第12卷第1期 智能系统学报 Vol.12 No.1 2017年2月 CAAI Transactions on Intelligent Systems Feb.2017 D0I:10.11992/tis.201610014 网络出版地址：http:/kns.cmki.net/kcms/detail/23.1538.TP.20170227.2217.026.html 知识智能涌现创新：概念、体系与路径 许立波，潘旭伟2，袁平1，李兴森 (1.浙江大学宁波理工学院管理学院，浙江宁波315100：2.浙江理工大学经济管理学院，浙江杭州310018) 摘要：快速变化的网络科技环境与创新需求，迫切需要相应的智能化创新理论与方法支撑。大数据及网络信息技 术为创新机理的科学研究准备了条件。本文基于可拓学的基元理论，阐述了研究创新过程中海量知识的智能涌现 机理的策略，以网络信息资源补充人脑隐性知识分享的不足，以模拟仿真技术实现创新路径的辅助生成，在一定程 度上破解创新过程的“黑箱”困境，以解决创新的信息知识智能协同处理机理问题。智能创新理论的提出对丰富知 识管理理论和科学创新方法具有较强的理论意义和实践意义。 关键词：知识涌现：智能创新：可拓学：大数据：基元理论：知识管理：创新路径 中图分类号：TP18:F272:G203文献标志码：A文章编号：1673-4785(2017)01-0047-08 中文引用格式：许立波，潘旭伟，袁平，等.知识智能涌现创新：概念、体系与路径[J].智能系统学报，2017,12(1)：47-54。 英文引用格式：XU Libo,PAN Xuwei,YUAN Ping,etal.Knowledge innovation by intelligent emergence:Concept,framework and its pathway[J].CAAI transactions on intelligent systems,2017,12(1):47-54. Knowledge innovation by intelligent emergence- concept,framework and its pathway XU Libo',PAN Xuwei 2,YUAN Ping',LI Xingsen' (1.School of Management Ningbo Institute of Technology,Zhejiang University,Ningbo 315100,China;2.School of Economic- management,Zhejiang Sci-Tech University,Hangzhou 310018,China) Abstract:The rapidly changing network technology environment and practical innovation urgently need support from corresponding intelligent innovation theory and methods.The development of megadata and network information technology has paved the way for scientific research of the innovation mechanism.Based on the basic-element theory of Extenics,the strategy for an intelligent emerging mechanism containing a large knowledgebase in the innovation process was expounded.This supplements the deficiency in hidden knowledge of the human brain,aids to realize the innovation pathway by simulation technology to remove the dilemma of the "black box"during the innovation process to a certain extent,and builds the mechanism of intelligent co-processing of innovative information and knowledge.This innovation mechanism is of theoretical and practical significance to enriching both knowledge management theory and scientific innovative approaches. Keywords:knowledge emergence;intelligent innovation;Extenics;megadata;basic element theory;knowledge management;innovation path 随着信息技术的发展，互联网、数据挖掘、信息 了新的机遇) 系统等正在改变着创新的环境，大数据为创新带来 在异构、快速变化、稀疏的大数据背后，隐藏着 创新方案生成所需的几乎所有原料，从大数据中挖 收稿日期：2016-10-13.网络出版日期：2017-02-27. 掘知识辅助创新是未来的必然趋势[☒。创新正转 基金项目：国家自然科学基金项目(71271191)：教育部人文社科青年项目 向以共同创新、开放创新为特点的用户参与创新2.0 (16YJC630162):浙江省自然科学基金项目(LY16G010010, LY14G010004):宁波市自然科学基金项目(2015A610138). 模式)。数据、信息的海量性导致创新的复杂性、 通信作者：李兴森E-mail:ixs@nit.ju.cdu.cm
第 １２ 卷第 １ 期 智 能 系 统 学 报 Ｖｏｌ．１２ №．１ ２０１７ 年 ２ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｆｅｂ． ２０１７ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１６１００１４ 网络出版地址：ｈｔｔｐ： ／ ／ ｋｎｓ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１７０２２７．２２１７．０２６．ｈｔｍｌ 知识智能涌现创新：概念、体系与路径 许立波１ ，潘旭伟２ ，袁平１ ，李兴森１ （１．浙江大学 宁波理工学院管理学院，浙江 宁波 ３１５１００； ２．浙江理工大学 经济管理学院，浙江 杭州 ３１００１８） 摘 要：快速变化的网络科技环境与创新需求，迫切需要相应的智能化创新理论与方法支撑。 大数据及网络信息技 术为创新机理的科学研究准备了条件。 本文基于可拓学的基元理论，阐述了研究创新过程中海量知识的智能涌现 机理的策略，以网络信息资源补充人脑隐性知识分享的不足，以模拟仿真技术实现创新路径的辅助生成，在一定程 度上破解创新过程的“黑箱”困境，以解决创新的信息知识智能协同处理机理问题。 智能创新理论的提出对丰富知 识管理理论和科学创新方法具有较强的理论意义和实践意义。 关键词：知识涌现；智能创新；可拓学；大数据；基元理论；知识管理；创新路径 中图分类号： ＴＰ１８；Ｆ２７２；Ｇ２０３ 文献标志码：Ａ 文章编号：１６７３－４７８５（２０１７）０１－００４７－０８ 中文引用格式：许立波，潘旭伟，袁平，等． 知识智能涌现创新：概念、体系与路径［Ｊ］． 智能系统学报， ２０１７， １２（１）： ４７－５４． 英文引用格式：ＸＵ Ｌｉｂｏ，ＰＡＮ Ｘｕｗｅｉ，ＹＵＡＮ Ｐｉｎｇ，ｅｔ ａｌ． Ｋｎｏｗｌｅｄｇｅ ｉｎｎｏｖａｔｉｏｎ ｂｙ ｉｎｔｅｌｌｉｇｅｎｔ ｅｍｅｒｇｅｎｃｅ：Ｃｏｎｃｅｐｔ， ｆｒａｍｅｗｏｒｋ ａｎｄ ｉｔｓ ｐａｔｈｗａｙ［Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， ２０１７， １２（１）： ４７－５４． Ｋｎｏｗｌｅｄｇｅ ｉｎｎｏｖａｔｉｏｎ ｂｙ ｉｎｔｅｌｌｉｇｅｎｔ ｅｍｅｒｇｅｎｃｅ— ｃｏｎｃｅｐｔ， ｆｒａｍｅｗｏｒｋ ａｎｄ ｉｔｓ ｐａｔｈｗａｙ ＸＵ Ｌｉｂｏ １ ， ＰＡＮ Ｘｕｗｅｉ ２ ， ＹＵＡＮ Ｐｉｎｇ １ ， ＬＩ Ｘｉｎｇｓｅｎ １ （１． Ｓｃｈｏｏｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｎｉｎｇｂｏ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｚｈｅｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｎｉｎｇｂｏ ３１５１００， Ｃｈｉｎａ； ２． Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃ⁃ ｍａｎａｇｅｍｅｎｔ， Ｚｈｅｊｉａｎｇ Ｓｃｉ⁃Ｔｅｃｈ Ｕｎｉｖｅｒｓｉｔｙ， Ｈａｎｇｚｈｏｕ ３１００１８， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｒａｐｉｄｌｙ ｃｈａｎｇｉｎｇ ｎｅｔｗｏｒｋ ｔｅｃｈｎｏｌｏｇｙ ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ ｐｒａｃｔｉｃａｌ ｉｎｎｏｖａｔｉｏｎ ｕｒｇｅｎｔｌｙ ｎｅｅｄ ｓｕｐｐｏｒｔ ｆｒｏｍ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｉｎｔｅｌｌｉｇｅｎｔ ｉｎｎｏｖａｔｉｏｎ ｔｈｅｏｒｙ ａｎｄ ｍｅｔｈｏｄｓ． Ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｍｅｇａｄａｔａ ａｎｄ ｎｅｔｗｏｒｋ ｉｎｆｏｒｍａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｈａｓ ｐａｖｅｄ ｔｈｅ ｗａｙ ｆｏｒ ｓｃｉｅｎｔｉｆｉｃ ｒｅｓｅａｒｃｈ ｏｆ ｔｈｅ ｉｎｎｏｖａｔｉｏｎ ｍｅｃｈａｎｉｓｍ． Ｂａｓｅｄ ｏｎ ｔｈｅ ｂａｓｉｃ⁃ｅｌｅｍｅｎｔ ｔｈｅｏｒｙ ｏｆ Ｅｘｔｅｎｉｃｓ， ｔｈｅ ｓｔｒａｔｅｇｙ ｆｏｒ ａｎ ｉｎｔｅｌｌｉｇｅｎｔ ｅｍｅｒｇｉｎｇ ｍｅｃｈａｎｉｓｍ ｃｏｎｔａｉｎｉｎｇ ａ ｌａｒｇｅ ｋｎｏｗｌｅｄｇｅｂａｓｅ ｉｎ ｔｈｅ ｉｎｎｏｖａｔｉｏｎ ｐｒｏｃｅｓｓ ｗａｓ ｅｘｐｏｕｎｄｅｄ． Ｔｈｉｓ ｓｕｐｐｌｅｍｅｎｔｓ ｔｈｅ ｄｅｆｉｃｉｅｎｃｙ ｉｎ ｈｉｄｄｅｎ ｋｎｏｗｌｅｄｇｅ ｏｆ ｔｈｅ ｈｕｍａｎ ｂｒａｉｎ， ａｉｄｓ ｔｏ ｒｅａｌｉｚｅ ｔｈｅ ｉｎｎｏｖａｔｉｏｎ ｐａｔｈｗａｙ ｂｙ ｓｉｍｕｌａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｔｏ ｒｅｍｏｖｅ ｔｈｅ ｄｉｌｅｍｍａ ｏｆ ｔｈｅ “ｂｌａｃｋ ｂｏｘ” ｄｕｒｉｎｇ ｔｈｅ ｉｎｎｏｖａｔｉｏｎ ｐｒｏｃｅｓｓ ｔｏ ａ ｃｅｒｔａｉｎ ｅｘｔｅｎｔ， ａｎｄ ｂｕｉｌｄｓ ｔｈｅ ｍｅｃｈａｎｉｓｍ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏ⁃ｐｒｏｃｅｓｓｉｎｇ ｏｆ ｉｎｎｏｖａｔｉｖｅ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｋｎｏｗｌｅｄｇｅ． Ｔｈｉｓ ｉｎｎｏｖａｔｉｏｎ ｍｅｃｈａｎｉｓｍ ｉｓ ｏｆ ｔｈｅｏｒｅｔｉｃａｌ ａｎｄ ｐｒａｃｔｉｃａｌ ｓｉｇｎｉｆｉｃａｎｃｅ ｔｏ ｅｎｒｉｃｈｉｎｇ ｂｏｔｈ ｋｎｏｗｌｅｄｇｅ ｍａｎａｇｅｍｅｎｔ ｔｈｅｏｒｙ ａｎｄ ｓｃｉｅｎｔｉｆｉｃ ｉｎｎｏｖａｔｉｖｅ ａｐｐｒｏａｃｈｅｓ． Ｋｅｙｗｏｒｄｓ：ｋｎｏｗｌｅｄｇｅ ｅｍｅｒｇｅｎｃｅ； ｉｎｔｅｌｌｉｇｅｎｔ ｉｎｎｏｖａｔｉｏｎ； Ｅｘｔｅｎｉｃｓ； ｍｅｇａｄａｔａ； ｂａｓｉｃ ｅｌｅｍｅｎｔ ｔｈｅｏｒｙ； ｋｎｏｗｌｅｄｇｅ ｍａｎａｇｅｍｅｎｔ； ｉｎｎｏｖａｔｉｏｎ ｐａｔｈ 收稿日期：２０１６－１０－１３． 网络出版日期：２０１７－０２－２７． 基金项目：国家自然科学基金项目（７１２７１１９１）；教育部人文社科青年项目 （１６ＹＪＣ６３０１６２）； 浙 江 省 自 然 科 学 基 金 项 目 （ ＬＹ１６Ｇ０１００１０， ＬＹ１４Ｇ０１０００４）；宁波市自然科学基金项目（２０１５Ａ６１０１３８）． 通信作者：李兴森．Ｅ⁃ｍａｉｌ：ｌｉｘｓ＠ ｎｉｔ．ｚｊｕ．ｅｄｕ．ｃｎ． 随着信息技术的发展，互联网、数据挖掘、信息 系统等正在改变着创新的环境，大数据为创新带来 了新的机遇［１］ 。 在异构、快速变化、稀疏的大数据背后，隐藏着 创新方案生成所需的几乎所有原料，从大数据中挖 掘知识辅助创新是未来的必然趋势［２］ 。 创新正转 向以共同创新、开放创新为特点的用户参与创新 ２．０ 模式［３］ 。 数据、信息的海量性导致创新的复杂性
48 智能系统学报 第12卷 系统性进一步提高[。 造环境]。中国学者在这方面的研究还相对缺乏。 大数据环境下，企业内部知识共享能力的作用 创新是一项复杂的知识管理工程2]，知识创新 相对减弱，而价值链各方知识的协同创新能力越来 需要可实施性强的网铬模型2)。从复杂性角度看， 越重要)。企业研发活动的学科交叉性、多元化和 创新本身可视为创新主体、创新要素交互作用下的 网络化6]对创新个体的信息存储、处理、分析等能 种涌现现象[26]。知识涌现通过许多简单、线性的 力提出了更高要求。由于创新活动的复杂性已远 个体相互作用，由个体的线性上升到整体的非线 远超越了个人、单个企业或机构的知识能力范 性，在某个相对稳定的阶段涌现出群体性、非线性与 围-)，知识管理研究重心正在转移)，快速变化的 复杂系统特征可。知识涌现模式分为决策导向的功 科技环境与创新需求迫切需要相应的智能化创新 能主体模式和情景适应的协调反应模式两类】，文献 理论与方法支撑[o] [29-31]进一步阐述了创新系统元素间良性互动机制 一般认为创意生成在一刹那发生，难以捕捉，所以 的形成，并且制度化有一定弹性的创新体系的形成对 很难用科学方法来实现创新，创新过程至今仍然被视 知识创新的涌现将具有决定性作用32-刘]。 为一个“黑箱”[】，目前还没有模型能够清楚地解释 上述研究论证了知识涌现的优势与实现方法 创新方案生成这一微观层面的具体过程。创意灵感几 等，但仍存在如下不足：1)从知识涌现的条件准备 乎可遇而不可求，甚至连输入都不清晰。这使得有关 到创新目标的实现之间缺乏内在的关联机制，缺失 创新机理和方法的研究难以建立在科学基础之上，从 创新目标的融入，难以为创新方案的生成呈现出所 而无法有效地指导创新管理的实践。 有可能的路径：2)现有知识管理模式与知识管理系 近年来关于创新的研究主要集中在创新理念、 统难以直接用于复杂性涌现的模拟：3)创新管理研 创新动力、创新模式和宏观政策等几方面〔-。创 究没有正式将知识智能涌现创新纳入交叉研 新需要集成和协同在学术界已达成共识[5-6]，但缺 究范围。 乏微观层面知识集成和协同机理方面的深入研究 大数据背景下，创新机理研究面临良好的机 与之配合，导致良好的理念无法有效实施。认知神 遇，有充足的信息与知识可供处理，智能知识管 经科学领域的功能磁共振成像(MR)技术能对特 理]、本体、智能体模拟仿真技术等为知识智能化 定的大脑活动的皮层区域进行准确、可靠的定位， 处理准备了条件。可拓学由于具备形式化模型定 通过对大脑的扫描实时跟踪脑信号的改变，读取大 性表示及关联函数定量分析方面的优势[3]，近年来 脑思维活动，如消费者购买行为的潜意识类型可。 在工程、管理等领域的成果向人们展示了可拓学作 然而，MRI却无法准确描述思维处理的信息内容。 为方法论的良好应用前景6别，可拓学将为知识涌 创造学、水平思考法[1]等从思维方法上提高创新效 现创新研究提供新的方法论，有可能成为知识管理 率，但这些创新方法的应用均存在过于依赖人的思 和创新方案智能生成之间的桥梁 维能力的问题，很难以科学手段定量化生成系统的 因此，从理论上探究大数据环境下智能创新的 创新方案。TRZ理论通过39个矛盾参数与40个 知识管理理论，使“创新过程”具备某种程度上的可 解决法则等，实现了技术创新的程序化，使技术创 观察性，将有助于促进知识管理与可拓学在创新领 新过程可以按照技术演变规律进行。但它主要 域的交叉应用，促进创新学这一新兴学科1]在大数 研究的是技术矛盾和物理矛盾，对社会矛盾、管理 据时代的发展。 矛盾等难以解决。因此很难用于管理创新、服务创 1 知识智能涌现创新的概念与特征 新等非技术领域。 创新从根本上说是基于知识的创新，创新是知 通过数据挖掘等信息技术，从各类数据中获取 识运用的结果[0]，知识的收集、创造及运用能力是 信息和知识，将获取的多元知识与人的经验知识相 企业持续创新的决定性要素[2)。近年来，欧盟各国 结合，利用智能知识管理手段发现多元知识中间 斥巨资建设Living Lab让用户在真实的生活环境中 蕴含的深层知识和规律。这些规律和知识是从大 参与共同创新，并将欧洲Living Lab网络的建设作 量知识和信息中通过二次、多次集成、交互、涌现产 为信息社会、知识社会条件下重塑其科技创新能力 生的，往往更具新颖性、实用性，对企业管理创新、 和全球竞争力的重要举措]。Fab Lab则基于社会 技术创新有较好的铺助作用，称之为知识智能涌现 技术发展脉络，试图构建面向应用的从设计、制造， 创新，简称智能创新。其基本特征如下 到调试、分析及文档管理各个环节的用户融合创新制 1)结果的不可预知性。在涌现结果生成前，可
系统性进一步提高［４］ 。 大数据环境下，企业内部知识共享能力的作用 相对减弱，而价值链各方知识的协同创新能力越来 越重要［５］ 。 企业研发活动的学科交叉性、多元化和 网络化［６］对创新个体的信息存储、处理、分析等能 力提出了更高要求。 由于创新活动的复杂性已远 远超越 了 个 人、 单 个 企 业 或 机 构 的 知 识 能 力 范 围［７⁃８］ ，知识管理研究重心正在转移［９］ ，快速变化的 科技环境与创新需求迫切需要相应的智能化创新 理论与方法支撑［１０］ 。 一般认为创意生成在一刹那发生，难以捕捉，所以 很难用科学方法来实现创新，创新过程至今仍然被视 为一个“黑箱” ［１１－１２］ ，目前还没有模型能够清楚地解释 创新方案生成这一微观层面的具体过程。 创意灵感几 乎可遇而不可求，甚至连输入都不清晰。 这使得有关 创新机理和方法的研究难以建立在科学基础之上，从 而无法有效地指导创新管理的实践。 近年来关于创新的研究主要集中在创新理念、 创新动力、创新模式和宏观政策等几方面［１１－１４］ 。 创 新需要集成和协同在学术界已达成共识［１５－１６］ ，但缺 乏微观层面知识集成和协同机理方面的深入研究 与之配合，导致良好的理念无法有效实施。 认知神 经科学领域的功能磁共振成像（ ｆＭＲＩ）技术能对特 定的大脑活动的皮层区域进行准确、可靠的定位， 通过对大脑的扫描实时跟踪脑信号的改变，读取大 脑思维活动，如消费者购买行为的潜意识类型［１７］ 。 然而，ｆＭＲＩ 却无法准确描述思维处理的信息内容。 创造学、水平思考法［１８］等从思维方法上提高创新效 率，但这些创新方法的应用均存在过于依赖人的思 维能力的问题，很难以科学手段定量化生成系统的 创新方案。 ＴＲＩＺ 理论通过 ３９ 个矛盾参数与 ４０ 个 解决法则等，实现了技术创新的程序化，使技术创 新过程可以按照技术演变规律进行［１９］ 。 但它主要 研究的是技术矛盾和物理矛盾，对社会矛盾、管理 矛盾等难以解决。 因此很难用于管理创新、服务创 新等非技术领域。 创新从根本上说是基于知识的创新，创新是知 识运用的结果［２０］ ，知识的收集、创造及运用能力是 企业持续创新的决定性要素［２１］ 。 近年来，欧盟各国 斥巨资建设 Ｌｉｖｉｎｇ Ｌａｂ 让用户在真实的生活环境中 参与共同创新，并将欧洲 Ｌｉｖｉｎｇ Ｌａｂ 网络的建设作 为信息社会、知识社会条件下重塑其科技创新能力 和全球竞争力的重要举措［２２］ 。 Ｆａｂ Ｌａｂ 则基于社会 技术发展脉络，试图构建面向应用的从设计、制造， 到调试、分析及文档管理各个环节的用户融合创新制 造环境［２３］ 。 中国学者在这方面的研究还相对缺乏。 创新是一项复杂的知识管理工程［２４］ ，知识创新 需要可实施性强的网络模型［２５］ 。 从复杂性角度看， 创新本身可视为创新主体、创新要素交互作用下的 一种涌现现象［２６］ 。 知识涌现通过许多简单、线性的 个体相互作用，由个体的线性上升到整体的非线 性，在某个相对稳定的阶段涌现出群体性、非线性与 复杂系统特征［２７］ 。 知识涌现模式分为决策导向的功 能主体模式和情景适应的协调反应模式两类［２８］ ，文献 ［２９－３１］进一步阐述了创新系统元素间良性互动机制 的形成，并且制度化有一定弹性的创新体系的形成对 知识创新的涌现将具有决定性作用［３２－３４］ 。 上述研究论证了知识涌现的优势与实现方法 等，但仍存在如下不足：１） 从知识涌现的条件准备 到创新目标的实现之间缺乏内在的关联机制，缺失 创新目标的融入，难以为创新方案的生成呈现出所 有可能的路径；２）现有知识管理模式与知识管理系 统难以直接用于复杂性涌现的模拟；３）创新管理研 究没 有 正 式 将 知 识 智 能 涌 现 创 新 纳 入 交 叉 研 究范围。 大数据背景下，创新机理研究面临良好的机 遇，有充足的信息与知识可供处理， 智能知识管 理［９］ 、本体、智能体模拟仿真技术等为知识智能化 处理准备了条件。 可拓学由于具备形式化模型定 性表示及关联函数定量分析方面的优势［３５］ ，近年来 在工程、管理等领域的成果向人们展示了可拓学作 为方法论的良好应用前景［３６－３７］ ，可拓学将为知识涌 现创新研究提供新的方法论，有可能成为知识管理 和创新方案智能生成之间的桥梁。 因此，从理论上探究大数据环境下智能创新的 知识管理理论，使“创新过程”具备某种程度上的可 观察性，将有助于促进知识管理与可拓学在创新领 域的交叉应用，促进创新学这一新兴学科［１３］ 在大数 据时代的发展。 １ 知识智能涌现创新的概念与特征 通过数据挖掘等信息技术，从各类数据中获取 信息和知识，将获取的多元知识与人的经验知识相 结合，利用智能知识管理［９］ 手段发现多元知识中间 蕴含的深层知识和规律。 这些规律和知识是从大 量知识和信息中通过二次、多次集成、交互、涌现产 生的，往往更具新颖性、实用性，对企业管理创新、 技术创新有较好的辅助作用，称之为知识智能涌现 创新，简称智能创新。 其基本特征如下： １）结果的不可预知性。 在涌现结果生成前，可 ·４８· 智 能 系 统 学 报 第 １２ 卷
第1期 许立波，等：知识智能涌现创新：概念、体系与路径 49. 能会有很长的酝酿期，时间长短不一，往往无法判 大数据环境下构建创新知识库和知识涌现提供理 断何时产生新知识。 论指导，解决创新过程所需的信息和知识的输入 2)过程的反复性。需要人机交互多次反复，人 问题。 看到计算机挖掘的知识，触发新的联想和信息需 2.2复杂性视角下基元与本体智能融合的创新知 求、知识需求，进而从数据中再次挖掘知识，补充到 识库构建模式 知识库。多次循环，认识符合螺旋式上升的规律。 网络环境下大量的信息和知识成为创新的重 3)涌现的突变性。知识和信息积累到一定程 要资源，同时也产生了信息爆炸和知识过载等问 度，量变引起质变，往往增加一条看似无关紧要的 题，本体(ontology)作为一种能在语义和知识层次上 知识时，涌现突然发生。 描述信息的概念建模工具，已在知识工程、自然语 4)可解释性。与神经网络等方法获取的结果 言理解、概念检索等领域得到较好应用。基元将信 相比，智能涌现产生的知识有较强的可读性和可解 息表达为（对象，属性，量值）的三元组形式，用于构 释性，专家可以解读，甚至可以跟踪主要知识链的 联系。 建问题描述模型。以基元形式化表达信息的方式为 Object, C1, 2知识智能涌现创新的理论框架 C2,U2 B=(0,C,)= 2.1知识智能涌现创新的信息、知识完备性理论 (1) 定量化研究信息管理、知识管理与创新过程的 Cn,Vn 内在关联机理，研究创新方案生成所需信息、知识 式中：O(Object)表示某对象（物、动作或关系词）： 的类型、结构、组成等，构建创新所需的信息、知识 的完备性理论，为有效利用大数据环境下的各种信 c1,c2,…,cn表示对象0的n个特征；1,2，…，n表 示对象0关于上述特征的相应量值。利用本体技 息和知识等生成创新方案准备充分条件。初步研 究发现，创新方案生成至少需要方法论知识和描述 术拓展基元理论，研究基元本体的表达、存储方式， 性知识（反映事物内容的），而描述性知识又必须包 实现创新所需信息与知识的智能采集与存储，不断 括与条件有关的知识和与目标有关的知识。该研 拓展、完善面向行业应用的创新素材库。以物元为 究将为如何利用知识管理与数据挖掘等新技术在 例的智能创新基元库模型示意图如图1所示。 扩大缩小 分解 增加别除 规则知识A02, 来源 销售数据 类型， 决策树 置换 基本变换方法 复制 适用部门， 设计中心 数据集开始时间 2005.8 显部 R= 软部 数据集结束时间 2006.3 规则产生时间 2006/7/9 论域 审计分数 85.5 变换 动态性 条件 系统性 硬部 1.5”。 准则 对 物元 路 条件+目标 象 (物1 白属性和属性值(957刀 元素 立性 白外观958) 物质性 虚部 国形状1959) 目标 田明暗985) 田清浑(988) 负部 田美丑(991) 实部 田样式994) 日光洁度99刀 娇(998 表达形式 糙999 光(1000) 对象 量值 0°0○ 多征 田段色(1001) 属性（特每） 田浓淡1016) 田气味(1019) 一物多征 白-味道(1022) 值 安1023到 物 多物 甜1024 苦(1025) 多值 多 多物 辣(1026) 成[1027刀 图1智能创新基元库模型（以物元为例） Fig.I Basic element model of intelligent innovation take matter element as example)
能会有很长的酝酿期，时间长短不一，往往无法判 断何时产生新知识。 ２）过程的反复性。 需要人机交互多次反复，人 看到计算机挖掘的知识，触发新的联想和信息需 求、知识需求，进而从数据中再次挖掘知识，补充到 知识库。 多次循环，认识符合螺旋式上升的规律。 ３）涌现的突变性。 知识和信息积累到一定程 度，量变引起质变，往往增加一条看似无关紧要的 知识时，涌现突然发生。 ４）可解释性。 与神经网络等方法获取的结果 相比，智能涌现产生的知识有较强的可读性和可解 释性，专家可以解读，甚至可以跟踪主要知识链的 联系。 ２ 知识智能涌现创新的理论框架 ２．１ 知识智能涌现创新的信息、知识完备性理论 定量化研究信息管理、知识管理与创新过程的 内在关联机理，研究创新方案生成所需信息、知识 的类型、结构、组成等，构建创新所需的信息、知识 的完备性理论，为有效利用大数据环境下的各种信 息和知识等生成创新方案准备充分条件。 初步研 究发现，创新方案生成至少需要方法论知识和描述 性知识（反映事物内容的），而描述性知识又必须包 括与条件有关的知识和与目标有关的知识。 该研 究将为如何利用知识管理与数据挖掘等新技术在 大数据环境下构建创新知识库和知识涌现提供理 论指导，解决创新过程所需的信息和知识的输入 问题。 ２．２ 复杂性视角下基元与本体智能融合的创新知 识库构建模式 网络环境下大量的信息和知识成为创新的重 要资源，同时也产生了信息爆炸和知识过载等问 题，本体（ｏｎｔｏｌｏｇｙ）作为一种能在语义和知识层次上 描述信息的概念建模工具，已在知识工程、自然语 言理解、概念检索等领域得到较好应用。 基元将信 息表达为（对象，属性，量值）的三元组形式，用于构 建问题描述模型。 以基元形式化表达信息的方式为 Ｂ ＝ （Ｏ，Ｃ，Ｖ） ＝ Ｏｂｊｅｃｔ， ｃ１ ， ｃ２ ， ︙ ｃｎ ， ｖ１ ｖ２ ︙ ｖｎ é ë ê ê ê ê ê ê ù û ú ú ú ú ú ú （１） 式中：Ｏ（Ｏｂｊｅｃｔ） 表示某对象（物、动作或关系词）； ｃ１ ，ｃ２ ，…，ｃｎ 表示对象 Ｏ 的 ｎ 个特征；ｖ１ ，ｖ２ ，…，ｖｎ 表 示对象 Ｏ 关于上述特征的相应量值。 利用本体技 术拓展基元理论，研究基元本体的表达、存储方式， 实现创新所需信息与知识的智能采集与存储，不断 拓展、完善面向行业应用的创新素材库。 以物元为 例的智能创新基元库模型示意图如图 １ 所示。 图 １ 智能创新基元库模型（以物元为例） Ｆｉｇ．１ Ｂａｓｉｃ ｅｌｅｍｅｎｔ ｍｏｄｅｌ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｉｎｎｏｖａｔｉｏｎ （ｔａｋｅ ｍａｔｔｅｒ ｅｌｅｍｅｎｔ ａｓ ｅｘａｍｐｌｅ） 第 １ 期 许立波，等：知识智能涌现创新：概念、体系与路径 ·４９·
·50 智能系统学报 第12卷 2.3知识智能涌现发生的机理 智能涌现，作为一种新的创新路径，形成在创新中 针对特定问题和创新目标，当采集的相关数 的应用策略，为创新提供知识路径参考。 据、信息与知识达到足够数量时，创新方案必然隐 2.4实践验证 含其中，只是一时无法识别其关键创新路径。通过 基于初步构建的大数据环境下知识智能涌现 探索网络环境下数据、信息与知识集成创新的基本 创新的理论与方法体系，开发模拟软件，通过基元 规律和方法，挖掘创新方案生成背后的信息、知识 库输入、整体涌现和方案选择等使创新的偶然性在 整体涌现发生的机理，建立起涌现特征与微观机制 一定条件下成为必然性，测试检验理论与方法的有 的联系，进而设计算法，通过模拟仿真实现知识的 效性。知识智能涌现创新体系如图2所示。 创新 创新方案 思维 创新方案是 输人不清晰 处理过程是黑箱 非全解集 互联网 ④ 信息 知识通现智能 创新模式 试用检验 组 888 专家 ① ② 合 经验知识 所有可能 评 的创新 方案 创新基元南 业知 体系 人机交 互.万式 混沌状态 生成创 挖提 模型 新方案 数据库 知识 创新茶材 知识可拓变换」 创新路径 海量信息与知识收集 基元库构建 知识挖据、智能涌现 智能生成 图2知识智能涌现创新理论框架与内容体系 Fig.2 Theory framework and its contents of intelligent innovation on knowledge emergence 3 实现路径及应用案例 本路径链。 3)创新方案智能涌现生成的方法完备性规则。 3.1智能涌现创新实现过程中的主要问题分析 借助数据挖掘和可拓学理论，研究生成创新方案背 1)网络环境下创新过程中的“黑箱”解剖问题。 后的方法体系的充分条件，通过计算机模拟解读、 受限于目前的研究手段，创新方案生成的过程仍然 构建智能涌现创新的方法完备性规则，通过不断反 是一个“黑箱”，这使得有关创新方案生成机制的研 馈，反过来为创新所需知识与信息的收集进一步提 究难以建立在科学基础之上。借助大数据网络环 供理论指导。 境，通过数据、信息与知识的融合和智能涌现等技 3.2实现路径 术手段，使人们摆脱传统习惯思维的束缚，找到更 对创新思维过程的“黑箱”通过生理扫描等手 系统全面的创新路径，这是突破创新方案生成瓶颈 段进行正面研究难以观察到大数据与知识的输入 的关键之一。 情况，条件限制较大。以各类网络信息资源为外 2)创新方案生成的解空间问题。创新策略的 脑，用数据挖掘、复杂性模拟等技术方法弥补人的 生成其实有一个很长的酝酿期，看似天马行空的创 有限能力，从“黑箱”的外围入手，从知识管理与智 新思维背后，仍然存在一定的规律。借助网络信息 能涌现模拟的角度，与现有脑科学研究成果对接， 集成和可拓变换方法，有可能挖掘出问题处理的基 开辟新的创新方案生成路径，从更宏观的层次解读
２．３ 知识智能涌现发生的机理 针对特定问题和创新目标，当采集的相关数 据、信息与知识达到足够数量时，创新方案必然隐 含其中，只是一时无法识别其关键创新路径。 通过 探索网络环境下数据、信息与知识集成创新的基本 规律和方法，挖掘创新方案生成背后的信息、知识 整体涌现发生的机理，建立起涌现特征与微观机制 的联系，进而设计算法，通过模拟仿真实现知识的 智能涌现，作为一种新的创新路径，形成在创新中 的应用策略，为创新提供知识路径参考。 ２．４ 实践验证 基于初步构建的大数据环境下知识智能涌现 创新的理论与方法体系，开发模拟软件，通过基元 库输入、整体涌现和方案选择等使创新的偶然性在 一定条件下成为必然性，测试检验理论与方法的有 效性。 知识智能涌现创新体系如图 ２ 所示。 图 ２ 知识智能涌现创新理论框架与内容体系 Ｆｉｇ．２ Ｔｈｅｏｒｙ ｆｒａｍｅｗｏｒｋ ａｎｄ ｉｔｓ ｃｏｎｔｅｎｔｓ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｉｎｎｏｖａｔｉｏｎ ｏｎ ｋｎｏｗｌｅｄｇｅ ｅｍｅｒｇｅｎｃｅ ３ 实现路径及应用案例 ３．１ 智能涌现创新实现过程中的主要问题分析 １）网络环境下创新过程中的“黑箱”解剖问题。 受限于目前的研究手段，创新方案生成的过程仍然 是一个“黑箱”，这使得有关创新方案生成机制的研 究难以建立在科学基础之上。 借助大数据网络环 境，通过数据、信息与知识的融合和智能涌现等技 术手段，使人们摆脱传统习惯思维的束缚，找到更 系统全面的创新路径，这是突破创新方案生成瓶颈 的关键之一。 ２）创新方案生成的解空间问题。 创新策略的 生成其实有一个很长的酝酿期，看似天马行空的创 新思维背后，仍然存在一定的规律。 借助网络信息 集成和可拓变换方法，有可能挖掘出问题处理的基 本路径链。 ３）创新方案智能涌现生成的方法完备性规则。 借助数据挖掘和可拓学理论，研究生成创新方案背 后的方法体系的充分条件，通过计算机模拟解读、 构建智能涌现创新的方法完备性规则，通过不断反 馈，反过来为创新所需知识与信息的收集进一步提 供理论指导。 ３．２ 实现路径 对创新思维过程的“黑箱” 通过生理扫描等手 段进行正面研究难以观察到大数据与知识的输入 情况，条件限制较大。 以各类网络信息资源为外 脑，用数据挖掘、复杂性模拟等技术方法弥补人的 有限能力，从“黑箱”的外围入手，从知识管理与智 能涌现模拟的角度，与现有脑科学研究成果对接， 开辟新的创新方案生成路径，从更宏观的层次解读 ·５０· 智 能 系 统 学 报 第 １２ 卷
第1期 许立波，等：知识智能涌现创新：概念、体系与路径 ·51 创新过程的知识涌现机理。 业绩考核管理。 主要实现策略如下： 2)生产企业在产能不足的情况下，面临如何对 1)理论推演与计算机软件模拟相结合。以可 内销订单和外贸订单进行取舍的问题。 拓集合理论从系统角度进行创新宏观路径研究，以 3)衬衫的代加工费(18元/件)高于内销订单 基元理论从微观分解的角度对创新过程进行模拟 的加工费(14元/件)，平均每件高4元。 仿真、解剖研究。将本体技术和基元理论相结合， 4)生产厂的加工规则是：优先加工利润高、批 借助网络信息收集和Wb挖掘构建基元库，以可拓 量大的订单。 数据挖掘方法获取创新过程中的信息输入、输出的 5)外贸OEM订单一般批量大。 转化知识，并在Swam软件平台上进行模拟仿真。 6)集团财务数据统计显示，企业利润主要来源 2)文献对比分析与案例研究、实践应用反馈相 于自营专卖店销售和团购业务销售。 结合。对知识管理、数据挖掘与创新方法文献进行 7)生产厂的加工生产类型分3类：①面向库存 系统、全面地对比研究，并对复杂性系统模拟应用 的生产，供各类渠道销售：②团购订单加工，量体定 案例及可拓学典型的创新案例进行分析、归纳，以 制，先付款后加工：③委托生产OEM,帮其他品牌代 总结基本规律和方法，并以案例检验理论的有效性。 加工。 3)定性研究与定量研究相结合。以关联函数、 8)生产厂团购订单及时交货率出现持续下降 数据挖掘和模拟仿真等作为定量研究工具，采用智 趋势，远远低于委托生产订单的及时交货率。 能知识管理手段对创新知识库进行挖掘和特定目 9)委托订单批量大，在生产厂利润中的比重也 标下的涌现模拟。以开放型专家访谈、参与性或非 越来越大。 参与性观察、文献分析、个案调查等作为定性研究 10)利润指标是集团对下属单位考核的主要指 工具，发散与收敛交替使用，通过人机交互挖掘创 标之一，生产厂每年利润指标都完成96%以上。但 新策略生成的路径。 销售公司利润只完成82%，集团整体利润只完 实现途径上，用本体技术和可拓学基元存储信 成87%。 息与知识，用智能体模拟仿真技术实现智能涌现， 11)对完成利润指标低于85%的下属单位负责 用可拓变换理论设置初始路径，最后用知识二次挖 人，年底扣发奖金、公示、降职。 掘的方法从数据和信息中（以基元库素材作为输 12)影响自营专卖店销售的主要因素是畅销品 入，涌现结果作为输出)挖掘规律，与初始路径对比 缺货，订货后生产交货不及时：交货不及时也是造 分析，解读知识整体智能涌现的机理，反馈信息与 成团购客户不满意的主要因素。 知识的完备性，形成良性循环。首先，通过文献对 13)生产厂一旦承接大量的代加工生产订单， 比分析、案例分析及企业调研，设计基本思路，进而 则往往因生产能力不足，需要统筹安排生产计划。 融合复杂性理论、可拓学理论和智能知识管理理 基于智能涌现创新的理论方法，构建相关基元 论，通过问题建模、软件模拟、归纳、演绎等手段，探 库，如某生产厂的物元模型如下： 索智能知识管理与创新策略生成的内在联系机理， 「生产厂1， 负责人， 厂长 逐步明确信息、知识收集的范围、方向、收集方式 被考核的指标， 利润 F1=(0,C,)= 等，进而通过实验模拟探索知识涌现的规律、机理 及可行路径，最后构建知识智能涌现创新的理论与 日最大产能， . 方法体系。完成算法和原型系统后，通过试用来验 (2) 证理论方法的有效性。 通过智能涌现创新方法，得出如下知识关键 3.3应用案例 链：因为利润是生产厂的主要考核指标，所以生产 某服装集团曾被一件管理问题困惑多年：下属 厂会优先加工利润高的订单：因为OEM订单利润 多家生产企业和3家销售公司年度利润指标都完成 高，所以生产厂优先加工OEM订单：OEM订单批量 良好，而集团整体利润却不升反降，利润漏洞在哪 大，在生产能力一定的情况下，OEM订单占用大量 里？通过数据分析和管理层研讨，收集的关键信息 产能，到帐内销订单不能及时生产而被延期。从生 和知识如下。 产厂管理者的角度来看，优先加工利润高的OEM订 1)集团公司对各生产厂实施利润指标为主的 单无可厚非，但从集团角度来看，为赚取OEM单件
创新过程的知识涌现机理。 主要实现策略如下： １）理论推演与计算机软件模拟相结合。 以可 拓集合理论从系统角度进行创新宏观路径研究，以 基元理论从微观分解的角度对创新过程进行模拟 仿真、解剖研究。 将本体技术和基元理论相结合， 借助网络信息收集和 Ｗｅｂ 挖掘构建基元库，以可拓 数据挖掘方法获取创新过程中的信息输入、输出的 转化知识，并在 Ｓｗａｒｍ 软件平台上进行模拟仿真。 ２）文献对比分析与案例研究、实践应用反馈相 结合。 对知识管理、数据挖掘与创新方法文献进行 系统、全面地对比研究，并对复杂性系统模拟应用 案例及可拓学典型的创新案例进行分析、归纳，以 总结基本规律和方法，并以案例检验理论的有效性。 ３）定性研究与定量研究相结合。 以关联函数、 数据挖掘和模拟仿真等作为定量研究工具，采用智 能知识管理手段对创新知识库进行挖掘和特定目 标下的涌现模拟。 以开放型专家访谈、参与性或非 参与性观察、文献分析、个案调查等作为定性研究 工具，发散与收敛交替使用，通过人机交互挖掘创 新策略生成的路径。 实现途径上，用本体技术和可拓学基元存储信 息与知识，用智能体模拟仿真技术实现智能涌现， 用可拓变换理论设置初始路径，最后用知识二次挖 掘的方法从数据和信息中（以基元库素材作为输 入，涌现结果作为输出）挖掘规律，与初始路径对比 分析，解读知识整体智能涌现的机理，反馈信息与 知识的完备性，形成良性循环。 首先，通过文献对 比分析、案例分析及企业调研，设计基本思路，进而 融合复杂性理论、可拓学理论和智能知识管理理 论，通过问题建模、软件模拟、归纳、演绎等手段，探 索智能知识管理与创新策略生成的内在联系机理， 逐步明确信息、知识收集的范围、方向、收集方式 等，进而通过实验模拟探索知识涌现的规律、机理 及可行路径，最后构建知识智能涌现创新的理论与 方法体系。 完成算法和原型系统后，通过试用来验 证理论方法的有效性。 ３．３ 应用案例 某服装集团曾被一件管理问题困惑多年：下属 多家生产企业和 ３ 家销售公司年度利润指标都完成 良好，而集团整体利润却不升反降，利润漏洞在哪 里？ 通过数据分析和管理层研讨，收集的关键信息 和知识如下。 １）集团公司对各生产厂实施利润指标为主的 业绩考核管理。 ２）生产企业在产能不足的情况下，面临如何对 内销订单和外贸订单进行取舍的问题。 ３）衬衫的代加工费（１８ 元／ 件） 高于内销订单 的加工费（１４ 元／ 件），平均每件高 ４ 元。 ４）生产厂的加工规则是：优先加工利润高、批 量大的订单。 ５）外贸 ＯＥＭ 订单一般批量大。 ６）集团财务数据统计显示，企业利润主要来源 于自营专卖店销售和团购业务销售。 ７）生产厂的加工生产类型分 ３ 类：①面向库存 的生产，供各类渠道销售；②团购订单加工，量体定 制，先付款后加工；③委托生产 ＯＥＭ，帮其他品牌代 加工。 ８）生产厂团购订单及时交货率出现持续下降 趋势，远远低于委托生产订单的及时交货率。 ９）委托订单批量大，在生产厂利润中的比重也 越来越大。 １０）利润指标是集团对下属单位考核的主要指 标之一，生产厂每年利润指标都完成 ９６％以上。 但 销售公司利润只完成 ８２％， 集团整体利润 只 完 成 ８７％。 １１）对完成利润指标低于 ８５％的下属单位负责 人，年底扣发奖金、公示、降职。 １２）影响自营专卖店销售的主要因素是畅销品 缺货，订货后生产交货不及时；交货不及时也是造 成团购客户不满意的主要因素。 １３）生产厂一旦承接大量的代加工生产订单， 则往往因生产能力不足，需要统筹安排生产计划。 基于智能涌现创新的理论方法，构建相关基元 库，如某生产厂的物元模型如下： Ｆ１ ＝ （Ｏ，Ｃ，Ｖ） ＝ 生产厂１， 负责人， 被考核的指标， ︙ 日最大产能， 厂长 利润 ︙ ｖｎ é ë ê ê ê ê êê ù û ú ú ú ú úú （２） 通过智能涌现创新方法，得出如下知识关键 链：因为利润是生产厂的主要考核指标，所以生产 厂会优先加工利润高的订单；因为 ＯＥＭ 订单利润 高，所以生产厂优先加工 ＯＥＭ 订单；ＯＥＭ 订单批量 大，在生产能力一定的情况下，ＯＥＭ 订单占用大量 产能，到帐内销订单不能及时生产而被延期。 从生 产厂管理者的角度来看，优先加工利润高的 ＯＥＭ 订 单无可厚非，但从集团角度来看，为赚取 ＯＥＭ 单件 第 １ 期 许立波，等：知识智能涌现创新：概念、体系与路径 ·５１·