数据/信息/知识/智慧金字塔，有时也被称为“DIKW层次结构”、“智慧层次结构”、“知识层次结构”、“信息层次结构”或“知识金字塔”。在AI大模型时代，DIKW结构会有什么样的变化呢？
一、传统学习过程：
首先让我们来理解下数据、信息、知识和智慧的定义和关系。数据、信息、知识和智慧是信息管理和知识管理领域的核心概念，它们之间存在层次性的关系。
1、数据（Data）:
- 定义：在人工智能和数字化时代：数据成为算法和机器学习的基石，为创新和洞察提供原材料。数据通常是未经加工的，数据本身没有特定的含义，比如数字、字符或者图像等。
- 数据是事实的原始记录，是对现象或事物的客观描述。
- 例如：农场的数据包括土壤湿度的读数、温度记录、降雨量、作物生长速度等。这些数据是原始的、未经加工的数字和记录，比如每天的温度读数或者一周内降雨的毫米数。
2、信息（Information）:
- 定义：当数据被加工、组织或者以某种方式解释时，它就转化为信息。信息是使数据有意义的过程，是对数据的解释和理解，可以把信息理解为一种。
- 信息熵：信息熵是一个衡量信息量的概念，它代表了信息的不确定性或混乱程度。在信息理论中，信息熵用于描述一个信息系统的平均信息量。当我们从数据中提取信息时，实际上是在减少信息熵，即降低不确定性。 数字化转型网（www.szhzxw.cn）
- 信息是通过主观筛选或者分类过的数据，过滤的过程带有一定的主观性。
- 例如：通过分析温度和降雨量的数据，农场主可以得知某个特定时段内最适宜种植某种作物的条件。这个信息是对数据的解释，帮助农场主理解何时是最佳的播种时间。
3、知识（Knowledge）:
- 定义：知识是通过经验、学习和推理得到的信息的集合。知识涉及对信息的理解和应用，以及通过经验得到的洞察力，知识是个人或组织的宝贵资产。
- 知识属于人类对客观世界的主观理解，不一定代表绝对真理。
- 例如：通过多年的经验和学习，农场主将这些信息转化为知识。比如，他可能知道特定的作物在特定的土壤类型和气候条件下生长得最好。这种知识是基于对信息的理解和应用，包括对气候模式、作物生长周期的深入理解。 数字化转型网（www.szhzxw.cn）
4、智慧（Wisdom）:
- 定义：智慧是知识的最高形式，涉及对知识的深刻理解、抽象和对复杂问题的洞察力。智慧是在知识的基础上通过经验、价值观和洞察力形成的，帮助人们做出明智的决策，并发现新的知识和知识背后的根因。人类的智慧不仅仅在于拥有知识，还在于能够利用这些知识来做出更深刻、更具创造性的决策。
- 最高层级的智慧就是物理世界的客观真理，例如物理化学生物规律。比如核聚变原理，被人类发现物理规律后，其可以被用于制造杀伤性武器，也可以被用来创造清洁能源。
- 例如，生物学家根据多年的经验和对气候的深刻理解，利用遗传基因学的理论规律，创造发明出适合不同气候和环境的转基因种子，从而提高农场的生产力。
数据是信息的基础，信息是知识的原料，而知识则是智慧的基石。只有在充分理解并能应用知识的基础上，智慧才能显现。每个层级都在前一个层级的基础上增加了更多的意义、上下文和价值。
二、人工智能初期的学习过程：
在人工智能时代，我们见证了数据、信息、知识和智慧的演变。数据成为算法和机器学习的基石，为创新和洞察提供原材料，“数据原生”成了知识生产的新模式。数据在知识创造和决策制定中处于核心，推动了一种全新的知识生产方式。数据不仅是事实的记录，也是驱动算法和创新的基础，算法模型的迭代非常依赖于数据的分类和提炼。 数字化转型网（www.szhzxw.cn）
知识和智慧不是需要传统的实践和科学推理产生的，而是直接从大量的数据分析和处理中得来。通过先进的数据分析技术，如机器学习和深度学习，从复杂的数据集中提取模式、趋势、洞察和知识。传统的经验主义受到挑战，知识的产生不再依赖各种经验或假设，数据到知识转化的过程更为高效。
信息不仅包含数据本身，还涵盖了数据的上下文、意图和可能的解释。知识不仅是人类的专利，机器也通过模拟人类的学习过程来获取。而智慧涉及到对技术的合理使用，包括技术的伦理和责任感。
在机器学习时代，人工智能开始能够处理和分析大量结构化数据，但在非结构化数据处理方面仍有待提高。尤其是在处理以人类语言为主的历史知识体系方面，AI的能力还有很多的限制。在历史的长河中，大量的原始数据和信息可能已经丢失，留下的往往是经过人类语言和思维抽象过的知识，以非结构的数据形式记录保留下来。这些知识体系，作为人类智慧的沉淀，包含了丰富的洞察力和经验，是不可估量的宝藏。 数字化转型网（www.szhzxw.cn）
如果能够有效地利用这些历史知识体系，人工智能的应用范围和深度都将得到显著扩展。例如，在历史研究、法律分析或文化研究领域，若能使AI理解并应用这些复杂的知识体系，将极大地提高研究的深度和广度。这不仅是技术上的挑战，更是对人工智能理解人类智慧的一次重要考验。
三、大模型时代的学习过程：
随着GPT等AI大模型的诞生，AI不仅能从数据中提炼知识，还可以从历史中已经提炼出的信息和知识中快速学习。这一进步意味着AI现在可以跨越不同的领域，将各种知识融合成一个多元化的智能综合体。
更加激动人心的是，人工智能从被动的数据处理者转变为主动的知识探索者，AI不仅仅是在处理大量原始数据，而且可以自我迭代规则、模型算法和知识，从大量的数据中发掘有价值的信息，并从这些信息中提炼出深层次的知识。它开启了一段“自我学习”的革命性旅程——一种能够从历史和现实的数据中学习，不断进化并适应新挑战的能力。 数字化转型网（www.szhzxw.cn）
OpenAI刚刚推出的Sora展现出来的视频，让大家意识到，AI不仅仅是一个简单的生产力工具，Sora的目标是能够生成符合物理规律的视频，成为世界的模拟器。它代表着从简单的信息处理到深度的知识理解和应用的重大跃进，为人类解决复杂问题和创新提供了前所未有的动力。AI大模型能够识别和处理的复杂模式和关系，可能远远超出人类的直观理解，也许最终通过物理世界的数据，强人工智能也能够发现客观真理并运用客观真理。这不仅仅是技术上的飞跃，更是一种全新的思维方式和知识处理模式的典范。
在这个新时代，人类的角色也在发生变化。我们不再是单一的知识创造者，而是成为了与智能系统协作的合作者。人类的创造力与AI的处理能力相结合，为解决复杂问题和创新探索打开了新的可能性，知识进入了”自我进化“的时代。 数字化转型网（www.szhzxw.cn）
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于数字化转型网公众号/信息化与数字化，作者沈旸；编辑/翻译：数字化转型网宁檬树。
