20多年前，宝钢领导何麟生先生就非常重视知识管理。他希望将来能建立一个“知识宝钢”，将计算机和知识结合起来。我的师傅王洪水先生曾对我说，关键问题是“知识的结构化”。而知识结构化针对的问题，则是知识的碎片化。我曾经试图借用离散制造业常见的PLM思想去规范冶金知识，工信部的文件中甚至也采纳了我的建议，但做起来确实很难。几年前有人曾经对我说：国内外几乎没有能把知识管理真正做好的企业。究其原因，应该也是知识的碎片化带来的问题。

现在看来，AI的符号学派（计算机学派），本质上就是解决知识碎片化问题。比如，当年作为专用的AI语言，LISP 和Prolog，可以一条条地把碎片化知识放进去。而不用花太多的时间和精力去关注知识之间的关系。符号学派的典型技术是专家系统。很多专家系统能够拥有成百上千条的知识，但应用范围还是比较小。一个重要的原因，就是专家拥有大量的碎片化知识，很难系统地收集起来。

然而，大语言模型的进步，却很好地解决了这个问题。比如，DS等通用大语言模型在医学方面，似乎远远好于IBM花巨资打造的沃森。网上用DS治疗疾病的例子非常多。

大语言模型的优势在于能管理好碎片化知识。我曾经问DS一个问题：我想在漠河建设一个钢结构的建筑，应该买什么钢材。DS回答问题时，提到漠河位于黑龙江，冬天很冷；需要用低温冲击韧性好的钢材。系统提出几种牌号的建议，这些牌号质量和价格都有差别；DS建议根据建筑的高低决定选材。DS指出，可以混合使用不同的钢材，更加省钱。DS还建议：漠河附近有钢厂（建龙）可以提供这种钢材，运输成本可能会低一些。这就是典型的把碎片知识用起来了。我还曾经问ＤＳ：自己建房子需要考虑哪些问题，ＤＳ给了我一个非常详细的回答，并把相关的知识组织起来了。这些都是碎片化知识的系统化整理。

不久前我听了一个报告，DS怎么具备推理能力的。具体的做法是：用户提出问题时，系统自动地分解成若干个子问题；然后根据子问题去查文献、给出答案。也就是说，DS之所以能够管理碎片化知识，其实首先做的就是知识的结构化。现在想来，transformer所谓的“注意力机制”，能让算法少丢失重要的知识点，并形成树状或者网状的知识结构。

基于DS这样的系统，知识管理就变得简单、方便了，碎片化知识的问题也就解决了。企业可以通过不断改进和优化的方法，建立知识库。比如，人们遇到问题或者失误时，就设法把这个问题描述清楚，并尽量做到举一反三。然后，把这些描述放在企业内部的知识库中。于是，AI就掌握了这个知识，就可以自动地利用了。利用AI工具，就能真正地做到“不犯二次错”、促进企业能力的持续发展。

在我看来，DS开放参数的意义特别大。大体相当于IBM当年公开PC机相关技术，在人类科技史上是一件大事。当年，IBM开放PC机技术后，PC机的用户骤然增多，市场开始剧烈膨胀。于是，诞生了Wintel 联盟，促进了芯片和软件技术的巨大发展。

DS开放同样使得人们参与AI应用的机会骤然增多。主要原因有两个：首先是可以在数据和知识保密的前提下采用本地的数据库、知识库；解决了应用AI与知识保护之间的矛盾，大企业敢于用；本地知识库的应用还能减少幻觉，降低使用AI的风险。其次是大模型的软件成本归零（DS公开以前，国内某公司大模型卖1000万），中小企业都用的起了。不久前，我遇到一个中小企业的老板，他们估计用大模型减少几十个人的用工：如果大模型的软件就价值上千万，做这种事情就不划算了。

在这两个的基础上，人们就可以自主地开发私有化的Agent了。我估计，未来的程序员很多要转型到Agent开发了，而现在的机会也是特别多。据说，美国人现在有人专门开发Agent的开发软件了。我估计，在很短的时间内，Agent开发会变成非常普及的一种工作。关键是Agent用的知识和逻辑。

Agent 与传统程序的差别，很大程度上应该与利用碎片化知识有关。也就是说，什么领域知识碎片化严重，什么领域Agent的应用就容易发挥最用。比如，AI有利于制造企业的服务化转型。前面谈到，在钢铁行业从事服务工作时，需要大量碎片化知识。过去，只有专家才具备足够多的碎片化知识，而专家的数量是有限的。这就限制了钢铁企业的服务化转型。但是，借助AI可以解决缺少专家的问题。在更一般的情况，企业需要迅速判断能否接特定的订单（这类问题往往涉及到企业综合能力），这类问题估计也可以交给ＡＩ去做。再如，我一直觉得，数据分析是个需要很多碎片化知识的领域，Agent 也应该有用武之地.

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。