說到人工智能技術(shù)，人們首先會(huì)聯(lián)想到機(jī)器學(xué)習(xí)、深度學(xué)習(xí)技術(shù)；談到人工智能應(yīng)用，人們很可能會(huì)馬上想起語音助理、自動(dòng)駕駛和各類會(huì)話機(jī)器人，各行各業(yè)都在研發(fā)底層技術(shù)和尋求AI場(chǎng)景，卻忽略了藏在這些表層技術(shù)之下的重要技術(shù)——知識(shí)工程。

1977年美國(guó)斯坦福大學(xué)計(jì)算機(jī)科學(xué)家費(fèi)根鮑姆教授(B.A.Feigenbaum)在第五屆國(guó)際人工智能會(huì)議上提出：“知識(shí)工程是人工智能的原理和方法，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)運(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。”根據(jù)這個(gè)定義，我們可以認(rèn)為知識(shí)工程包含了知識(shí)獲取、知識(shí)表示與知識(shí)利用三個(gè)過程。

關(guān)于知識(shí)獲取，目前有三種方式：非自動(dòng)知識(shí)獲取、知識(shí)抽取和機(jī)器學(xué)習(xí)知識(shí)。非自動(dòng)知識(shí)獲取由知識(shí)工程師通過閱讀有關(guān)文獻(xiàn)或與領(lǐng)域?qū)＜医涣?，獲取原始知識(shí)并進(jìn)行分析、歸納、整理，形成用自然語言表述的知識(shí)條目輸入到數(shù)據(jù)庫中。知識(shí)抽取是對(duì)蘊(yùn)含于文本文獻(xiàn)中的知識(shí)進(jìn)行識(shí)別、理解、篩選、格式化，把文獻(xiàn)的每個(gè)知識(shí)點(diǎn)抽取出來，以一定形式存入知識(shí)庫中。機(jī)器學(xué)習(xí)知識(shí)通過機(jī)器的視覺、聽覺等途徑，直接感知外部世界，輸入自然信息，獲取感性和理性知識(shí)，或者根據(jù)系統(tǒng)運(yùn)行經(jīng)驗(yàn)從已有的知識(shí)或?qū)嵗醒堇[、歸納出新知識(shí)，補(bǔ)充到知識(shí)庫中。非自動(dòng)知識(shí)獲取效率較低，機(jī)器學(xué)習(xí)知識(shí)難度太大，而知識(shí)抽取是知識(shí)獲取的最有效方式。關(guān)于知識(shí)表示，目前知識(shí)表示的方法有很多，其中最廣為人知的是語義網(wǎng)表示法，是一種重點(diǎn)描述概念之間關(guān)系的表示法。知識(shí)圖譜就是基于語義網(wǎng)表示法構(gòu)建知識(shí)表示模型最為成功的技術(shù)案例。關(guān)于知識(shí)利用，其核心在于在通過知識(shí)對(duì)新信息進(jìn)行分析，依據(jù)歷史經(jīng)驗(yàn)和環(huán)境狀態(tài)為決策提供方案。

在協(xié)同辦公場(chǎng)景下，知識(shí)工程依據(jù)使用者對(duì)知識(shí)處理三個(gè)過程的側(cè)重點(diǎn)不同，會(huì)產(chǎn)生不同形式的知識(shí)服務(wù)。如果辦公人員希望獲得特定實(shí)體在某些領(lǐng)域內(nèi)的屬性和活動(dòng)，那么知識(shí)服務(wù)就側(cè)重于知識(shí)獲取，問題就會(huì)集中在如何高效準(zhǔn)確的搜集相關(guān)領(lǐng)域內(nèi)的實(shí)體信息。例如，在合同簽訂過程中，法務(wù)人員會(huì)對(duì)合同相對(duì)方在法律糾紛、財(cái)務(wù)狀況以及企業(yè)信用方面的屬性和活動(dòng)就十分在意，對(duì)這方面的知識(shí)獲取形成了直接需求，在未經(jīng)加工處理和分析的條件下，這些知識(shí)就已經(jīng)能夠在合同管理過程中幫助企業(yè)規(guī)避風(fēng)險(xiǎn)。

如果辦公人員希望快速定位解決某些問題所需的必要條件和相關(guān)實(shí)體，或者希望由計(jì)算機(jī)輔助解決這類問題，那么知識(shí)服務(wù)就側(cè)重于知識(shí)表示。例如，辦公人員在初次遇到某些事項(xiàng)處理時(shí)，最優(yōu)先的解決方法就是搜索過往處理人或者相關(guān)文檔。那么由處理事項(xiàng)、處理人和處理文檔構(gòu)成的知識(shí)圖譜能夠快速幫助辦公人員理解業(yè)務(wù)現(xiàn)狀和捕獲關(guān)鍵知識(shí)，效果如下圖所示。

如果辦公人員需要一個(gè)能夠協(xié)助自己完成某些特定工作意圖的機(jī)器人辦公助手，那么知識(shí)服務(wù)就側(cè)重于知識(shí)利用。例如，辦公人員日常需要確認(rèn)某類公文中相關(guān)規(guī)定是否發(fā)生了變化，新條款是什么之類的問題，又不想自己進(jìn)行檢索與比對(duì)，就可以將辦公人員這類會(huì)話意圖固定到知識(shí)工程中，利用已經(jīng)構(gòu)建好的公文條款知識(shí)，對(duì)其進(jìn)行回復(fù)，效果如下圖所示。

知識(shí)工程是傳統(tǒng)專家系統(tǒng)在人工智能時(shí)代的一種延續(xù)。專家經(jīng)驗(yàn)、關(guān)鍵領(lǐng)域信息、關(guān)系數(shù)據(jù)模型等各種信息載體都能夠在知識(shí)工程中存儲(chǔ)、表示、重組和利用。這使得知識(shí)工程在協(xié)同辦公過程中出現(xiàn)的復(fù)雜信息處理、輔助決策以及人機(jī)交互等場(chǎng)景都具有較高的應(yīng)用價(jià)值。而決定知識(shí)工程在協(xié)同辦公應(yīng)用效果的是知識(shí)獲取成本、知識(shí)處理難度和數(shù)據(jù)開放度，這些制約因素將伴隨著各類人工智能企業(yè)對(duì)垂直行業(yè)和精細(xì)化場(chǎng)景的深耕而逐漸被忽略，知識(shí)工程在協(xié)同辦公領(lǐng)域的應(yīng)用前景是光明的。