Please enable JavaScript.
Coggle requires JavaScript to display documents.
CH7[知識管理與人工智慧], CBR, ES (專家的knowledge), 透過這三種不斷的碰撞產生新知識, 機器學習式AI的一部分,而Deep…
CH7[知識管理與人工智慧]
機器學習(Machine Learning)
1986~2006為研究主流
透過algo分析數據、從中學習、判斷;預測
1980「類神經網路」(Artificial Neural Network)
重要知識!!!!!!要再去看李弘毅老師的資料
2006 Hinton 提出「多層神經網路」(Deep Neural Network)
發展為深度學習(Deep Learning)
無奈2006年受限於CPU的運算能力),直到2012年才重返榮耀
定義:
研究、建立、改良數學模型
一個代理的程式會調整學習方法,試著找到正確的機率分布,並計算最有可能成功最小誤差的行動
Machine Learning 分為4種
非監督式學習(Un-Supervised Learning)
所有資料都無標註,機器透過Data特徵自行進行分類
半監督式學習(Semi-Supervised Learning)
對少部分的DATA進行標註,機器透過特徵辨識剩下的資料
結果較為精確,為目前最常使用的方式
監督式學習(Supervised Learning)
標註每一筆資料,用人工分類
強化式學習(Reinforcement Learning)
透過每一次的環境互動來學習,不標註任何資料,但給予Machine所採取的動作回饋。
知識工作者系統
在自己的領域擔任啟動改變or各種機會的「顧問角色」
變革代理人:評估、啟動、促進各計畫
當org擴展時維持org與外界同步
知識工作者系統
VR---->AR----->MR----->XR
VR(Virtual Reality)
AR(Augmented Reality)
MR(Mixed Reality)
(AR+VR)讓使用者能夠在現實世界中與虛擬物件有更多的互動。
IKEA 虛擬家具MR投射技術
將虛擬影像「擴增」到真實的空間中,在真實空間加入虛擬物件
Pokemon Go
利用顯示器技術,建立一個立體、真實的虛擬世界。讓使用者真的以為自己在虛擬世界中
如醫療:幫助醫學院的學生實習,更加了解器官的特性、位置、手術的手法。、教育:香港雲端虛擬學院
智慧型的科技
神經網路系統
混和式人工智慧系統(Hybrid AI system)
利用基因演算法、類神經網路、ES等技術最好的特性,整合成單一應用軟體。
案例式推理系統(Case base Reasoning,CBR)
根據兩個前提
類似的問題解答也類似
相似的問題往往重複發生將過去累積的經驗保存下來對未來有幫助
存有「案例庫」Case base
CBR推論程序
Case Adaptation
調整,以符合此次需求
Case Evaluation
檢查,確認前兩個步驟
Case Retrieval
問題辨識,找尋過往經驗
Case Storage
儲存本次Case供未來參考
專家系統(Expert System,ES)
將專家的製式建構於COMPUTER上,以類似專家解題的方式針對某一特定領域提供建議、解答。
能"解釋"推論結果,可得知「HOW」與「WHY」
例如醫生診斷系統---->將專家醫生的知識存進知識庫(Knowledge base)
對常識性的判斷不理想
ES組成要件
法則(riule)"if then",僅止於有限知識內才有用
推論引擎
knowledge base
User :發展過程非常強調與user的互動
智慧代理人
能夠在user無干預的狀況下針對環境做出回應的軟體系統
Ex.自動安排會議的秘書代理人(Meeting scheduling Agents)
聊天機器人
task oriented
chit chat
何謂知識管理KMS
企業為有效問用1.知識資本2.加速產品or服務的創新所建置的管理系統。
KMS的流程
1.知識吸收
2.創造(SECI)模式
組合化(Comnibation)
外顯---->外顯
由現有不同的外顯知識經分析、分類、重組產生新的外顯知識的過程。
有綜效(1+1>2)
外化(Externalization)
內隱---->外顯
將經驗、技能、心智模式外顯化
轉變為可定義且訴諸文字的外顯知識
工程師的程式、建築師藍圖
社會化(Socialization)
內隱--->內隱
經由內隱學習與「同化」的過程由一族群轉移至另一族群。>>>>>產生知識轉移的過程
內化(Internalization)
外顯----->內隱
將精確的知識(explicit knowledge)轉化為內隱知識的過程
員工手冊、教育影片....教育員工
組織的知識創造是一種螺旋的過程「知識螺旋」
從個人層次逐漸上升(並擴大互動範圍至團體)
3.知識累積
資訊學派
倚賴資訊系統儲存知識
行為學派
倚賴組織文化來累積知識
知識經理:對資訊系統幫助;、將外界與內部的DATA整合、分析建立運用此一知識庫的企業文化
4.知識擴散
正式的教育訓練
知識網路
建構工作團隊
知識"吸收"、"同化"的能力有助於組織的創新
知識來源
內部(Internal
管理制度、組織文化
員工(Employee competence)
知識、經驗、專業
外部(External)
合作/競爭夥伴、客戶、供應商
策略聯盟、標竿學習、顧問、大學
五種產生知識的方法
收購
指定專責單位
設立專責單位開發新知識/專案管理
融合
跨部門、單位
資訊學派
發展出CRM,主要的目的為透過資料的收集、採礦、選擇、解釋。
將Customer的資料由外部轉為「內部資訊」,再轉為企業內知識
KMS的目的
加速創新
創新=創造新事物+創造財富
定期強化核心能力
知識創造
知識流通
知識加值
須結合各種不同的專業知識才能夠創造加值
知識須經過加值才能夠商品化
要有動態且頻繁的互動,才能產出新的知識,發揮知識的價值
人工智慧(Artificial Intelligence,AI)
DEF:是一門整合"科學",涵蓋心理、哲學、語言、電機工程、電腦科學
研究目的=>產生一些Computer Program,使其表現可符合人類智力水準
AI可定義為致力於發展符合人類行為模式的computer system
並模仿人類的"專業知識"、"決策制定能力"
圖靈測試(Turing Test)
強人工智慧(Strong AI)
強調AI有"自覺意識" 性格、情感、知覺、社交
弱人工智慧(Weak AI)
只能"模擬"人類具有的行為、表現、不具意識、不懂思考
Turing Test 如果與一台Machine 對話,而Machine 不被辨識出機器人身分時----->便稱該machine 有人工智慧
知識管理的策略
編碼化的KM策略(Codification Approach)
高結構化
當組織面對一再重複的問題時會將KM的重點放在建立「知識庫or專家系統」
以便紀錄及儲存過去的經驗法則等「外顯知識」
個人化的KM策略(Personalization Approach)
低結構化
當組織遇到"創新" "非重複性"的問題時組織KM策略會傾向用各種方法以AND工具(如IT)
支援員工的溝通、互動 達到"知識分享"以及"綜效"
支援對客戶問題的解答AND服務
CBR
Org的經驗累積
儲存案例
藉由類似案例找到answer
彈性大、可調整
ES
專家的knowledge
處存法則
經由推理、法則
不易於調整
透過這三種不斷的碰撞產生新知識
機器學習式AI的一部分,而Deep Learning又屬於機器學習(Machine Learning)的一種方式