“知识管理”所面临的挑战，并不是信息技术就能完全解决得了的。在处理大批量的原有的“知识资源”时，利用信息技术可以大大减轻工作量，提高工作效率。但在处理新的“知识资源”时，绝对离不开人的主观能动性的发挥。

　　“知识管理”是组织为了利用知识获取最大的价值，针对知识资源所采取的一系列系统的规范的管理活动。目前，信息技术已经成为企业管理好自己知识资源的强大武器。但由于“知识”与“信息”之间存在极大的差异，在利用传统信息技术进行“知识管理”的过程中存在不少难以解决的挑战，不仅仅需要从技术层面找原因，更需要从人的角度出发，实现人和技术的相互协同和相互促进。

　　从“信息”到“知识”

　　对于什么是“信息”，什么是“知识”，人们已经提出了很多种定义。可惜的是，这些定义大都是单独针对“信息”或者仅仅针对“知识”而言的，而没有考虑到这二者之间的联系和差别。当我们把“信息”和“知识”放在一块儿时，我们就能发现这些定义往往是相互矛盾、混乱不堪的。

　　例如，1996年经合组织把“知识”分为以下四种：

　　* Know-what知识——事实知识

　　* Know-why知识——原理性知识

　　* Know-how知识——技能性知识

　　* Know-who知识——关于人的知识

　　按照这种分法，“信息”应该属于“事实知识”，因为“信息”不正是说明了某个事实吗?

　　而世界银行在其1998年《世界发展报告》中总结了学者们的观点，对数据、信息和知识作了如下概括性的表述：

　　数据——未经组织的数字、词语、声音、图象等。

　　信息——以有意义的形式加以排列和处理的数据(有意义的数据)。

　　知识——用于生产的信息(有价值的信息)。

　　按照这种说法，“知识”又成了“信息”的一部分。

　　综合各种定义，笔者认为：“知识”是人对客观世界的感知和认识;“信息”是一种特殊的“知识”，是人对客观世界的具体表象和特定细节而不是本质和规律的感知和认识。

　　以“抽象程度”为轴，人类的一切“知识”在该轴上处于不同的位置，位于“抽象程度”最低的一端的“知识”就是“信息”;对多条“信息”加以综合，可以获得抽象程度稍高的“规律”;而对多条“规律”加以综合，可以获得抽象程度更高的“原理”;抽象层次最高的“知识”可以称为“智慧”。

　　比如，对某位顾客的某次购物情况的了解，被称为“购物记录”，它是“信息”;对该顾客的多次购物情况的了解，被称为“购物习惯”，它比“信息”更加抽象，反映了该顾客在购物方面的一种“规律”;对特定顾客群体的“购物习惯”加以综合，可以得到抽象程度更高的“原理”，如“青年消费心理学”、“妇女消费心理学”、“儿童消费心理学”等等。

　　西方自由主义的重要领袖哈耶克认为，在经济活动中，“知识”不仅仅包括我们平时所说的“科学知识”，即那种普遍的、一般的知识，还包括“许多非常重要但未组织起来的知识，即有关特定时间和地点的知识”，即那种“专门的知识”。这种“专门的知识”就是在“抽象程度”轴上处于较低位置的“知识”，包括了最低端的“信息”。

　　可见，“知识”的一大特点是“层次性”。对于位于相邻层次上的相关知识，我们可以把位于较高层次上的知识称为“上位知识”，把较低层次上的知识称为“下位知识”。

　　“知识”虽然具有比较明显的层次特征，然而，它并不是一种“树型结构”，而是一种“网状结构”。我们可以把人脑中的“知识”看成是一张“有层次的网”，在这张网中，除了“上位知识”与“下位知识”之间的层次关系外，还存在大量错综复杂的关联。因此，很难对一个人头脑中的知识或对某领域内的知识进行一个清晰的划分和分类。

　　除了这种“有层次的网状结构”特征外，“知识”还具有一个重要的特征——“隐秘性”。

　　“隐秘性”指的是“知识”存在于人的大脑之中，难以被表达出来。英国物理化学家和哲学家波兰尼早在1958年就指出：“人类的可以通过语言来表达的知识在本质上都是隐喻性的。” 波兰尼论述知识的隐秘性的经典比喻是：“我们能在成千上万张脸中认出某一个人的脸。但是，在通常情况下，我们却说不出我们是怎样认出这张脸的。”他将其归纳道：“我们知晓的比我们能够说出的多。”

　　“知识”的抽象程度越高，其“隐秘性”就越高，越难以表达。而“信息”由于其抽象程度最低，所以最容易被表达和传播，因此，“信息管理”才得以飞速发展和广泛应用，而“知识管理”则举步维艰。

　　“知识管理”的技术挑战

　　人们利用信息技术来管理“信息”这种重要的资源已经取得了一定的成绩。随着信息技术的进步和“信息管理”的发展，人们逐渐认识到，“信息”只是冰山的一角，“知识”比“信息”范围更广，价值更高，因此开始试图对“知识”这种资源实施有效管理。但是，“知识”具有许多与“信息”截然不同的新特征，因此，“知识管理”面临诸多挑战，基本上可以归结为以下两方面的挑战：

　　“知识资源”的“元数据”

　　对于任何一种资源，我们总是通过与该资源相关的“信息”对其加以管理的。因此，为了管理“知识”这种资源，我们首先必须获得描述所管理的“知识资源”的属性的“信息”，在计算机科学中，它们都被统称为“元数据”，即“描述数据的数据”。计算机只有在获得描述“知识资源”的“元数据”后才能对其施加处理。例如，要想对若干篇文章按照文章标题进行排序，则我们首先必须告诉计算机各篇文章的标题。

　　“知识资源”的元数据既包括了该资源的“自然属性”(如标题、作者、长度、创建时间等)，更重要的是，还应该包括该资源的“知识属性”，如“主题”、“关键词”等。例如，由美国OCLC公司发起的国际性合作项目Dublin Core Metadata Initiative所设计的“都柏林核心”(Dublin Core)元数据集合中定义了描述电子知识资源的十五项元数据，大体上涵盖了知识资源的“自然属性”和“知识属性”。

　　目前，与描述“知识资源”的元数据相关的各种技术已经出现，如RDF(资源描述框架)、XML等。在这些技术的帮助下，人们正在尝试建立“语义网络”，实现全球“知识资源”的共享。但是，如何从“知识资源”中提取各项元数据，尤其是描述其“知识属性”的元数据，仍然是知识管理面临的一个持久挑战。

　　各种“自动分类”、“自动编写摘要”、“自动确定主题”等技术分别从不同角度来努力解决这一挑战。虽然取得了一定的进展，但总的来说并未取得实质性突破。这是因为，从“知识资源”中提取描述其“知识属性”的元数据这一处理，属于“知识”层次上的处理，需要计算机具有一定的“人工智能”(这里说的“智能”是指理解和处理“知识”的能力，不是一般的数值运算能力)，而目前的“人工智能”技术虽然应该取得一定的进展，但与人工处理的效果相比还有一定差距。

　　“知识资源”的“元知识”

　　为了对某种资源施加有效管理，管理者必须掌握相关的“管理知识”。由于计算机本身并不拥有“管理知识”，因此，如果要想使计算机完成各种复杂处理，人们必须向计算机“灌输”这些“管理知识”，这可以采用两种方式：

　　一种是“死”的方式，即把人的“管理知识”转变成“规则”，固化在计算机中，使计算机能够按照固定的“规则”进行各种操作。在这种方式中，计算机中蕴涵的“管理知识”是死的，是无法更新的。一旦情况发生了改变，人们的“管理知识”得到了更新，则计算机系统便“过时”了。

　　一种相反的方式是“活”的方式，即首先向计算机输入各种读入、理解和利用“管理知识”的规则，使计算机系统具有处理知识的“人工智能”，然后就可以向计算机系统输入各种“管理知识”，使计算机系统按照“管理知识”进行各种操作。一旦人们的“管理知识”得到了更新，可以迅速更新信息系统中的“管理知识”。

　　在信息化建设历程中，一来由于“人工智能”技术尚未取得实质性突破，二来由于信息化建设的决策者和设计者对“管理知识”的持续创新重视不够，往往单纯采用第一种方式。例如，很多企业通过信息化建设，把所谓的“最佳实践”固化在计算机系统中。表面上看，这有助于“最佳实践”的推广和应用，但实际上，“最佳实践”永远不可能是“最佳”的，它总需要不断改进。因此，那些固化了大量“最佳实践”的信息系统随着时间的流逝，往往成为了阻碍企业创新和发展的桎梏。所谓的“信息孤岛”以及各种“僵化”问题，在本质上，是内化在信息系统中的“管理知识”无法得到更新。

　　对于管理“知识”这种特殊资源而言，管理者所必须掌握的是 “关于知识的知识”，是关于“企业拥有哪些知识，它们之间有什么关联，应该如何管理”等问题的“知识”，在此不妨称为“元知识”。例如，系统中的“知识目录”就是关于“企业知识可以分成哪些类别和子类别”的“元知识”;“主题词表”则是关于“企业知识的基本概念和术语”的“元知识”。值得注意的是，“元数据”本身(不是其具体取值)也是一种“元知识”，它表示“对于某种知识资源，可以使用哪些元数据来描述它”的一种知识。

　　在企业的“信息化建设”过程中，一部分抽象程度较高的“元知识”可以事先达成共识而固化下来的，但大部分“元知识”的抽象程度较低，与实践紧密结合，是在企业的实践过程中不断发展和扩充的，无法在“知识系统”的建设之际，通过简单的调查就能完全确定。因此，一个优秀的“知识管理系统”，应该可以在实际使用当中，通过帮助用户方便使用“知识”而增加用户的“元知识”;并反过来，能够迅速吸收用户的“元知识”来改进自身，从而更好地管理好“知识”。

　　知识管理以人为本

　　从上面的分析可以看出，“知识管理”所面临的挑战，并不是信息技术就能解决得了的。

　　首先，对于“知识资源”的“元数据”，信息技术虽然在“人工智能”的帮助下，能够帮助我们自动地提取部分“元数据”，但效果并不尽如人意。因此，对这些自动处理技术，我们应该一分为二地看待和利用。在处理大批量的遗留“知识资源”时，利用这些技术可以大大减轻工作量，提高工作效率;但在处理新的“知识资源”时，应该积极发挥人的主观能动性。在计算机的帮助下进行一些人工处理，毕竟，只有文章的作者本人最清楚自己的文章的“主题”、“关键词”、“可解决的问题”等“知识属性”。

　　其次，对于管理“知识资源”的“元知识”，信息技术在很大程度上就无能为力，甚至起到“帮倒忙”的作用。例如，虽然自动分类技术可以较好地识别文章的主题，并按照主题对文章进行分类，但它无法确定特定知识领域究竟应该分成哪些主题。类似于“分类主题”这样的“元知识”是需要人来提供的。而当这些“元知识”被固化在信息系统中时，反而束缚了它们的创新。

　　可见，在“知识管理”中，必须首先明确哪些事情应该由人来做，由人来控制，哪些事情应该由机器来完成，并在认识到信息技术的强大威力的同时，警惕它对人的创造性的束缚和阻碍作用。

　　“知识管理”要想成功，决不能仅仅依靠技术进步，必须把计算机对数据和信息的处理能力和人对知识的处理能力结合起来，并促进二者之间的协同。简而言之，知识管理要以人为本!