一 从“信息”到“知识”

对于什么是“信息”，什么是“知识”，人们已经提出了很多种定义。可惜的是，这些定义大都是单独针对“信息”或者仅仅针对“知识”而言的，而没有考虑到这二者之间的联系和差别。当我们把“信息”和“知识”放在一块时，我们就能发现这些定义往往是相互矛盾、混乱不堪的。

综合各种定义，笔者认为：

“知识”是人对客观世界的感知和认识，“信息”是一种特殊的“知识”，这种特殊性是从“抽象程度”这个维度加以区分的，即“信息”是一种对客观世界的具体表象和特定细节而不是本质和普遍规律的感知和认识。

以“抽象程度”为轴，人类的一切“知识”在该轴上处于不同的位置，位于“抽象程度”最低的一端的“知识”就是“信息”。对多条“信息”加以综合，可以获得抽象程度稍高的“知识”，而对多条“知识”加以综合，可以获得抽象程度更高的“知识”。抽象层次最高的“知识”可以称为“智慧”。

哈耶克认为，在经济活动中，“知识”不仅仅包括我们平时所说的“科学知识”，即那种普遍的、一般的知识，还包括“许多非常重要但未组织起来的知识，即有关特定时间和地点的知识”，即那种“专门的知识”。这种“专门的知识”就是在“抽象程度”轴上较低段的“知识”，包括了最极端的“信息”。

可见，“知识”的一大特点是“层次性”。对于位于相邻层次上的相关知识，我们可以把位于较高层次上的知识称为“上位知识”，把较低层次上的知识称为“下位知识”。

“知识”虽然具有比较明显的层次特征，然而，它并不是一种“树型结构”，而是一种“网状结构”。我们可以把人脑中的“知识”看成是一张“有层次的网”。在这张网中，除了“上位知识”与“下位知识”之间的层次关系外，还存在大量错综复杂的关联。因此，很难对一个人头脑中的知识或对某领域内的知识进行一个清晰的划分和分类。

除了这种“有层次的网状结构”特征外，“知识”还具有一个重要的特征——“隐秘性”。

“隐秘性”指的是“知识”存在于人的大脑之中，难以被表达出来。英国物理化学家和哲学家波兰尼 早在1958年就指出：“人类的可以通过语言来表达的知识在本质上都是隐喻性的。” 波兰尼论述知识的隐秘性的经典比喻是：“我们能在成千上万张脸中认出某一个人的脸。但是，在通常情况下，我们却说不出我们是怎样认出这张脸的”。他将其归纳道：“我们知晓的比我们能够说出的多”。

“知识”的抽象程度越高，其“隐秘性”就越高，越难以表达。而“信息”由于其抽象程度最低，所以最容易被表达和传播，因此，“信息管理”才得以飞速发展和广泛应用，而“知识管理”则刚刚起步。

二 “知识管理”的挑战

人们利用信息技术来管理“信息”这种重要的资源已经取得了一定的成绩。随着信息技术的进步和“信息管理”的发展，人们逐渐认识到，“信息”只是冰山的一角，“知识”比“信息”范围更广，价值更高，因此开始试图对“知识”这种资源实施有效管理。但是，“知识”具有许多与“信息”截然不同的新特征，因此，“知识管理”面临诸多挑战。

例如，如何从浩如烟云的“知识仓库”中搜索到所需要的“知识”，这一直是困扰许多人的难题。事实上，检索“知识”的难度和检索“信息”的难度有天壤之别。打个比方，如果说“信息检索”是从一张电话号码表中搜索某个人的电话，那么，“知识检索”则是从成千上万张各种各样的“号码表”中搜索那一张“电话号码表”。

“知识管理”主要面临以下挑战：

1“知识资源”的“元数据”

对于任何一种资源，信息技术总是通过与该资源相关的“信息”加以管理的。因此，为了利用信息技术来管理“知识”，我们首先必须获得描述特定“知识资源”的属性的“信息”，在计算机科学中，它们都被统称为“元数据”，即“描述数据的数据”。计算机只有在获得描述“知识资源”的“元数据”后才能对其施加处理。例如，要想对若干篇文章按照文章标题进行排序，则我们首先必须告诉计算机各篇文章的标题。

“知识资源”的元数据既包括了该资源的“自然属性”（如标题、作者、长度、创建时间等），更重要的是，还包括该资源的“知识属性”，如“主题”、“关键词”等。例如，在“都柏林核心集合”（Dublin Core）中定义了描述电子知识资源的十五项元数据，大体上涵盖了知识资源的“自然属性”和“知识属性”。

目前，与描述“知识资源”的元数据相关的各种技术已经出现，如RDF（资源描述框架）、XML等。在这些技术的帮助下，人们正在尝试建立“语义网络”，实现全球“知识资源”的共享。但是，“知识资源”到底具有哪些“知识属性”，这些“知识属性”应该使用哪些元数据加以描述，这些元数据如何自动提取、表示和处理，仍然是知识管理面临的一个持久挑战。各种“自动分类”、“自动摘要”、“自动确定主题”等技术和研究分别从不同角度来努力解决这一挑战。

2 “知识资源”的“元知识”

为了对某种资源施加有效管理，管理者必须掌握相关的“管理知识”。由于计算机本身并不拥有“管理知识”，因此，如果要想使计算机完成各种复杂处理，人们必须向计算机“灌输”这些“管理知识”，可以采用两种方式：

一种是“死”的方式，即把人的“管理知识”转变成“规则”，固化在计算机中，使计算机能够按照固定的“规则”进行各种操作。在这种方式中，计算机中蕴涵的“管理知识”是死的，是无法更新的。一旦情况发生了改变，人们的“管理知识”得到了更新，则计算机系统便“过时”了。

另一种方式是“活”的方式，即首先向计算机输入各种读入、理解和利用“管理知识”的规则，使计算机系统具有处理知识的“人工智能”，然后就可以向计算机系统输入各种“管理知识”，使计算机系统按照“管理知识”进行各种操作。一旦人们的“管理知识”得到了更新，可以迅速更新信息系统中的“管理知识”。

在信息化建设历程中，一来由于“人工智能”技术尚未取得实质性突破，二来由于信息化建设的决策者和设计者对“管理知识”的认识不够，往往单纯采用第一种方式。例如，很多企业通过信息化建设，把所谓的“最佳实践”固化在计算机系统中。表面上看，这有助于“最佳实践”的推广和应用，但实际上，“最佳实践”永远不可能是“最佳”的，它总需要不断的改进。因此，那些固化了大量“最佳实践”的信息系统随着时间的流逝，往往成为了阻碍企业创新和发展的桎梏。所谓的“信息孤岛”以及各种“僵化”问题，在本质上，是内化在信息系统中的“管理知识”无法得到更新。

对于管理“知识”这种特殊资源而言，管理者所必须掌握的是 “关于知识的知识”，是关于“企业拥有哪些知识，它们之间有什么关联，应该如何管理”等问题的“知识”，在此不妨称为“元知识”。在管理企业的“知识”时，需要认识到：“知识管理系统”中蕴涵了大量的“元知识”，其管理效果与其紧密相关。例如，系统中的“知识目录”就是关于“企业知识可以分成哪些类别和子类别”的“元知识”；“主题词表”则是关于“企业知识的基本概念和术语”的“元知识”。值得注意的是，“元数据”本身也是一种“元知识”，它表示“对于某种知识资源，可以使用哪些元数据来描述它”这样一种知识。

企业的“信息化建设”过程中，一部分抽象程度较高的“元知识”是可以固化下来的，但大部分“元知识”的抽象程度较低，与实践紧密结合，是在企业的实践过程中不断发展和扩充的，无法在“知识系统”的建设之际，通过简单的调查就能完全确定。因此，一个优秀的“知识管理系统”，应该可以在实际使用当中，通过帮助用户方便的使用“知识”而增加用户的“元知识”；并反过来，能够迅速吸收用户的“元知识”来改进自身，从而更好地管理好“知识”。

三 技术发展趋势和策略

从技术上来看，“知识管理”呈现两大相反相成的趋势：

对于抽象程度较高的“元知识”，如“元数据”，其发展趋势是逐步走向标准化、走向统一。比如，“都柏林核心集合”（Dublin Core）一出现就被北美、欧洲、亚洲和澳洲20多个国家认同，不仅图书馆、博物馆，不少政府机构、商业组织正在或准备采用。这是由于不同“知识管理系统”要想相互连通，实现知识共享，必须需要在一些与具体细节联系不太紧密的层次上实现一定程度的统一。

另一方面，对于一些处于抽象程度较低的层次上的“元知识”，更加强调与具体实践紧密联系，强调“学习”和“本地化”，即在使用中不断改进。比如，各种自动分类法，无不强调自己的“学习”能力；同一套“知识管理系统”，可以根据实际情况灵活设计分类体系，并在实际使用中不断修改主题词表，使其更加适合用户的使用习惯。

面对这种技术发展趋势，知识管理厂商们一方面要积极实施“标准策略”，抢占“标准”这一制高点，积极与国内外的标准组织保持紧密联系，进行积极互动，力争使各种标准的制订和推广最大地符合自身利益。另一方面，知识管理厂商要充分重视自身技术和产品的灵活性和学习能力，使其能够在实际使用中得到不断改进。