以代理人技术为基础之知识管理系统架构

1以代理人技術為基礎之知識管理系統架構AFrameworkforAgent-basedKnowledgeManagementSystem吳昭儀Chao-YiWu南台科技大學資訊管理系DepartmentofInformationManagementSouthernTaiwanUniversityofTechnology摘要知識管理是目前廣受矚目的一項研究議題，被視為是影響企業未來競爭力的重要指標。因此如何建構一有效率的知識管理系統，便成了資訊管理領域的一項重要任務。人工智慧的諸項方法一直是知識管理相關研究所倚重的一環，而代理人技術更是結合人工智慧與分散式處理的一種方法。在本研究中，以代理人技術為基礎建構出一知識管理系統的架構，知識分別以集中與分散方式貯存，並透過六類代理人(包括知識需求代理人、知識建立代理人、領域學習代理人、知識取用代理人、知識儲存代理人、最佳化代理人)的協助，以提供知識工作者一個方便、效率的知識共享環境。此架構不僅考慮到顯性與隱性知識的不同處理需求，亦完整提供了知識管理工作所需的功能，足可提供未來系統實作時之參考。關鍵詞：知識管理、代理人AbstractKnowledgeManagement(KM),whichwillactasoneimportanttooltoimprovetheperformanceofbusiness,isapopularissueinliteratureandapplications.Therefore,howtodevelopmentanefficientKMsystemisthevitalmissionforMISresearchers.ArtificialIntelligence(AI)isoneoftheusefulapproachesinKM.AgenttheoryprovidesthecapabilityofAIanddistributedsystem.ThisstudyutilizesagenttheorytodevelopaframeworkforKM,whichtakesaccountoftacitknowledgeandexplicitknowledgeandcoversthemaintasksofKM.Intheframework,knowledgeisstoredcentrallyanddispersed.Theknowledgeworkerscreateandshareknowledgewiththehelpofsixtypesofagents,includingrequestagent,creationagent,learningagent,retrievalagent,storingagent,andoptimizeagent.Thisframeworkprovidesacompletestructureforfuturesystemdevelopment.Keywords:KnowledgeManagement,Agent21.前言在資訊應用領域中，繼企業資源規劃(ERP)、供應鏈管理(SCM)、顧客關係管理(CRM)等議題之後，知識管理是另一項受到學術界與企業界相當重視的課題。儘管知識管理並非一項新的議題，但拜資訊科技功能逐漸增強之賜，這個議題再度找到新的應用領域，並引起廣泛的討論。人工智慧(ArtificialIntelligence)是知識管理應用的重要方法之一，例如：知識庫系統(KnowledgeBaseSystem)、專家系統(ExpertSystem)、代理人(Agent)等等。本文中將針對代理人應用在知識管理上的一些相關研究，先進行探討與比較，其後並提出一以代理人技術為基礎的知識管理架構。以下章節安排方式，在第2節中整理了知識的定義與知識管理的主要工作。第3節則探討人工智慧技術在知識管理上的應用，包括知識工程、知識庫系統、案例系統、類神經網路與代理人技術。第四節則提出一以代理人為基礎的知識管理架構。第5節為結論。2.知識管理知識管理已經有許多的解決方案被提出，儘管這些方法的切入領域有所不同，但都一致認為知識是企業生存的重要關鍵，而提昇知識共享程度才是效益之所在，而非儘是擁有知識[1]。因此如何善用各種方法，不論是資訊科技或行為科學等，最主要的方向均是在如何加強知識的共享。知識管理領域的大師Nonaka提出的SECI模式[14]是目前廣被接受的一項理論(如圖1)。該模式中將知識分為顯性(Explicit)與隱性(Tacit)兩類。顯性知識是指可以依某種型式或語言而明確記錄下來者，此類知識比較容易處理、轉化與儲存，進而達到知識共享。隱性知識則隱存在知識擁有者的身上，不易透過某些型式表達與記錄而傳達給其他人使用。另外，SECI模式將知識的創造過程，依據知識隱性與顯性的特性，區分為四個轉化過程：社會化(Socialization)、外化(Externalization)、結合化(Combination)與內化(Internalization)，分別代表隱性轉隱性、隱性轉顯性、顯性轉顯性、顯性轉隱性的過程。此轉化過程亦可視為如何進行知識萃取，進而達到共享的四個步驗。第一個過程是指隱性知識的共享部份，從共同的合作經驗中，取得他人無法文字或口語化的知識。從知識萃取的角度來看，知識工程師可透過此一過程取得專家的隱性知識。第二個過程是將取得的隱性知識嘗試利用各種方法表達出來，將之顯性化，以方便共享。第三個過程是結合顯性化後的知識與其他已存在之顯性化知識，以產生更複雜、更系統化的顯性知識群。第四個過程則是共享的階段，其他知識工作者經由學習顯性知識，而將隱性知識內化為個人的知識，以便應用的問題的解決或決策的制定之上。Nonakaetal.還認為這四個過程會呈現一個旋渦式的進行方式，一直持續著，知識不斷地在隱性、顯性之間轉換、交流，衝擊出包含範圍更廣泛的知識群。3而關於知識管理的主要的工作，在文獻中有許多不同的定義。Shinetal.(2001)提出「知識價值鏈(KnowledgeValueChain)」的觀念，將知識管理的流程區分為建立(creation)、儲存(storage)、散播(distribution)與應用(application)，並整理了幾篇有關知識管理活動的文獻，將不同的活動定義納入其知識價值鏈之中，包括有HolznerandMarx(1979)、Pentland(1995)、NonakaandTakeuchi(1995)、Demarest(1997)、Daal,HassandWeggeman(1998)、Davenport,LongandBeers(1998)、Liebowitz(1999)等人的研究。此外，Balasubramanian(1999)另認為應包括獲取(Capture)、轉換(Transform)、分類(Classify)、維護(Maintain)、散播(Disseminate)與啟發(Discover)。HolsappleandSingh(2001)則提出一「知識鏈模式(Theknowledgechainmodel)」，該模式採用類似價值鏈(Valuechain)的架構，將知識管理的活動區分為主要活動與次要活動兩類，主要活動包括獲取(Acquisition)、選擇(Selection)、產生(Generation)、內化(Internalization)與外化(Externalization)，次要活動包括領導(Leadership)、協調(Coordination)、控制(control)與量測(Measurement)。LeeandKim(2001)則提出一知識管理的階段性模式(stagemodel)，採用類似Nolan的企業電腦化階段理論的方法，將組織在邁向知識管理的過程可以區分為四個階段：起始期(Initiation)、蔓延期(Propogation)、整合期(Integration)與網路化期(Networking)。但此模式只是作者依據組織的生命週期理論直接提出，並未似探討企業電腦化過程的研究一樣進行個案觀察，進而分析得來。因此其有效性仍有待驗證。3.知識管理與人工智慧人工智慧相關技術的應用，是知識管理領域眾多研究方向之一，文獻中已有相當中的討論，以下將分為三個部份說明。3.1知識工程(knowledgeengineering)知識工程中的許多方法，例如訪談、雛形分析、模擬、個人建構理論(PersonalConstructTheory)等，均適用在萃取領域專家的相關知識，以建構出專家系統[6]。Studer等人(1998)則探討了許多知識工程(knowledgeengineering)的原則與方法，並認為各項知識工程的方法均可提供知識的萃取(extracting)、模式化(modeling)、開發(exploiting)等方面之解決方案。而本體論(Ontology)，則可適用在知識元件的組織化與結構化問題上，以協助使用者搜尋適當的知識[12][16]。3.2知識庫系統、案例系統、類神經網路、資料探戡HendriksandVriens(1999)從1997年在荷蘭調查的17家不同型態組織的知識庫系統應用情形中，提出應從三個角度來思考知識庫系統(knowledge-basedsystem)與知識管理的關係：(1)診斷(Diagnosis)：整體知識管理對知識庫系統的關4係；(2)開發(Development)：知識庫系統在整體知識管理中的定位；(3)評估(Evaluation)：知識庫系統對所包含的知識之關係。Fowler(2000)則認為知識庫系統、案例系統(Case-basedsystem)可以將專家或知識工作者的知識以適當的格式儲存在知識庫或案例庫之中，是處理顯性知識適當的工具。但不適合隱性知識，因為二種技術均需將知識以特定型式呈現，而這也正是最亟待改善之問題所在。Nissen(1999)則建構了KOPeR系統，是一套以知識庫系統為基礎的企業再工程(Reengineering)知識管理系統。類神經網路(NeuralNetwork)則可以直接從歷史資料中去萃取出不易外化的資料間關係，知識直接隱含在節點之間的連結中，不需以特定格式呈現，因此適合應用在隱性知識的處理上[4]。資料探戡技術則適合用來找尋一群資料的趨勢、關係，甚至推導出更進一步的隱含知識[12]。3.3代理人(Agent,或稱IntelligentAgent)代理人系統概念的形成，可以追溯到1977年CarlHewitt所發展的ConcurrentActorModel，當時其所發展的Actors具有InternalInferenceModel，且可以同步執行系統程式，可以說是代理人的始祖。然而，代理人的概念，其實主要來自於三個基本的學科理念，亦即控制理論、認知理論與古典人工智慧系統的概念，亦即其是為了要對環境的變化產生適當反應、認知使用者或社群中其他成員的行為模式以及進一步規劃、執行、回饋與改善。因此也可視為人工智慧的一項技術。代理人的定義，可以說它是一種軟體或硬體，可以協助或確實執行使用者對其所定義的行為與工作任務。而根據其具有的不同特性，可分類為下列五種：(1)合作型代理人(CollaborativeAgent)：重點強調在協商(negotiation)機制，藉由協商之後所產生的綜效，來最大化分散式系統的效能。(2)界面型代理人(InterfaceAgent)：主要的訴求在於自主性與學習性，學習的方式包括1.對使用者觀察與模仿、2.經由正面或反面的回饋學習、3.直接由使用者輸入指令規則、4.向其他Agent詢問意見。(3)行動型代理人(MobileAgent)：可以經由網路介面，自動到目的地去查詢與搜集資料，再回到使用者端來執行所交託的工作及任務。(4)資訊型代理人(Information/InternetAgent)：偏向於較靜態的Agent，其主要在對分散式系統作資料的處理、分析與蒐集，以提供使用者有用的資訊。(5)反應型代理人