Инженерия знаний - это область искусственного интеллекта (ИИ), которая создает правила, применяемые к данным для имитации процесса мышления человека-эксперта. Он смотрит на структуру задачи или решения, чтобы определить, как делается вывод. Затем можно создать библиотеку методов решения проблем и сопутствующих знаний, используемых для каждого из них, и использовать их в качестве проблем для диагностики системой. Полученное программное обеспечение может затем помочь в диагностике, устранении неполадок и решении проблем как самостоятельно, так и в качестве вспомогательного агента-человека.
Разрушение Инженерии Знаний
Инженерия знаний стремилась перенести опыт специалистов по решению проблем человека в программу, которая могла бы использовать одни и те же данные и прийти к одному и тому же выводу. Этот подход называется процессом передачи, и он преобладал в попытках ранней разработки знаний. Это упало в пользу; однако ученые и программисты поняли, что знания, используемые людьми при принятии решений, не всегда являются явными. Хотя многие решения можно проследить до предыдущего опыта в отношении того, что сработало, люди опираются на параллельные источники знаний, которые не всегда логически связаны с поставленной задачей. Часть того, что руководители и звездные инвесторы называют интуицией или интуитивными скачками, лучше описать как аналогичные рассуждения и нелинейное мышление. Эти способы мышления не поддаются прямым, пошаговым деревьям решений и могут потребовать привлечения источников данных, которые, как представляется, стоят дороже, чтобы их ввести и обработать, чем это стоит.
Процесс переноса был оставлен в пользу процесса моделирования. Вместо того, чтобы пытаться следовать пошаговому процессу принятия решения, инженерия знаний сосредоточена на создании системы, которая будет достигать тех же результатов, что и эксперт, не следуя по тому же пути или не используя те же источники информации. Это устраняет некоторые проблемы отслеживания знаний, используемых для нелинейного мышления, так как люди, делающие это, часто не осведомлены об информации, которую они используют. Пока выводы сопоставимы, модель работает. Когда модель постоянно приближается к человеческому эксперту, ее можно доработать. Плохие выводы можно отследить и отладить, и можно поощрять процессы, которые создают эквивалентные или улучшенные выводы.
Инженерия знаний превзойдет человеческих экспертов
Инженерия знаний уже интегрирована в программное обеспечение для поддержки принятия решений. Специализированные инженеры знаний работают в различных областях, которые продвигают подобные человеку функции, включая способность машин распознавать лицо или анализировать то, что человек говорит о значении. По мере роста сложности модели инженеры по знаниям могут не полностью понимать, как делаются выводы. В конечном счете область инженерии знаний перейдет от создания систем, которые решают проблемы, а также человека, к области, которая делает это количественно лучше, чем люди. Сочетая эти модели инженерии знаний с другими способностями, такими как обработка естественного языка (NLP) и распознавание лиц, искусственный интеллект мог бы стать лучшим сервером, финансовым консультантом или туристическим агентом, которого когда-либо видел мир.
