Inżynieria wiedzy to dziedzina sztucznej inteligencji (AI), która tworzy reguły mające zastosowanie do danych w celu naśladowania procesu myślowego ludzkiego eksperta. Analizuje strukturę zadania lub decyzję w celu ustalenia, w jaki sposób dochodzi się do wniosku. Następnie można stworzyć bibliotekę metod rozwiązywania problemów i wiedzę uzupełniającą wykorzystywaną dla każdej z nich i służyć jako problemy do zdiagnozowania przez system. Powstałe oprogramowanie może następnie pomóc w diagnozowaniu, rozwiązywaniu problemów i rozwiązywaniu problemów samodzielnie lub w roli wsparcia dla ludzkiego agenta.
Podział inżynierii wiedzy
Inżynieria wiedzy dążyła do przeniesienia wiedzy specjalistycznej zajmującej się rozwiązywaniem problemów ludzkich ekspertów do programu, który mógłby przyjąć te same dane i dojść do takich samych wniosków. To podejście nazywane jest procesem transferu i zdominowało wczesne próby inżynierii wiedzy. Wypadło z łaski; jednakże, ponieważ naukowcy i programiści zdali sobie sprawę, że wiedza wykorzystywana przez ludzi w podejmowaniu decyzji nie zawsze jest wyraźna. Chociaż wiele decyzji można prześledzić na podstawie wcześniejszych doświadczeń dotyczących tego, co zadziałało, ludzie korzystają z równoległych pul wiedzy, które nie zawsze wydają się logicznie powiązane z danym zadaniem. Niektóre z tego, co prezesi i gwiezdni inwestorzy nazywają uczuciem przeczucia lub intuicyjnymi skokami, lepiej opisać jako analogiczne rozumowanie i nieliniowe myślenie. Te tryby myślenia nie nadają się do kierowania drzewami decyzyjnymi krok po kroku i mogą wymagać pobierania źródeł danych, które wydają się kosztować więcej niż są warte.
Proces przenoszenia pozostawiono w tyle za procesem modelowania. Zamiast podążać krok po kroku za procesem decyzyjnym, inżynieria wiedzy koncentruje się na stworzeniu systemu, który osiągnie takie same wyniki jak ekspert bez podążania tą samą ścieżką lub korzystania z tych samych źródeł informacji. Eliminuje to niektóre problemy ze śledzeniem wiedzy wykorzystywanej do myślenia nieliniowego, ponieważ ludzie, którzy to robią, często nie są świadomi informacji, które wyciągają. Dopóki wnioski są porównywalne, model działa. Gdy model konsekwentnie zbliża się do ludzkiego eksperta, można go udoskonalić. Złe wnioski można prześledzić i debugować, a procesy, które tworzą równoważne lub ulepszone wnioski, można zachęcać.
Inżynieria wiedzy, która przewyższa ludzkich ekspertów
Inżynieria wiedzy jest już zintegrowana z oprogramowaniem wspomagającym podejmowanie decyzji. Wyspecjalizowani inżynierowie wiedzy są zatrudnieni w różnych dziedzinach, które rozwijają funkcje podobne do ludzkich, w tym zdolność maszyn do rozpoznawania twarzy lub analizowania tego, co dana osoba mówi dla znaczenia. W miarę wzrostu złożoności modelu inżynierowie wiedzy mogą nie rozumieć w pełni, w jaki sposób dochodzi się do wniosków. W końcu dziedzina inżynierii wiedzy przejdzie od tworzenia systemów, które rozwiązują problemy, a także ludzi, do systemów, które robią to lepiej niż ludzie. Łącząc te modele inżynierii wiedzy z innymi umiejętnościami, takimi jak przetwarzanie języka naturalnego (NLP) i rozpoznawanie twarzy, sztuczna inteligencja może być najlepszym serwerem, doradcą finansowym lub biurem podróży, jakie kiedykolwiek widział świat.
