https://www.yiliao.com/index.php?action=history&feed=atom&title=%E4%B8%93%E5%AE%B6%E7%9F%A5%E8%AF%86
专家知识 - 版本历史
2026-04-30T01:03:31Z
本wiki的该页面的版本历史
MediaWiki 1.35.1
https://www.yiliao.com/index.php?title=%E4%B8%93%E5%AE%B6%E7%9F%A5%E8%AF%86&diff=312642&oldid=prev
77921020：建立内容为“<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff…”的新页面
2026-01-04T01:15:54Z
<p>建立内容为“<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff…”的新页面</p>
<p><b>新页面</b></p><div><div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff; max-width: 1200px; margin: auto;"><br />
<br />
<div style="margin-bottom: 30px; border-bottom: 1.2px solid #e2e8f0; padding-bottom: 25px;"><br />
<p style="font-size: 1.1em; margin: 10px 0; color: #334155; text-align: justify;"><br />
<strong>Expert Knowledge</strong>（<strong>专家知识</strong>）是指在特定领域（如医学），由人类专家通过长期的教育、培训和实践经验所积累的，能够解决复杂问题的高级信息集合。与<strong>[[大数据]]</strong>（从海量样本中统计出的相关性）不同，专家知识通常包含<strong>[[因果逻辑]]</strong>、<strong>[[启发式规则]]</strong>（Heuristics）以及难以言传的<strong>[[隐性知识]]</strong>（Tacit Knowledge）。在构建<strong>[[医疗AI]]</strong>时，单纯依赖数据往往会导致“幻觉”或逻辑错误，引入专家知识（如作为贝叶斯网络的先验概率或知识图谱的规则）是确保 AI 系统安全、可解释且符合伦理的关键。<br />
</p><br />
</div><br />
<br />
<div class="medical-infobox mw-collapsible mw-collapsed" style="width: 100%; max-width: 320px; margin: 0 auto 35px auto; border: 1.2px solid #bae6fd; border-radius: 12px; background-color: #ffffff; box-shadow: 0 8px 20px rgba(0,0,0,0.05); overflow: hidden;"><br />
<br />
<div style="padding: 15px; color: #1e40af; background: linear-gradient(135deg, #e0f2fe 0%, #bae6fd 100%); text-align: center; cursor: pointer;"><br />
<div style="font-size: 1.2em; font-weight: bold; letter-spacing: 1.2px;">Expert Knowledge</div><br />
<div style="font-size: 0.7em; opacity: 0.85; margin-top: 4px; white-space: nowrap;">(点击展开)</div><br />
</div><br />
<br />
<div class="mw-collapsible-content"><br />
<div style="padding: 25px; text-align: center; background-color: #f8fafc;"><br />
<div style="display: inline-block; background: #ffffff; border: 1px solid #e2e8f0; border-radius: 12px; padding: 20px; box-shadow: 0 4px 10px rgba(0,0,0,0.04);"><br />
[[Image:DIKW_Pyramid_Icon.png|100px|DIKW模型]]<br />
</div><br />
<div style="font-size: 0.8em; color: #64748b; margin-top: 12px; font-weight: 600;">从数据到智慧</div><br />
</div><br />
<br />
<table style="width: 100%; border-spacing: 0; border-collapse: collapse; font-size: 0.85em;"><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569; border-bottom: 1px solid #e2e8f0; width: 40%;">知识类型</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">显性 (指南), 隐性 (直觉)</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569; border-bottom: 1px solid #e2e8f0;">获取方式</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;">[[知识工程]], [[德尔菲法]]</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569; border-bottom: 1px solid #e2e8f0;">AI 角色</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">先验概率 (Priors), 约束条件</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569; border-bottom: 1px solid #e2e8f0;">适用场景</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">小样本, 高风险, 罕见病</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569;">核心标签</th><br />
<td style="padding: 6px 12px; color: #1e40af;">[[启发式]], [[HITL]]</td><br />
</tr><br />
</table><br />
</div><br />
</div><br />
<br />
<h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">核心分类：不仅是书本知识</h2><br />
<br />
<p style="margin: 15px 0; text-align: justify;"><br />
在构建“智慧医生”时，我们需要提取两类截然不同的专家知识：<br />
</p><br />
[[Image:Explicit vs Tacit Knowledge Iceberg]]<br />
<br />
<div style="margin-bottom: 25px; border: 1px solid #e2e8f0; border-radius: 8px; padding: 20px; background-color: #ffffff;"><br />
<h3 style="margin-top: 0; color: #1e40af; font-size: 1.1em; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;">1. Explicit Knowledge (显性知识)</h3><br />
<p style="text-align: justify; color: #334155;"><br />
<strong>定义：</strong> 可以用语言、文字或公式清晰表达的知识。<br />
<br><strong>来源：</strong> 临床指南（CPG）、药典、教科书、文献。<br />
<br><strong>AI实现：</strong> 容易转化为<strong>[[规则引擎]]</strong>（If-Then）或<strong>[[知识图谱]]</strong>。例如：“NCCN 指南规定，III 期肺癌首选放化疗”。<br />
</p><br />
</div><br />
<br />
<div style="margin-bottom: 25px; border: 1px solid #e2e8f0; border-radius: 8px; padding: 20px; background-color: #f8fafc;"><br />
<h3 style="margin-top: 0; color: #b91c1c; font-size: 1.1em; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;">2. Tacit Knowledge (隐性知识)</h3><br />
<p style="text-align: justify; color: #334155;"><br />
<strong>定义：</strong> 植根于专家个人经验、直觉和洞察力，难以形式化的知识。<br />
<br><strong>来源：</strong> 专家的“直觉”（Clinical Intuition）。例如：老医生看一眼病人脸色觉得“不对劲”，尽管各项指标还在正常范围内。<br />
<br><strong>AI实现：</strong> 极难编码。通常需要通过<strong>[[RLHF]]</strong>（人类反馈强化学习）来微调大模型，或者转化为贝叶斯网络中的<strong>[[先验概率]]</strong>。<br />
</p><br />
</div><br />
<br />
<h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">横向测评：数据驱动 vs 知识驱动</h2><br />
<br />
<p style="margin: 15px 0; text-align: justify;"><br />
这是 AI 发展的两条路线之争，现在的趋势是<strong>[[神经符号 AI]]</strong>（融合路线）。<br />
</p><br />
<br />
<div style="overflow-x: auto; margin: 30px auto; max-width: 100%;"><br />
<table style="width: 100%; border-collapse: collapse; border: 1.2px solid #cbd5e1; font-size: 0.9em; text-align: left;"><br />
<tr style="background-color: #f1f5f9; border-bottom: 2px solid #0f172a;"><br />
<th style="padding: 12px; border: 1px solid #cbd5e1; color: #0f172a; width: 25%;">维度</th><br />
<th style="padding: 12px; border: 1px solid #cbd5e1; color: #475569;">数据驱动 (Data-Driven)</th><br />
<th style="padding: 12px; border: 1px solid #cbd5e1; color: #1e40af;">知识驱动 (Knowledge-Driven)</th><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600; background-color: #ffffff;">代表技术</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">深度学习, 大模型 (LLM)</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">专家系统, 贝叶斯网络, 知识图谱</td><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600; background-color: #f8fafc;">优势</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">泛化能力强，能处理感知任务（看片子）。</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;"><strong>逻辑严密</strong>，可解释性强，不需要大数据。</td><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600; background-color: #ffffff;">劣势</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">黑盒，不可解释，会有<strong>[[幻觉]]</strong>。</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">构建成本高（Knowledge Bottleneck），难以覆盖所有情况。</td><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600; background-color: #f8fafc;">在智慧医生中</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">负责“对话”和“理解病历”。</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">负责<strong>“安全护栏”</strong>和“最终决策”。</td><br />
</tr><br />
</table><br />
</div><br />
<br />
<h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">工程化：如何把专家装进电脑？</h2><br />
<br />
<p style="margin: 15px 0; text-align: justify;"><br />
将人类专家的脑中知识转化为机器代码的过程称为<strong>[[知识工程]]</strong>（Knowledge Engineering）。<br />
<br><strong>1. 知识获取 (Elicitation)：</strong> 通过<strong>[[德尔菲法]]</strong>让专家达成共识，或者让专家对典型病例进行标注。<br />
<br><strong>2. 结构化 (Structuring)：</strong> 将获取的知识转化为本体（Ontology）和三元组（Triples），存入图数据库。<br />
<br><strong>3. 形式化 (Formalization)：</strong> 将因果关系转化为贝叶斯网络的 CPT（条件概率表）。例如，专家说“吸烟很大程度上导致肺癌”，工程师将其转化为 P(肺癌|吸烟) = 0.15。<br />
</p><br />
<br />
<div style="font-size: 0.92em; line-height: 1.6; color: #1e293b; margin-top: 50px; border-top: 2px solid #0f172a; padding: 15px 25px; background-color: #f8fafc; border-radius: 0 0 10px 10px;"><br />
<span style="color: #0f172a; font-weight: bold; font-size: 1.05em; display: inline-block; margin-bottom: 15px;">关键参考文献</span><br />
<br />
<p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"><br />
[1] <strong>Feigenbaum EA. (1977).</strong> <em>The Art of Artificial Intelligence: Themes and Case Studies of Knowledge Engineering.</em><br><br />
<span style="color: #475569;">[历史]：专家系统之父 Feigenbaum 提出“知识就是力量”，认为 AI 的核心在于知识库的质量，而非推理引擎的复杂度。</span><br />
</p><br />
<br />
<p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"><br />
[2] <strong>Kahneman D. (2011).</strong> <em>Thinking, Fast and Slow.</em><br><br />
<span style="color: #475569;">[心理学]：揭示了人类专家的直觉（系统1）和逻辑（系统2）是如何工作的，为现代 AI 模拟专家思维提供了心理学基础。</span><br />
</p><br />
</div><br />
<br />
<div style="margin: 40px 0; border: 1px solid #e2e8f0; border-radius: 8px; overflow: hidden; font-family: 'Helvetica Neue', Arial, sans-serif; font-size: 0.9em;"><br />
<div style="background-color: #eff6ff; color: #1e40af; padding: 8px 15px; font-weight: bold; text-align: center; border-bottom: 1px solid #dbeafe;"><br />
专家知识 · 知识图谱<br />
</div><br />
<table style="width: 100%; border-collapse: collapse; background-color: #ffffff;"><br />
<tr style="border-bottom: 1px solid #f1f5f9;"><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle; white-space: nowrap;">上级概念</td><br />
<td style="padding: 10px 15px; color: #334155;">[[知识管理]] (KM) • [[人工智能]]</td><br />
</tr><br />
<tr style="border-bottom: 1px solid #f1f5f9;"><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle; white-space: nowrap;">核心形式</td><br />
<td style="padding: 10px 15px; color: #334155;">[[临床指南]] • [[启发式规则]] • [[先验概率]]</td><br />
</tr><br />
<tr style="border-bottom: 1px solid #f1f5f9;"><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle; white-space: nowrap;">转化技术</td><br />
<td style="padding: 10px 15px; color: #334155;">[[GraphRAG]] • [[RLHF]] (人类反馈) • [[知识蒸馏]]</td><br />
</tr><br />
<tr><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle; white-space: nowrap;">局限性</td><br />
<td style="padding: 10px 15px; color: #334155;">[[知识获取瓶颈]] • [[偏见固化]] • [[难以更新]]</td><br />
</tr><br />
</table><br />
</div><br />
<br />
</div></div>
77921020