在《信息化在左，數(shù)字化在右——工業(yè)數(shù)字化轉(zhuǎn)型的底層邏輯》一文中，我們將工業(yè)數(shù)字化轉(zhuǎn)型的本質(zhì)總結(jié)為——數(shù)據(jù)利用方式的轉(zhuǎn)型。但對于研發(fā)體系的數(shù)字化轉(zhuǎn)型，我對此不以為然，因為數(shù)據(jù)對于研發(fā)來說遠(yuǎn)遠(yuǎn)不夠，研發(fā)的驅(qū)動力另有其他。

　　信息化在左，司左腦之職；數(shù)字化在右，行右腦之事。那一往無前的是誰？對，就是知識！是它在一直探索通向未來的智慧之路。所以，先忘掉你的派系吧，不論你是左派還是右派，向前才有未來。我們終究不能停留在數(shù)字化階段，因為數(shù)字化轉(zhuǎn)型的終極目標(biāo)是智能化和智慧化，而知識才是通往智能和智慧的階梯，在研發(fā)設(shè)計環(huán)節(jié)尤為如此。針對這一結(jié)論，知識管理界著名的神模型——DIKW給出了相同的暗示。

　　知識管理界的神模型

　　DIKW模型堪稱知識管理界的神模型，是表達數(shù)據(jù)(Data)、信息(Inforation)、知識(Knowledge)及智慧(Wisdom)之間關(guān)系的模型，一般的知識管理體系經(jīng)常引用此模型。本模型將數(shù)據(jù)、信息、知識、智慧納入到一種金字塔形的層次體系，每一層比下一層都賦予一些新特質(zhì)，如圖1所示。原始觀察及量度獲得數(shù)據(jù)，分析數(shù)據(jù)間的關(guān)系獲得信息，在行動上應(yīng)用信息產(chǎn)生知識。知識在不確定(模糊)場景下綜合與靈活的應(yīng)用產(chǎn)生智慧。智慧關(guān)心未來，它含有暗示及滯后影響的意味。

　　圖1DIKW模型：數(shù)據(jù)、信息、知識與智慧的關(guān)系

　　通過DIKW模型分析，可以看到數(shù)據(jù)、信息、知識與智慧之間既有聯(lián)系，又有區(qū)別。數(shù)據(jù)是記錄下來可以被鑒別的符號，是最原始的素材，未被加工解釋，沒有回答特定的問題，沒有任何意義。信息是已經(jīng)被處理、具有邏輯關(guān)系的數(shù)據(jù)，是對數(shù)據(jù)的解釋，這種信息對其接收者具有意義。

　　知識是從相關(guān)信息中過濾、提煉及加工而得到的有用資料。特殊背景或語境下，知識將數(shù)據(jù)與信息、信息與其在行動中的應(yīng)用之間建立有意義的聯(lián)系，它體現(xiàn)了信息的本質(zhì)、原則和經(jīng)驗。此外，知識基于推理和分析，還可能產(chǎn)生新的知識。

　　目前，智慧只是人類所表現(xiàn)出來的一種獨有能力，未來的機器(軟件)也許會發(fā)展出類似的能力。智慧主要表現(xiàn)為收集、加工、應(yīng)用、傳播知識的能力，以及對事物發(fā)展的前瞻性看法。在知識的基礎(chǔ)之上，通過經(jīng)驗、閱歷、見識的累積，而形成的對事物的深刻認(rèn)識、遠(yuǎn)見，體現(xiàn)為一種卓越的判斷力。

　　智化源自知識工程

　　從人類歷史長河視角來看，研發(fā)的終極價值并不是很多人想象那樣是為了創(chuàng)造新產(chǎn)品，而是為了知識的進化，產(chǎn)品只是研發(fā)知識進化的載體。就像生產(chǎn)果實并不是生物存在的目的，繁衍與進化才是，果實只是生物繁衍和進化的工具，是基因的載體。產(chǎn)品是研發(fā)的副產(chǎn)品，就像果實是生物進化的副產(chǎn)品一樣。產(chǎn)品不會是一個組織終極的競爭力，但知識是。產(chǎn)品會死亡，但知識不會。一代產(chǎn)品死亡，會有新的產(chǎn)品產(chǎn)生，但這代產(chǎn)品其實只是以前知識的新載體。研發(fā)過程本質(zhì)上是基于舊知識創(chuàng)造新知識的過程，是人類所從事活動中知識密度最高的過程。創(chuàng)新(或創(chuàng)造)是研發(fā)過程唯一看重的價值，而所有的創(chuàng)新(或創(chuàng)造)活動都是基于知識的，就像生物的新生命的產(chǎn)生都是基于果實中的種子。

　　雖然知識是智化(即智能和智慧)的源泉，但知識不會自動變成智能和智慧，這一特點在研發(fā)過程體現(xiàn)相當(dāng)明顯。研發(fā)過程是利用現(xiàn)有知識創(chuàng)造新知識的過程，智慧研發(fā)的本質(zhì)就是將研發(fā)過程的海量知識經(jīng)過增值加工，形成大量的智能知識插件(或稱為APP)，嵌回到研發(fā)過程中。此類知識天然具有與業(yè)務(wù)工作環(huán)境互動的特點，可直接與相關(guān)研發(fā)工具建立關(guān)聯(lián)，使知識與設(shè)計活動緊密融合，直接參與研發(fā)和設(shè)計工作。研發(fā)過程中，這類智能插件越多，智能化程度越高。因此，智慧研發(fā)中知識工程的核心就是對知識進行增值加工，形成智能知識插件(APP)。

　　圖2研發(fā)資源加工產(chǎn)生知識特征并實現(xiàn)增值

　　在研發(fā)知識工程中，我們將研發(fā)資源分為實物類、數(shù)據(jù)類、信息類、模式類和技術(shù)類，并推薦各自資源加工方法，分別是電子化、標(biāo)準(zhǔn)化、結(jié)構(gòu)化、范式化、模型化。對于所有資源，可以用大數(shù)據(jù)技術(shù)加工，我們稱為全息化加工技術(shù)，形成智慧特征。如圖2所示。

　　這些加工過程其實是對知識級別的提升過程，我們稱為知識增值過程。不同的知識應(yīng)采用不同的加工方法實現(xiàn)增值，指出了每層知識的具體屬性、知識特征、加工方案、升級特征乃至智能和智慧的形成，比DIKW更具有實踐性和可操作性。

　　總結(jié)來講，知識增值加工可明顯提升知識的價值，尤其是對智能和智慧的價值，包括如下幾個方面：

　　a.實物的數(shù)字化提升知識的顯性化程度。顯性化程度越高，越接近業(yè)務(wù)應(yīng)用，實用性越強；

　　b.數(shù)據(jù)的標(biāo)準(zhǔn)化和信息的結(jié)構(gòu)化提升知識的共享化程度。知識顯性化帶來效率，知識共享化帶來創(chuàng)新；

　　c.模式的范式化和技術(shù)的模型化提升知識的工具化程度。工具化程度越高，自動化和智能化程度越高；

　　d.知識的全息化提升知識的智慧化程度。知識層級越高，智慧程度就越高，知識的價值越大。

　　智能與智慧的辨析

　　我們終于談到了這兩個剪不斷理還亂的詞——智能和智慧。結(jié)合上兩節(jié)，總結(jié)一句話便是：信息化在左，數(shù)字化在右，知識在前方，智慧在遠(yuǎn)方。信息化和數(shù)字化迭代遞歸形成知識，知識經(jīng)過增值加工后，終將在智能和智慧的燈塔里發(fā)揮效益。

　　智能和智慧是知識工程中的兩個重要概念，在智能制造時代被廣泛提及，但很少有人解釋他們之間的區(qū)別，常模糊處理。

　　智能和智慧均來自于知識，而知識有兩種：一種是確定性知識，來源于人們對經(jīng)驗和規(guī)律的提煉和總結(jié)；另一種是模糊性知識，來源于大數(shù)據(jù)，通過人工智能(AI)技術(shù)挖掘出來。與之相對應(yīng)地，我們把“智化”分為兩個層次——智能和智慧。智能是基于確定的知識(機理)、清晰的邊界條件和明確的初始條件對未來的預(yù)測，我稱之為“先知”。智慧是基于不確定的知識(機理)、不清晰的邊界條件和不明確的初始條件對未來的預(yù)感，我稱之為“先覺”。

　　面對機器和軟件，人們談到智能的時候，包含著一種居高臨下的贊賞，但談到智慧的時候，卻充滿著一種處下仰上的崇拜。智能往往讓人贊許有加，智慧則總是讓人醍醐灌頂。智能是一眼看穿結(jié)局的意料之舉，而智慧帶來的卻是結(jié)局出現(xiàn)后的恍然大悟。智能是面對預(yù)設(shè)路徑的氣定神閑，智慧則是面對未知時空的千思萬慮，表現(xiàn)在常人面前往往是錦囊妙計。

　　智能往往是科學(xué)和技術(shù)的深化，而智慧往往是哲學(xué)和思想的升華。在中國古人的認(rèn)知中，智能往往與腦聯(lián)系在一起，智慧往往與心聯(lián)系在一起。其實，從解剖學(xué)的角度看，智能與左腦有關(guān)，智慧與右腦有關(guān)。無論是研發(fā)體系還是人造產(chǎn)品，用明確的知識賦能機器或軟件后，它們就擁有了智能；但在這些明確的知識尚不存在的時候，則需要回到最原始的數(shù)據(jù)，對無時不有、無處不在的數(shù)據(jù)進行實時分析，從中挖掘其中潛在的隱性知識，使得機器或軟件具有模糊判斷和直覺思維且無往不勝的時候，它們便擁有了智慧。

　　我們經(jīng)常把基于明確的知識(機理)開發(fā)的邏輯化的軟件，稱為仿真軟件，在知識(機理)不明確時，基于神經(jīng)網(wǎng)絡(luò)算法和大數(shù)據(jù)進行知識挖掘和機器學(xué)習(xí)的軟件稱為人工智能(AI)軟件(其實，這種定義并不準(zhǔn)確，只是簡單起見，采用了流行的習(xí)慣稱呼。嚴(yán)格講，仿真軟件也是一種AI軟件，稱為符號AI軟件?；谏窠?jīng)網(wǎng)絡(luò)和大數(shù)據(jù)的機器學(xué)習(xí)軟件稱為亞符號AI軟件。人們常說的AI其實是亞符號AI)。因此，仿真軟件是機器獲得智能的基礎(chǔ)，AI軟件是機器獲得智慧的基礎(chǔ)。正如前文所以，明確的知識(機理)只占非常小的部分，人類對自然界的了解很淺，對人類社會自己的運轉(zhuǎn)規(guī)律的理解也并不深。因此，人們能仿真計算的范圍相當(dāng)有限，或者說，智能所能達到范圍相當(dāng)有限，其余的部分需要靠AI及其可能達成的直覺獲得。

　　基于確定性機理的智能往往與質(zhì)量相連，而基于不確定性機理的智慧則與創(chuàng)新相關(guān)。所以，針對將質(zhì)量視為生命的制造，我們通常說智能制造而不說智慧制造。研發(fā)將創(chuàng)新視為生命，所以我們常說是智慧研發(fā)，而不說智能研發(fā)。

　　智能是明確的，非0即1，中間也許會有幾檔。而智慧是模糊的，在0到1之間無級變速。一旦搞清楚機理，智能就是必然的和恒定的。但智慧卻是不確定的，往往一開始顯得弱智，但可無限期持續(xù)進化，充滿想象空間。智能就像人的智商，終身不變化，但智慧卻不能用智商衡量，隨著年齡的增長，人會顯得更智慧。當(dāng)然，一個人也有可能終身渾渾噩噩，一輩子都不曾獲得智慧。君不見很多AI，一開始概念性感，被資本追捧，但多年未見效益，最后泡沫破裂。智能的難度在于前期過程，即人類明確知識的過程，不在于后期機器計算的過程。而智慧正好相反，其難度在于后期的數(shù)據(jù)分析和算法的持續(xù)進化，而不在于前期的數(shù)據(jù)獲取和家有算法初長成。

　　因此，我們必須警惕數(shù)據(jù)有陷阱。人們總是被要求“用數(shù)據(jù)說話”，似乎數(shù)據(jù)就是科學(xué)的和理性的。真是這樣嗎？未必！當(dāng)你需要數(shù)據(jù)來做判斷的時候，其實表明你的思維中已經(jīng)失去了邏輯，所以也不存在科學(xué)和理性了，數(shù)據(jù)只是你大膽決策的安慰劑。被展現(xiàn)出來的數(shù)據(jù)往往都是那些短期的相關(guān)性，是聰明人常利用的手段。真正的規(guī)律是長周期的，長周期的數(shù)據(jù)并不可信。這么長周期中，技術(shù)條件特別是數(shù)據(jù)收集條件在一日千里地變化，相同規(guī)律下，不同歷史條件獲得的數(shù)據(jù)表現(xiàn)并沒有可比性。其實，底層邏輯往往是悟到的，是不需要數(shù)據(jù)的。尼采的書里沒有數(shù)據(jù)，《道德經(jīng)》里也沒有；黑格爾和馬克思的書里沒有數(shù)據(jù)，《易經(jīng)》里也沒有。

　　智能是矢量，其優(yōu)化和進步具有明確的方向性，而智慧是標(biāo)量，其進化和演衍的方向往往是模糊的。所以，智能和當(dāng)下判斷有關(guān)，智慧則與長遠(yuǎn)韜略有關(guān)。智慧可遇不可求，對機器和人都是如此，否則便有了執(zhí)念，走火入魔。智能和智慧之間是個輪回。今日的專家，明日可能開悟變成智者；今天智慧的歸宿，必將是明天的智能，就像昨天的知識是今天的常識一樣。一項智慧演化的終局就是智能，智者從模糊性中悟出的因果律被長久驗證后，必然變成確定性知識，從而可以進入機器變?yōu)橹悄?。也只有如此，人類才會穩(wěn)序進步，智慧也才會有更遠(yuǎn)的使命。

　　聰明與智慧的辨析

　　前文我們提到聰明人，是想說不能把智慧和聰明混為一談，雖然都是在面對未知時，由數(shù)據(jù)分析能力帶來的一種特質(zhì)。圖3是在“機理明確與否(明確和模糊)”坐標(biāo)軸之外，增加了另一個坐標(biāo)軸——成因掌握與否(相關(guān)性和因果律)，從而將人或機器分為四類。相關(guān)性是人類認(rèn)識世界的初級反應(yīng)，因果律則是對底層規(guī)律的深度洞察。年輕時候看到的往往是相關(guān)性，年長之后才可能看到因果律。只看到相關(guān)性的人往往并不能意識到這只是相關(guān)性，常自以為是地認(rèn)為是因果律，總是把表面現(xiàn)象當(dāng)成了本質(zhì)規(guī)律。只有那些真正看到因果律的人，才能看清事物的底層邏輯。

　　圖3聰明、智能和智慧的關(guān)系

　　那些面對未知卻能悟到因果律的人，我們稱為“智者”，是具有大智慧的人。那些只能看到相關(guān)性的人，我們稱為“機靈鬼”，是常說的那種很會見機行事的聰明人。聰明人對當(dāng)下的利益得失敏感異常，反應(yīng)迅速，而智者都“難得糊涂”和“大智若愚”，看似對利益得失毫不計較，木訥遲鈍。其實，這種“糊涂”是我們常人和聰明人看來的糊涂，這種“愚”也只是我們常人和聰明人看來的愚。對智者來說，這根本不是糊涂，更不是愚，而是看到了常人和聰明人看不到的因果律，正所謂的大巧若拙。相對于因果律中反映出來的長周期的大起大落，眼前的一點小波動實在不值得計較，這就是為什么智者總是遠(yuǎn)見卓著，能決勝千里。聰明人只看到眼前的相關(guān)性帶來的小波動，所以能抓住的短線利益絕不輕易放棄，而智者會安靜等待那個長波峰的到來，然后閑庭信步地出手。對智者來說，大道至簡，因果律函數(shù)的參數(shù)其實少之又少，抱樸守拙即可從容應(yīng)對，無需眼觀六路耳聽八方，更不需要三頭六臂大殺四方。

　　讓機器擁有智能是比較現(xiàn)實的目標(biāo)，成為專家才是常人和聰明人的普遍歸宿。那些掌握了明確知識(機理)和因果律的專家，如果愿意走出舒適區(qū)，勇于面對未知，總是看向遠(yuǎn)方和未來，持續(xù)修煉而至開悟，就可能成為智者。而機靈鬼則無法如此階躍，他們必須先進步成專家，才能修煉為智者?？梢韵胂筮@期間他需要艱難克制多少眼前的誘惑，所以聰明人相比于常人，也許更不容易成為智者。在武俠小說中常見這種現(xiàn)象，那些最終修得正果的人一開始看上去總是像郭靖那樣拙樸。因此，數(shù)據(jù)分析和AI可以對知識進行全息化透視，但不能停留在響應(yīng)式的相關(guān)關(guān)系層次上小富即安，而是要將分析結(jié)論發(fā)展為確定性知識(機理)，并可以將適用范圍向外推演，讓因果關(guān)系邁向未知領(lǐng)域去解決問題，才可能讓機器(軟件)擁有智慧。

　　自從有了AI的概念，人類就開始擔(dān)憂自己的未來。本質(zhì)上，今天的機器就像常人。常人希望變成專家，機器希望擁有智能。所以，人類擔(dān)憂的并不是機器擁有智能，而是另外兩件事。一方面擔(dān)心AI停留在聰明象限無法自拔，只會耍小聰明，此起彼伏的AI小聰明帶來的破壞性讓人類無法收拾殘局。如果僅僅是小聰明，人類還是可以將其制服，因為歷史上從來沒有靠小聰明一統(tǒng)天下的。所以人類真正擔(dān)心是另一個可能——AI進化出大智慧。若智慧被AI超越，人類將徹底丟失其控制權(quán)，像現(xiàn)在的動物一樣淪為牛馬或?qū)櫸?。那時候，AI可能會像今天的人類談?wù)揂I一樣，來談?wù)撊绾翁岣呷祟惖闹悄芎椭腔哿恕?/p>

　　今天的機器(軟件)和真正的智能相去甚遠(yuǎn)。由于明確機理太少，仿真軟件只形成一些適應(yīng)面不寬的專家系統(tǒng)。AI依賴數(shù)據(jù)和算法正在走出“常人”這一象限，剛剛走進“聰明”象限，還未達到“智能”，更不用說“智慧”?；谝陨系膿?dān)憂，人類希望AI趕快度過“聰明”進入“智能”，但又希望能把它封印于“智能”一級，不要繼續(xù)進化。不過，擔(dān)憂歸擔(dān)憂，基于人類的社會達爾文主義本性，AI的發(fā)展是不以幾個吹哨人的意志為轉(zhuǎn)移的，就像核擴散一樣。人們明明已經(jīng)看到了核能的可怕，也一直在擔(dān)憂核能的發(fā)展和擴散，但核能的發(fā)展和擴散的腳步卻一刻也沒有停止。何況AI僅僅是個起步，其所謂的危害只是個概念而已。即使哪一天真的出現(xiàn)了令人類錯愕的意外，AI也不會停下其發(fā)展的腳步，反倒是其發(fā)展的催化劑，就像今天的核能一樣。某一家的核彈研制成功，另一家只會加快步伐，絕不會坐以待斃。

　　研發(fā)數(shù)字化轉(zhuǎn)型的底層邏輯

　　如果說，數(shù)據(jù)利用方式的改變決定了工業(yè)數(shù)字化轉(zhuǎn)型的類型，那么，知識利用方式的改變，則決定了對研發(fā)做了何種數(shù)字化轉(zhuǎn)型。如果說，能源使用量可以衡量原子工業(yè)運行的強弱，數(shù)據(jù)使用量可以衡量數(shù)字工業(yè)的強弱，那么，知識使用量可以衡量研發(fā)強弱。能源是原子工業(yè)的動力，數(shù)據(jù)是數(shù)字工業(yè)的動力，而知識則是研發(fā)的動力。因此，研發(fā)數(shù)字化轉(zhuǎn)型的本質(zhì)其實是“研發(fā)知識利用方式的轉(zhuǎn)型”。

　　依我來看，數(shù)字工業(yè)社會利用數(shù)據(jù)的方式的轉(zhuǎn)變同樣適用于知識：知化、秩化、治化、智化和織化，最終促成研發(fā)數(shù)字化的五次轉(zhuǎn)型，如圖4所示。

　　圖4人類對知識的利用方式的變革帶來研發(fā)體系的數(shù)字化轉(zhuǎn)型

　　與工業(yè)數(shù)字化轉(zhuǎn)型相似，在知識利用方式的五次轉(zhuǎn)型中，中間的“三化”——秩化、治化和智化是中國企業(yè)研發(fā)數(shù)字化中最需要和常見的轉(zhuǎn)型模式。

　　知識的“秩化”是通過流程把松散的知識按照業(yè)務(wù)需要建立起秩序，在業(yè)務(wù)執(zhí)行過程中主動推送知識，而不是人在業(yè)務(wù)需要的時候去庫里找知識。也就是讓知識活起來，在合適的時間、合適的場景下去主動找合適的人。

　　知識的“治化”是通過模型化過程對產(chǎn)品知識進行治理，將其濃縮并凝聚在一起，形成更邏輯化和自動化知識。模型應(yīng)當(dāng)是人類對知識最極致的提煉，并將其反向應(yīng)用在更多更大更未知的場景之下。

　　知識的“智化”使得對知識的改造工作更加登峰造極，力圖發(fā)揮知識全集的作用，促進設(shè)計的智能化和體系的智慧化。將所有確定性知識加工形成APP，嵌入設(shè)計過程而形成“智能”。將模糊性知識利用大數(shù)據(jù)和AI技術(shù)浴火歷練，升華成為因果律便形成智慧。

　　以上“三化”就是《研發(fā)數(shù)字化轉(zhuǎn)型三級跳》的來由，如圖5所示。

　　圖5研發(fā)數(shù)字化轉(zhuǎn)型三級跳

免責(zé)聲明：以上內(nèi)容為本網(wǎng)站轉(zhuǎn)自其它媒體，相關(guān)信息僅為傳遞更多信息之目的，不代表本網(wǎng)觀點，亦不代表本網(wǎng)站贊同其觀點或證實其內(nèi)容的真實性。如稿件版權(quán)單位或個人不想在本網(wǎng)發(fā)布，可與本網(wǎng)聯(lián)系，本網(wǎng)視情況可立即將其撤除。