管理学论文范文栏目为您提供《人工智能环境下知识管理模式构建》范文一篇,希望对您在论文写作的时候有所帮助
您当前的位置:高质代笔网 > 论文范文 > 管理学论文范文 >

人工智能环境下知识管理模式构建

添加时间:2019/05/30
  摘要:[目的/意义]人工智能技术的快速发展和广泛应用对知识管理产生了深远影响,研究者已经承认了知识管理与人工智能的“近亲”关系。[方法/过程]在梳理现有知识管理和人工智能关系文献的基础上,从技术、组织和战略三个维度分析了人工智能对知识管理的影响。[结果/结论]构建了人工智能环境下知识管理模式三维框架,将知识管理划分为知识跨界协同、系统匹配优化和创新绩效激励三种模式,并提出了相应的知识管理策略。
  
  关键词:人工智能; 知识管理; 技术革新; 构建模式;
 
  
  党的十九大报告中明确提出要推动互联网、大数据、人工智能与实体经济深度融合。2017年7月,国务院发布的《新一代人工智能发展规划》中提出发展人工智能的重点任务是构建开放协同的人工智能科技创新体系,并规划到2030年人工智能核心产业规模超过1万亿元,带动相关产业规模超过10万亿元[1].毋庸置疑,“人工智能+”有望重塑各行各业,对制造、交通、教育、医疗、通信等造成深远的影响,它将开启移动互联网新纪元,培育经济发展新动能,打造国防军事“杀手锏”,重塑创新创业模式,颠覆大众生活方式。
  
  基于计算机硬件性能和计算技术突破以及机器学习算法优化的人工智能2.0,本质上是一种数据智能,它靠算法来模拟人的思考和行动,推动了人类知识和思维的革命。人工智能2.0之后,几乎所有观察现象、收集数据、整理信息、存储知识等知识管理活动都能依靠机器快速完成。学者们对于知识管理是否会受到人工智能的影响有着基本的共识。欧阳智等认为人工智能对知识管理尤其是知识创造产生了实质性影响,为知识的组织与应用提供了发展与支持[2].田倩飞和张志强从信息知识采集、搜索、处理与知识挖掘、预见预警以及知识决策服务等诸多环节研究人工智能在知识分析中的应用与影响[3].Yu等将知识内容分为静态知识、战略知识和推理知识,将人工神经网络与遗传算法(ANN-GA)相结合的知识挖掘技术应用到知识管理系统中,证明了ANN-GA算法是一种有效的知识挖掘方法[4].Kornienko等在人工智能认知研究的框架内,描述了不同的知识表示方式(逻辑模型、基于框架和生产系统、语义网络) [5].Avdeenko等基于人工智能方法将知识从一个表示模型转化为另一个表示模型,提出了将知识从基于案例的模型转换为基于规则的转化路径 [6] .
  
  综上可知,知识管理与人工智能的“近亲”关系已经得到学术界的承认。在人工智能 2.0时代到来之际,总结人工智能技术对知识管理的影响,研究如何构建合适的知识管理模式,有助于知识管理向全面、精准、自动、高效、智能方向发展。本文在梳理现有知识管理和人工智能相关关系文献的基础上,从技术、组织和战略三个维度分析人工智能对知识管理的影响,构建了人工智能环境下知识管理模式三维框架,并提出了相应的知识管理策略。
  
  1 人工智能对知识管理的影响
  
  现代管理学之父Drucker认为知识管理(Knowledge Management,KM)是“为创造利益和竞争优势而协调和利用组织知识资源”.之后,Girard将这个概念描述为“一个组织知识和信息的创建、共享、使用和管理的过程”[7].20世纪90年代,人工智能(Artificial Intelligence,AI)的产生给KM带来了巨大的发展契机,既冲击着传统KM框架结构,又推动着现有管理模式的重塑。汪建基等提出网络化AI的建立可以从碎片化知识中获取有价值信息,有效解决碎片化知识的处理与高效利用问题[8].张兴旺认为AI技术与图书馆的有效融合有利于提升图书馆的KM和知识服务的能力,并提出了基于知识智能生产、认知、体验、推送的信息智能推荐业务链[9].学者们大多从技术维度探讨AI对KM的推动作用,从组织与战略维度论证两者关系的文献相对较少。本文从技术变革、组织创新、战略规划三个维度分析AI对KM发展的影响,并试图构建AI环境下KM三维模式,以期为KM提供决策参考。
  
  1.1人工智能对知识管理技术变革的推动
  
  KM和技术创新的结合已成为组织积极应对复杂外部环境变化的综合性措施[10],两者融合形成的KM技术是指对KM目标所采用的各种技术,包括KM信息技术、KM工具和KM软件等。AI的发展为KM技术变革带来了新活力,正如KM技术学派所言,KM被卷入AI后,知识就等同于管理对象。本文从KM的三大职能知识获取、知识共享及知识创造分别探讨AI对KM技术变革的推动作用。如图1所示,个人和组织外部的隐性知识通过自然语言处理、专家系统、深度学习等智能技术加强知识共享主体之间的交流,从而将个人、群体的隐性知识显性化,实现知识从提供者向接受者输送,推动知识获取、知识共享、知识创造的变革创新。
  
  图1 人工智能对知识管理技术变革的推动

  
  1.1.1 AI+知识获取
  
  AI环境下知识管理系统(Knowledge Management System,KMS)的知识获取方式有两种:一是借助智能编辑程序的“连接器”对接KMS的各子系统获取知识,如MYCIN系统的TEIRESIAS就是一种智能编辑程序;二是设计感应程序从大量数据中提取知识。前者是基于自动识别和采集元数据,如元数据中心和标准化的数据库、MARC和DC更新元数据,自动导入OPAC的组织,自动拆解元数据和内容核心词,自动解读段落,最终对焦语境信息;后者是基于系统识别、机器翻译、自然语言处理等智能技术对知识地图进行智能索引、智能摘要、学科导航、构建知识库等知识工作,从而形成了多网络结构的关联模型,使KMS对知识认知更清晰,诠释更精准。
  
  AI对KM的技术变革使组织多途径自动获取知识,无缝对接当前KMS,并将获取过程中产生的数据、信息与知识统一起来,为下一步成员进行知识共享奠定基础。由此,再经由智能匹配,根据成员的使用习惯为其精准推荐内容,从而让成员通过系统平台进行更有效的交流融合。此外,组织也能够通过扫描检测KMS中知识使用情况,及时调整知识建设布局,完善KMS的知识获取网络。
  
  1.1.2 AI+知识共享
  
  知识共享是指知识所有者通过平台交流彼此的知识,使知识从个体拥有转变为组织共有、单个组织拥有变为联盟共有,发挥知识资源效益利用的最大化。构建“AI+知识共享”平台分为两个阶段:前期显性知识传播共享阶段和后期隐性知识转化共享阶段[11],AI技术和工具的普及与应用使得知识共享突破了后期隐性知识转化的瓶颈。AI在知识共享环节,不仅可以满足各主体组织的知识共享需求,创新搜索引擎,还可以进行知识深度检索挖掘,形成组织内部的知识库,从而更好地推动“AI+知识共享”平台的建设。
  
  检索知识时,平台会将KMS中的知识按照知识审计、知识制图、建立索引和知识轮廓与个人化4个步骤构建知识地图,智能匹配和自动推送相关知识与最新的更新内容给组织成员,成员无需再被迫搜索,从而缩短了大量的时间与精力。例如微软公司正是建立了一种可以在全公司范围获得的联机知识共享平台,成功采用多级知识评估标准将员工所具备和应具备的技能显性标示出来,从而使公司实现了对员工知识的有效管理。
  
  1.1.3 AI+知识创造
  
  野中郁次郎与竹内弘高在1991年从“组织知识创造”视角把知识创造界定为4种基本模式:社会化、外在化、组合化和内部化的SECI模型[12].针对AI对KM技术的推动,知识创造不再是简单的知识积累或知识再编码过程,其过程、模式甚至是应用领域都在知识资源论和基础论上发生了变化。在此,基于SECI模型修正后的I-SECI模型(I:Integration,表示知识的整合化、一体化),研究AI对知识创造所产生的影响。
  
  在I-SECI模型中,具有一定内隐性的外部知识经共享转化为组织显性知识(转化路径为外部知识→个人知识→组织隐性知识→组织显性知识)。其外部知识内部显性化过程,主要是利用智能决策支持系统(IDSS)和智能方法来解决知识显性化的复杂过程,并应用数学模型和统计方法改善KMS决策能力,智能地推动知识创造。另外,该模型可利用仿真、“亲身参与”角色扮演在KMS中进行内部互动,反复学习,逐渐优化模型演化机制,使其愈加智能化。通过I-SECI每一轮的知识转化,不仅提升了组织知识创造的层次,周而复始实现螺旋式上升,而且通过组织成员之间社会网络式拓展的交互作用,创造了新的知识。
  
  1.2人工智能对知识管理组织创新的驱动
  
  AI对KM组织创新驱动作用主要体现在流程自动化和管理本身智能化上,包括从数据采集到反馈、监控、评估,分析预测和决策的智能化,推动组织弱矩阵机构逐步向强矩阵结构演进,形成了纵向上以组织创新能力提升为主,横向上以AI技术和KM为主的“一纵两横”组织架构。如图2所示,围绕影响组织创新的要素形成机理,分析AI如何有效地驱动KM进行组织创新,并从组织的边界跨越、结构优化、成员创新三个层面展开研究。
  
  1.2.1 组织边界跨越能力的提升
  
  AI环境下,组织边界与知识边界息息相关,为了解决知识流动在组织间“屏蔽效应”问题,组织需要通过AI克服与其他合作主体间的边界问题,促使自身跨越不同边界以建立有效的创新系统和创新网络,如知识链、技术联盟、产学研等,将组织内的知识库与组织外的知识仓库链接起来[13].组织需先通过AI整合内外部知识,构建边界跨越管理准则,促进跨组织的边界合作、知识转移和技术开发,提升团队创新能力;然后借助AI的路径支撑,构建内、外向边界管理两个层面的知识边界管理,以提高边界渗透性和灵活性,强化边界跨越介质,培养边界跨越者;最后建立边界跨越激励机制,实现二者动态平衡,促进多组织协同稳定发展。
  
  图2 人工智能下知识组织体系结构

  
  此外,AI驱动组织知识创新,提升边界跨域能力,主要依拖关键词转换技术和语义检索技术。如先将一篇文章或词表示成数学向量,再将文本之间的计算转换成向量之间的计算,得到类似智能的效果。通过本体支持语义,支持人机之间的交流,从而实现机器智能,为web的发展带来新的契机,而本体在搜索引擎中的应用,必将对其易用性和效率产生极大的改进,借此知识孤岛链接成知识大陆,知识组织的边界扩大,知识流动效率增强。
  
  1.2.2 组织结构优化能力的增进
  
  在工业经济社会,管理的对象是物,而在知识经济社会,管理的对象是知识型的人,需要的是扁平化、柔性化及网络化的KM型组织。AI的应用使得KM的组织结构进一步优化,组织界限进一步模糊。AI优化下KM组织结构是一种“强矩阵”的结构,这种结构在优化设计时不只是简单地打破原先的格局,打碎一些固有的边界和职责,还变革了知识的配置方式和组织流程,重塑了组织价值体系。新的KM组织结构从简单的知识收集向知识创新转变,完善了组织需求深度挖掘、实时感知、快速响应、及时满足的知识创新系统,以横向协调取代了原有的纵向知识沟通方式。
  
  “强矩阵”的组织结构使得组织运行更加灵活,运作效率更高,有利于成员科学高效分工协作,形成合理的职、责、权方面的动态结构体系,充分发挥成员主动性和创造性,凝缩知识传递时间和空间。此外,KM还可以借助“AI+KMS”有效地实现知识在成员间的传播、共享、创造与创新,加快组织对外部市场环境变化反应速度,达到促进知识的生产、流动、共享和使用的目的,从而形成科学系统化的组织机构。
  
  1.2.3 组织成员创新能力的加强
  
  AI对KM组织成员创新能力的推动体现在两个方面,一是AI加速了组织成员学习方式的转变。AI通过“雾化知识库”学习模式,将整体知识体系颗粒化、碎片化,利用数据挖掘技术,分析学员的学习状态、知识等级和兴趣爱好,根据结果不断调整学习资源。二是人技结合促进组织成员创新环境的深刻改变。AI技术的导入将全面改变组织成员创新环境,随着百度大脑、阿里云城市云脑、腾讯超脑、讯飞超脑等的划时代进步,人类正在一步一步接近AI的临界点。AI越来越显示出后发潜力,脑机接口技术、机械外骨骼技术都已经初见成效。
  
  人工智能(AI)与人类智能(HI)的高度协同,促使组织成员的知识创造活动与外部的创新源保持密切联系,能够及时、便捷和经济地获取外部的最新科技知识和市场信息,以降低创新风险,提高组织创新效率。而且,成员作为知识转化创意的主导,组织创新氛围和组织学习能力可以激发成员在知识运用过程中的创新行为,并在积极寻求领导者和组织支持过程中,将有关AI新技术、新流程、新技巧或新的创意付诸实践,并通过个体创新行为,为组织创新能力的提升做出贡献。
  
  1.3人工智能对知识管理战略的重塑
  
  一般意义上的知识管理战略是指在知识经济背景下,运用一系列战略、策略和管理方法对组织内外的知识进行管理,以提高组织知识创新能力,形成并维持组织核心竞争力,最终提升组织的价值。Hansen等根据组织对显性或隐性知识的侧重,提出编码化(显性导向)和人际化(隐性导向)两个战略[14].Zack等依据不同的战略态度将知识管理战略划分成积极知识管理战略和保守知识管理战略[15].如图3所示,构建AI环境下的知识管理战略,可以从要素协同、能力柔性及知识联盟三个维度来分析其内在机理。
  
  图3 人工智能下的知识管理战略

  
  1.3.1 要素协同发展
  
  协同是指各独立组成部分在合作基础上发挥出更大的整体效用,强调组织资源在共享的推动下产生的共生共存关系。KM的发展主要依靠各级协同创新平台的要素协同,这些要素协同有一个瓶颈,就是智能算法的透明性和共享性。鉴于智能算法日益决定着各种决策的结果,不仅需要建构技术公平规范体系,还要借助于技术程序正当性来强化智能决策系统的透明性、可审查性和可解释性。因此,应制定必要的伦理道德规范准则,组建相关组织致力于解决与AI相关的安全和隐私问题,消除“算法歧视”并推动开源,从而为全社会共享。
  
  目前,AI要素协同的解决方案是利用RBC(Role-Based Collaboration)方法和E-CARGO(Environments-Classes,Agents,Roles,Groups,and Objects)模型进行编码设计。其能为知识管理战略各要素协同过程中遇到的问题提供直观、有效的数学建模方法,优化KM各流程。同时,RBC和E-CARGO进一步推动了规划算法的发展,例如利用多对多指派问题,设定多要素高效协同的智能技术支撑完成知识管理战略目标,以提高组织适应性和竞争力。
  
  1.3.2 能力柔性匹配
  
  能力柔性是组织柔性的主要构成部分,主要包括组织获取、整合及配置资源的能力,是战略柔性(能力柔性、协调柔性、资源柔性)的主要测度指标 [16].基于AI创新技术,将高能力柔性与积极的知识管理战略模式匹配,提高组织知识竞争力。首先是KMS能智能“感知”,获取各种知识做出基础判断,集成各类传感器、机器视觉、测量设备;其次是“识别”,组织要利用AI高技术柔性迅速识别组织的知识需求;最后是“匹配”,通过知识的供需识别分析,高效地配置知识资源。
  
  AI运用到KM中,使组织可以同时获得高柔性和高效率,刺激组织根据外部的复杂环境实时动态调整其知识能力水平,快速获取知识资源和整合创新,最终实现战略决策与外部环境的相对平衡,完成积极知识管理战略目标。这种智能化能力柔性能够保障组织在柔性和效率之间进行有效权衡,快速应对不确定性变化,赢得竞争优势。
  
  1.3.3 知识联盟组建
  
  在知识经济中,经济突破的新焦点是知识、技术和学习。将AI融入到KM中,有利于知识联盟的建立,实时应对知识经济时代组织外部环境日趋激烈的竞争局势。知识联盟是一个开放性的系统,通过“AI+知识共享”平台,形成企业-大学-科研院所不同的知识链相互交错的知识网,让知识网中的知识资源在组织中传播、共享、创造、应用,优势互补、风险共担,达到不断创新的目的,从而创造效益。
  
  知识联盟是培养核心竞争力的有效途径,其中心目标是学习和创造知识,在知识联盟组织中建立一个有效的学习机制来培养核心能力。这种从智能化角度来分析知识联盟的动机与内容,是一种基于技术创新平台全新的生态关系。例如,视知TV作为发起人和30多家知识伙伴借助AI网络数字化技术合作成立了新媒体知识联盟,将知识新媒体圈的力量凝聚起来,共同打造“知识营销”的新生态,联盟成员能够彼此借力,在知识营销、商业化方向上相互支持,共同成长。
  
  2 人工智能环境下知识管理模式的构建
  
  在知识管理模式方面,野中郁次郎与竹内弘高提出了组织创新机制自上而下、自下而上和自中而上下的三种知识管理模式[12].Chua[17]整合了技术框架和概念模型,提出了KMS的三层架构:基础设施层、知识服务层及展示服务层。欧阳智等[2]基于Chua提出的KMS架构,对AI下的KMS进行探索,提出了嵌入深度学习、自然语言处理等AI技术的集成KMS架构,分析AI为整个知识管理所产生的价值。在此,本文在研究现有AI和KM相关文献的基础上,结合学者们建立的KMS构架,尝试对AI环境下的知识管理模式进行探索,构建了如图4所示的一个三维知识管理模式立体图形。
  
  立足于AI环境,基于技术变革(知识获取、知识共享及知识创造)、组织创新(边界跨越、结构优化及成员创新)和战略规划(要素协同、能力柔性及联盟生命周期)三个层面分析了AI技术发展对KM的影响,构建一个以此三个基本平面的三维知识管理模式。从这三个维度出发,可以将KM划分为知识跨界协同、系统匹配优化和联盟绩效激励三种模式。其模式的逻辑如下:在AI环境下,以技术预见智能搜索的方式知悉组织需求,以组织需求为导向来确定组织KM变革的方向;针对变革的方向通过AI技术搭建的知识共享平台搜集各种知识资源并予以开发利用;对搜集的知识资源利用自然语言处理等智能技术进行分拣整合,将组织所需的相关知识归类总结出来;利用已有的KM工具和方法,在AI技术支持的基础上,借助KMS,实现组织间不同知识主体的知识共享、知识创造与应用,共同实现组织的知识目标。
  
  图4 人工智能环境下知识管理模式构建

  
  2.1 知识跨界协同
  
  AI环境下KM第一种模式--知识跨界协同,对应了图4中的A点。此种模式通过知识导航系统,跨越组织边界搜寻外部创新源,多途径智能获取所需知识,并协同控制KM流程,形成知识网络关联模型。在此关联模型下,分类整合知识,构建知识体系,实现组织知识的不断更新储备,巩固KM基础阶段的发展。在原有的知识储备基础上,不仅要有意识地搜集组织内、外部各种所需的显、隐性知识,也要对“偶然获取”的知识给予关注,用AI技术实时监控组织外部环境的变化,实时获取最新知识,不断扩大组织知识储备量。
  
  AI技术创新要素导入作为KM的重要举措,需要综合利用组织内外的知识资源要素,外部同所处环境一体化,内部各知识资源要素协同一体化、行动过程要素一致化,才能形成各要素有机协作系统,提高组织适应性、生存和竞争力。例如,海尔利用智能化技术,全过程的协同供应商、产品及用户各方面的知识数据,将供应商整合为模块商,实现产品生产的模块化,同时使模块商直达用户需求,并进行相应设计调整和产品研发,实时监测知识环境变化,完成了海尔公司内部协同及供应商外部各方面知识跨部门协同,打造了全球最大的开放式创新生态系统和全流程创新交互社区Hope平台。
  
  2.2 系统匹配优化
  
  AI环境下KM第二种模式--系统匹配优化,对应了图4中的B点。在组织结构优化的前提下,各组织成员通过“AI+知识共享”平台,智能、及时、高效分析组织当前的知识供需情况。凭借智能化能力柔性,运用积极的KM战略快速应对组织内外部知识资源及环境变化,匹配组织成员知识需求,实现知识资源重新配置和整合。借助平台知识的共享,碰撞出创新的知识火花,运用集体的智慧提高组织的应变能力和创新能力,提高组织的核心竞争力,使“AI+KMS”成为“知学合一”的闭环体系。
  
  “AI+KMS”的搭建可以迅速进行知识搜索匹配,让组织成员快速获取和掌握知识。系统提供了知识库与在线学习平台的全面整合技术,并设立了智能化的搜索引擎和仿真模拟系统。例如,作为一个职场知识共享推荐平台,王夫子提供PDF电子书、Kindle、Epub、Word模板、PPT模板、Excel等办公应用内容,来帮助用户跨越职场难题。同时,王夫子平台还有“二次元小艾”“热点推资讯”“度假旅行”“钢琴五线谱”等生活娱乐类版块用以丰富内容和吸引流量。
  
  2.3 联盟绩效激励
  
  AI环境下KM第三种模式--创新绩效升级,对应了图4中的C点。构建此模式,组织应创造一个宽松良好的创新环境和沟通渠道,建立知识创造激励机制,使成员组织充分发挥主观能动性加速隐性知识显性化。知识是技术联盟绩效提升的重要来源[18].成员基于长期的联盟绩效激励机制,能有效保持联盟关系,摆脱拥有技术优势的组织掉入因某个成员组织脱离联盟体而导致技术优势削弱的“陷阱”,进而共同攻克技术难关,保持知识血液的不断更新,发挥联盟绩效激励作用,实现联盟目标。
  
  AI数据化技术可以为企业绩效评估提供更加全面、客观的数据,优化人力资源配置,比如企业通过联盟精准获取和分析客户数据,为顾客提供更精准的服务,也可对市场动态进行智能监控,进而优化资源分配,提高企业绩效,创造资本收益。例如,福特汽车公司想要开发“智能化”移动解决方案,在问题复杂难以界定时,借助之前开发的一个开放式社区,福特汽车公司与其他组织进行基于信任机制的合作,并鼓励核心业务人员积极参与。同时设立了一系列创新比赛,吸引了更多开发者加入,促使福特汽车公司的功能得以拓展,充实了公司的知识库,实现了自定义应用与可拔插模块,创造大于单个组织价值的总和。
  
  3、结论与启示
  
  本文分析了人工智能在技术变革(知识获取、知识共享及知识创造)、组织创新(边界跨越、结构优化及成员创新)、战略规划(要素协同、能力柔性及生命周期)三个方面对知识管理的变革和重塑。在此基础上,构建了一个嵌入人工智能环境中的三维知识管理模式,并将知识管理划分为知识跨界协同、系统匹配优化和联盟绩效激励三种模式。
  
  根据所构建人工智能环境中的三维知识管理模式,得出以下三个方面的管理启示:①加强基于人工智能的知识分析与科学决策。开发人工智能的知识分析流程和平台,是开展知识分析、知识发现的必由之路。借助人工智能技术,改造提升知识分析和预测环节,能极大地改善知识分析效率和更好服务于科学决策。②加快普及知识服务的智能化表达。在互联网上能轻松地享受到人工智能提供的知识服务,但其在线下发展缓慢,并没有实际的突破。目前智能机器人正在广泛使用,这推进了知识服务的多元化、个性化和智能化。③突破面向计算机可理解的知识表示方法技术,降低人工智能知识处理的难度。将知识处理对象降维到知识原子单位,并保证知识生态系统的集成性,在问题求解过程中,知识原子之间的互联关系以及知识计算过程被计算机理解和处理,才能实现人与计算机协同的知识处理。
  
  参考文献
  
  [1] 中国科学院颠覆性技术创新研究组。颠覆性技术创新研究-信息科技领域[M].北京:科学出版社,2018.  
  [2] 欧阳智,魏琴,肖旭。人工智能环境下的知识管理:变革发展与系统框架[J].图书与情报,2017(6):104-111,132.  
  [3] 田倩飞,张志强。人工智能2.0时代的知识分析变革研究[J].图书与情报,2018(2):33-42.  
  [4] YU Jia-Bei, YU Yang , WANG Lin-Na, YUAN Ze, XU Ji. The knowledge modeling system of ready-mixed concrete enterprise and artificial intelligence with ANN-GA for manufacturing production[J]. Journal of Intelligent Manufacturing, 2016,27(4): 905-914.  
  [5] KORNIENKO A A, KORNIENKO A V, FOFANOV O B, CHUBIK M P. Knowledge in artificial intelligence systems: searching the strategies for application[C]. Procedia Social and Behavioral Sciences, 2015:589–594.  
  [6] AVDEENKO T V, MAKAROVA E S, KLAVSUTS I L. Artificial intelligence support of knowledge transformation in knowledge management systems[C].13th International Scientific-Technical Conference on Actual Problems of Electronics Instrument Engineering (APEIE),2016:195-201.  
  [7] GIRARD J P, GIRARD J L. Defining knowledge management: toward an applied compendium[J].Online Journal of Applied Knowledge Management,2015,3(1):1-20.  
  [8] 汪建基,马永强,陈仕涛,刘子熠,郑南宁。碎片化知识处理与网络化人工智能[J].中国科学:信息科学,2017,47(2):171-192. 
  [9]张兴旺。以信息推荐为例探讨图书馆人工智能体系的基本运作模式[J].情报理论与实践,2017,40(12):69-74.  
  [10] YOGESH M R. The state of the notion: knowledge management in practice [J].California Management Review, 2008, 40 (3) :80-89.  
  [11] 秦红霞,蒋鹏举,陈华东。企业知识共享伙伴选择的信号传递模型研究[J].情报杂志,2018,37(1):179-185.  
  [12] 竹内弘高,野中郁次郎。知识创造的螺旋--知识管理理论与案例研究[M].北京:知识产权出版社, 2006.  
  [13] 刘鹏程,孙新波,张大鹏,魏小林。组织边界跨越能力对开放式服务创新的影响研究[J].科学学与科学技术管理,2016,37(11):136-151.  
  [14] HANSEN M T, NOHRIA T, TIERNEY T. What`s your strategy for managing knowledge[J]. Harvard Business Review, 1999,77(2):106-187.  
  [15] ZACK M, MCKEEN J, SINGH S. Knowledge management and organizational performance: an exploratory analysis[J].Journal of Knowledge Management,2009,13(6)。  
  [16] KATSUHIKO S, HITT M A. Strategic flexibility: organizational preparedness to reverse ineffective strategic decisions [J].Academy of Management Executive, 2004, 18 (4) :44-59.  
  [17] CHUA A. Knowledge management system architecture: a bridge between KM consultants and technologists[J].International Journal of Information Management,2004,24(1):87-98.  
  [18] SUSENO Y, RATTEN V. A theoretical framework of alliance performance: the role of trust, social capital and knowledge development [J]. Journal of Management & Organization, 2007,13(1):4–23.