什么是知识？
　　
  在信息化领域，我们都熟知这些词汇：数据（data），信息（information），知识（knowledge）。它们所代表的含义，可以这样来表述：
　　
  数据（data）=关于事实的一组离散的、客观的、有意义的描述，是构成信息和知识的原始材料；
　　
  信息（information）=具有特定意义的、彼此有关联的数据。从数学的观点看，信息是用来消除不确定性的一个物理量；
　　
  知识（knowledge）=结构化的、具有指导意义的信息。从数学的观点看，知识是用来消除信息的无结构性的一个物理量。

  1、广义的知识概念
　　
  根据韦伯斯特(Webster)词典1997年的定义，知识是通过实践、研究、联系或调查获得的关于事物的事实和状态的认识，是对科学、艺术或技术的理解，是人类获得的关于真理和原理的认识的总和。总之，知识是人类积累的关于自然和社会的认识和经验的总和。
　　
  经济合作与发展组织（OECD）将广义的知识按内容分为四种：⑴关于“知道是什么”的知识，记载事实的数据；⑵关于“知道为什么”的知识，记载自然和社会的原理与规律方面的理论；⑶关于“知道怎样做”的知识，指某类工作的实际技巧和经验；⑷关于“知道是谁”的知识，指谁知道是什么，谁知道为什么和谁知道怎么做的信息。
　　
  从形式上区分，前两类知识是易于文字记载的认识类知识，有人称之为“有形知识”，非常容易编码（信息化），可通过各种传媒获得。第三、四类知识更多地是没有记载的经验类知识，有人称之为“隐形知识”（tacit knowledge）或无形知识，需要通过实践来获得。

  2、从计算的视角来看知识
　　
  中科院计算机语言信息中心董振东教授在2003年11月“知识的计算与《知网》”讲座中说：“知识是一个系统，它揭示了概念与概念之间，以及概念的属性与属性之间的关系；知识体系的广度与深度取决于上述关系的多少。对于面向计算机的知识体系的质量的关键是它的可计算性以及由此为具体的应用而能够提供的服务。”
　　
  知识是结构化的经验、价值、相关信息和专家洞察力的融合，提供了评价和产生新的经验和信息的框架。

  3、数据，信息，知识
　　
  数据、信息、知识之间，存在着必然的联系（见图1）。从数据到信息再到知识的过程，是一个不断重用和提炼的过程——数据在不断使用中提升为信息，信息在反复应用中转化为知识，而企业的知识总和进一步累积为企业智力资产。

　　
  数据、信息和知识，都是企业信息化的基本要素，只是所处的层面由低到高，含义逐渐丰富，应用有所不同。表1表示了数据、信息、知识的区别与联系。

    表1数据、信息、知识的区别与联系

  早期的知识工程定义
　　
  “知识工程”这个词汇最早来源于人工智能，由费根鲍姆教授提出。在人工智能创立的前10年中，人们着重的是问题求解和推理的过程。费根鲍姆通过实验和研究，证明了实现智能行为的主要手段在于知识，在多数实际情况下是特定领域的知识，从而于1977年最早提出了专家系统和“知识工程”（Knowledge Engineering）的概念，成为知识可操作化的一个里程碑。
　　
  二十多年来，知识工程的研究有了很大发展,。在依然保持人工智能内涵的同时，知识工程的研究重点不断发生变化：⑴主要研究内容从知识推理转向知识表达；⑵主要研究对象从特定专业领域转向常识，进而又转向工程知识；⑶知识工程的处理对象已从规范化的、相对好处理的知识进一步深入到非规范化的、相对难处理的知识；⑷它的处理规模和方式从封闭式扩大为开放式，从小手工作坊式的知识工程扩大为能进行海量知识处理的大规模工程；⑸学科从知识工程正在向知识科学转变。
　　
  对于知识工程，不同的专家学者有着各自的理解和论述。其要点如表2所述。

 表2不同的专家学者对于知识工程的学术观点

  从上面表中列举的观点不难看出，知名的专家学者对于知识工程的理解，都是限定在专家系统、人工智能、知识管理以及实验性科学等方面，基本上是关于“知识”的“工程”，而不是侧重于关于“工程”的“知识”。曾经有一段时间，不少的人把专家系统称作“知识工程”，这体现了某种认识上的局限性。实际上，在最近几年的发展中，知识工程的内涵已经远远地超越了专家系统的范畴，逐渐扩展和脱离了早期的知识工程的定义。

  知识与工程的结合
　　
  费根鲍姆构建的“专家系统”，就是期待要在机器智能与人类智慧（专家的知识经验）之间构建桥梁。他期冀中的专家系统是人类专家可以信赖的高水平智力助手，“是一个已被赋予知识和才能的计算机程序，从而使这种程序所起到的作用达到专家的水平。”此时的知识工程，还仅仅在某些狭窄领域的“专家系统”上做文章，比如：分析化合物分子结构、看病、下棋等，其主要目的是辅助人类专家来做一些专业的、高水平的“专家”工作。
　　
  知识工程与现代设计技术的结合最早追溯至20世纪70年代末80年代初的设计型专家系统研究。工程技术领域的专家一直希望能够把专家系统引入到制造业的设计系统之中，以便形成“智能CAD”系统。并且，期待设计型专家系统具有这样的理想功能：如能够模仿人类专家进行创造性设计，具备推理功能，具有自学习功能，并能自我总结学习经验等。但是，由于这样的研究有许多重大的技术难题尚未突破，因此进展缓慢。此后两者的结合一度出现脱节。
　　
  自从进入新世纪以来，知识工程领域的大规模知识库的研究进展、网络技术的发展和普及、新的协同产品设计模式的应用而生等诸多机会，又为知识工程与现代设计技术重新提供了密切结合的需求。从表1中可以看出，在企业信息化的进程中，以中国企业的一般应用状况而言，我们的企业信息化已经从20年前以CAX为代表的数据集成，发展到了10年前以PDM和ERP为代表的信息集成，更进一步地，我们又发展到了近些年以CAI为代表的知识集成。知识集成必然呼唤面向工程领域的知识集成平台以及基于知识创新的工具。因此，关于工程的知识，引起了人们超过以往任何时候的高度关注。

  面向工程领域的知识工程定义
　　
  什么是面向工程领域的知识工程？目前并没有公认的、统一的定义。如果一定要给一个定义的话，那么我们可以这样来定义——依托IT技术，把知识作为一种资产来管理和充分利用，在使用中提升其价值，以此促进技术创新、推动企业持续发展的全部的相关活动。
　　
  在这里，知识工程的内涵已经发生了许多的转变：知识的内容从常识走向了工程知识，从集成某些专家的经验变成了集成广泛的工程知识；知识已经从一种对象转变为一种资源；知识集成的目的已经从模拟“行业专家”变成了技术创新。知识工程这个名词，也从人工智能走向了企业信息化。现在的“知识工程”，已经脱胎换骨为面向工程领域的知识工程，成为了企业信息化的一个不可或缺的有机组成部分。
　　
  知识工程的研究的内容包括：复杂产品之全生命周期内相关知识的产生（新知识获取）、表达（形式化）、组织（体系化）、共享（知识传递）、检索（已有知识获取）、运用（物化）以及更新（过时知识的淘汰）等一系列科学问题。其中：

  * 知识的产生——获取新知识，包括“知识挖掘”（也叫“知识开采”、“知识抽取”、“知识发现”等）等内容，重在发现和收集个体的、游离于现行管理制度之外的非物化知识；

  * 知识的表达——将知识以非常好的的形式表达出来，便于高效理解；

  * 知识的组织——对知识建立彼此关联的本体关系，实现知识的有效组织；

  * 知识的共享——以知识库为核心，以网络为手段，实现知识的高度共享和快速传输；

  * 知识的检索——基于本体关系来高效地查询和检索相关知识，实现对已有知识的获取；

  * 知识的运用——在产品全生命周期里充分运用知识，让知识充分物化，让智力资产转变成可交付的物理资产，让知识在使用的过程中为企业创造价值（实现创新）；

  * 知识的更新——定期淘汰过时知识，保持知识库的实效性和可用性。

  结语
　　
  当知识被用于创新的目的，当知识与工程相结合，当工程知识被高度集成，尤其是再经过计算机“这种力量的放大器”的放大后，就会证实了英国哲学家培根说过那句话：知识就是力量。至于为什么知识就是力量，其实道理很简单，知识支持创新，创新改变世界。改变，皆由力量的作用而导致，尤其是这种力量掌握在常人的手中的时候，改变将会是巨大无比和天翻地覆的。这个力量，就是被高度集成的工程知识。为创新目的而高度集成工程知识的所有的活动，就是知识工程。(e-works)