任何一个需要做深度创新的主体，包含教师、科学家、研究团队、企业，都需要一个知识库，把教学、科学研究、管理建立在这个知识库上。我们的“标记了知识层次的人类知识高速公路”以及“以高层知识生成器为目标的理解型学习”、“基于mediawiki和概念地图的知识组织”可以帮助建设这样的知识库。

为什么要这样的知识库

深度创新主体内部各个部门和个体各自都拥有一部分信息或者说知识，但是在大量的提出、解决问题和决策情景中，往往需要把各个部门拥有的信息或者知识结合起来，各个部门或者个人在解决问题过程中用到的或者创造的知识也往往具有一定的重用性。在人才培养上，也需要通过这样的知识库把不同时间点的个体拥有甚至是隐性的信息或者知识结合起来，或者说传承起来。

因此，实际问题解决需要沟通时间上、空间上（部门之间、个体之间）信息和知识的识别、显性化、梳理、共享和传承。这就要求建设一个知识库。

那为什么是知识库，而不是信息库？一部分问题完全可以在信息库的层次来解决，例如，一个问题的标准化解决流程，一个规章制度等等。但是，还有一部分问题不能完全照搬某个流程文档来解决，而是需要做或远或近的迁移才能解决。迁移往往需要对信息做进一步的分解，成为知识（往往表现为具有一定一般性的代表一类事物的概念），然后，看到不同问题在知识层面的共性，才能解决问题。或者，一旦看到共性，成为知识，就可以和另一个部门（个体、领域）的知识联系起来，从而更好地解决问题，例如看到全新的解决问题的角度或者方式。

知识库的主要内容就是“概念”于“概念之间的联系”。由于知识库已经提炼出来“概念”，并且明确标记“联系”，使用者更容易做迁移，更容易看到联系，融会贯通。尤其是联系到知识的层次，可以同时做到上下贯通，左右贯通，有利于迁移和创造。相比较而言，信息库——主要是文本的形式——还需要使用者在使用的时候来做分解和加工，识别成知识以后，采用来解决问题。也就是说，从信息库走向知识库，主要的区别就在于从文档库、数据流，走向概念网络、格式化数据，以及基于概念网络和格式化数据的辅助研究和决策的计算分析服务。

为了完成这个转变，首先，我们要收集信息，也就是实现从个体拥有的信息到共享的信息的转变。其次，要从信息集合转变为知识网络。接着，在转变为知识网络的过程中，我们还需要对学科知识、科研、管理具有深刻的认识，配合上信息和信息系统的意识、科学化管理的意识。

知识库研究需要的意识

在讨论知识库建设的技术和经验之前，我们来谈谈知识库建设所需要的意识。

信息和信息系统的意识

无论是研究还是管理，所有的过程尽量留下文档、数据和经验的记录的意识，以及在可能的情况下，把文档和数据结构化，存入信息系统来进行管理和服务，例如通过数据库的自动检索来获取信息。

科学化的意识

无论是研究还是管理，能标准化流程化的尽量标准化流程化，能做计算的尽量做计算（计算需要建模，计算结果需要做实验实践验证）。

高层思维的意识

无论是研究还是管理，如果一个层次的流程标准，或者具体知识，可以用上一个层次的原则，或者更加抽象的知识，来理解，则要尽量走到高一层的原则和知识。例如，对于学科知识，我们有：事实性程序性知识、学科概念层知识、学科思维层知识、人类一般思维层知识；对于管理，我们有：偶发事件的个案处理、一类事件的流程规范、原则、愿景。这里有两个方面：第一，从低层知识来抽象和体会高层知识；第二，从高层知识来生成和理解低层知识。

知识库建设

按照科学化意识，能够用计算分析完成的就不要用人力来完成。但是，目前阶段，自然语言处理技术（概念抽取和概念关系抽取）还不够准确，在企业所关注的知识范围内，完全可以先用人力来完成知识库的构建。只要用好草根的力量，结合每个员工的实际工作从实际工作中提炼概念性知识，配合适当的信誉分配方案，完全可以把企业知识库建起来。

知识库建设技术

概念地图制作技能

可以参考吴金闪《教的更少，学得更多》。软件可以用Lynkage。

以高层知识生成器为目标的理解型学习能力

更多信息见“标记了知识层次的人类知识高速公路”以及“以高层知识生成器为目标的理解型学习”

自然语言概念提取和概念关系提取技术

更多信息见概念抽取和概念关系挖掘。

知识库上的分析计算服务

网络分析

网络分析用网络上的顶点来代表构成一个系统的多个元素，用网络上的边来代表元素之间的关系，然后，把研究和管理中遇到的问题提炼成适合网络分析的问题。

科学学分析

科学学分析基于论文、专利等文档，来做科技情报分析。

一方面，在知识库的基础上我们通过做科学学分析来更新知识库（当然，人工来结合每一项实际工作来抽取概念，更新知识库不能停）。另一方面，在把知识库用于研究的过程中，也可以借助科学学分析。当然，以后随着更多的基于知识库的研究，可能会提出来更多的具有一般意义的“如何把知识库用于科学研究”的问题。那个时候，还可以回过头来促进科学学的发展。

概率图模型

概率图模型基于条件概率来做因果分析，或者相互影响分析。大量的问题，尤其是“失败原因分析、失败传递分析（可靠性分析）”这一类问题，可以用概率图模型。

系统图示法

系统图示法就是用概念地图的形式把系统内的元素和各个元素之间的关系呈现出来，供后续分析（例如网络分析、概率图模型、系统动力学建模）使用。其实，整个企业知识库本身就是一个系统图示法的应用。

哪里系统科学了？

首先，我们企图用科学的方式来促进企业的管理和研究，并且也会在可能的时候从企业的管理和研究出来提炼出来科学问题，这属于科学。

其次，这个问题显然是一个多个体相互关联的问题，例如，企业的不同部门不同个体之间的关联，企业所需要的知识领域的概念和概念之间的关联，概念网络和企业的管理和研究之间的关联，通过概念网络企业研究和外面学术界以及其他企业的研究之间的关联。

更重要的是，在解决这些问题中，我们确实有“上下贯通、左右贯通”，“从个体看到整体，从整体看个体”的系统性思维，甚至一些具体的分析方法（例如，系统图示法、网络分析）在发挥作用。