從歷史演進到未來建構：生成式人工智能時代的知識分類體系研究

摘要：人工智能時代推動知識的快速生成，知識呈現出動態性、時效性的特點。新的時代催生了新的知識形態和類型，傳統靜態的知識分類法已難以適應其動態、交互與時效性的特征。為應對此挑戰，文章主張重審知識的本質及其演化規律。為有效對生成式知識進行分類，文章首先厘清了知識的本質與特點，并構建一個涵蓋“傳統、近代、現代、智能”的四階段知識演化模型，系統剖析了各時代知識的核心特征。在此基礎上，針對當前AIGC知識分類面臨的“范式滯后、價值單一、權威性消解”三大困境，提出了一套集“動態機制、多維體系、人機協同”于一體的整合性解決方案。

關鍵詞：生成式人工智能時代；AIGC；知識分類；知識圖譜；知識演變

中圖分類號：TP18" " " 文獻標識碼：A

文章編號：1009-3044（2025）28-0015-04

開放科學（資源服務） 標識碼（OSID）

0 引言

隨著生成式人工智能技術的快速發展，人們對知識的認識和理解方式不斷改變。生成式人工智能技術的日益完善，使其能像人類一樣思考、回答和生成內容，這使得知識的生成、傳播和應用方式都發生了前所未有的改變。這些改變不僅拓寬了知識的邊界，也催生了新的知識形態和類型。常言道：“世界上唯一不變的就是變化本身”，知識亦是如此。從知識的迭代更新而言，知識隨著時代的發展而發展，從經驗中獲得的知識發展到技術條件下生成的各類生成式知識，其內核不斷更新迭代；從知識的載體而言，從龜甲、青銅器、竹簡、紙，到近代承載知識的教學媒體，從聽覺媒體、視覺媒體、視聽媒體到交互式多媒體，知識的傳承與發展得到了持續推動。本文旨在通過歷史分析法、概念辨析法和思辨研究法，回答以下問題：第一，AIGC時代的知識呈現出哪些根本性特征？第二，傳統的知識分類法為何失效？第三，如何構建一個能夠適應AIGC時代需求的生成式知識分類框架？

1 人工智能時代知識的特點

人工智能時代，知識的形成從由學者總結，逐漸過渡到依賴智能技術生成。在這個時代，知識不再是靜態、孤立的，而是變得動態、互聯和多元化。當前的人工智能技術正在賦予知識全新的面貌，這不僅改變了人們獲取、處理和應用知識的方式，還推動了知識本身的演進與創新。基于此，研究人工智能時代知識的特點，對于個人學習和社會發展至關重要。對智能時代知識的研究應基于知識本身，從其特點出發，進而了解人工智能時代知識的特點。

1.1 知識的本質屬性：歷史維度的考察

知識是什么？有學者認為，知識作為一種符號“系統”，使人們能夠在世界上行動[1]。從知識本身而言，知識是從各類信息中提取出的有價值、可觀察、可利用的信息。簡言之，知識可定義為有價值的信息。從知識的發展而言，知識具有積累性、經驗性和共享性的特點，表現為知識是通過長時間積累形成的，是基于人們經驗的，并且是可以不斷迭代和傳承的。例如，古代知識的形成是通過在長期的觀察和實踐中對某些事物產生認識和理解，并將這種認識記錄在龜甲、竹簡等載體上，或通過口口相傳將知識傳承下去。同時，從知識的應用性而言，古代人追求知識旨在解決實際問題，這種能夠高效解決問題的認識或理解便被認為是有價值的，從而得以傳承供后人參考。

國外的知識研究從認識論的角度出發，認為知識是個體與外界互動得到信息，通過自身加工信息形成理解的過程。知識既可以存放在個體的頭腦中形成個體知識（主觀知識） ，也能夠通過載體存儲成為公共知識（客觀知識） 。建構主義認為，知識是人們對客觀世界的一種假設，是動態且不斷變化的。如今，知識的形成變得更加科學，不僅以人類的經驗為出發點，而且從更為科學的角度去認識世界。因此，知識隨著客觀世界的發展而發展，其內核不斷充盈，人們通過習得知識、內化知識，從而更好地適應外部世界。

1.2 生成式知識的涌現特征：AIGC時代的范式變革

邁入人工智能時代，在體量龐大、類型豐富、傳播迅猛、獲取便捷的海量信息面前，每個人都會產生莊子所言的“吾生也有涯，而知也無涯”的困頓感[2]。智能時代使知識的生成變得更加高效，人們也不再拘泥于從書本、實踐中獲得的知識，同時更加注重創生成式知識的獲取。生成式人工智能技術能夠通過用戶的提問，智能生成一些針對性較強的“生成式知識”。例如，ChatGPT以其泛知識特性和高水平的自然語言交互能力，可以回應用戶提出的各種復雜問題，并能在用戶對話中實現內部數據的微調，完成人類反饋的強化學習指令，生成符合用戶習慣與偏好的內容[3]。簡而言之，它能夠根據人們的需求生成“生成式內容”。因此，“生成式知識”是基于人們的要求（通過鍵盤輸入、屏幕點擊、語音轉換文字等方式輸入需求） ，經過機器智能思考，生成的能夠滿足需求的、創新的知識。從“生成式知識”的產生方式而言，它通過應用智能技術響應用戶提問，從而返回給用戶一些結合自身語料庫、數據庫數據并加以糅合的知識。這類知識具有綜合性、針對性和交互性的特點。同時，“生成式知識”不再是靜態、固定的，而是能隨著數據和情境的變化不斷更新。智能技術與知識發展的融合，提升了知識的更新速度，使其呈現指數級增長，知識的獲取方式也從單一的紙質資源演進為多媒體呈現。研究者們對新時代的知識進行了分類。例如，王竹立將新時代的知識分為軟知識（相對穩定的知識） 和硬知識（尚不穩定的知識） ，區分二者的指標是知識的穩定性，包括結構的穩定性、內容的穩定性和價值的穩定性[4]。這為生成式知識的分類提供了參考。生成式知識較傳統知識而言，不僅具備了積累性、經驗性、共享性，還出現了其獨有的特征，如針對性（能夠根據用戶的需求生成滿足其需求的內容） 、創新性（在已有知識的基礎上進行加工） 和交互性（通過與用戶交互獲取需求，進而形成知識） 。同時，傳統知識的價值性和穩定性較高，而生成式知識的價值和穩定性則有待考究（見圖1） 。

2 知識分類范式的歷史演進

從傳統的人為總結知識到智能技術生成知識，這是一種知識的創新。當下，智能技術通過融合人工智能、云計算、大數據、5G網絡以及基于增強現實或虛擬現實的元宇宙等先進技術，又能夠推動個性化知識的形成，促進知識的不斷創新發展。在時代不斷發展的浪潮中，須從知識分類的歷史角度分析知識，厘清知識的內在需求，才能夠深刻認識其內涵（見表1） 。

2.1 傳統知識時代：文化知識、自然知識、本能知識

傳統知識時代以傳統方式承載古代知識，以知識的起源和基礎為核心，此時人們學習知識是為了更好地生存。從知識的性質來看，可分為三種類型：文化知識、自然知識、本能知識。文化知識指以紙質、龜甲、石頭、竹子、瓦器等為載體承載的知識，這種知識包含與人們生產生活密切相關的學科或技術，其特點是經驗性、技術性和實用性，其目的和價值是滿足當時人們最樸素的生活和生產需要[5]。而知識也可以認為是存在于自然大環境中、不因人的意志而變化的一類知識，這類知識往往是通過古代先賢總結出的客觀規律，即自然知識。簡言之，自然知識是自然環境本身就存在的有價值的信息。從人自身的角度出發，人生來就具有一定的知識，例如會看世界、聽聲音，這類知識統稱為本能知識。通過本能知識，人不斷進行后天學習，吸收其他知識，從而適應環境的變化。傳統時代強調知識以自然狀態存在，需要人的干預來發現和定義。

2.2 近代媒體時代：多媒體時代知識

近代媒體時代以知識載體的變化為核心。從人類文明的發展看，知識和負載知識的媒體形式之間存在著無法分割的關系，形式有時甚至在很大程度上決定著知識的生產和傳播[6]。媒體的出現，無疑為促進知識生產和傳播提供了動力。在這個時代，知識以數據的方式存儲在含有較復雜技術的物理介質上，如軟盤、光盤、錄音機等，這使得知識能以較小的物理空間存放大量內容（與傳統書籍相比） 。知識分類也從基于經驗、觀察，逐步過渡到基于載體進行分類，例如根據載體將知識分為多媒體知識和單一媒體知識。通過多種媒體方式承載知識，不僅在一定程度上完整地保存了知識，也有利于知識的傳播和發展。近代媒體時代相較于傳統知識時代，從發現、定義知識逐漸過渡到使用數據存儲知識，這種存儲方式具有極高的保真性，也便于知識的進一步傳播。

2.3 現代技術時代：網絡時代知識

網絡時代是技術迅猛發展的結果。人們對知識的需求變為大量、高質量的需求，但媒體存放的知識是有限的，因為媒體的存儲容量有限且介質本身容易損壞，這促使知識從媒體知識逐漸步入計算機網絡知識的新階段。知識不再僅僅局限于傳統的書籍、多媒體等載體，也不僅存在于人的頭腦之中，而是存在于網絡本身[7]。網絡不僅成為知識傳播的重要渠道，更能承載海量的知識資源，從而更廣泛地傳播知識。知識以各種各樣的文件數據類型存儲在計算機網絡中，這些文件可以是文字、圖片、音頻、視頻等多種形式，共同構成了網絡上的知識庫。在網絡中，普通大眾也能直接分享知識，使人類的智慧傳播不同于傳統的知識生產和傳播過程，具有時效性、豐富性、個性化等新特征[8]。人們只須通過計算機連接互聯網，便能隨時隨地訪問這些資源，進行學習、研究和創新。知識最初以何種方式上傳到計算機網絡中，讀取它的每個人都能看到其最原始的狀態。人們可以在網絡上自由下載所需知識并進行加工處理。網絡傳播的迅捷性和廣泛性使知識的獲取方式變得十分便捷，進一步擴大了知識的傳播和發展。

2.4 智能技術時代：智能時代知識

智能技術時代是現代智能技術廣泛應用的結果。在這一階段，技術創新發展的速度和規模空前，人與機器的協同與融合日益加深，這標志著知識生成與傳播進入了一個全新的階段[9]。智能技術不僅改變了人們獲取和應用知識的方式，更在深層次上推動了知識的創新與發展。由于生成式人工智能技術的飛速發展，知識生成的方式發生了革命性的變化。當下，隨著人機融合程度的不斷加深，人類的知識和學習也將發生巨大變化。首先，人類將不再是唯一的知識生產者和擁有者，智能設備也將具有同樣的能力[10]。過去，知識主要由人類專家或學者通過深入研究和實踐經驗積累而成，但如今，計算機通過智能學習和分析海量數據，能夠自動生成新的知識。這類由智能生成的知識，本文稱之為“生成式知識”。生成式知識具有顯著的實時性特點，它能夠根據新的數據和情境進行實時更新和調整。這種特性使得“生成式知識”在應對快速變化的社會環境和科技發展中具有獨特的優勢。智能知識時代集成了先前知識時代的所有特點，最為顯著的是，在這個時代，知識不再僅由圣賢、學者定義，而是可以通過技術智能生成。同時，這個時代知識的針對性最強，能夠根據人們的需求，產生最能滿足其需求的知識，知識也變得更動態、更全面。

3 智能時代知識分類的困境與解決措施

智能時代技術的不斷發展使得信息的產生和傳播速度極快。生成式人工智能能夠通過實時監測和分析數據，及時發現新的信息和信息發展趨勢，并基于此快速生成相關的生成式知識和內容。這種特性使知識能夠緊跟時代步伐，滿足用戶對最新、最準確知識的需求，知識也變得更加靈活多樣。然而，在智能時代對知識的分類依然存在諸多問題。例如，從智能技術時代的知識可以看出，“生成式知識”是由智能技術推動生成的，而傳統的知識分類方法已不能適應知識的新形態。因此，如何滿足智能生成式知識的分類需求？其次，當下的知識領域不斷拓展和交叉，知識呈現出跨領域和綜合性的特點，單一維度的分類方法如何全面反映知識的特性和價值？從知識生成的角度而言，智能生成式知識過于依賴先進的技術工具和算法，這會導致不同的算法對知識的加工也不同，如何確保其權威性？本文將從上述問題入手，探討解決方案，以進一步厘清“生成式知識”的分類。

3.1 范式困境與動態轉向：轉“靜”為“動”

知識分類的目的是更好地理解和掌握知識。但隨著科技的不斷發展和“生成式知識”的不斷產生，傳統知識分類已無法適應其需求。知識的飛速生產，一方面導致知識的繁多和過剩，另一方面導致人們對知識的變化應接不暇[11]。傳統分類體系往往是靜態的，而“生成式知識”的形成及其所依賴的技術是動態的。這意味著一旦新的知識或技術出現，傳統分類體系便無法滿足“生成式知識”的需求，須構建新的分類工具和方法來有效地管理和分析這些數據，以便從中提取有用的信息形成有價值的知識?！吧墒街R”具有動態性和時效性，因此應針對這些特性建立一種動態分類機制。通過應用智能技術實時監測知識的更新和變化，及時調整和更新已有的知識分類體系，確保分類結果的準確性。同時，可以利用智能技術對目前存在的各類知識資源進行全面分析，及時發現新的知識點和變化。結合自然語言處理和機器學習等技術，對知識進行深度理解和語義分析，從而更加準確地把握其內涵和特性。一旦監測到知識的更新和變化，動態分類機制將立即啟動調整流程。通過這種方式，可以確保分類體系始終與最新的知識狀態保持一致，從而保證準確的分類結果。

3.2 維度困境與價值重塑：從單一學科到多維體系

“生成式知識”往往帶有跨學科的性質，而傳統的知識分類體系常以學科為基礎，這可能無法涵蓋跨學科或多學科的知識。此外，隨著人工智能、大數據等新技術的發展，一些全新的知識領域也在不斷涌現，這些領域的知識往往無法被傳統的分類體系所涵蓋。同時，現代知識常常涉及多個學科知識和技能的相互融合，如生物信息學結合了生物學、計算機科學和數學等多個領域。因此，基于這種跨學科的特性，應對知識采用動態、多維度的分類方法（見圖2） ，以更全面、更細致地反映知識的特性和價值。動態是為了適應知識的動態性，多維度分類則是綜合考慮知識的多個維度（如領域、主題、形式等） ，從而構建一個立體化的動態多維分類體系。這種分類方法不僅可以從多個角度揭示知識的本質和特性，還可以更準確地定位其應用價值和意義。從知識分類的領域維度而言，領域維度是知識分類的基礎。不同領域的知識具有不同的特點和規律，通過領域維度的分類，可將“生成式知識”劃分為不同的學科，便于學習者進行深入研究和應用。在同一領域內，知識還可根據不同的主題進行分類，如歷史、文化、科技、經濟等，這有助于學習者更深入地了解某一領域內的具體內容和研究方向，提高知識獲取的效率。綜合考慮這些維度，將知識從傳統知識、生成式知識、學科領域知識進一步融合，結合現有研究人員的分類，進而將知識之間的動態融合劃分為：硬知識，即在傳統知識的基礎上通過人工智能加工得到的生成式知識，其價值、穩定性有待考量；軟知識，即具有價值、較高穩定性的知識和學科知識；動態硬知識，即能夠根據學習者不同的學科需求生成不同的知識，雖然能夠滿足學習者的需求，但知識的價值、穩定性未知，且學習效果也未知。

3.3 權威困境與信任重建：從機器智慧生成到人機協同構建

“生成式知識”的形成可以依靠智能技術。然而，智能技術生成知識，仍然依賴于人類設定的參數、算法的設計以及訓練數據的質量和范圍。智能技術的核心是數學模型和統計方法，它們沒有自我意識、情感或主觀判斷力，這表明“生成式知識”可能在某種程度上缺乏事實依據或存在偏差。同時，海量的知識由人工智能自主創造出來，彰顯了知識創造的“虛假繁榮”，客觀上增加了人類識別與運用知識的難度。面對海量信息，智能機器會努力挖掘數據背后的“真相”，給出大量看似有效的知識[12]。雖然人工智能可以實現與人類大腦思維活動結果相似的輸出，但這并不等于其內部處理過程與人類的思維過程相同，它只能根據人類預先設定的一系列運算程序與人互動[13]。因而，在當下，智能技術可能并未超過人類的綜合思維能力，其生成的知識可能不具備很強的權威性。人機協同，即在智能技術進行知識分類的基礎上，通過專家的參與，對新產生的知識進行加工處理并分類。這能充分利用智能技術的自動化、高效性特點與人類專家的智慧、經驗相結合，共同推動知識生成與分類工作的進展。人機協同的優勢在于能夠充分發揮各自的長處：智能技術可以自動化地處理大量數據和信息，快速生成初步的分類結果；而人類專家則能夠憑借其深厚的專業知識和敏銳的判斷力，對分類結果進行進一步的修訂和優化。通過人機協同，可以實現知識分類高效性與準確性的有機統一。同時，人機協同還能夠保障知識生成的質量。當智能技術生成的知識發生謬誤時，專家可以根據其結果進行判斷、更改，最終形成有價值的、基于“生成式知識”的知識分類體系。

4 結束語

在當今快速發展的信息時代，生成式知識以前所未有的速度涌現。這些知識往往帶有鮮明的時代特征。從傳統知識時代的人為總結知識，到智能技術時代的智慧生成“生成式知識”，可以看出傳統的知識分類體系是局限的，顯得僵化而不足以應對新時代的需求?；谏墒街R的特點設計新的分類模式，如知識動態分類、多維度分類、人機協同分類，能夠使學者們不僅有效地管理和組織生成式知識，還能提高知識的傳播和應用效率，促進知識的共享和創新。這也有助于學習者快速定位相關領域的最新發展，激發新的研究思路和創意。不難想象，在未來，若智能技術的發展完全超過普通人的思維水平，那么其生成的知識或應定義為“超智能知識”。對于“超智能知識”的分類，以及如何建立人機協同下的知識分類倫理規范，可能依然要依靠知識本身的特點和時代的特點，對其進行細化、分類，進而突出知識的價值。

參考文獻：

[1] 尼科·斯特爾，達斯汀·沃斯，張怡真.知識、知識技能和教育[J].北京大學教育評論，2020，18（3）：130-144，191.

[2] 鄒太龍，康銳，譚平.人工智能時代教師的角色危機及其重塑[J].當代教育科學，2021（6）：88-95.

[3] 顧小清，胡藝齡，郝祥軍.AGI臨近了嗎：ChatGPT熱潮之下再看人工智能與未來教育發展[J].華東師范大學學報（教育科學版），2023，41（7）：117-130.

[4] 王竹立.面向智能時代的知識觀與學習觀新論[J].遠程教育雜志，2017，35（3）：3-10.

[5] 林慧岳，孫廣華.后學院科學時代：知識活動的實現方式及規范體系[J].自然辯證法研究，2005，21（3）：32-36.

[6] 任友群.信息時代知識的生產和復制（上）[J].信息技術教育，2002（11）：23-24.

[7] 杜華，顧小清.人工智能時代的知識觀審思[J].中國遠程教育，2022（10）：1-9，76.

[8] 陳麗，逯行，鄭勤華.“互聯網+教育” 的知識觀：知識回歸與知識進化[J].中國遠程教育，2019（7）：10-18，92.

[9] 顧小清.當現實逼近想象：人工智能時代預見未來教育研究[J].開放教育研究，2021，27（1）：4-12.

[10] 李冀紅，莊榕霞，年智英，等.面向人機協同的創新能力培養：兼論面向智能時代的創造性人才訴求[J].中國電化教育，2021（7）：36-42，61.

[11] 余清臣.人工智能時代的知識教育[J].人民教育，2019（9）：47-53.

[12] 李建中.人工智能：不確定的自主性知識創造[J].自然辯證法研究，2019，35（1）：117-122.

[13] 陸石彥.論人工智能時代的教師角色再造[J].江蘇高教，2020（6）：97-102.

【通聯編輯：唐一東】