La piramide della conoscenza è una metafora dell'attività cognitiva che evidenzia l'importanza, non dei dati o delle informazioni, quanto delle trasformazioni che si riesce a operare su di essi.
_

Essere intelligenti significa avere la capacità di estrapolare informazioni più profonde e astratte dalla marea di dati che arrivano ai nostri sensi.


Nella nostra era, i lettori non hanno nessun dubbio quando ascoltano termini come "conoscenza", "informazione", e "dati", e alcuni possono sentirsi confusi sulle differenze tra loro e sulla loro interrelazione. Adesso io sto proponendo di gettare un altro termine, "modello causale", nella mischia e il lettore può giustificatamente chiedersi se questo non fa che aumentare la confusione. Non lo farà! infatti, ancorerà le nozioni sfuggenti di scienza, conoscenza e dati in un contesto concreto e significativo e ci permetterà di vedere come i tre lavorano insieme per produrre risposte a difficili domande scientifiche.
La quantità di dati digitali è in crescita in modo tumultuoso in tutte le applicazioni industriali e commerciali. Anche la difficoltà di trarre informazioni utili dai dati è in crescita e, a questo scopo da un paio di decenni, sono state sviluppate applicazioni informatiche denominate Data Mining. Il Data Mining effettua dunque la ricerca, analisi ed estrazione, all'interno di banche dati di grandi dimensioni, di dati con un contenuto informativo o correlativo superiore riguardo a un determinato scopo.
Il tradizionale metodo di trasformazione di dati in conoscenza si basa sull'analisi manuale e l'interpretazione umana. La necessità odierna di aumentare la capacità di analisi umana per gestire il gran numero di byte che è possibile oggi raccogliere (Big Data), pone un problema al quale l'Intelligenza Artificiale e i suoi componenti quali il Machine Learning, danno delle risposte.
Lo scienziato informatico Usama Fayyad ha denominato il processo per estrarre conoscenza da grandi database KDD (Knowledge Discovery in Database, (vedi bibliografia).
Fayyad lo ha così definito:
KDD è il processo non banale di identificare nei dati strutture comprensibili, modelli validi, nuovi, e potenzialmente utili.
Molti autori attribuiscono ad alcuni versi del poeta TS Eliot, tratti dal poema "The Rock" pubblicato nel 1934, il merito di aver immaginato una simile gerarchia conoscitiva.
Noi pensiamo che il senso di questi versi vada interpretato come una sorta di rimpianto per i fallimenti umani, quindi, in ordine di importanza decrescente, questi versi ci chiedono: a quanta vita abbiamo rinunciato vivendo in modo sbagliato (o inconsapevole); e a quanta saggezza abbiamo rinunciato nel non aver saputo ampliare ed impiegare la nostra conoscenza; e infine, alla base del processo, a quanta conoscenza abbiamo rinunciato nel non avere accortamente utilizzato le informazioni in nostro possesso.

Questo esempio, riadattato da systems-thinking.org, utilizza il caso dell'apertura di un conto di risparmio bancario per mostrare come alcuni dei parametri che lo contraddistinguono (capitale, interesse, tasso di interesse) si relazionano con i concetti di dato, informazione, conoscenza e saggezza.
Dati: I numeri 100€ o 5%, se non sono correlati a un contesto, restano solo dati senza alcun significato.
Informazioni: se una persona apre un conto corrente bancario, allora dati quali: gli interessi, il capitale e il tasso di interesse acquistano un significato in questo contesto.
Il Capitale è la somma di denaro, ad es.100€, nel conto di risparmio
Il Tasso di interesse, ad es. 5%, è il fattore utilizzato dalla banca per calcolare gli interessi sul capitale.
Conoscenza: Se il correntista aggiunge 100€ nel suo conto corrente, e la banca paga interessi del 5% annuo, alla fine dell'anno egli si aspetterà che la banca calcoli gli interessi di 5€ e li aggiunga al suo capitale. Questo modello rappresenta la conoscenza (sperimentata) che permette al correntista di adeguare i suoi comportamenti alle sue decisioni: se vuole risparmiare sa quanto gli frutteranno le nuove somme depositate e se, invece, vuole prelevare sa che riceverà un minore ammontare di interessi.
Saggezza: la saggezza è più complicata e richiede un salto qualitativo sia per il singolo individuo (che deve rinunciare alle proprie illusioni) sia per le organizzazioni (che devono conoscere i principi che regolano i sistemi di grado più elevato nei quali la conoscenza specifica si trova ad agire). Se l'investitore prende in considerazione i singoli elementi su cui si basa la sua conoscenza del conto corrente bancario, può essere indotto a credere che, continuando a risparmiare e investire, nel tempo potrebbe diventare ricco. Questa illusione si scontra sia con il fatto che pochissimi sono in grado di risparmiare senza prelevare mai denaro dal proprio conto, sia con fattori macroeconomici imponderabili quali la decisione della banca di ridurre il tasso di interesse oppure il suo fallimento dovuto a gravi squilibri finanziari mondiali (ad esempio nella crisi del 2008, negli USA, sono fallite più di 100 banche), con la conseguente perdita di tutto o parte del capitale.
Iscriviti alla Newsletter di pensierocritico.eu per ricevere in anteprima nuovi contenuti e aggiornamenti:
Jennifer Rowley (2006), The wisdom hierarchy: representations of the DIKW hierarchy (PDF) [513 citazioni]
Martin Frické (2007), The Knowledge Pyramid: a critique of the DIKW hierarchy (PDF) [159 citazioni]
Jonathan Hey (2004), The Data, Information, Knowledge, Wisdom Chain: The Metaphorical link (PDF) [92 citazioni]
Usama Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth (1996), From Data Mining to Knowledge Discovery in Databases (PDF) [8748 citazioni]
Rob Kitchin (2014), Big Data, new epistemologies and paradigm shifts (PDF) [381 citazioni]
Pagina aggiornata il 31 agosto 2020