知識工程學一個新的重要研究領域

2024年3月29日發(作者：中學校園)

知識工程學：一個新的重要研究領域

黃榮懷

1

，李茂國

2

，沙景榮

3

1師X大學網絡教育實驗室，100875; 2教育部高等教育司，100816;

3師X大學網絡教育實驗室，100875

[摘要]知識工程是源于專家系統建造而形成的一個研究領域，目前已經成為一個跨學科的綜

合學科。本文簡要介紹了知識工程的概念，分析了知識工程的主要研究領域，如軟計算、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、機器學習、知識本體論等的主要

進展與存在的問題。最后提出廣義的知識上程學是“一門研究人類智能與人類知識的機理，以與

如何用機器模擬人的智能并促進人類知識開展的學科〞，也可以且應該作為教育技術學的一個重

要研究方向。

[關鍵詞]知識工程；人工智能；教育技術；專家系統

一、知識工程概述

1977年第五屆國際人工智能聯合會議上，美國斯坦福大學(Stanford University)計算機系教

授費哥巴姆(Feigenbaum)作了關于“人工智能的藝術〞(TheArt of Artificial Intelligence)的講

演，提出“知識工程〞這一名稱，指出“知識工程是應用人工智能的原理與方法，對那些需要專

家知識才能解決的應用難題提供求解的手段。恰當地運用專家知識的獲取、表達和推理過程的構

成與解釋，是設計基于知識的系統的重要技術問題〞

[1]

。

知識工程的開展從時間上劃分大體經歷了3個時期:

1．大約從1965年至1974年為實驗性系統時期。1965年費哥巴姆教授與其他科學家合作，

研制出DENDRAL專家系統。這是一種推斷分了結構的計算機程序，該系統貯存有非常豐富的化

學知識，它所解決問題的能力到達專家水平，甚至在某些方面超過同行專家的能力，其中包括它

的設計者。DENDRAL系統標志著“專家系統〞的誕生。

2．從1975年至1980年為M YCIN時期。20世紀70年代中期MYCIN專家系統研制成功，

這是一種用醫學診斷與治療感染性疾病的計算機程序“專家系統〞。MYCIN專家系統是規X性

計算機專家系統的代表，許多其他專家系統都是在MYCIN專家系統的根底上研制而成的。M

YCIN系統不但具有較高的性能，而且具有解釋功能和知識獲取功能，可以用英語與用戶對話，

答復用戶提出的問題，還可以在專家指導下學習醫療知識，該系統還使用了知識庫的概念和不準

確推理技術。MYCIN系統對計算機專家系統的理論和實踐，都有較大的奉獻。

3．1980年以來作為知識工程的“產品〞在產業部門開場應用的時期。知識工程的研究，目

前在美國開展得較為活潑和深入，并且主要集中在斯坦福大學。

人工智能的研究說明，專家之所以成為專家，主要在于他們擁有大量的專門知識，特別是長

時期從實踐中總結和積累的經歷技能知識。從知識工程的開展歷史可以看出，知識工程是伴隨“專

家系統〞建造的研究而產生的。實際上，知識工程的焦點就是知識。知識工程領域的主要研究方

向包含知識獲取、知識表示和推理方法等，其研究目標是挖掘和抽取人類知識，用一定的形式表

現這些知識，使之成為計算機可操作的對象，從而使計算機具有人類的一定智能。

人工智能的研究方向非常廣泛，本文對以下幾個典型的研究方向作簡要介紹和分析，以此說

明如何使機器(主要指計算機)“具有〞人類智能所面臨的困難與存在的問題：

·軟計算：模仿自然法那么的計算方法

DOC.

·主體Agent：機器世界中有“思維〞的個體

·自然語言理解與機器翻譯：讓機器“懂得〞人類語言

·邏輯與推理：機器的“思維〞機制

·形象思維研究：讓機器具有“視覺認知〞

·基于事例的推理：讓機器應用“經歷(知識)〞

·機器學習：讓機器也能“學習〞

·知識本體論：認識“知識〞的本質

要讓計算機“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〞，因此必須研究“人類知識〞的機理。另一方面，人工智能的最終目的還是為人類效勞，讓

人類具有更多的“智能〞，促進人類知識的開展，因此需要從教育、心理、傳播、社會、經濟等

不同的角度和維度來研究有關人類知識的問題。所以，筆者認為需要提出一個廣義的知識工程學

的概念，它是“一門研究人類智能與人類知識的機理，以與如何用機器模擬人的智能并促進人類

知識開展的學科〞。

教育技術學作為一門涉與教育、心理、傳播、信息科學等的綜合性穿插學科，它不僅要研究

教育中的“技術〞問題，而且要利用其研究主體的特殊知識背景來研究知識發現、知識處理、知

識傳播、知識擴散等問題。因此，教育技術學作為一個聯結教育、心理、傳播、信息科學等學科

的重要紐帶，也可以且應該把(廣義的)知識工程作為其一個重要的研究方向。

二、關于智能計算

但凡仿照自然法那么構造的計算，均可稱為智能計算(putational intelligence)，有時也稱為

軟計算( Soft puting)。它主要包括三個內容：模仿人類處理方式引入的模糊計算(Fuzzy puting)、

依據生物神經網絡的工作規那么引入的神經計算(Neuralputing)和模仿生物界的“優勝劣汰〞法

那么的遺傳算法和進化計算(Evolution puting)。

人工神經網絡是模仿人類大腦的某些工作機制的一類計算模型。它始于1943年美國學者

McCulloch和Pitt、首先提出的一種神經元的數學模型，即M-P模型。在20世紀40、50年代

形成了第一次高潮。由于理論與技術兩方面的限制，60、70年代進入第一個低潮。到80年代中

期，由于理論研究的進展，特別是有效學習算法(即下面要談到的機器學習)的提出，如BP算法等，

神經網絡研究開場復蘇，出現了第二次高潮。到目前，第二次浪潮似乎已經退去。神經網絡在模

式識別方面有一些成功的應用，包括用于分類、識別或優化計算等。

遺傳算法是模擬自然界中按“優勝劣汰〞法那么進展進化過程而設計的算法。Bagley和

Rongerg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根底。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

些定量分析的結果，在眾多領域得到了廣泛的應用，如用于控制(煤氣管道的控制)、規劃(生產任

務規劃)、設計(通信網絡設計)、組合優化(TSP問題、背包問題)以與圖像處理和信號處理等。

對于軟計算問題，目前主要的問題是算法的“可擴展性〞和“可理解性〞問題，即所給的算

法對處理海量的數據是否有效以與由所給的算法得來的規那么、對人來說是否容易理解。

三、關于主體Agent

DOC.

Agent是Minsky在1986年出版的《思維的社會》一書中提出的，認為社會中的某些個體

經過協商之后可求得問題的解，這些個體就是Agent。Agent應具有自主性、社會交互性、反響

能力和預動能力，能通過感知環境而做出動作。從Agent模型來看，有思考型Agent(如BDI表

示和推理)、反映型Agent(不會推理，直接由感知到動作)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濟學方法

兩種。對Agent思維狀態的直觀描述涉與信念、愿望、目標、意圖、承諾、規劃等概念。

·信念，屬于思維狀態的認知方面，描述了Agent對當前世界狀況以與為到達某種效果可能

采取的行為路線的估計。

·愿望，屬于思維狀態的感情方面，描述了Agent對未來世界狀況以與可能采取的行為路線

的喜好。

·目標，描述Agent的追求，實際是Agent從愿望中選擇的了集。

·意圖，引導并監視Agent的動作，屬于思維狀態的意向方面。

·承諾，描述Agent對于所追求的意圖的堅持程度，并控制對意圖的重新考慮，實際表示從

目標到意圖的轉換。

·規劃，把意圖按特定結構組合為規劃，它在意圖系統的實現中起重要作用。

關于Agent理論的地位仍有爭議，有的人認為A gent理論用于具體實現Agent，有的人認

為Agent理論是用于知識表示方面的，還有的人認為 Agent理論應是對認知科學和析學中一些

概念的形式化。目前Agent的成功案例包括有產品拍賣、軍事演習與機器人足球賽等。

四、關于自然語言理解與機器翻譯

自然語言理解的研究起始于機器翻譯。早在1946年，英國的A. Donald Booth和美國的

就開場了機器翻譯方面的研究。經過50多年的研究，出現了許多的理論與方法，如

基于對話的、實例的、知識的、詞匯的、神經網絡的、原那么的、規那么的、統計(或語料庫)的

等機器翻譯方法。但并不像市場上機器翻譯產品宣傳廣告講的那么成功，就是國際上研究時間最

長、最好的SYSTRAN系統，在英法機器翻譯過程中，1993年，對開放文本，到達流暢程度的

譯準率只有54%，一般還可以用的譯準率到達74.3%。可以想象，英法這兩個同語系的語言的翻

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。現今的機器翻譯還

只能翻譯那些能想到的日常句了，即教科書句了。

信息檢索也是一個非常熱門的研究與開發領域，包括文本分類、文本主題識別、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、文本自動書寫、文本挖掘等諸

多領域。從網上信息檢索或搜索引擎的情況看，檢索的根本準確率只有10%一20%。

自然語言理解和信息檢索是語言信息研究的兩個重要方面。自然語言理解的根底是現代語言

學的研究。語言既是一個民族的根本，又是知識的最好表現形式。但我國語言學的研究狀況并不

樂觀，比方在漢語里面，到底應該分成多少詞性，語言學界爭論不休，至今沒有一個定論。另外

像漢語的根本句型、漢語的語義分類、漢語帶詞性標注語料庫等一系列根底性的工作沒有開場或

得不到足夠的重視。

關于我國語言信息處理研究，根底研究仍然還是最重要的，包括提高分詞的精度，建立帶詞

性、詞法搭配、句法和語義的國家級語料庫。關于研究方法，將更多地采用統計方法，特別是將

統計與規那么結合起來。一個總的趨勢是局部分析代替全分析、局部理解代替全理解，局部翻譯

代替全翻譯。另一個值得注意的重要研究方向是，隨機語言模型的建模工作正在由根本的線性詞

DOC.

匯統計轉向結構化的句法領域。根據語料統計信息建立一定的優先評價機制，對輸入句了的分析

結果進展概率計算，從而得到概率意義上的最優分析結果。

五、關于邏輯與推理

一個數學理論通常包括概念的界定、命題的陳述和定理的證明等三局部。數學理論中的概念

有根本概念與合成概念之分。根本概念是一些不加定義的抽象對象，一個新的合成概念由假設干

根本概念或這個理論中已有的合成概念來定義。數學命題有對錯之辨、真假之分。真命題可分為

根本命題與被證明的命題。根本命題是不證自明的命題，稱為公理，它與人們的直覺與經歷一致，

被人們所承受。一個數學命題的證明是指從公理和已有的定理出發，使用邏輯推理規那么，把命

題作為推理規那么的邏輯結論推導出來。命題是由概念與子命題通過邏輯連接詞連接而成，與所

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》；在數學

理論中普遍采用。后來又被推廣到力學、物理學甚至生物學等其他自然科學。公理化方法實際是

一種整理知識，特別是數學知識的方法。通過許多數學家的努力，用數理邏輯的語言和方法建立

了一套關于公理系統的理論框架，這就是所謂的形式化方法。

在人工智能領域中，在知識表示與推理方面，僅靠公理化方法和數理邏輯是不夠的，因此出

現了許多新的理論與方法，包括非經典邏輯與開放邏輯等，非經典邏輯的典型代表是模態邏輯。

模態邏輯(Model logic)與其擴展(包括時態邏輯、認知邏輯、動態邏輯、表述邏輯和行為邏

輯等)已經成為更適用于各種應用領域的邏輯系統。根本的模態邏輯的語言是在經典邏輯語言的根

底上，通過引入兩個模態算了口(必然算了)和令(可能算了)得到的。與經典邏輯不同，模態邏輯公

式的真值不是函數地依賴于其組成局部的真值。高效的模態推理方法和推理

系統的建立，是使用模態邏輯與其擴展作為知識表示工具成功與否的關鍵。近些年來，模態

推理的研究雖然距離人們的期望還有一定的距離，但也得到了長足的開展。如認知邏輯已經成為

一種表示知識與信念的有力工具。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，又推動了常識問題表述和推理的研究。當然，沒有任何一種模態

推理理論和方法具有通用的高效性，而且不管是推理理論研究，還是具體的推理技術研究，其系

統復雜性都難于定量地分析。

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那么

的可靠性和完全性問題之后，公理化方法應用的成功與否，關鍵在于如何挑選公理，使之能夠刻

畫問題的本質，并使之與人們的認識和時間一致。公理系統的形成是一個過程，即公理化進程。

他們在數理邏輯的公理化方法的根底上，通過引進新的概念，刻畫公理化進程的根本特征，給出

了公理化進程的理論框架，進而在某些特定的條件下給出了它的計算模型。引進的概念有現論、

新定律與事實反駁。現論是指階段性理論或現階段的理論，它提醒了這個領域現階段知識之間的

邏輯關系，并使這些知識有清晰的邏輯結構。我們可以將現論看成類似于認知心理學中的“圖

式〞。隨著時間的推移，當某些現象不能從現論中得到滿意的解釋時，人們就不得不修正這個現

論。這時出現兩種情況：一是人們發現它是現有理論所沒有涉與過的新現象，于是概括出新的原

理并將它參加到現有理論中去，稱之為新定律，這個過程類似于認知心理學中的“同化〞；二是

現論所預言的現象沒有發生，或者發生的是與之相矛盾的現象，即所謂的理論與實踐不符，稱為

否決性判定試驗，或對現有理論的事實反駁，這個過程類似于認知心理學中的“順應〞。因此，

公理化進程是一種典型的關于知識的整理和認識的過程，它類似于一個人的“認知過程〞。

六、關于形象思維研究

在思維科學領域，借助于邏輯學，關于抽象思維的研究已取得了不少進展，但對形象思維的

研究相對薄弱。形象思維的研究主要包括記憶理論和認知模型。Paivio從信息編碼角度將長時記

憶分為兩個系統一一心象系統和言語系統。心象系統以心象代碼來存儲關于具體的客體和事件的

DOC.

信息；言語系統以言語代碼來存儲言語信息。Kosslyn于1981年在心理掃描實驗的根底上提出

了心象的計算理論。他將心象的表征分為兩層：表層表征和深層表征，前者是指出現在視覺短時

記憶中的類似圖畫的表征；后者為存儲在長時記憶中的信息。Glasgow于1992年在《認知科學》

上發表了一篇題為《可計算心象》的學術論文。她較為系統地闡述了基于心象的問題求解，并提

出了可計算心象的一種知識表達框架，她把心象的表達分為3層：描述性表達(長時記憶)、視覺

和空間表達(工作記憶的兩種形式)，描述性表達基于命題，視覺和空間表達基于嵌套的符號矩陣，

并提出了心象表達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，在人工智能界和認知科學界引起了極大的反響。

除此以外，對于心象在計算機中的模擬和表征的研究，還有許多其他的理論與方法：心象的

傅立葉模式(認為心象在人腦中是以傅立葉變換形式存儲的)、區域生長法(認為心象在人腦中是由

一些分割后的區域來表示的)、紋理表示理論(認為心象是通過紋理分析來獲得和加以表征的)、形

態學理論(認為構成視覺認知根底的形態是由更根本的點通過擴X、生長、侵

蝕等形成)和形象信息模型(認為視覺信息包括三局部：形狀、色彩、質感等視覺心象的性質；

構成、類比、相鄰等結構信息；與該心象所聯系的概念、所激發的情感以與該心象所聯系的聽、

嗅、味、觸、運動等其他種類的形象)。以上模型大局部只是一種理論框架或者已經有些計算機模

擬程序。

七、基于事例的推理

CBR方法同人類的日常推理活動十分接近，它來自于人類的認知心理活動:推理者(指以推理

方式求解問題的人)在求解一個新問題時，往往習慣于借鑒他(或她)以前對類似問題的處理經歷。

當新出現的問題是他以前處理過的問題的簡單重復時，他可以把處理舊問題的成功經歷直接用于

求解該新問題；而當新問題是推理者從來沒有遇見過的問題時，他也可以回憶起一個(或多個)類

似的舊問題，通過類比得到重要的指導或提示，加一些規律性知識作為指導，完成對新問題的解

決。當然，處理過的新問題又會被當作經歷記下來，用以處理以后的問題。

與傳統的基于規那么的問題求解方法相比擬，CBR具有一些重要的優點。CBR系統易于獲取

知識，防止了傳統知識系統進展知識獲取時的瓶頸問題。知識庫的維護方便，不需要領域專家干

預。CBR方法擴大了解決問題的X圍，可以得出創新的解答，同時簡化了求解過程，節省了問題

求解時間，解的質量也得到提高。對于系統所得的結果易于給出解釋，并且易于被用戶承受。CBR

方法對于構建高性能的專家系統是一種好方法。

1994年，阿莫特(Aamodt)把CBR方法的開展趨勢概括為四個主要方面：與其他學習方法

的集成；與其他推理方法的集成；被融合成大規模并行處理；通過認知科學的新進展帶動CBR

方法的進步。近幾年，人們發現CBR系統在知識管理方面有良好的性能，出現了一些以CBR方

法進展知識管理的研究工作。

八、關于機器學習

關于機器學習的一般說法來自于Simon對學習的闡述：“如果一個系統能夠通過執行某種過

程而改良它的性能，這就是學習〞。機器學習研究的一個重要里程碑是1943年McCulloch與

Pitts對神經元模型(簡寫為MP模型)的研究。其意義在于首次發現了人類神經元的工作方式，并

給出了其數學描述。事實上計算機科學與控制理論均從這項研究中受到了啟示。

按照其受啟發的機理來分類，機器學習可以分為基于分子生物學的機器學習、基于神經生理

學的機器學習以與基于認知心理學的機器學習。而后者按照依據的心理學現象可以分為歸納機器

學習、解釋機器學習、類比機器學習等。也可以根據被學習的對象(相當于知識)是否可以表示為

關系型數據庫形式，將機器學習分為結構化機器學習(相當于良構知識)與非結構化機器學習(相當

DOC.

于非良構知識)。

根據數據的數學性質與對機器學習不同的需求，結構化機器學習可以分為基于符號的機器學

習與基于統計的機器學習，它們的理論根底分別為RoughSet( RS)理論與支持向量機(SVM)。對

于非結構化的機器學習的分類十分困難，這與非線性問題中所遇到的問題類似。

在歷史上，機器學習根本上是在經歷X疇內進展的，隨意性相當嚴重。其一，機器學習往往

受啟于某個自然科學的原理，特別是認知心理學的原理，認知心理學研究中的隨意性也帶入了機

器學習的研究之中；其二，對學習解的選擇涉與搜索策略，使用什么樣的搜索策略往往沒有一般

的原那么可循；其三，對學習結果的評價沒有可以描述的標準。

九、關于知識本體論研究

從古希臘人開場，對于知識的研究與探索一直是人類追求的目標。幾千年來的情況都是這樣

的：析學家研究有關知識的一般特性與規律，而自然科學家孜孜不倦地獵取具體的知識。20世紀

中葉以后，這種研究格局發生了變化。由于知識在人類文明中所起的作用越來越大，不僅是析學

家、邏輯學家、教育學家和心理學家，而且計算機科學家也在認真地研究知識的一般特性與規律。

這是因為人類已經進入了信息化社會，而且正在向知識化社會前進。

蘇格拉底(Socrates)認為，知識的惟一功能是自我認識，即人的智力、道德和精神的生活成

長。畢達格拉斯(Pythagoras)認為知識的目的是通過使用知識的人知道他想說什么和怎么說，從

而使其行為更有效，知識就是指邏輯、語法和修辭。中國儒家那么認為，知識是知道說什么、怎

么說以與出人頭地和俗世成功的途徑。對于道家來說，知識是自我認識和通向澄明的道路。

教育類辭書中流行的知識定義是:“對事物屬性與聯系的認識。表現為對事物的知覺、表象、

概念、法那么等心理形式〞

[7]

。中國百科全書中的定義：“所謂知識，就它所反映的內容而言，是

客觀事物的屬性和聯系的反映，是客觀世界在人腦中的主觀映象。就它所反映活動的形式而言，

有時表現為主體對事物的感性知覺或表象，屬于感性知識，有時表現為關于事物的概念或規律，

屬于理性知識。〞

[8]

著名認知心理學家皮亞杰曾提出區分兩類知識：一類是物理經歷，另一類是邏輯一數學經歷。

前者可以說是來自外部世界，是客觀事物與其聯系在人腦中的反映；而后者是來自主體的動作。

皮亞杰的這一觀點主要在知識的來源上加深了人們對知識的認識。

現代認知心理學家普遍認為知識分兩大類，一類為陳述性，指“個人有意識地提取線索、因

而能直接陳述的知識〞;另一類為程序性的，指“個人無意識地提取線索，因而其存在只能借助某

種活動形式間接推測出來的知識〞。前者是答復“是什么〞問題的知識，后者是答復“怎么做〞

問題的知識。這一觀點在知識的作用和知識的檢測方面加深了人們對知識的認識。根據自動與受

控維度，程序性知識可以分為受意識控制的程序性知識和自動化的程序性知識。根據一般與特殊

維度，又可以區分為一般的程序性知識與特殊的程序性知識。前者適用于許多不同的領域，后者

適用于某一特殊的領域。

知識工程的知識是泛指的，包括不同領域的知識，如醫學的、農業的、軍事的等；有不同性

質的，如常識性知識、經歷性知識、規律性知識等；有不同目的的，如用于診斷的、用于決策的、

用于規劃的等。盡管目前已有各種各樣的知識表示和推理方法，研制出了各種不同的知識系統，

但這些系統之間的知識難以相互共享，系統之間難以進展互操作。

本體論(ontology)原本是一個析學概念，指關于存在與其本質和規律的學說，后被用于研究

實體存在性和實體存在的本質等方面的通用理論。計算機界借用這個理論，把現實世界中某個領

域抽象或概括成一組概念與概念與間的關系，構造出這個領域的本體。本體論正逐步成為知識獲

DOC.

取以與表示、規劃、進程管理、數據庫框架集成、自然語言處理和企業模擬等研究領域共同關心

的一個核心。

十、廣義的知識工程學

對于智能的模擬而言，人類智能是人類在同大自然的斗爭中，經過千百年的進化所獲得的一

種能力，它來源于人腦的具有充分復雜性的神經元網絡，具有主動性、流動性、普遍聯系性等特

點。人類智能的模擬一一機器智能，是人類智能的產物，來源于計算機系統，這就決定了它只能

解決客觀世界中能夠形式化的、并存在具有適宜復雜度的算法可解的問題。從人工智能的開展歷

史來看，其輝煌開展時期的兩個里程碑式的突破為：

[2]

一是人們利用符號表示和邏輯推理的方法，通過計算機的啟發式編程，成功地建立了一種人

類深思熟慮行為的智能模型；

二是人們運用同樣的模型，成功地在計算機上建造了一系列實用的人造智能系統(專家系統)，

其性能可以和人類的同類智能相媲美。

這兩項突破說明，以邏輯為根底的符號計算(處理)方法，無論在智能模擬上還是在智能系統

建造上都同樣獲得了成功。

知識工程的研究雖然已經取得許多重要的成果，但也存在著一些重大問題尚待解決，如對于

千差萬別的客觀事物特別是對于人類的智能行為，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，盡管計算機在許多功能上大大超過人類(像運算速度、存貯量、功能行為的一致性

等等)，但在知識的一些方面又是相當地無知。

人們通常認為，智能是在客觀實際中解決某種問題的能力，而具備這種能力那么至少需要如

下幾方面的知識：(1)關于客觀世界的眾多背景知識；( 2}解決問題的一般策略知識；( 3)問題本身

的專門知識；(4)把知識進展分析、選擇、歸納、總結的一般方法的知識。只有在計算機系統掌握

了上述知識。具有一定解決問題的能力之后，才認為它具有了智能。

從國際X圍來看，人工智能的研究途徑主要有三條。第一，生理學途徑，采用仿生學的方法，

模擬動物和人的感官以與大腦的結構和機能，制成神經元模型和腦模型；第二，心理學途徑，應

用實驗心理學方法，總結人們思維活動的規律，用電了計算機進展心理模擬；第三，工程技術途

徑，研究怎樣用電了計算機從功能上模擬人的智能行為。盡管目前第三種研究方法開展較快，但

它也從前兩種方法中吸收新的思想，依靠新的啟示擴大自己的成果。

從一個國家的角度看，應該把知識作為根底設施來對待和開展，應該營造將科研、高校、企

業與知識機構和廣闊勞動者嚴密聯系在一起的社會網絡，通過這個網絡實現協同和互動，使知識

得以生產、傳播、擴散，保證經濟活動各個環節都可以很容易地獲得和應用所需要的知識。國家

的知識根底設施由四局部組成

[6]

: 1.高素質、高技能的人是載體。這其中也分層次，包括勞動大軍

整體素質的提高。關鍵是每個人都能夠在學中干，在干中學，終身學習，不斷提高素質。2.知識

機構是知識生產、擴散和運用的主體，包括企業、學校、研究院所和中介效勞。主體的關鍵在于

相互的互動作用和相互的聯系。3.建立渠道，以知識網絡(包括專業學會和其他正式或非正式的網

絡，包括非政府組織與其他民間社團組織組成的知識網絡)來改變教育和知識的交換，影響偏僻地

方的生活和文化，使更多的人參與知識網絡學習，促進各方面知識和信息的轉移。4.電信根底設

施，包括電視、播送、通信，容易使群眾參與信息和知識的共享等等。而這種知識根底設施的建

立是同國家創新體制聯系在一起的。而這個知識根底設施的建立，僅靠人工智能的研究是不夠的，

毫無疑問必須涉與到計算機、通訊、教育、心理、社會、經濟、傳播等諸多學科。

從知識經濟學的角度研究知識是一種嶄新的X式。經濟學理論的開展日益建構在對知識問題

DOC.

的研究根底上。在西方古典和新古典的經濟學理論中，一個根本的假設就是技術和知識保持不變。

進入20世紀以來，由于知識產業化和知識商品化過程的加劇，相對于資本、勞動力和土地等傳

統的經濟推動因素而言，表達于人力資本和技術中的知識的價值在不斷上升，知識成為生產過程

中最為重要的資源。科技進步在經濟增長中所占的比重越來越大，經濟增長對于技術、知識和人

力資本的依賴程度越來越強；在這種背景下，經濟學家們逐漸把技術知識和技術變遷確立為一種

經濟系統的內生變量和內生過程。這時經濟學的知識論成為分析經濟現象的根本架構。

知識社會學也是研究知識現象的重要的X式。對知識經濟的社會學研究包括兩個層次，一是

對知識經濟這種社會現象的社會學研究，一是對知識經濟中的知識和知識與經濟互動問題的研

究。知識經濟確實立和開展為社會學對經濟現象的研究提供了新的契機，也為知識社會學開展提

供了應用領域，從而成為社會學研究知識的核心。

因此，必須建立一個廣義的知識工程學，它是“一門研究人類智能與人類知識的機理以與如

何用機器模擬人的智能并促進人類知識開展的學科〞。用機器模擬人的智能的意義不在于模擬本

身，而在于幫助人類解決實際問題，同時開展人類知識。

教育的根本目的是促進人的開展，同時也是促進社會的開展與人類知識的開展。毫無疑問，

教育是知識的生產、傳播與擴散的重要途徑，因而從教育的角度，特別是教育技術的角度，研究

知識工程是必要的。另外，知識工程的研究領域涉與多種學科，對于教育技術學研究人員來說，

他們具有教育學、心理學、信息科學與傳播學等多方面的知識背景，應是知識工程研究的一支重

要的有生力量。因此知識工程可以也應該作為教育技術學的一個重要研究方向。

十一、結語

對知識科學的研究不僅有重大的理論意義，也有重大的實際意義。從戰略的高度講，大力開

展和推動知識經濟已成為我國的國策，成為我國經濟在21世紀持續開展的一個關鍵。知識經濟

是以知識為根底的，隨著知識經濟在當代的突起和擴X，知識經濟與當代社會開展的互動融合程

度也日趨嚴密，而科學研究的根本目標是促進社會的開展。因此，研究人類智

能與人類知識的機理以與如何用機器模擬人的智能并促進人類知識的開展(即知識工程學)，

既符合社會開展的目標，又表達社會的時代性特點，建立這么一門學科是必要而且可行的。教育

技術學作為一門以教育學、心理學、信息科學與傳播學等學科相互穿插的綜合性學科，完全可以

也應該把知識工程作為一個重要研究方向。

本文談到的知識工程內容是筆者學習知識工程與人工智能的一些體會，并不是也不敢對知識

工程研究作全面的綜述，文中許多觀點來自陸汝鈴教授主編的《世紀之交的知識工程與知識科學》

一書，這是由國家自然科學基金委組織的“世紀科學論壇和戰略研討會一一世紀之交的知識工程

與知識科學〞上發表的綜述性論文的匯編，在此對這些科學家的研究工作表示敬意和感謝。

[參考文獻]

[1]陸汝鈴主編.世紀之交的知識工程與知識科學[M].:清華大學，2001

[2]林崇德.學習與開展一一中小學生心理能力開展與培養[M].:師X大學，1999

[3]皮連生主編.知識分類與目標導向教學一一理論與實踐[M]##:華東師X大學，1998

[4]王永慶.人工智能:原理、方法、應用[M]##:##交通大學，1994

[5] k. The Blackwell Dictionary of Cognitive Psychology[M〕(990)

DOC.

[6]“科技部部民談知識根底設施建立〞. 中國經濟時報[DB/OL]. : //. qjst. yn. /kjdt

/dt21- 12/ dt21- 1203-

[7]顧明遠主編.教育大詞典(第一卷)[M].##:##教育

[8]董純才主編.中國百科全書·教育卷[M].中國大白科全書，1985

[9]郭強.知識與社會的互動機制：社會知識化進程[DB/ OL] . : // . modernization. .

/guoql2. htm

[10]##交通大學診斷與控制研究所編.知識工程的應用一一從數據到知識[DB/OL]. .

monitoring. . / ckddforum/ zsgc. htm

〔本文原刊載于《電化教育研究》2004年第10期〕