آینده آنتولوژیک و تفاهم ماشینی در مدیریت دانش

در سال‌های اخیر، شرکت‌ها با سرمایه‌گذاری در زمینه مدیریت دانش توانسته‌اند حجم قابل توجه‌ای از دانش را به عنوان یک دارایی ارزشمند جمع‌آوری و در پایگاه‌های داده ذخیره کنند. دانش‌ها در حوزه‌های مختلف برای کارکنان سازمان قابل جستجو و پیگیری هستند و نرم‌افزارها با توجه به حوزه‌های تخصص یا روابط افراد، دانش‌های مرتبط را شناسایی کرده و به آن‌ها پیشنهاد می‌دهند. با این وجود در بسیاری از موارد نرم‌افزارهای مدیریت دانش به بایگانی دانش‌ و مستندات بدل شده‌اند و مدیران ارشد دانش با اتکا به ابزارهای تشویقی و توبیخی امیدوارند دانش‌ها توسط کارکنان بازبینی و هرازچندگاهی به‌کار بسته شود.

این سیستم‌ها علی رغم تسلط بر منابع دانشی سازمان، توان پردازش انبوه دانش‌های کسب شده و کشف اطلاعات ارزشمند و پنهان آنها را نداشته و قادر به شناسایی دانش مناسب در زمان مناسب برای فرد مناسب نیستند و با گذشت زمان از اولویت سازمان خارج می‌شوند.
بی شک آینده نظام‌های مدیریت دانش در انتظار ابزار هوشمندی است که علاوه بر امکان تحلیل، بازیابی و پردازش دانش، قادر به تشخیص موقعیت‌های دانشکاران و پیش‌بینی چالش‌ها و نیازهای دانشی باشد. شاید عملیات سنگین پردازش متن یا استفاده از فراداده تا حدی به هوشمندی سیستم‌ها در این زمینه کمک کند اما پردازش حجم انبوه، پراکنده، متنوع و ناهمگن دانش‌ها، نیازمند مفاهمه کامل انسان و ماشین است؛ به گونه‌ای که ماشین نیز قادر به درک پیچیدگی‌های کلامی انسان باشد.

کار پاکان را قیاس از خود مگیر             گرچه باشد در نوشتن شیر، شیر
آن یکی شیر است اندر بادیه               و آن یکی شیر است اندر بادیه
آن یکی شیری که آدم می‌خورد       و آن یکی شیری کادم می‌خورد

حتما شما هم مثل آب خوردن معنای این ابیات را هضم کردید!
ماشین‌ها برای فهم پیچیدگی جملات فوق نیازمند ورود به لایه‌های معنایی کلام انسان هستند و آنتولوژی کلید ورود به این دنیای شگفت انگیز است. 
آنتولوژی علم شناخت و دسته‌بندی موجودیت‌ها و مفاهیم است که به عنوان یک فناوری کلیدی امکان پردازش معنایی دانش را فراهم می‌سازد. آنتولوژی مفهوم پیچیده‌ای نیست و می‌توان آن را به یک لغت‌نامه تشبیه کرد؛ لغت‌نامه‌ای مدرن و چندبعدی که سعی بر بیان مفاهیم، دسته‌بندی‌ها، ارتباطات، صفات و ویژگی‌ها، توابع، رویدادها، قوانین جاری بر هر مفهوم، محدودیت‌ها و شرایط قیاس بین مفهوم‌ها دارد. 
امروزه، نظام‌های سنتی سازمان‌دهی دانش، به تنهایی پاسخ‌گوی نیاز کاربران نبوده و محیط نوین اطلاعاتی برای بازنمودن هوشمندانه دانش به آنتولوژی‌ها نیازمند است. بر این اساس نسل‌های بعدی سیستم‌های مدیریت دانش، مدل‌های مفهومی را در قالب آنتولوژی ارائه خواهند داد. البته با ظهور مفاهیمی چون OKMS و مطالعات صورت گرفته در حوزه کاربرد آنتولوژی در مدیریت دانش آینده آنتولوژیک مدیریت دانش چندان دور به نظر نمی‌رسد.
OKMS  یک سیستم مدیریت دانش مبتنی بر آنتولوژی است و علاوه بر فراهم کردن امکان توسعه و تکامل آنتولوژی‌ها، قادر به بهره‌گیری از ویژگی‌های هوش مصنوعی و ردیابی رفتار بوده و تعامل سیستم را با کاربران بهبود می‌بخشد. در این سیستم‌ها دانش‌های دریافتی با توجه به آنتولوژی هر حوزه هامش‌ نویسی شده و سپس در پایگاه دانش ذخیره می‌شوند. این هامش نویسی امکان پردازش و بازیابی خودکار دانش‌ها را فراهم می‌سازد. شکل زیر نمونه معماری یکپارچه مدیریت دانش سازمانی برای پیاده سازی OKMS  است که توسط Maedche و همکارانش (2003) ارائه شده است.  همچنین Buranarach و همکاران. (2011)، به منظور طراحی سیستم پشتیبانی از تصمیم  چهارچوبی با استفاده از آنتولوژی به عنوان مولفه کلیدی برای مدلسازی الگوی داده استاندارد و توسعه سیستم‌های اطلاعاتی ارائه دادند. در این پروژه با استفاده از آنتولوژی‌ها انتشار سراسری، بازیابی و استفاده مجدد از دانش انجام شده و نتایج تجزیه و تحلیل داده‌ها به عنوان مبنای اصلی تصمیم‌گیری کارشناسان خبره در تهیه برنامه‌ استراتژیک و سیاست‌گذاری ملی استفاده شده است.
Fensel و همکاران. (2000) نیز برای سرعت بخشیدن به مدیریت دانش در شرکت‌های بزرگ و شبکه‌های دانشی و پردازش انبوه دانش‌ها و اسناد ناهمگن و نیمه ساخت‌یافته، استفاده از ابزارهای مبتنی بر آنتولوژی را پیشنهاد داده‌اند.