DIKWP 模型 是一種用於描述認知過程和人工智慧理論的框架，全稱為 數據 - 信息 - 知識 - 智慧 - 意圖模型（Data-Information-Knowledge-Wisdom-Purpose Model）。該模型在傳統 DIKW 模型（數據 - 信息 - 知識 - 智慧）基礎上擴展了 “意圖”（Purpose）維度，強調認知過程中目標導向性和倫理價值的重要性，適用於人工智慧、認知科學、語義處理等領域。
基本介紹
- 中文名：DIKWP模型
- 所屬學科：人工智慧
定義,原理,特點,套用,發展,DIKWP白盒測評,
定義
DIKWP 模型全稱為數據 - 信息 - 知識 - 智慧 - 意圖模型（Data - Information - Knowledge - Wisdom - Purpose Model），是在傳統 DIKW 模型（數據 - 信息 - 知識 - 智慧）基礎上擴展了 “意圖”（Purpose）維度的一種框架，強調認知過程中目標導向性和倫理價值的重要性，適用於人工智慧、認知科學、語義處理等領域。
原理
該模型將認知過程劃分為五個層次：
數據：認知主體對現實世界的原始觀察和記錄，數學表示為數據集合 D={d1,d2,…,dn}。
信息：通過認知主體意圖對數據進行語義關聯和差異識別後形成的結構化內容，數學表示為信息映射 f:D→I。
知識：通過高階認知活動形成的系統性理解和規則，數學表示為知識網路 K=(N,E)。
智慧：結合倫理等因素的高階決策能力，數學表示為決策函式 W:{D,I,K,W,P}→D∗。
意圖：認知主體的目標和動機，數學表示為二元組 P=(Input,Output)，通過轉換函式 T:Input→Output 實現目標導向處理。
此外，模型引入三個認知空間：
概念空間（ConC）：通過自然語言符號化表達概念，形成語義網路 G=(V,E)。
語義空間（SemA）：通過語義匹配函式 h(vi,vj)∈[0,1] 計算概念相似度，處理語義關聯。
認知空間（ConN）：通過動態系統 S=(X,F,Y) 實現數據到知識的轉化，模擬人類思維。
還有五類圖譜（數據圖譜、信息圖譜、知識圖譜、智慧圖譜、意圖圖譜），通過轉換函式 TXY:YG→XG 實現層次間互動。
特點
數據具有客觀性和碎片化，需語義匹配轉化為信息；
信息揭示數據間差異性和關聯性；
知識具備完整性和結構性；
智慧具有目標導向性和情境適應性；
意圖具有動態性和自主性。
套用
- 人工意識（AC）與 AI 融合：實現倫理決策（如醫療 AI 綜合數據、倫理規則和治療目標），提升透明性與可解釋性，解決傳統 AI “黑盒” 問題。
- 不確定性處理：利用重疊函式（套用於圖像分割、風險評估）和模糊覆蓋粗糙集（適用於醫療診斷、特徵選擇）處理不完整、不一致數據。
- 跨學科套用：在認知科學中模擬完整認知鏈；在智慧型系統（自動駕駛、智慧型醫療）中實現目標導向動態決策；在社會科學中分析群體認知差異，最佳化公共政策價值對齊。
發展
時空智慧型學包括6個W和4個R，6個W即何時(When)、何地(Where)、何種目標(What Object)、有何種變化(What Change)、機理(Why)、何種決策(What Reaction)，4個R分別是：規定的時間(Right Time)，所需要地點(Right Place)，正確（Wisdom）的數據、信息和知識( Data/Information/Knowledge)，需要的人(Right Person/Purpose)。實現空天地海全域一體化時空智慧型，推進人和自然的協同可持續發展。
DIKWP白盒測評
段玉聰院士帶領的團隊提出了基於DIKWP模型的白盒測評方法，全面評估AI系統在感知、知識、智慧、意圖等多個維度的認知能力，並公開了這套測評體系，希望其成為國際通用的AI能力評估標準。
