arhitectura cunoașterii

„nimic din ceea ce merită știut nu poate fi învățat”

Oscar Wilde

obiectiv

așa cum este ilustrat de programul Symbolic Systems (SSP) de la Universitatea Stanford, progresele în tehnologiile de calcul și comunicare aduc sistemele de informații și cunoștințe sub un singur acoperiș funcțional, și anume prelucrarea reprezentărilor simbolice.

în cadrul acestei înțelegeri se va aștepta ca managementul cunoștințelor să umbrească arhitecturile și preocupările sistemelor: contexte și obiective de afaceri, organizarea și operațiunile întreprinderii, funcționalitățile și tehnologiile sistemelor. Pe de altă parte, cunoașterea fiind, prin natura sa, o resursă comună de active reutilizabile, organizația sa ar trebui să sprijine nevoile diferiților utilizatori, independent de originea și natura informațiilor. Prin urmare, managementul cunoștințelor ar trebui să lege cunoașterea arhitecturilor cu arhitectura cunoașterii.

reprezentarea cunoștințelor

în articolul lor esențial Davis, Shrobe și Szolovits au stabilit cinci principii pentru reprezentarea cunoștințelor:

1. surogat: KR oferă o contrapartidă simbolică a obiectelor, evenimentelor și relațiilor reale.
2. angajamente ontologice: un KR este un set de afirmații despre categoriile de lucruri care pot exista în domeniul în cauză.
3. teoria fragmentară a raționamentului inteligent: un KR este un model a ceea ce lucrurile pot face sau pot fi făcute cu.
4. mediu pentru calcul eficient: înțelegerea cunoștințelor de către computere este un pas necesar pentru orice curbă de învățare.
5. mediu pentru exprimarea umană: o condiție prealabilă KR este îmbunătățirea comunicării între experți specifici domeniului, pe de o parte, managerii de cunoștințe generice, pe de altă parte.

care plasează sistemele informaționale ca un caz special al celor de cunoaștere, deoarece îndeplinesc cele cinci principii, dar cu o calificare funcțională:

• la fel ca sistemele de cunoaștere, sistemele informatice gestionează reprezentări simbolice ale obiectelor, evenimentelor sau activităților externe presupuse a fi relevante.
• modelele de sistem sunt afirmații cu privire la obiectele și operațiunile legitime de afaceri.
• de asemenea, sistemele informatice sunt menite să sprijine calculul eficient și interacțiunile ușor de utilizat.

singura diferență este legată de cuplare: spre deosebire de sistemele de cunoaștere, informațiile și cele de control joacă un rol în contextul lor, iar operațiunile pe surogate nu sunt neutre.

arheologia cunoașterii

construcțiile cunoașterii sunt cutii goale care trebuie completate corespunzător cu fapte. Dar, așa cum sunt expuse în mod notoriu de cele alternative, faptele nu sunt date, ci trebuie respectate, ceea ce implică în mod necesar un observator, pus în sarcină, dacă nu cu interese legitime, și un aparat, natural sau făcut intenționat. Și dacă vor fi înregistrate, chiar și faptele” pure ” observate prin ochii goi ai copiilor nevinovați vor trebui traduse într-o reprezentare simbolică.

luând ca exemplu vântul, șosetele de vânt susțin observarea imediată a faptelor, fără niciun sens simbolic. Pentru a înțelege comportamentele lor, sunt necesare scăderi și anemometre, respectiv pentru azimut și viteză; dar asta necesită și cadre simbolice pentru direcții și valori. În cele din urmă, se pot adăuga cunoștințe despre riscurile vânturilor puternice atunci când trebuie luate în considerare astfel de riscuri.

în ceea ce privește întreprinderile, cutiile de cunoștințe trebuie completate cu date despre contextul și procesele lor de afaceri, organizarea și aplicațiile și platformele tehnice. Unele dintre ele vor fi produse intern, altele obținute din surse externe, dar toate ar trebui gestionate independent de scopuri specifice.

oricare ar fi natura lor (afaceri, organizare sau sisteme), informațiile produse de întreprinderi în sine sunt, de la început, gata de Utilizare, i.e organizat în jurul obiectelor sau proceselor identificate, cu structuri și semantică definite.

nu este neapărat cazul datelor care reflectă contexte externe (piețe, reglementări, tehnologie etc.) care trebuie mapate la preocupările și obiectivele întreprinderii înainte de a fi de orice folos.

că traducerea datelor în informații se poate face imediat prin maparea semanticii datelor la obiecte și procese identificate; poate fi, de asemenea, întârziată, cu date brute gestionate ca atare până când sunt utilizate într-o etapă ulterioară pentru a construi informații.

de la date la informații

informațiile sunt semnificative, datele nu sunt. Chiar și ” faptele „nu sunt mana din cer, ci trebuie să fie modelate din fenomene în date și apoi informații, așa cum sunt rezumate prin date binare, fragmentate sau” mari”.

• datele binare sunt înregistrarea directă a fenomenelor fizice, de exemplu sunete sau imagini; chiar și atunci când sunt indexate cu cuvinte cheie, ele rămân inutile până când sunt asociate, ca trăsături non-simbolice, obiectelor sau activităților identificate.
• contrar datelor binare, datele fragmentate vin în chip simbolic, dar ca niște pepite plutitoare cu granularitate sub-nivel; și ca vărul lor binar, acele descrieri cu granulație fină sunt lipsite de sens până când sunt atașate obiectelor sau activităților identificate.
• datele”mari” sunt de obicei înțelese în termeni de scalabilitate, deoarece se referă la bulgări prea mari pentru a fi procesate individual. De asemenea, poate fi definită ca o generalizare a datelor fragmentate, cu ținte identificate regrupate în agregate mai semnificative, mutând granularitatea vizată pe scară la un nivel „copleșitor”.

deoarece cunoașterea poate fi construită numai din descrieri simbolice, datele trebuie traduse mai întâi în informații formate din unități identificate și structurate cu semantică asociată.

confruntați cu date „brute” (aka neprelucrate), managerii de cunoștințe pot alege între două politici: informațiile pot fi „extrase” din date folosind mijloace statistice sau stadiul Informațional pur și simplu ocolit și datele utilizate direct (aka interpretate) de agenți „informați” în funcție de contextul și preocupările lor.

de fapt, ambele politici se bazează pe agenți cunoscuți, întrebarea fiind cine sunt „minerii” și ce ar trebui să știe. Teoretic, minerii ar putea fi instrumente complet automatizate capabile să extragă modele de informații relevante din date brute fără informații prealabile; practic, astfel de instrumente vor trebui alimentate cu o „inteligență” anterioară cu privire la ceea ce ar trebui căutat, de exemplu eșantioane pentru rețele neuronale sau variabile pentru regresie statistică. Prin urmare, este nevoie de un fel de formate, planuri sau șabloane care să ajute la încadrarea datelor brute în informații.

informații proprietăți

cunoștințele trebuie să fie construite din informații exacte și actualizate cu privire la starea externă și internă a afacerilor, și în acest scop, elementele de informații trebuie să fie gestionate în funcție de sursa lor, natura, ciclul de viață, și relevanța:

• Sursa: Guvern și administrații, ONG-uri, mass-media corporativă, social media, întreprinderi, sisteme etc.
• natura: evenimente, decizii, date, opinii, evaluări etc.
• tipul ancorei: individ, instituție, timp, spațiu etc.
• ciclul de viață: instantaneu, legat de timp, final.
• Relevanță: trasabilitate în ceea ce privește obiectivele de afaceri, operațiunile de afaceri, organizarea și managementul sistemelor.

pe această bază, managementul cunoștințelor va trebui să mapeze cunoștințele la amprenta sa de informații în ceea ce privește fiabilitatea (sursa, acuratețea, consecvența, uzura morală etc.) și riscurile.

de la informație la cunoaștere

informația este semnificativă, cunoașterea este de asemenea utilă. Ca modele de informații, reprezentările cunoașterii trebuie mai întâi ancorate la unitățile de persistență și execuție pentru a susține coerența și continuitatea identităților surogate (principiul #1).

aceste ancore vor fi atribuite domeniilor gestionate de unități organizaționale unice responsabile de angajamentele ontologice și îmbogățite cu structuri, trăsături și asociații (principiul #2). În funcție de domeniul de aplicare, structura sau caracteristica lor, semantica trebuie gestionată, respectiv, de domenii persistente sau de aplicații.

de asemenea, ontologiile pot viza obiecte sau aspecte, primele fiind asociate cu subtipuri structurale, cele din urmă cu cele funcționale.

diferențele dintre modelele informaționale și reprezentarea cunoștințelor apar cu reguli și constrângeri. În timp ce obiectivul sistemelor informatice și de control este de a gestiona obiectele și activitățile de afaceri, scopul sistemelor de cunoștințe este de a gestiona conținutul simbolic independent de omologii lor reali (principiul #3).

regulile Standard utilizate în modelarea sistemului descriu operațiunile permise asupra obiectelor, activităților și informațiilor asociate; ele pot fi exprimate înainte sau înapoi:

• Regulile Forward (aka push) sunt condiții privind momentul și modul în care trebuie efectuate operațiunile.
• înapoi (aka trage) regulile sunt constrângeri asupra consistenței reprezentărilor simbolice sau asupra executării operațiunilor.

presupunând o continuitate între reprezentările informațiilor și cunoștințelor, punctul de inflexiune ar fi marcat de introducerea modalităților utilizate pentru valori de adevăr calificate, de exemplu conform logicii temporale și neclare:

• extensiile temporale vor pune ștampile de timp pe valorile adevărului informațiilor.
• logica Fuzzy pune niveluri de încredere pe valorile adevărului informațiilor.

acesta este locul în care sistemele cunoașterii se îndepărtează de cele informaționale și de control, introducând o nouă teorie a raționamentului inteligent, una bazată pe fluiditatea și volatilitatea cunoașterii.

semnificațiile sunt în mâinile privitorilor

văzute într-un context corporativ, cunoștințele pot fi înțelese ca informații încadrate de contexte și conduse de scopuri: cum să conduci o afacere, cum să dezvolți aplicații, cum să gestionezi sistemele. Prin urmare, perspectiva duală: pe de o parte, informațiile sunt guvernate de preocupările întreprinderii, funcționalitățile sistemelor și tehnologia platformelor; pe de altă parte, cunoașterea este determinată de procesele de afaceri, Ingineria Sistemelor și managementul serviciilor.

care oferă o taxonomie clară și cuprinzătoare de artefacte, pentru a fi utilizate pentru a construi cunoștințe din straturile inferioare de informații și date:

• analiștii de afaceri trebuie să știe despre domeniile și activitățile de afaceri, organizarea și aplicațiile și calitatea serviciilor.
• inginerii de sistem trebuie să știe despre proiecte, funcționalități ale sistemelor și implementări de platforme.
• managerii de sistem trebuie să știe despre locații și operațiuni, servicii și implementări de platforme.

perspectiva duală indică, de asemenea, dinamica cunoașterii, informațiile fiind împinse de sursele lor, iar cunoștințele fiind trase de utilizatorii lor.

un timp pentru fiecare scop

așa cum este înțeles de Cibernetică, întreprinderile sunt sisteme viabile al căror succes depinde de capacitatea lor de a contracara entropia, i.e retrogradarea progresivă a informațiilor utilizate pentru a guverna interacțiunile atât în cadrul organizației în sine, cât și cu mediul său.

în comparație cu cunoștințele de arhitectură, care sunt organizate în funcție de conținutul informațiilor, arhitectura cunoștințelor este organizată în funcție de preocupările funcționale și durata de viață a informațiilor, iar obiectivul său este de a păstra informațiile interne și externe în sincronizare:

• planificarea obiectivelor și cerințelor de afaceri (interne) în raport cu evoluția piețelor și oportunitățile (externe).
• evaluarea unităților și procedurilor organizaționale (interne) în conformitate cu mediile de reglementare și contractuale (externe).
• monitorizarea operațiunilor și proiectelor (interne) împreună cu lanțurile de vânzări și aprovizionare (externe).

care a pus semnificații (care ar fi cunoștințe) în mâinile factorilor de decizie, respectiv pentru strategia corporativă, organizare și operațiuni. Mai mult, întreprinderile fiind entități vii, durata de viață și durabilitatea funcțională sunt menite să se unească în straturi consistente și omogene:

• Enterprise (aka business, aka strategic) scalele de timp sunt definite de medii, obiective și decizii de investiții.
• organizarea (aka funcțională) scalele de timp sunt stabilite de disponibilitate, versatilitate și adaptabilitate a resurselor
• scalele de timp operaționale sunt determinate de caracteristicile și constrângerile procesului.

o astfel de congruență a scalelor de timp, arhitecturilor și scopurilor în straturi de forfecare este, fără îndoială, un factor cheie de succes al managementului cunoștințelor.

căutare și întindere

după cum sa menționat deja, cunoașterea este condusă de scopuri, iar scopurile, nefiind limitate la domenii sau conserve, sunt obligate să extindă cunoștințele peste contextele de afaceri și granițele organizaționale. Acest lucru poate fi realizat prin căutare, logică și clasificare.

• Căutările colectează informațiile relevante pentru preocupările utilizatorilor (1). Care pot satisface toate nevoile de cunoștințe, sau să ofere o coloană vertebrală pentru extinderea în continuare.
• Căutările pot fi combinate cu ontologii (aka clasificări) care pun aceleași informații sub lumini noi (1b).
• operațiile de conservare a adevărului folosind matematică sau Limbaje formale pot fi aplicate pentru a produce informații derivate (2).
• în cele din urmă, noi informații cu niveluri reduse de încredere pot fi produse prin prelucrarea statistică (3,4).

de exemplu, traficul observat pe drumurile cu taxă (1) este utilizat în scopuri contabile (2), pentru a prognoza evoluția traficului (3), pentru a analiza tendințele sezoniere (1b) și pentru a simula taxele sezoniere și variabile (4).

aceste operațiuni implică consecințe clare pentru gestionarea cunoștințelor:

în măsura în care distanțele de calcul nu afectează nivelurile de încredere, operațiunile de conservare a adevărului sunt neutre în ceea ce privește KM.

clasificările sunt instrumente simbolice concepute în mod intenționat; în consecință, toate cunoștințele asociate unei clasificări ar trebui să rămână sub responsabilitatea proiectantului său.

provocările apar atunci când nivelurile de încredere sunt afectate, fie direct, fie prin învechire. Și întrucât luarea deciziilor se referă în esență la gestionarea riscurilor, tratarea informațiilor parțiale sau nesigure nu poate fi evitată. Prin urmare, importanța gestionării cunoștințelor de-a lungul straturilor de forfecare, fiecare cu propriul ciclu de viață al informațiilor, cerințele de încredere și regulile de luare a deciziilor.

de la arhitectura cunoașterii la capacitatea de arhitectură

arhitectura cunoașterii este sistemul nervos central corporativ și, ca atare, joacă un rol primordial în sprijinul proceselor operaționale și manageriale. Acest punct este parțial abordat de cadre precum Zachman a cărui matrice organizează arhitectura sistemului informațional (ISA) de-a lungul capacităților și nivelurilor de proiectare. Cu toate acestea, așa cum este ilustrat de nivelurile de proiectare, accentul rămâne pe tehnologia informației fără a aborda în mod explicit distincția dintre întreprinderi, sisteme și platforme.

această distincție este esențială, deoarece guvernează distincția dintre procesele corespunzătoare, și anume procesele de afaceri, Ingineria Sistemelor și managementul serviciilor. Și odată ce distincția este stabilită în mod corespunzător, arhitectura cunoștințelor poate fi aliniată cu evaluarea proceselor.

cu toate acestea, acest lucru nu va fi suficient acum că mediile digitale invadează sistemele întreprinderii, estompând distincția dintre activele informaționale gestionate și fluxurile continue de date mari.

acest lucru pune accentul pe două defecte structurale ale arhitecturilor întreprinderii:

• confuzia dintre date, informații și cunoștințe.
• discrepanța intrinsecă dintre sisteme și arhitecturile cunoașterii.

ambele pot fi depășite prin îmbinarea arhitecturilor de sistem și de cunoștințe care aplică planul pagodei:

alinierea platformelor, a funcționalităților sistemelor și, respectiv, a organizării întreprinderii cu date (medii), informații (reprezentări simbolice) și cunoștințe (business intelligence) ar spori considerabil trasabilitatea transformărilor induse de imersiunea întreprinderilor în mediile digitale.

reprezentarea cunoștințelor & ontologii profilate

confruntate cu mediile de afaceri digitale, întreprinderea trebuie să sorteze informații relevante și exacte din intrări continue și masive de date. Deoarece metodele de modelare nu pot face față gamei deschise de contexte, preocupări, semantică și formate, sunt necesare scheme mai slabe, tocmai asta trebuie să facă ontologiile:

• tezaur: ontologii care acoperă termeni și concepte.
• documente: ontologii care acoperă documente cu privire la subiecte.
• afaceri: ontologii ale organizației relevante a întreprinderii și obiecte și activități de afaceri.
• Inginerie: reprezentarea simbolică a obiectelor și activităților de organizare și de afaceri.

ontologiile profilate pot fi apoi proiectate prin combinarea acelei taxonomii a preocupărilor cu contexte, de exemplu:

• instituțional: autoritate de reglementare, constantă, modificări supuse procedurilor stabilite.
• profesional: convenit între părți, constant, modificări supuse acordurilor.
• corporativ: definit de întreprinderi, modificări supuse procesului decizional intern.
• Social: definit prin utilizare, schimbări volatile, continue și informale.
• Personal: obișnuit, definit de indivizi numiți (de exemplu, hârtie de cercetare).

nu în ultimul rând, ontologiile externe (de reglementare, întreprinderi, …) și interne (adică arhitectura întreprinderii) ar putea fi integrate, de exemplu cu cadrul Zachman:

utilizarea ontologiilor profilate pentru a gestiona arhitectura întreprinderii și cunoștințele corporative va ajuta la alinierea managementului cunoștințelor cu guvernarea EA prin diferențierea ontologiilor definite extern (de exemplu reglementări), de cele stabilite prin luarea deciziilor, strategice (de exemplu formă de placă) sau tactice (de exemplu parteneriate).

un kernel ontologic a fost dezvoltat ca dovadă a conceptului folosind Prot.

de la analiza datelor la învățarea profundă

stabilit între atacul all-inclusive al datelor pe de o parte, roboții inteligenți omniprezenți pe de altă parte, sistemele informatice și-ar putea pierde identitatea și scopul. Și există un motiv bun pentru asta, și anume confuzia dintre date, informații și cunoștințe.

așa cum sa întâmplat cu eoni în urmă, ontologiile au fost în mod explicit, deși până să se ocupe de această problemă.

lecturi suplimentare

• sisteme, informații, cunoștințe
• ontologii & modele
• Kernel ontologic Caminao (Prot. 3043 >
• guvernanța întreprinderii & cunoștințe
• colaborare agilă & creativitate socială
• reinventarea roții
• fapte alternative & realitate augmentată
• AlphaGo: De la învățarea intuitivă la cunoașterea holistică
• AlphaGo & concursuri cu sumă nenulă
• Anul Nou: 2016 este cel care învață
• guvernare, reglementări & riscuri
• evenimente & luarea deciziilor
• informații operaționale & luarea deciziilor
• Data Mining & Analiza cerințelor
• ea: antidot entropie
• agilitate de afaceri vs sisteme entropie