人工智能視域下隱性知識挖掘技術在檔案修復工作中的應用路徑研究

國敏 梁磊 吳曉紅 荊濤

摘要：人工智能技術在檔案修復工作中的應用成為當前研究熱點之一。這不僅能提高檔案修復工作效率、縮短修復人員培養周期、明晰修復工作模式管理界限、釋放修復人員工作壓力，同時能為檔案修復工作智能化提供基礎研究思路。論文利用知識管理思想，結合檔案修復工作特點構建SECI模型，聚焦隱性知識顯性化過程，并進一步加入人工智能管理思想，利用CBR技術規劃檔案智能化修復方案生成路徑模型，通過大數據、云計算等學習手段制訂修復方案，以改善檔案修復工作效率低下的現狀。

關鍵詞：檔案修復 隱性知識挖掘 知識管理 人工智能

近年來，檔案保護與修復工作逐漸受到重視。國家檔案局通過實行多項措施落實國家重點檔案保護工作，推進國家重點檔案保護技術研究，充分發揮技術創新對檔案事業發展的支撐作用。然而檔案修復管理模式尚停留在傳統人工階段，難以滿足海量檔案亟待修復的需要，檔案修復部門迫切需要對傳統修復工作模式進行更新和再造。檔案修復技藝中蘊含大量隱性知識，將知識管理思想引入檔案修復工作中，可以將隱性知識顯性化，從而便于對修復技藝進行標記，再結合當下新興的人工智能技術，創新智能化檔案修復模型，幫助修復專家縮短修復判定時間，提升修復效率。

一、傳統檔案修復工作問題分析

當前檔案修復工作主要以個人“作坊式”模式開展，這種工作模式依賴于個人經驗、智慧和技術水平，存在工作效率較為低下、修復人員培養周期較長、管理界限模糊等問題。

（一）檔案修復工作效率較為低下

當下的檔案修復工作主要采用單人獨立操作方式，工作內容綜合性強、專業性強，但效率低。這是因為在修復過程中，修復人員制訂的修復方案往往各具特色、操作的實施標準不統一、修復人員的技藝水平參差不齊。在這種情況下，修復工作難以量化形成標準，使得檔案修復工作難以采用共同協作的方式來完成。知識管理模式的思想將重新定義修復工作的流程，從智能化方案的制訂，到明確修復流程、責任分工、操作方法以及完成水平的指標等，都將大幅度有效提升檔案修復工作的效率、優化完成效果。

（二）檔案修復人員培養周期較長

由于檔案修復工作涉及學科眾多、修復技藝性質特殊，修復人員的培養通常是師徒制，這種言傳身教的教授過程中蘊含著大量難以表述的經驗、技能和訣竅。成為一名檔案修復師需要日積月累的實踐操作，不斷摸索、學習各種修復手法和技藝。而在未來，結合知識管理的方法可以將檔案修復工作中大量的隱性知識顯性化，縮減修復人員的學習成本，加入系統化的顯性知識傳授過程，加快檔案修復人員的培養速度，縮短檔案修復人員培養周期。

（三）檔案修復工作模式管理界限模糊

在檔案修復工作中，因工作人員認知水平和技藝水平差異等，導致修復工作存在修復目標不明確、修復手段不統一、修復過程難劃分、修復成果不標準等種種問題。[1]這些問題不僅限制了工作效率，而且使修復工作難以被監督和管理。在信息化時代，應將知識管理與系統管理相結合，建造智能化檔案修復信息管理系統，從時間、人員、工作內容等多個維度精細劃分修復權責，進一步提升修復效率和監管效率。

二、基于SECI模型的檔案修復工作模式

檔案修復工作中包含大量隱性知識和顯性知識，導致工作標準化程度低的主要痛點在于隱性知識難以表述。將檔案修復工作中的隱性知識通過SECI模型進行轉化和挖掘，有利于細化修復標準，為建立智能化檔案修復模型提供數據支撐。[2]這里的SECI模型是由野中郁次郎和竹內弘高提出的，具體是指隱性知識和顯性知識通過社會化（Socializa？ tion）、外顯化（Externalization）、結合化（Combina？ tion）和內隱化（Internalization）四種轉化模式實現螺旋式轉化，完成知識的傳播與創新。

（一）檔案修復工作中的顯性知識和隱性知識內涵

顯性知識是指可以通過語言、文字、編碼等明確表達的知識。在檔案修復工作中，顯性知識主要是通過修復方案報告、修復過程記錄、修復成果照片以及專家審核意見等以文字、圖片、表格、多媒體等形式記錄下來的知識。這些記錄使知識變得清晰明了，易于傳遞和共享，便于檔案修復人員進行學習和分析。

隱性知識是指在行動中所蘊含的未被表達的知識。在檔案修復工作中，隱性知識主要是指修復的技術、經驗判斷、操作手法等由個人經驗、感悟所得到的知識。這些知識存在于個人頭腦中，依托特定的情景存在，難以被清晰地表達。修復工作的特性決定了隱性知識在檔案修復工作中占大多數，它們潛移默化地影響著修復行為，決定修復個體的價值取向，對修復任務與目標有著直接或間接的制約效果。

（二）檔案修復工作中隱性知識和顯性知識的轉化

野中郁次郎和竹內弘高提出了知識創造的SECI模型，認為在企業創新活動的過程中隱性知識和顯性知識二者之間互相作用、互相轉化，知識轉化的過程實際上就是知識創造的過程。[3]隱性知識和顯性知識通過社會化、外顯化、結合化和內隱化四種轉化模式實現螺旋式轉化。

筆者將SECI模型引入檔案修復工作中，旨在利用SECI模型通過不同轉化階段的管理方式以及實現方法，來探討隱性知識挖掘路徑。

社會化是指存在于檔案修復人員之間的交流和師徒之間傳授的隱性檔案修復知識轉化為隱性知識的過程。這一過程為隱性知識從單獨的個人獨有到社會化共有的過程。觀察檔案修復整個流程，修復人員通過參與實踐、交流討論、專家小組等方法進行知識共享與交流，使修復知識在組織內部轉化。師徒制是隱性知識交流的重要方式，在師父帶徒弟進行修復工作時，徒弟通過對師父操作的觀察、模仿進行知識學習，傳承隱性知識。

外顯化是指可利用先進的知識工具和信息技術進行知識挖掘，構建檔案修復經驗知識庫，呈現出隱性知識轉化為顯性知識的過程。具體到檔案修復流程中，人們會將檔案破損狀況、修復方案的制訂、具體修復操作的實施記錄下來，通過知識地圖、數據挖掘等技術整理加工，構建出檔案修復知識管理庫，或者建立知識管理系統。修復人員將知識進行概念化命名，并且將自己的修復經驗總結并共享在系統中，逐漸形成顯性知識庫。

結合化是指通過搭建體系化平臺和顯性知識庫加強知識的規范化管理，將混亂無序的顯性知識轉化為組合的、系統的顯性知識。在這一理論的指導下，將大量的修復數據進行規范化的處理，形成具有預判、前瞻性的修復情報。這一理論也可以規范化處理顯性知識，提高知識顯性化的質量與效率。

內隱化是指可以催化知識存量為知識增量、提高修復技藝和鑒別水平，將顯性知識轉化為更高階隱性知識的過程?？梢酝ㄟ^開展修復培訓班、修復知識交流沙龍，將整理后的顯性知識傳播給更多的人，這些人吸收后進行新一輪隱性知識轉化，使得檔案修復的知識層層拔高。

（三）檔案修復工作中的隱性知識挖掘

檔案修復知識多為經驗類的隱性知識，將這些知識進行顯性化構建檔案修復知識庫，可以讓修復知識被更好地記錄并傳播。構建檔案修復知識庫的關鍵是將隱性知識顯性化。檔案修復工作中的隱性知識挖掘模式如圖1所示。

隱性知識包括技能方面和認知方面兩部分內容：技能方面的隱性知識包括修復工作中非正式的、難以表達的技能、技巧、經驗和訣竅，[4]可以通過數字化整理歸納，形成檔案修復工作日志、檔案修復操作規范、修復工作報告等易于傳播的顯性化知識，這些知識涉及檔案修復中破損部位、破損狀況、修復方案、修復材料等各類數據；認知方面的隱性知識包括對修復方法的洞察力、感悟、判斷以及組織文化等，[5]可以通過開展修復行業學術會議、撰寫檔案修復相關論文、組織內外部的修復專家座談交流進行知識分享。這些隱性知識通過知識分享、知識挖掘等方式形成文字、符號、圖片、視頻等各種易存儲的顯性知識庫，便于同行業人員、組織之間進行交流。該知識庫不僅可以供檔案修復人員學習，還可以促進人們通過知識獲取形成新的隱性知識，而這些新的隱性知識通過再實踐會進一步完成知識再創造，孵化出更高階的隱性知識，進行新一輪知識循環。

三、基于CBR技術的檔案智能修復模型

通過隱性知識挖掘將檔案修復工作中的隱性知識顯性化，有利于對修復知識進行進一步研究和利用。在人工智能技術視域下，對顯性修復知識進行編碼并構建修復推理模型，便于讓計算機學習并模仿人類修復思維，實現修復方案的智能化生成。在上述研究的基礎上結合國家重點檔案搶救保護信息化管理平臺項目，筆者對檔案修復隱性知識顯性化展開了系統研究，探索并總結出檔案修復知識構建的模型和實踐路徑。

基于案例的推理（Case-Based Reasoning，CBR）是一種人工智能推理技術，即根據經驗知識進行推理判斷。計算機模仿人類如何記住信息，并通過回憶過去的知識來解決類似問題。[6]為了驗證CBR技術在隱性知識挖掘方面的有效性和可行性，我們重構了基于CBR技術的修復方案智能化生成模型以進行檔案修復技術中隱性知識的挖掘，即選取專家型人才修復案例，通過實例研究，運用模型來進行知識挖掘，從而證實該模型可以檢索并提取文獻修復技術中隱性知識規則的可行性。

首先，將待修復檔案的破損問題要素表示并編碼（見圖2），常見的破損狀況有脫漿、起毛、脆化等，以P1、P2、P3……將其編碼。在不同破損狀況下，檔案的破損程度也不盡相同。根據修復工作實際情況和具體的工作環節，酌情對破損程度進行賦值，將破損程度劃分為1到5級（極輕微、輕微、中等、嚴重、極嚴重）。一卷待修復檔案可能同時具有多種破損狀況，實際操作時可將多種破損狀況及破損程度進行組合表示，如輕微脆化且中等蟲洞可表示為（P3-1，P5-3），依此類推。

其次，構建修復方案編碼庫，常見的修復方法有托裱、補（包括補洞、補邊）、揭書頁等，以X1、X2、X3的命名方式將其編碼。

再次，將破損問題編碼庫與修復方案編碼庫進行對應，歸納不同程度破損狀況下會選擇的修復方案。利用德爾菲法邀請修復專家對破損問題與修復方案的對應關系進行加權打分，經過多輪收集專家意見，得到趨于一致的權重系數，再根據破損檔案狀況，利用層次分析法自動生成修復方案模型。

最后，導入待修復檔案的破損數據，測試修復方案智能化生成模型。若通過該路徑生成的修復方案與專家人工擬定的修復方案一致，則說明該模型是可行的。

利用該模型分析一定數量的案例后，形成檔案修復案例庫。新的待修復檔案可先通過案例庫的預處理進行分類：將待修復檔案與破損問題編碼庫結合分析，再進入檔案修復預案例庫進行整理挖掘?；贑BR技術的修復方案智能化生成模型如圖3所示。

在此體系下，計算機智能生成修復方案成為檔案修復的主要途徑，專家只需對少量計算機難以識別、破損情況特殊的檔案制訂修復方案。這樣，在源頭處理和診斷分類環節節約了修復專家的時間與精力，提升了檔案修復工作的效率。

四、結語

在科技飛速發展的今天，檔案部門應注重將科技創新與傳統檔案修復方式相結合，引入知識管理思想，挖掘修復知識中的隱性知識，優化檔案修復工作模式，減少人工干預，規范工作程序。這不僅可以提高檔案修復工作效率、縮短修復人員培養周期、明晰修復工作模式管理界限、釋放修復人員工作壓力，同時能為檔案修復工作智能化提供基礎研究思路，助力檔案修復工作提質增效，推動檔案修復進入智能化新時代！

注釋及參考文獻：

[1]寇芳瑩.館藏文物保護修復檔案建設研究[J].北京檔案，2022（1）：32-34.

[2]聞心潔，沈艷紅.檔案視閾內隱性知識的傳遞[J].山西檔案，2016（3）：31-33.

[3]竹內弘高，野中郁次郎.知識創造的螺旋：知識管理理論與案例研究[M].李萌，譯.北京：產權出版社，2005.

[4]許衛紅，王阿陶.古籍修復工作中的知識管理[J].大學圖書館學報，2010，28（2）：45-49.

[5]張小暉.企業創新團隊知識學習機理與模式研究[D].武漢：武漢理工大學，2012.

[6]劉洪泉.基于CBR技術的古籍修復中的隱性知識挖掘研究[D].沈陽：沈陽師范大學，2014.

作者單位：1.中鐵十五局集團城市建設工程有限公司 2.北京聯合大學應用文理學院 3.北京市檔案館華北地區國家重點檔案保護中心