“知识”并不是对客观世界的简单照搬也不是永远不变的绝对真理。它是在认识、概括、组织和应用过程中形成的结果因此既具有稳定性也具有条件性。理解知识的基本特性有助于进一步理解为什么知识需要表示为什么知识图谱需要不断更新为什么智能系统既要利用知识又不能把已有知识看成绝对完备的结论。关于知识的基本特性通常可概括为相对正确性、不确定性、可表示性以及由此延伸出的可利用性与可更新性。一、知识为什么有“特性”知识不是孤立的事实堆积而是人类在认识世界、解释世界和解决问题过程中形成的经验、概念、规律与判断。它既来源于实践也要接受实践检验。正因为如此知识不是静止的而是带有一定条件、范围和使用方式的内容。如果不了解知识的这些性质就容易产生两种误解一种是把知识看成永远正确、无需修正的结论另一种是把知识看成随意的看法认为它没有稳定性。实际上这两种理解都不准确。知识既不是绝对不变的也不是毫无依据的它有自身的形成方式和使用边界。二、相对正确性知识通常成立但受条件限制知识首先具有相对正确性Relative Correctness。所谓相对正确性是指知识通常建立在长期观察、经验积累和实践检验的基础上因此在一定条件下是正确和可信的。这里的关键不在“正确”而在“相对”。因为知识总是在特定对象、特定环境、特定范围中成立。例如“鸟会飞”在多数情况下成立但并不适用于鸵鸟、企鹅等情况“水在 100℃ 沸腾”是常见知识但这一说法隐含了标准大气压这一条件“某药物可用于治疗某疾病”也往往要依赖适应症、剂量和个体差异。因此知识的正确性往往不是脱离条件的绝对真理而是在一定前提下成立的有效认识。相对正确性并不意味着知识不可靠而是意味着知识总是在一定条件下成立。这对人工智能尤其重要。系统在使用知识时不能只看结论本身还应尽量关注知识适用的对象、范围和上下文。三、不确定性知识并不总是非真即假知识还具有不确定性Uncertainty。所谓不确定性是指知识在很多情况下不能被绝对肯定只能对其成立的可能性或可信程度作出估计。不确定性产生的原因很多例如现实世界本身复杂存在模糊边界人们掌握的信息并不完整某些结论依赖统计规律而非严格必然关系不同来源的描述可能互相冲突。例如“明天可能下雨”带有概率性“该患者疑似某疾病”带有诊断不确定性“某作品可能出自某位画家”带有归属不确定性。这说明知识并不总能用“完全正确”或“完全错误”来表达。在知识表示Knowledge Representation和知识图谱Knowledge Graph中这种不确定性意味着系统有时需要处理置信度Confidence、概率、模糊性或多来源冲突而不能把所有知识都看成同样确定的事实。四、可表示性知识必须能够被表达出来知识虽然首先存在于人的认知活动中但它并不只能停留在人脑中。知识具有可表示性Representability即可以通过合适的方式被表达、记录、传播和处理。常见的知识表示方式包括• 自然语言描述• 数学公式• 逻辑表达式• 规则• 图结构• 表格或框架结构可表示性之所以重要是因为只有当知识能够被表达出来它才可能被共享、传递和被计算机处理。对于人工智能来说知识表示的意义就在于把知识转化为机器可理解的形式使系统能够进行存储、检索、匹配、推理和应用。知识图谱正是这种可表示性的典型体现。它把对象、属性和关系组织成结构化网络使原本分散或隐含的知识变成可操作的知识资源。同一种知识可以采用不同表示形式而不同表示形式也会影响后续的存储、检索与推理方式。五、可利用性知识的价值在于能够被使用如果说可表示性回答的是“知识能否被表达和处理”那么可利用性Usability回答的就是“知识在任务中能否真正发挥作用”。知识不是为了被动保存而存在的它还具有可利用性。所谓可利用性是指知识一旦被组织和表示出来就能够在新的任务中发挥作用。它不仅可以帮助人理解问题也可以支持系统做出检索、判断、匹配和推理。例如在搜索中知识可以帮助系统理解实体与关系在问答中知识可以帮助系统定位答案在推荐中知识可以帮助系统发现对象之间的关联在决策中知识可以作为规则、约束或经验依据。因此知识的价值不仅在于“知道了什么”更在于“能据此做什么”。如果一种内容无法被调用、复用和应用它即使被保存下来也难以真正发挥知识的作用。六、可更新性知识会随着认识发展而变化知识并不是一成不变的它还具有可更新性Updatability。新的观察、实验、数据和实践会不断修正旧知识、补充新知识甚至改变原有知识结构。这说明知识系统不能是封闭静止的而应允许增补、修正和演化。例如科学理论会随着研究进展而不断细化医学知识会随着临床证据更新而调整行业规则、机构关系、地理信息、社会事件也会持续变化。对知识图谱而言这一点尤为重要。如果知识图谱不能维护和更新它很快就会与现实脱节。也正因为如此知识图谱的构建并不是一次性工作而是一个持续抽取、融合、加工、维护的过程。七、这些特性对知识表示与知识图谱意味着什么知识的相对正确性、不确定性、可表示性、可利用性和可更新性直接影响知识表示与知识图谱的设计。第一知识表示不能只记录结论还应尽量保留条件、范围和关系。第二知识系统应允许不确定、模糊或多来源并存的情况。第三知识必须以规范形式表达才能被机器处理。第四知识组织的目标不只是存储还应支持检索、问答、推理和应用。第五知识系统必须具备演化能力能够随着现实变化而更新。这些关系可以用下图概括正因为知识具有这些特性人工智能系统才需要知识表示而知识图谱才会成为组织和利用知识的重要形式。 小结知识既有相对正确性也有不确定性既能被表示也应能被利用和更新。理解这些特性有助于把知识看成可组织、可演化、可应用的内容体系而不是静止的结论集合。“点赞有美意赞赏是鼓励”