎)。这个核心技术解决了,才可能有基于知识的大规模的互联网上的合作。
 
基于互联网的新的知识经济需要对知识有更好的数字化形式。现在知识的呈现形式,比如博客,维基,google group等都不能很好的以数字的形式去再现知识(虽然它们确实也是知识呈现的一种方式)。稍微具体点说吧,google group主要是为了让大家讨论。从知识的角度看,就是去激发知识的碰撞交流。但是其本身并不具备良好的知识的结构性。而博客维基也不是好的知识再现形式,使得知识的协作很不方便。一般大家都需要自己去读google group里的邮件或者别人的博客维基等,综合以后,再自己重新表述出来。而表述出来的东西又是一大块,很难进行协作。

 
尤其是一个组织的知识积累过程,现在很缺乏有效的知识管理工具可以让组织的成员有效的通过协作来积累组织的知识。互联网上兴起的开放组织,都是在探索新的领域。在探索的过程中,很重要的一件事是如何去积累自己探索的经验,如何去整理经验形成知识,并和公众去分享自己的体验和知识。但现在的许多开放组织,都没有有效的知识管理工具能够帮助他们去做这些事情。
 
 
什么是知识
 
要对知识进行更好的数字化,就需要知道知识是什么。这里我简单的把知识表述为动态的结构。其来源是个人每天的体验。通过大脑对这些体验(结合新的体验)不断的以各种方式进行处理重构成新的结构 (在更深的底层上更好的把所有的知识都连起来, 让知识的结构更美)。而这些新的更好的结构则帮助自己在碰到新的问题时能够很快的定位,快速的调用过去的经验,能很快的认识新的现象,或者很快找到解决的办法。
 
所以知识的基本单元就是每日的体验(这个体验包括具体事件中的具体体验,也包括对具体体验的抽象分析或认识)。而形成的结构主要体现在两个方面。一个是多个层次上的分类。一个是每一个经验体验或想法的重要性。
 
 
什么是学习
 
学习就是有目的对形成上述的知识的结构的过程。这里包括根据自己当前的兴趣决定目前阶段关注的几个领域 (每个人每个时期其实都会对几个明显的领域感兴趣)(当然也要结合自己的能力和当前所处的环境综等做综合的考虑,一个是不要超过自己当前对能力范围安排过重的任务,一个是要充分利用当前环境里的资源。这些这里不细述。)然后通过有效的安排一些日常对活动去积累在这几个领域的经验。每隔一段时间定期对一阶段积累的体验进行反思分析综合(比如经验汇总,然后归类,过滤或加权重,发现底层的新的知识,形成整体的结构等)。不断的在接触新的情况时验证获得的知识结构,看能否有效快速的处理新的情况。这样不断反复循环积累达到对这些知识领域全局的好的结构。再寻找新的兴趣领域,不断扩大自己的知识范围,并不断的寻找现有各知识领域共通的底层知识,寻找更通用的理解。这样不断提高自己能力,可以面对更加复杂宏大的问题。
 
这个过程虽然是在每个人的大脑里发生的,但每个人对这个过程的意识程度是有很大差别的。
 
 
什么是知识引擎
 
在互联网开启的知识经济时代,我们需要互联网及软件能帮助我们更好的完成上面的过程,并在此基础上形成知识上的协作。而把每日的体验转换成知识的工具就是知识引擎。而基于互联网的新的知识经济所需要的就是这样的知识引擎。就好像工业化阶段有了发动机引擎,你可以去造汽车轮船飞机一样。有了知识引擎,我们才可以去制造知识经济时代需要的汽车轮船飞机。
 
那么通过使用知识引擎,对每天的体验进行快速简单的记录,然后定期的对这些体验进行一些固定的简单的编辑工作,你就可以完成学习和许多思维的过程。
 
通过知识引擎,我们要展示一种知识的数字表达形式,体现出知识是流动的结构的特点。你不仅可以看到版本化的(或者叫做milestones)的静态的表达某个时间的理解的知识,你也可以看到那些驱动这些知识形成的重要体验。我们可以展示如何快速方便的记录和积累你的重要体验,如果通过简单的编辑工作去对那些重要体验进行整理,如何通过简单的评论和打分来提供输入和指导。总的来说,我们展示给你如何将一段时间内每天进行着的很分散的活动汇集起来形成流动性的知识结构。我们也会展示如何去分享这些流动的结构并在各种情况下调用。 用知识引擎总结出来的知识甚至可以用于知识引擎自身。 知识引擎是一个自指(self-reference)系统。 比如你可以在你的系统设置里设置什么根本的知识(这里我们用的是标签树)可以用作你系统的根知识(即系统根标签树),这样在你生成一个新的学习领域的时候,该系统根标签树会被自动插入自动生成的领域根标签树里。 另外一个关于该根知识如何用于该学习领域的知识框也会自动生成(如果已经有该名字的知识框,则直接使用),并插入该学习领域的根知识框里去。
 
通过知识引擎,人们可以在更细微的知识颗粒(即重要体验)上进行合作。当我们浏览知识时,我们也可以看到是通过哪些重要的体验获得的这个知识。这样新了解这个领域的人可以通过重复这些体验来快速的学习这个领域的知识。团队成员或者公司员工也可以在这些重要体验的基础上合作,一起共建知识。有更多经验的人或者更好的整体理解的人,可以通过和这些重要体验的交互来帮助其他人构建他们的知识。这样专家的技能可以得到展示,老师可以自然的浮现,他们通过和学生一起学习来教。(是的,在知识经济时代,教学这个职业会被完全改变。)
 
 
思维过程的特点
 
人类的思维活动是辨别不同/差异的活动。这里一是意识对不同的察觉,这就是体验。再就是大脑对这些体验到的不同进行的逻辑加工。所以思维的基础是体验。而很多没有良好的思维习惯的人会浪费大量的时间去做无米之炊。 有良好思维习惯的人就知道依据自己已知的体验做快速的思考。我们知道思维的时候其实大部分精力是花在了记忆上。当然很多人思维是属于比较无意识的,想到一块是一块,想到哪是哪。但是要进行有效的思维,首先就是要通过记忆把相关的体验全部呈现在你面前(这你可以通过就是大脑回忆,或者去读一下当时的记录,或者快速的看看当时看过的东西等,快速的把当时的感受再现出来。),然后“看着”这些体验快速的做决定。人的大脑去回想过去,寻找记忆是一件非常伤神的事情,非常消耗精力。而且回忆出来的东西经常都是有偏差的。形成扭曲的记忆。而基于这些扭曲的记忆上的思考,也会形成偏差。这些都是思维的陷阱(很多人之所以做错误的决定,就是因为不能完全的再现自己所有的体验。比如一个比较极端的例子:自杀。其实每个人如果可以很好的再现自己所有的体验,人生只可能是美好的。)。而一旦你的体验已经完整无误的再现在你的眼前,思维是非常快的事情(象闪电般快)。
 
但是如果当时感受发生的时候你就快速的随手记下了你的感受,以后学习思考时,你只要把一个时期或者与某一个领域相关的体验全部调出来“看”就可以了。这样直接省去了最伤神的回忆的步骤。而所有的体验记录都呈现在你面前,这是一种可视化的再现。你就看着这些体验,去快速的做你的思维。
 
这样有了最基础的日常体验,知识引擎可以帮助普通人通过简单的操作,学会如何去学习和高效的思考。
 
 
如何利用知识引擎进行学习
首先是记录每天的重要感受。这里重要的一个关键是不要花太多的时间。每天只要有什么比较重要的感受,就随手马上记录下来。记录尽量短小简单。另一个关键是以后在浏览这个记录时能够立刻回忆起当时的感受确切是怎么样的以及发生的场景。
 
然后通过定期的回顾整理这些记录,达到学习的效果。比如每周或者每月每年浏览整理一遍所有的记录,就可以形成良好的学习的纪律性。
 
在浏览整理这些记录时,所有的学习方法和思维方法都可以通过简单的编辑操作实现。
 
比如说调取某一个阶段或者某一个领域的体验,很快的看,很快的再现当时的体验。这就完成了学习/思维中回忆的阶段。
 
然后可以对每一个记录打重要性的分。我们知道有些体验是有点象随机的想法(random thought)一样, 可能当时觉得很重要,但是时间长了,发现那个感受也不再出现,那可能就只是随机出现的想法,并不值得很重视,可以降低其重要性。而有些感受,在后续的时间里反复的出现,则说明这是重要的体验,可以增加其重要性。这样通过简单的重要性打分,就完成了思维/学习里的过滤和对重要体验增加权重的过程。(而这,正是大脑学习过程中很重要的一个工作,因为最后留下的也就是少数的最重要的体验)
 
还可以对每一条记录的感受归类(即加标签)。前面讲过学习是一个阶段有意识的在几个关注的领域积累经验的过程。你可能通过有意识的一些活动去积累这些经验。而同一个活动可能是在同时积累好几个领域的经验。通过归类/加标签,就是对知识归类的过程,这是学习过程中另一个很重要的部分(过滤和加权重外)。
 
而有些体验,你可能一下子不知道如何归类。可以暂时放着。过一段时间后,积累了更多的体验后,你再浏览这些体验时,你可能会发现有一些新的体验其实是对一个新的知识领域产生兴趣了,是一个新关注的知识领域。这样你加可以添加一个新的类/标签,这样你就完成了知识发现(knowledge discovery)的过程。
 
或者你发现有更好的一组标签来分类一些经验,所以你把旧的标签替换成新的一组标签。这就是你大脑对知识的分类随着认识的加深有了更好的分类。这也是大脑学习是自然的过程。而通过简单的编辑工作,你也完成了这个重要的学习任务。
 
除了这些重要的学习过程可以通过简单的编辑操作实现,学习引擎还支持很多其他的操作来完成各种的思维过程。
 
比如你可以在一个时间段集中精力在还没有归类的或者还没有加权重的感受记录上。达到一个查缺补漏的思维效果。
 
或者你可以把含有几个特定的标签的感受一起看。达到知识碰撞的效果。或者你可以通过几个标签的各种逻辑关系的组合,来完成各种思考。
 
 
使用知识引擎的巨大好处
 
知识引擎减轻大脑记忆的负担。当你有什么重要体验时,尽快的简单的记下,然后你就可以继续专注在自己正在做的事情上。不用分担脑力去记忆那些感受。而过一段时间后,你在反思时,可以通过引擎很好的再现当时的感受或想法。
 
而在思考时,由于引擎承担了记忆和记忆调用的功能,可以做到最快的思考。而引擎将思维可视化,过程化。这样各种思维方法,可以具体成某种简单的引擎操作。
 
将学习变成简单的过程,通过一些固定的特定的引擎操作,学生可以学会如何高效的学习。通过定期的对引擎的编辑工作,学生养成学习的习惯和所谓的纪律。这样学习方法不再是一个神秘的事情。普通人通过知识引擎可以很好的掌握学习的要领和各种学习和思考的方法。
 
组织的知识积累变得可能和简单。一个组织可以成为一个学习型组织,成员共同学习探索相同的一些领域,建立组织的知识库。并且在这些领域的经验可以在全球进行有效的分享,建立全球在这个领域的知识库。
 
以前每一个人头脑里的知识是很难和别人进行沟通的。因为每一个知识的架构差别很大,每个人的生活经历差别也很大。而每个人都在一个从局部到整体的构建知识地图的过程。而知识引擎则使得知识的沟通变得简单。人类共同的知识库和知识地图也有望建成。
 
有了知识引擎,知识的产生就和过去完全不一样了。知识的来源才可能真正广泛的来自于大众,才会形成真正的知识的“海洋“。而我们现在有的不过是知识的”岛屿“。
 
因为这个知识引擎很好的反映了人的大脑的知识状态,真正有专业知识,有全局知识的老师,可以通过这个知识引擎,对学生的学习进行非常直接有效的指导,真正实现“教”的意义。
 
对于知识引擎应该有的其他的功能和其他很多有趣的问题,这里不详细阐述了。
 
有了这些,通过对知识找到一个很好的数字化表现形式,实际上我们做的是将人类大脑的意识数字化了,也就是把人脑数字化了。而互联网和软件一直在做的其实本质就是各种数字化的工作,而对人脑意识的数字化应该是这种数字化最本质最终极的形式。互联网对教育的改变,对知识合作的改变,必然要求这种最深层次的数字化。在这个层面上看我们以前的数字化形式,应该说都还是很不够的。教育和知识一直是人类认知上相当困难的一个领域,有各种混沌甚至非常错误的观点。互联网要改变教育和知识的合作,就必须进入这个最深层次的数字化,真正的让人类的意识在互联网上有恰如其分的再现。
 
有了这个知识引擎,互联网才可能真正切入知识的领域,带来学习/教育上的巨变,带来真正的知识经济的时代。
 
后注:有朋友希望能多讲讲现在的其的知识表达形式的不足。我在文中已经讲了blog的不足。这里讲讲其他的:
 
wiki本来就是为了知识合作所发明的。有版本控制机能,可以表示动态的各个版本(或milestone)的知识,并且不像传统的需要上传文件,可以直接在页面上进行编辑,知识合作很方便。但是知识总是从重要体验来的。好的知识总是在真实的重要体验的基础上做好的思考才能获得。但是wiki页面一经写成,那些重要体验却无从可见了。而wiki的合作是基于页面的,而不是基于重要体验的,这就导致合作经常会很混乱,撞在一起。我们希望知识引擎是可以直接在那些重要体验上进行合作,合作更加有序。另外邮件列表或者论坛形式的知识表达,虽然方便讨论,但讨论中的很多重要的体验却很难挖掘。我们希望重要体验都扔进去成为知识的基础。是的,我们需要在重要体验上进行知识合作。:) 在软件开发里,恐怕最重要的就是找到合适的数据模型。我们相信,知识引擎是对知识更好的表达形式,可以让所有与知识相关的活动都更容易进行。
此条目发表在科学研究, selflearning分类目录。将固定链接加入收藏夹。