AI時代には、ナレッジグラフとナレッジマネジメントの二重の価値を活用する必要がある

AI時代には、ナレッジグラフとナレッジマネジメントの二重の価値を活用する必要がある

[[402551]]

ナレッジマネジメントは企業と個人の両方にとって非常に重要です。

従来の知識管理は、体系的にまとめると、次の 4 つの段階に分けられます。

第一段階:情報技術段階。

これは主に、情報技術、特にインターネットの使用と、イントラネットが地理的に分散した組織間で情報を共有するための効果的なツールであるという認識によって推進されました。

ナレッジマネジメントの第一段階は、情報と知識をより効果的に活用するために、新しいテクノロジーをどのように導入するかということです。

第2段階:組織文化段階。

この段階では、単にテクノロジーを導入し、価値ある情報を提供するだけでは、情報と知識の共有を効果的に促進し、完了させるには不十分であることがわかります。

ナレッジマネジメントの実装には組織文化の変化が伴い、多くの場合、組織の管理構造、関連するリソースの割り当て、パフォーマンス評価基準などを含む、非常に大きな変化となる可能性があります。

第3段階:知識分類段階。

知識分類法、つまり知識組織化の段階。これは、知識内容の重要性、特に分類と検索機能の重要性、および知識内容の合理的な記述と構造化された表現の重要性の認識から生じています。

知識が使用されるときにそれが見つからない場合、知識管理は役に立たないという考え方です。

第 4 段階: ナレッジ グラフ段階。

ナレッジグラフは、2012年5月にGoogleによって初めて提案されました。2019年には世界のAI分野の重要課題の1つと呼ばれ、2020年には中核課題として君臨しました。

さらに、ナレッジマネジメントの分野では人工知能関連の技術への言及が増えており、統合の傾向が見られます。

ナレッジグラフは、客観的な世界における概念、エンティティ、およびそれらの間の豊富な関係を構造化された形式で記述し、インターネット上の情報を人間の認知世界に近い形式で表現し、インターネット上の膨大な量の情報をより適切に整理、管理、理解する方法を人間に提供します。

特に、このAIの波の下で、Google、Microsoft、Facebookなどの海外のインターネット大手であれ、Baidu、Alibaba、Tencentなどの国内のインターネット大手であれ、いずれもナレッジグラフの分野で綿密かつ継続的な研究を実施し、数多くの価値あるシナリオとアプリケーションを実現してきました。

「ナレッジグラフ」の最も価値ある機能は、大量のダーティデータから有用な情報を抽出し、散在する情報の断片を集約してグラフの形で整理し、相対的に参照可能な情報や洞察力のある知識に変換して意思決定を支援することです。

「国内外の知識管理の研究動向」によると、2009年から2018年までの国内知識管理システム研究における高頻度キーワードの共起マップは、知識管理とナレッジグラフの研究と実践が活況を呈していることを示しています。

知識をうまく管理し、知識の明示的価値と暗黙的価値を十分に探求したい場合は、AI とナレッジ グラフ テクノロジを使用して、知識インテリジェンス収集、知識インテリジェンス ストレージ、知識インテリジェンス ウェアハウス、知識インテリジェンス処理、知識インテリジェンス検索、知識インテリジェンス シナリオ、知識インテリジェンス ポータルの 7 つの側面から総合的な評価を行う必要があります。そうすることで初めて、企業が蓄積したデータと知識の本質を科学的かつ合理的に抽出し、最終的に真にインテリジェントなナレッジ ベースを形成できます。

具体的に説明すると:

1. インテリジェントな知識収集:インターネット知識と文献知識のコレクターを提供し、社内文書知識をインテリジェントにクロールします。

2. 知識インテリジェントストレージ:基本的な知識情報、属性、テキスト、ステージなどの情報の分散ストレージ、インデックスコンテンツの分散ストレージを実現します。

3. ナレッジ ウェアハウス:企業のすべてのナレッジを統合的に保存、管理、保守し、ナレッジのアップロード、整理、公開、使用、フィードバック、最適化のプロセス全体の管理をサポートします。

4. インテリジェントな知識処理: doc 形式のドキュメントは段落またはディレクトリによって構造化され、知識コンテンツは自動的に分類され、インテリジェントにタグ付けされ、知識属性は自動的に構造化されます。

5. インテリジェントな知識検索:社内外のリソースの統合検索と検索結果の包括的な提示を実現します。検索コンテンツのインテリジェントなタグ付け、検索結果のフィードバックの最適化、ユーザーの検索行動に基づいた共同推奨をサポートします。

6. 知識ベースのシナリオ:シナリオ知識マップ コンフィギュレーターと関連するシナリオ知識マップ テンプレート ライブラリを提供し、企業が新入社員ガイダンス マップ、職務学習マップ、ビジネス プロセス知識マップなどのさまざまな種類のシナリオ マップを便利かつ柔軟に構築できるようにします。

7. ナレッジ インテリジェンス ポータル:ナレッジ コンテンツの包括的なプレゼンテーション、およびユーザーの行動に基づいたナレッジの分類、ラベル付け、コンテンツの推奨。

AI時代において、プロセス主導型、データ主導型から知識主導型への移行を真に実現するには、ナレッジグラフ+ナレッジマネジメントの二重の価値を十分に発揮する必要があります。

<<:  機械学習は産業界においてどのように機能するのでしょうか?

>>:  中国人はアルゴリズムと戦い始めている:ログインなし、いいねなし、フォローなし、コメントなし

ブログ    
ブログ    
ブログ    

推薦する

「人工知能」の時代が来るのか?将来的には「産業の新たな高地」となると予想され、多くの国がすでに計画を立てている。

[[415258]] 2017年、サウジアラビアの首都リヤドで開催された未来投資イニシアチブ会議に...

ディープラーニングフィードフォワードニューラルネットワークの簡単な紹介

索引多層パーセプトロン (MLP) 入門ディープニューラルネットワークの活性化関数ディープニューラル...

アメリカの科学者が新技術を開発:ロボットが行動する前によく考えさせる

カリフォルニア大学バークレー校の新しい研究によると、ロボットはビデオ認識技術を通じて物体を移動させる...

...

.NET8 究極のパフォーマンス最適化 プリミティブ - DateTime

序文前回の記事では列挙型の最適化について説明しました。今回は時刻形式である DateTime の最適...

革新的なトランスフォーマー!清華大学はSOTAを実現する長期時系列予測のための新しいバックボーンネットワークを提案

[[410176]]予測時間を可能な限り延長することが時系列予測の中心的な課題であり、エネルギー、輸...

15人の専門家が予測:AIは2024年にサイバーセキュリティのルールを変える

AI技術の飛躍的な発展に伴い、攻撃者はAIの武器化を加速させ、ソーシャルエンジニアリング技術と組み合...

CPUのみを使用して自律航行船を開発、実際に実現

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

...

ビデオ分析が物流と製造業の業務と安全性をどのように改善するか

[[400684]]製造品に対する世界的な需要が高まり続ける中、製造組織とサプライチェーン内のセキュ...

EasyDL Professional Notebookモデリング機能の詳しい説明

Jupyter Notebook は、開発やドキュメントの作成からコードの実行、結果の表示まで、コン...

【慎重に応募】今後10年間で消滅する可能性が最も高く、代替される可能性が最も低い22の職業

[[373618]] 5Gの商用利用、人工知能、スマートシティ、スマートホーム、自動運転車、無人スー...

ケビン・ケリーがAIブームを解説:超人的なAIを暴く5つの神話

人工知能は非常に人気が高まっているため、ニュースで報道される超知能に関する予測が実現可能なものなのか...

AIの4つのタイプについてお話しましょう

人工知能が流行するにつれ、人々はそれがどのように機能し、何ができるのかについて多くの疑問を抱いていま...