从传统DIKW到平台经济的DIKICRWPIP

以下基础知识部门大部分来自于现有研究者的成果。 

DIKW模型可以追溯到艾略特1934年所写《岩石》诗的首段：“知识中的智慧我们在那里丢失？资讯中的知识我们在那里丢失？表明DIKW的基本思想并非产生在信息革命时代。1982年12月，美国教育家哈蓝·克利夫兰引用这些诗句在其出版的《未来主义者》书中提出“信息即资源”的主张。1989，管理思想家罗素·艾科夫进一步对此理论发扬光大，撰写了《从数据到智慧》。 

DIKW金字塔模型，是一个关于人类理解、推理和解释的层次结构，包括数据（Date）、信息（Information）、知识（Knowledge）、智慧（Wisdom）。每上一层都赋予某些新特质。资料层是最基本的，加入内容上升到资讯层，再加入如何去使用形成知识层，再加入什么时候才用形成智慧层。摘取一段研究者对四个概念的描述如下： 

数据（Data）是原始的事实集合。可以是数字、文字、图像、符号等，它直接来自于事实，可以通过原始的观察或度量来获得。这个层次的思维，对所有的数据都铭记在心，在将数据存储在大脑中，每条数据都被记录，以供随时调用。这些原始的、未经处理的事实，不经分析的数据，就如同地底下未经开采的石油，存在却没有价值，需要运用数据分析的思维，才能把它的价值充分挖掘出来。比如：广州的温度是 39 ℃，如果缺乏相关的背景信息，就不知道这个数据想要说明什么。 

信息（Information）是可被分析测量的结构化数据。是已经被处理、具有逻辑关系的数据。它是对数据的解释，使得数据具有意义。这个层次的思维，关心数据的意义、趋势、以及数据之间的逻辑。不注重数字本身，而是数字背后的意义和价值。信息是带有逻辑的数据组合，帮我们“知其然”。比如：广州的温度是 39 ℃，比前一天上升了 6 ℃，天气很热。 

知识（Knowledge）是对信息进行归纳、演绎、比较等手段进行挖掘，使其有价值的部分沉淀下来，进而用抽象的方式进行表达、阐述、总结一类问题或现象。这需要洞察力和理解力进行学习。这个层次的思维，从具象的问题和现象中发现本质的规律，用简单的逻辑来表达信息的价值关联。可见，知识是基于信息的理解，帮我们“知其所以然”，知道信息背后的原因，从而建立起对世界的正确认知。比如，广州的温度是 39 ℃，比前一天上升了 6 ℃，天气很热，主要是因为夏天的阳光直射到地面。 

智慧（Wisdom）是人类所表现出来的一种独有的能力，主要表现为收集、加工、应用、传播知识的能力，以及对事物发展的前瞻性看法。在知识的基础之上，通过经验、阅历、见识的累积，而形成的对事物的深刻认识、远见，体现为一种卓越的判断力，可用来指导行动，即利用知识改造自然和世界。可见智慧是预见事物发展的规律，帮助我们见微知著，预测未来，知道哪种选择是更好的，并且知道怎么把知识应用到实际工作和生活中，做到知行合一。比如，通过天气预报，预测明天的天气状况，就能提前做好相应的准备，例如：下雨要带伞，高温天气要预防中暑等。 

以下内容借鉴“一个写湿的程序猿”，阐释得比较形象。数据就像一些零散的点，看不出有什么用；信息就像连点成线，找到数据之间的联系或线索；知识就像把线条组成平面或网络，发现信息背后的东西。智慧是一种比较高级的思维能力和认知能力，包括理解、分从数据中获得有用的信息（点→线），从信息中获得有效的知识（线→面），从知识中获得有益的智慧（面→体），这是一个价值从小到大、难度由易到难的过程，也是发现问题、分析问题和解决问题的过程。析、判断、创造、思考等能力，体现为能够更好地化解难题。 

从数据中获得有用的信息（点→线），从信息中获得有效的知识（线→面），从知识中获得有益的智慧（面→体），这是一个价值从小到大、难度由易到难的过程，也是发现问题、分析问题和解决问题的过程。由此引发 DIKW 为基础的三次跃迁，每一次跃迁，都能带来更大的收益。 

第一次跃迁，是从数据到信息，这是从点到线的过程。数据就像是一些零散的拼图，杂乱无章地堆放在一起，如果没有特定的应用环境，数据本身并没有什么价值。第二次跃迁，是从信息到知识，即从线到面的过程。当数据之间建立联系之后，就上升到信息层级，拼图开始出现形状。当两块拼图合在一起的时候，就像两个点连成了一条线。当我们在某种特定的环境中，对信息进行分组，生成一个更复杂的实体时，就创造了知识，让我们能够从拼图中可以看到更有意义的事物。第三次跃迁，是从知识到智慧，也就是从面到体的过程。好像得到一幅包含立体画面的拼图。 

一个有智慧的人，通常会从当下的数据「点」出发，找准自己的位置，朝着正确的方向划「线」，获得有用的信息线索，扩大自己的知识「面」，形成三位一「体」，经过日积月累，就能取得更大的成就。按照数学的思维逻辑，空间中的点是 0 维的，线是 1 维的，面是 2 维的，体是 3 维的，如果再加上时间的维度，那么我们所处的时空就是 4 维的。假设在 0 维空间中，最高只有 0 分，在 1 维空间中，最高是 100 分，那么在 2 维空间中，即使每个维度各自都只有 30 分，面积也有 900；如果是在 3 维空间中，每个维度 30 分，那么体积就是 27000；如果是在 4 维空间中，每个维度 30 分，4 个维度相乘，得到的结果是 810000，它是 1 维空间最高分的 8100 倍。 

任何人，如果正确理解和使用了DIKW 模型，就可以自己的建立知识体系，成为改造世界的大师。为此，可以按照如下方法，构建四个“文件夹”，形成五步流程： 

1、收集数据。把学习到的东西，以及内心产生的灵感和想法，统统放进「数据」文件夹，形成一个「数据库」，它们是原始的数据。为了避免打断阅读状态，让自己更加专注在学习中，此时不用花太多的时间和精力用来进行分类整理，只要直接快速记录，放进「数据」这个文件夹中即可。 

2、整理信息。定期安排一个时间（比如每天晚上），集中整理自己的「数据库」，如果对某个概念感兴趣，就主动去学习相关的知识，把它们汇总整理到「信息」文件夹，形成「概念卡片」，这是知识体系的素材，主要用来查阅和补充信息，等待下一步被「主题笔记」所引用。当信息存在缺口的时候，可以提醒自己继续学习，补充完善这些概念卡片。 

3、提炼知识。当我们发现概念卡片有内在的关联时，就可以整合起来，经过排列组合，补充完善之后，就可以提炼成「主题笔记」，放进「知识」文件夹，它保存了自己对某个领域所知道的一切知识，这知识体系的核心和中枢。如果有些琐碎的细节，不需要放在主题笔记中，但又想在需要时能快速找到，就可以单独建一张概念卡片，关联到主题笔记中。我们建立知识体系的目标，是尽可能去丰富和完善这些主题笔记，而不是去积累大量的概念卡片。 

4、产生智慧。当我们需要解决某个问题、完成某个任务目标或执行某个项目时，就可以打开「智慧」文件夹，新建一个「项目」。在一段时间内，让「项目」成为我们行动的总控室，用知识去解决实际的问题，在不断化解难题的过程中，让自己逐渐成为一个更有智慧的人，最终达成自己的目标。 

5、复盘总结。在项目执行完成之后，可以再做一个总的复盘，把有用的信息整理到对应的概念和主题中去，这些又可以成为我们新的知识，用来解决更加复杂的难题，形成自我成长的闭环。 

它提醒我们，不要做DIK的「搬运工」，也不要做DIK的「收藏家」，而要做DIK的「践行者」，让DIK真正流动起来，让DIK变为改造世界的资源，成为W，变得更有价值。 

数据是构成信息的原材料，信息是知识的源泉，而知识是整个知识体系的主干，需要不断去增补、删减、提炼、加工和复习，你可以通过不断完善自己的知识体系，更加专注、深入、系统地研究某个细分领域，最终成为精通某个细分领域的人。 

运用数据分析的目标思维，按照「以终为始」的习惯，先明确自己的目标，然后自上而下，建立属于自己的知识体系，这样就可以避免漫无目的地去接收一些系统算法推荐的碎片化信息，导致知识体系过于零散，无法形成深度的思考。段玉聪教授特意用DIKWP来表明了意图的重要性，而北大TIF域团队则用产业域来为意图提供情景支撑，从而有DIKWPI。 

DIKW的思想基于1934年，真正能称得上电子计算机的是1946年2月14日由美国军方定制的世界上第一台电子计算机“电子数字积分计算机”（ENIAC Electronic Numerical And Calculator）在美国宾夕法尼亚大学问世的。说明DIKW的逻辑是通用于人类社会的各个阶段，并不仅仅是信息革命阶段。但不可否认的事DIKW是用来处理信息（广义）的，人们改造世界的W，归根结底也是一种广义信息。 

但在信息革命时代，不断提升的算能、算法、算策可以帮助传统肉人替身DIKW的效率。1950年，著名的图灵测试诞生，按照“人工智能之父”艾伦·图灵的定义：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。同一年，图灵还预言会创造出具有真正智能的机器的可能性。1956年夏天，美国达特茅斯学院举行了历史上第一次人工智能研讨会，被认为是人工智能诞生的标志。表明AI可以作为一种不同于碳基生命的DIKW助力工具元素反映在其中。 

2018年OpenAI推出GPT（Generative Pre-Trained Transformer：生成式预训练Transformer模型），这是一种基于互联网的、可用数据来训练的、文本生成的深度学习模型。与专注于下围棋或机器翻译等某一个具体任务的“小模型”不同，AI大模型更像人类的大脑。它兼具“大规模”和“预训练”两种属性，可以在海量通用数据上进行预先训练，能大幅提升AI的泛化性、通用性、实用性。但是鉴于AI给人类带来的负面作用甚至反噬威胁。在2023年3月，包括图灵奖得主约书亚·本吉奥（Yoshua Bengio）、特斯拉CEO埃隆·马斯克（Elon Musk）等在内的数千名AI领域企业家、学者、高管发出了一封题为《暂停大型人工智能研究》公开信。表明暂时AI还难具有“社会生命意识”，难以具有人的“道德域”(R)智慧。为了和W有所区分，DIKW中也应当反映AI元素，结合上面几段文字，会有DIKIRWPI。 

神经科学假设意识是由大脑不同部分的相互作用产生的，称为意识的神经相关物或 NCC，尽管这种观点存在挑战。 AC （人工意识）的支持者认为构建可以模拟这种 NCC 互操作的系统（例如，计算机系统）是可能的。AI-AC都涉及到不可控的问题，段玉聪教授认为，只有像人的意识那样产生，才可能被理解、干预，才称得上是意识。从AI与AC的不同，AC和人的意识的不同这个角度，会有DIKICRWPI。如果考虑到人类社会经济运行存在平台和要素的区分，平台（Platform）具有作为要素的前置性的行为底线规范效应。那么则有DIKICRWPIP。也就是说，所有的人要成为有作为的人，需要先寻找自己运行的操作平台（P），该平台具有产业（I）特征，并进一步明确自己的意图，即想以什么内驱力驱动（R）自己借用什么科技手段（IC）完成什么任务，达成什么使命。

（此文发布于2023年10月7日）