由认识论信息到知识（认知）

智能生成共性机制的第二个转换是由信息提取知识。专家系统的研究曾经关注过知识的问题，但是没有涉及如何从信息提炼知识的问题，大多数专家系统的知识都是由系统设计人员手工完成的。20世纪90年代以来兴起的“Data Mining and Knowledge Discovery”关注了如何从数据中提炼知识的问题，但尚未形成普遍性和系统性理论。

2000年北京邮电大学钟义信教授在“知识理论框架”中给出了知识的概念、分类、描述和知识量的测度方法，探讨了“把信息提炼为知识”和“把知识激活为智能策略”的方法。钟义信教授认为，某个事物的信息表现的是“该事物运动的状态及其变化的具体方式”；而事物的知识表达的则是“该类事物运动的状态及其变化的抽象规律”。由“具体的变化方式”到“抽象的变化规律”的转化过程，正是从信息资源中提炼知识的过程。因此，由信息到知识的转换原理，本质上是一种归纳和抽象的处理过程。在一些比较复杂的情况下，归纳过程可能需要和相关的演绎过程互相嵌套和互相调用，共同完成信息到知识的转化。

同“信息”有语法信息、语义信息、语用信息分量的情形相对应，“知识”也有“形式性知识”“内容性知识”“价值性知识”3个分量。其中，事物的形式性知识反映的是事物结构形态方面的知识，可以用结构“关联性L”作为描述参量；内容性知识反映的是事物逻辑含义方面的知识，可以用逻辑“合理性R”作为描述参量；价值性知识描述的是事物对于主体所呈现的价值信息，可以直接用“价值V”作为描述参量。

因此，对于一类事物x，如果它具有N种可能的运动状态｛xn｜n∈（1，N）｝，在知识理论框架下，利用事物运动的状态矢量、形式结构的关联性矢量、内容逻辑的合理性矢量、以及相应的价值矢量，就可以把它的知识描述为如下所示的矢量空间:

其中，0≤（）n≤1，n，∑（）n＞＝＜1，（）分别表示代表l、r、v，其他符号意义同前。

对照信息和知识的定义，可以启示从信息提炼知识的基本原理。如前所说，事物的信息是事物本身关于自身运动状态及其变化方式的表述；事物的知识是认识主体关于事物运动状态及其变化规律的表述。因此从信息提炼知识的过程，就是“从具体现象到抽象规律”的归纳过程，即从同类事物的大量具体“状态变化方式”经过归纳处理，抽象出反映其中“状态变化规律”的过程。它的原理是信息在约束条件下通过归纳算法得到知识。当然，依据不同的问题和约束条件，具体的归纳和抽象算法会有所不同。但是，归纳和抽象的原则是普遍的。事实上，目前文献中关于数据挖掘中的各种算法都可以看作是归纳算法在各种不同情况下的具体实现。一般来说，事物的形式化知识可以从大量同类事物的语法信息归纳抽象出来，事物的内容性知识可以从大量同类事物的语义信息归纳抽象得到，事物的价值性知识则可以从大量同类事物的语用信息归纳抽象而成。

其实，“知识”有自己生长的过程。它的最初形态是经验，称为“经验性知识”。科学验证为真的经验性知识，称为“规范性知识”，是知识生长的第2阶段。规范性知识经过普及成为“不证自明的公理”，称为“常识性知识”，是知识生长的第3阶段。当然，并非所有规范性知识最终都可以成为常识性知识；另外，那些“先天性的知识”也应归入常识性知识的范畴。知识理论的研究近几年受到越来越多的重视，正在取得可喜的进展。