以代理人技术为基础之知识管理系统架构

以代理人技術為基礎之知識管理系統架構
A Framework for Agent-based Knowledge Management
System
吳昭儀
Chao-Yi Wu
南台科技大學資訊管理系
Department of Information Management
Southern Taiwan University of Technology
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
Abstract
Knowledge Management (KM), which will act as one important tool to improve the performance of business, is a popular issue in literature and applications. Therefore, how to development an efficient KM system is the vital mission for MIS researchers. Artificial Intelligence (AI)
is one of the useful approaches in KM. Agent theory provides the capability of AI and distributed system. This study utilizes agent theory to develop a framework for KM, which takes account of tacit knowledge and explicit knowledge and covers the main tasks of KM. In the framework, knowledge is stored centrally and dispersed. The knowledge workers create and share knowledge with the help of six types of agents, including request agent, creation agent, learning agent, retrieval agent, storing agent, and optimize agent. This framework provides a complete structure for future system development.
Keywords: Knowledge Management, Agent
1.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(Artificial Intelligence)是知識管理應用的重要方法之一，例如：知識庫系統(Knowledge Base System)、專家系統(Expert System)、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。

Nonaka et al.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。

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。

Shin et al. (2001)提出「知識價值鏈 (Knowledge Value Chain)」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Holzner and Marx (1979)、Pentland (1995)、Nonaka and Takeuchi (1995)、Demarest (1997)、Daal,
Hass and Weggeman (1998)、Davenport, Long and Beers (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)。

Holsapple and Singh (2001)則提出一「知識鏈模式(The knowledge chain model)」，該模式採用類似價值鏈(Value chain)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)。

Lee and Kim (2001)則提出一知識管理的階段性模式(stage model)，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(knowledge engineering)
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(Personal Construct Theory)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(knowledge engineering)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]。