知识网络及其在创造、学习和使用知识中的应用
报告目的
- 介绍知识的联系、知识的层次、知识网络、高层知识生成器等核心概念
- 介绍上下左右贯通的思维方式
- 介绍这些思维方式在教、学、研究上的应用
- 介绍这些理念和工具可以帮助企业做什么
- 随时打断我问问题
中心愿景
- 帮助老师教得更好，帮助学生学得更好
- 帮助科学家研究得更好，帮助科技管理者管理得更好从而促进科技发展
- 帮助企业做更好的管理和创新
主要内容
- 核心理念和概念、工具
- 当前研究工作基础以及未来研究
- 理解型学习用于教、学、研究、企业管理和创新
核心概念和理念概览
核心概念：知识的层次和知识网络
- 人类知识高速公路：相互联系的知识
- 知识的层次和高层知识生成器
- 事实性程序性知识
- 学科概念
- 学科思维等学科大图景
- 一般性人类思维（批判性思维、系联性思考）、教和学的方法（理解型学习）
核心概念：高层知识生成器
- 高层知识指的是第三层和第四层知识
- 相对低层知识可以通过高层知识来生成，所以叫生成器
- 高层知识需要从低层知识种总结提炼出来
核心概念：上下左右贯通
- 上下联系：上层生成下层，上层来自于对下层的抽象总结提炼，分解和综合
- 左右联系：同层内知识也具有相互依赖的关系
- 左右联系：不同领域知识或者对象之间的联系，类比
核心概念：一般性人类思维
- 只有质量和方式两个维度
- 质量上就是批判性思维
- 方式上就是系联性思考
- 系联性思考包含层次性思维和类比思维，也就是上下和左右贯通
核心概念：教和学的最终目的
- 创造知识、创造性地使用知识
- 提出问题、解决问题
- 探索世界
- 欣赏知识的创造、欣赏问题的提出和解决
核心概念：理解型学习
- 所谓理解型学习，就是依靠知识之间的联系来学习知识，用好上下左右贯通
- 同时，我们强调，理解型学习要以掌握高层知识生成器为目标
- 低层知识都是过程、手段、素材
核心概念：能力和知识
- 在我们的概念体系中，能力就是使用知识（来提出和解决问题的）的意愿（willingness）和习惯（readiness）
- 传统上，也有人把我们这里的高层知识称作能力
- 但是，如果没有使用的意愿和习惯，则也可以一条条记下来，于是不算能力
核心理念：理解型学习
- 猜想：掌握了高层知识生成器可以更好地达到教和学的最终目的
- 猜想：以下技术可以更好地帮助学习者掌握高层知识生成器，
- 标记了层次的人类知识高速公路
- 概念网络上的学习顺序、检测算法
- 以高层知识生成器为标准来决定教什么
- 细节层面：绘制概念地图来梳理、表达和深化自己的思考
核心理念：理解型创造
- 高层知识生成器指导下的研究
- 一个领域的整体观
- 基于整体观，来选择研究什么
- 基于整体观来欣赏、梳理前人研究
- 细节层面，迁移创造的典型过程：
- 在某个领域上下贯通，在领域之间左右贯通
- 所谓跳出盒子，就是尽量往上走，看到大图景，然后跨领域迁移
研究工作布局和举例
- 基础数据、算法建设，实验检验
- 学习者和教师的培养体系
- 找到人类一般思维的脑活动，做教和学的干预
- 迁移到人工智能研究
- 迁移到企业管理和创新
人类知识高速公路及其上的算法
- 构建人类知识高速公路，标注好层次，例如汉字、小学数学、英文单词、物理
- 学习顺序的算法、检测算法，实验检验，例如汉字学习顺序、汉字检测算法
- 用于科学研究中提出和解决问题，实验检验
学习者和教师的培养体系
- 一个教会这些理念、技能和方法的课程，实验检验
- 一个个具体学科上，理解型学习的材料编撰、实验检验
在脑活动层面，找到人类一般思维的脑活动
- 识别出来负责上下和左右贯通的区域
- 甚至把教和学的过程联合以来看脑活动，例如脑同步
- 通过教育和电磁刺激等干预手段，是否可以促进或者抑制上下左右贯通，效果有多长时间
- 促进或者抑制以后，是否具有提升学习、创造和使用知识的效果
迁移到人工智能研究
- 是否可以设计出来实现层次性思维、类比思维的算法
- 是否可以用过两种基本机器人的组合和运用，来实现通用AI
迁移到企业管理和创新
- 企业员工的学习、考核、使用
- 企业研究人员的创新
- 企业具体业务中更清楚地看到联系的作用
- 需要企业知识库
- 知识官体系对于知识库建设、会议交流的作用
Holism知识服务
核心理念概念总结
- 透彻联系，看到整体
- 知识的联系、知识的层次、上下左右贯通
- 人类知识高速公路
- 概念地图是道也是术
- 同一套理念和工具用于教、学、研究和企业
对比知识图谱
- 构建者和使用者：人、算法
- 上下和左右，层次和类比，都需要人
- 聚合起来，从个体的知识到组织的知识
- 促进创造和（创造性地）使用知识
- 不用等算法的发展，基于个体现有的
- 将来算法掌握了上下左右，这套体系仍然有用
对比wiki等知识条目
- 通过概念地图更容易看到联系和整体
- 变被动使用为主动使用
- 知识官
- 使用场景和分析计算
举例子
- 概念地图的例子，历史
- 概念地图的例子，数学
- 知识库的例子，汉字
- 学习顺序和检测算法的例子，汉字
例子：历史
- 除了死记硬背，这个问题其实可以运用“因地制宜”（环境影响人类行为）的思想来解决
例子：数学
- 学加法的时候，理解到加法就是合起来数一数，可以从数数就自己学会怎么算加法
- 学乘法的时候，理解到乘法就是重复加法的简便计算和记号，可以从加法就自己学会怎么算乘法
- 进一步，从加法和乘法的学子中，明白数学知识的系统性，尤其是平面几何
例子：数学，续
- 更进一步，通过加法和乘法的例子，明白数学就是从现实中抽象出来一般性的结构（可以重用的模式、运算、映射、操作）
- 更进一步，明白数学是描述世界的语言，是思维的语言
- 当我们遇到新的问题，第一要尝试数学化，用现有的结构来描述关系
- 第二，一旦遇到现有的数学结构不够用不管是思考还是描述现实，自己定义新的结构来思考和描述
例子：小学数学概貌
例子：汉字研究
- 知识库的例子，概念地图和Wiki词条的形式
- 汉字理解型学习
汉字学习顺序算法
- 已知汉字之间的直接联系（$i$是$j$的部件）矩阵$a^{i}_{j}$
- 定义$A$的列归一化（对行求和等于1）的矩阵$\tilde{A}$
- 求解逆矩阵，其中$W$是使用频率，$\tilde{W}$是学习顺序 \begin{equation} \tilde{W}= \left(1-\tilde{A}\right)^{-1}W= W + \tilde{A}W+\tilde{A}^{2}W+\tilde{A}^{3}W + \cdots \end{equation}
- 考虑了汉字的使用频率、直接构成字的数量（度）、是否参与构成了很多层汉字
汉字学习顺序算法，续
- 成本-累计字数，成本-累计频率
汉字学习例子的小结
- 先要有概念网络
- 然后，学习顺序算法，可以提升学习效率（理论上）
- 结合自适应诊断性检测算法，甚至可以个性化学习顺序
- 需要进一步的实验研究，正在做
理念部分的小结
- 系联性思考，尤其是上下贯通、左右贯通，可以学习到高层知识生成器
- 进而帮助学习、使用和创造知识
- 核心概念：知识的联系、知识网络、知识层次、高层知识生成器、算法、实验、科学化
- 概念地图、概念地图制作帮助更好地上下左右贯通，看到大图景
- 技术：知识库（知识网络+词条解释）、算法
理解型学习迁移到企业
- 知识库、层次、上下左右贯通的理念的培训
- 绘制概念地图的技能和思维的培训
- 构建知识库的工具和方法的培训，沉淀和显性化知识
- 检测算法和个性化学习顺序的算法用于企业人才的培养、考核和使用
- 知识官（促进知识的梳理、使用和创造）体系的理念和技能培养
为什么要实现它
- 提升研发人员研究层次和创新能力
- 促进会议交流的深度和效率
- 促进跨个人、团队、领域的知识交流和应用，在宁德时代需求管理团队的尝试
- 企业知识库辅助人才的识别、培养和使用，在宁德时代可靠性团队的尝试
怎么实现它
- 企业知识库建设、层次标注、案例项目标注
- 企业知识库可视化呈现
- 知识库上的学习顺序算法和断性检测算法
- 知识官体系
- 更多人掌握这套上下左右贯通的思维，甚至画图技能
在宁德时代的尝试
知识官
- 没有主动使用知识库的方法，知识库会成为信息库
- 贡献者动力不足
- 知识官成为推动者
- 会议前，准备好讨论主题相关的背景知识
- 会议中，实时作图
- 会议后，更新到知识库，记录谁贡献、谁使用了哪条知识
- 通过上级知识官，跨单元整合
- 每个草根在知识官的组织下建，随着业务建
小结
- 核心概念：知识的联系、知识网络、知识的层次、上下左右贯通
- 系统化，科学化（建模、计算、做实验测量）
- 帮助企业做更好的管理和创新
- 同样的理念和工具，可以用于教育、科研、人工智能研究
Holism知识服务
核心概念和理念概览
致谢和提问
- 感谢您的时间，建议和意见
- 带回家的消息（尽管都待检验）：
- 只要掌握高层知识生成器，辅以知识网络和算法，就可以更好地教、学、研究、创造
- 最高层的知识生成器只有系联性思考（上下左右贯通）和批判性思维