DIKW模型是知识管理领域非常著名的一个模型，最早可以追溯到美国/英国诗人托马斯·斯特恩斯·艾略特（Thomas Stearns Eliot）在他的作品《岩石》（The Rock）中的诗句：“Where is the wisdom we have lost in knowledge? / Where is the knowledge we have lost in information?”后来在上世纪80、90年代经多人加工、完善逐步成为了知识管理中的经典模型，并形成了DIKW体系。

DIKW体系

所谓DIKW体系就是关于数据（Data）、信息（Information）、知识（Knowledge）及智慧（Wisdom）的体系，呈现一个金字塔分层模型，如下图所示：

自底向上每一层都比下一层增加某些特质。数据层是最基本的原始素材；信息层加入了有逻辑的数据内容；知识层提炼信息之间的联系，加入“如何去使用”；智慧层加入预测能力，能回答“为什么用”。每一层的简要介绍如下：

1、数据

或称资料，是关于事件的一组离散的、客观的事实描述，是构成信息和知识的原始材料。数据可分为模拟数据和数字数据两大类，可作为计算机加工的“原料”，如图形、声音、视频、文字、字符和符号等。

2、信息

又称讯息，指音讯、消息、通讯系统传输和处理的对象，泛指人类社会传播的一切内容。作为一个概念，信息有着多种多样的含义。一般来说，与信息这一概念密切相关的概念包括沟通、控制、约束、指令、含义、精神刺激、模式、感知以及表达等。

3、知识

是对某个主题确信的认识，并且这些认识拥有潜在的能力为特定目的而使用。认知事物的能力是哲学中充满争议的中心议题之一，并且拥有它自己的分支——知识论。从更加实用的层次来看，知识通常被某些人的群体所共享，在这种情况下，知识可以通过不同的方式来操作和管理，即知识管理。

4、智慧

可以指思考分析、通情达理或寻求真理的能力，它和智力、聪明不同，智慧更重视人生哲学上的能力。有智慧的人通常被称为智者，具有预测未来的能力，也即站在金字塔顶端的人。

分层间的关系

“数据→信息→知识→智慧”之间的递进关系可以用下图比较清晰的表达出来：

数据是原始素材，本身不包含任何潜在的意义；通过某种方式组织和处理数据，分析数据间的关系，数据就有了意义，这就是信息，它解决了诸如谁（Who）、什么（What）、什么时间（When）、哪里（Where）的问题；结合经验、上下文、诠释和反省对信息进行判断和确认的过程就是知识，知识是信息的集合，但不仅仅是集合，还需要理解，是认知和分析的过程，使信息变得有用，可以回答“如何（How）”的问题；智慧是做正确判断和决定的能力，包括对知识的最佳使用，它关注的是未来，试图理解过去未曾理解的东西，因此智慧可以回答“为什么（Why）”的问题。

从上图可以看出，随着数据向信息、知识和智慧的发展，理解（Understanding）的深度在不断增加，需要考虑的上下文（Context）范围也在扩大。假设整个过程用人工智能（Artificial Intelligence，AI）来实现，就是一个知识驱动的过程，是一个从初级AI向高级AI、通用AI发展的过程，也是一个攀爬DIKW金字塔的过程。

DIKW体系应用过程

下面我们结合档案馆中档案信息资源开发实践来进一步理解DIKW模型的应用过程。

随着AI技术的发展，复杂繁琐的素材收集和整理工作可以结合AI辅助编研技术来实现。编研人员只需要简单地输入想要编研的主题，AI引擎就会根据自己对语义的理解从档案信息资源库中抽取和主题相关的素材汇集到素材库中，大大方便了编研人员的操作，提高了编研工作的效率。

然后根据利用者的基本信息和行为信息，借助AI决策模型智能抽取用户可能感兴趣的档案信息推送给他，包括个性化推荐、相关推荐、热门推荐等。同时，AI引擎还可以在用户的后续操作中进一步学习用户的行为习惯，不断优化和改进决策模型，提升自身的“智慧”程度。

在DIKW模型中，数据和信息描述世界，知识和智慧理解世界。从这个角度说，AI在DIKW金字塔上的层次越高，能力就越强，距离强人工智能也就越近，当然这条攀爬之路并不好走，至少目前来看这段距离还比较遥远。也许当AI登上DIKW金字塔尖的那一刻，获得了真正的智慧，届时我们已经不能确定，AI会不会是地球上最聪明的物种了。或者说，我们人类还处于地球智慧的最高层吗？