Інженерія знань - це сфера штучного інтелекту (ШІ), яка створює правила для застосування до даних, щоб наслідувати процес мислення людського експерта. Він розглядає структуру завдання або рішення, щоб визначити, як дійшов висновок. Потім може бути створена бібліотека методів вирішення проблем та побічних знань для кожного, що може бути діагностована системою. Отримане програмне забезпечення може потім допомогти в діагностиці, усуненні неполадок та вирішенні питань самостійно або в ролі підтримки людини.
Порушення інженерії знань
Інженерія знань прагнула перенести досвід експертів з вирішення проблем у програму, яка могла б отримати ті самі дані та прийти до того ж висновку. Цей підхід називають процесом передачі, і він домінував у ранніх спробах інженерії знань. Це випало з користі; однак, як учені та програмісти зрозуміли, що знання, які використовуються людьми при прийнятті рішень, не завжди є явними. Незважаючи на те, що багато рішень можна відслідковувати до попереднього досвіду роботи над тим, що працювало, люди базуються на паралельних пулах знань, які не завжди логічно пов'язані із завданням. Дещо з того, що керівники та зоряні інвестори називають почуттям кишечника або інтуїтивним стрибком, краще описати як аналогічні міркування та нелінійне мислення. Ці режими роздумів не піддаються прямим покроковим деревам рішень і можуть вимагати залучення джерел даних, які, здається, коштують дорожче, щоб ввести та обробити, ніж варто.
Процес передачі був залишений на користь процесу моделювання. Замість того, щоб намагатися слідувати поетапному процесу прийняття рішення, інженерія знань орієнтована на створення системи, яка впливатиме на ті самі результати, що й експерт, не слідуючи тим самим шляхом або торкаючись одних і тих же джерел інформації. Це усуває деякі проблеми відстеження знань, які використовуються для нелінійного мислення, оскільки люди, які роблять це, часто не знають про інформацію, яку вони тягнуть. Поки висновки порівнянні, модель працює. Після того, як модель послідовно наближається до людського експерта, вона може бути вдосконалена. Погані висновки можна відстежувати та налагоджувати, а процеси, що створюють рівноцінні або покращені висновки, можуть бути заохочені
Інженерія знань для перевищення людських експертів
Інженерія знань вже інтегрована в програмне забезпечення підтримки прийняття рішень. Спеціалізовані інженери знань працюють у різних областях, які просувають людиноподібні функції, включаючи здатність машин розпізнавати обличчя або розбирати те, що людина говорить за значенням. У міру зростання складності моделі інженери знань можуть не повністю зрозуміти, як можна дійти висновків. Врешті-решт, область інженерії знань піде від створення систем, що вирішують проблеми, а також людини, до тієї, яка робить це кількісно краще, ніж люди. Поєднуючи ці моделі інженерних знань з іншими здібностями, такими як обробка природних мов (NLP) та розпізнавання обличчя, штучний інтелект може стати найкращим сервером, фінансовим консультантом чи туристичним агентом, який світ коли-небудь бачив.
