与另一个答案一样，我也对 DIKW 金字塔中的区别持怀疑态度。

尽管如此，一种非常流行的机器学习方法可以回答“为什么？” 问题是贝叶斯推理的应用：给定一个因果数据模型，反向推理可用于找出导致给定结果的事件的概率分布。

可以说，根据分布而不是具体的具体机制来定义“原因”是“为什么？”的一个相当有限的概念。

然而，可能存在一些我们不知道如何表示的因果关系，特别是“第一手经验”。事实上，“智慧”一词的常见用法通常是指第一手经验，而不是从其他来源获得的信息。

这个想法是知识可以以陈述的方式表达，而智慧必须来自经验。

对于表示为计算机程序的人工智能，陈述性经验和第一手经验之间的区别可能看起来无关紧要，因为原则上任何经验都可以被编码并提供给程序，而无需程序亲自“体验”它。

然而，以下对“智慧”的幽默定义可能会揭示与人工智能研究相关的区别：

知识就是知道番茄是一种水果。

智慧是知道你不应该和蛋羹一起吃。

这种“智慧”的概念可以说需要qualia。感质是否存在和/或是否是意识所必需的，这是很多争论的主题——例如，参见“黑白房间”的思想实验。

因此，这个概念是，贝叶斯网络表示的智慧是有区别的.

我还没有完成连接 - 不知道金字塔。我不确定它是否能很好地转化为人工智能。

似乎他们通过将如何与什么分开来将信息与知识分开。就我而言，什么是如何的超集。这也是为什么的超集。

但从进化的角度来看，知识表示从为什么开始。在知识表示之前，没有知识表示。“什么”存在，但直到自创生创建目标导向、为什么导向的行为开始将“什么”存储为知识时，它才被表示出来。

什么是为什么的超集，就像本体论是目的论的超集一样。然而，所有表示的本体都是通过目的论（最终导向）行动获得的。

所以我不同意智慧，作为一个为什么的东西，位于金字塔的顶端。这一切都始于目标导向的行为，这一直是所有后续信息增长的源泉。

那么什么是智慧？我认为它是一个太多的民间术语，无法保证技术定义。但是，如果我不得不对一个定义稍作摇摆，我可能会投票支持智慧，即对自己的目的论知识的本体论基础的知识——本质上是客观化一个人的主观解释——知道为什么的真实内容和方式，任何可能的程度。

关于这个主题我没有太多具体的参考资料，但我认为 Terrence Deacon 的《不完整的自然：心灵如何从物质中浮现》是一本很好的目的论入门书。