Инженерия знаний
Что такое инженерия знаний?
Инженерия знаний — это область искусственного интеллекта (ИИ), которая создает правила для применения к данным, чтобы имитировать мыслительный процесс человека-эксперта. Он смотрит на структуру задачи или решения, чтобы определить, как делается вывод.
Затем можно создать библиотеку методов решения проблем и сопутствующие знания, используемые для каждого, и использовать их в качестве проблем для диагностики системой. Полученное программное обеспечение может помочь в диагностике, поиске и устранении неисправностей и решении проблем либо самостоятельно, либо в качестве поддержки для агента-человека.
Ключевые выводы
- Инженерия знаний — это отрасль искусственного интеллекта (ИИ), которая разрабатывает правила, которые применяются к данным, чтобы имитировать мыслительный процесс человека, который является экспертом по определенной теме.
- В своей начальной форме инженерия знаний была сосредоточена на процессе передачи; перенос опыта человека, решающего проблемы, в программу, которая могла бы брать те же данные и делать те же выводы.
- Было установлено, что обработка передачи имеет свои ограничения, поскольку она не точно отражает то, как люди принимают решения. Он не учитывал интуицию и интуицию, известные как аналогичные рассуждения и нелинейное мышление, которые часто могут быть нелогичными.
- Сегодня инженерия знаний использует процесс моделирования, который создает систему, которая достигает тех же результатов, что и эксперт, не следуя тому же пути или используя те же источники информации.
- Цель инженерии знаний состоит в том, чтобы внедрить их в программное обеспечение, которое будет принимать решения так же, как и специалисты-люди, например финансовые консультанты.
- Инженерия знаний уже используется в программном обеспечении поддержки принятия решений, и ожидается, что в какой-то момент она будет использоваться для принятия более эффективных решений, чем специалисты-люди.
Понимание инженерии знаний
Инженерия знаний стремилась передать опыт специалистов, решающих проблемы, в программу, которая могла бы использовать те же данные и прийти к одинаковым выводам. Этот подход называется процессом передачи, и он преобладал в ранних попытках инженерии знаний.
Однако он потерял популярность, поскольку ученые и программисты осознали, что знания, используемые людьми при принятии решений, не всегда являются явными. Хотя многие решения можно отнести к предыдущему опыту того, что сработало, люди используют параллельные пулы знаний, которые не всегда кажутся логически связанными с поставленной задачей.
То, что руководители и звездные инвесторы называют интуитивным чутьем 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, по-видимому, стоят дороже, чем они стоят.
Процесс переноса остался позади в пользу процесса моделирования. Вместо того, чтобы пытаться следовать пошаговому процессу принятия решения, инженерия знаний сосредоточена на создании системы, которая будет давать те же результаты, что и эксперт, без следования тем же путем или использования тех же источников информации.
Это устраняет некоторые проблемы, связанные с отслеживанием знаний, используемых для нелинейного мышления, поскольку люди, выполняющие это, часто не осознают информацию, которую они извлекают. Пока выводы сопоставимы, модель работает. Как только модель постепенно приближается к человеку-эксперту, ее можно уточнять. Неверные выводы можно отследить и отладить, а процессы, которые создают эквивалентные или улучшенные выводы, можно поощрять.
Инженерия знаний, чтобы превзойти человеческих экспертов
Инженерия знаний уже интегрирована в программное обеспечение для поддержки принятия решений. Специализированные инженеры по знаниям работают в различных областях, которые развивают человеческие функции, включая способность машин распознавать лица или анализировать то, что говорит человек, на предмет смысла.
По мере роста сложности модели инженеры по знаниям могут не полностью понимать, как делаются выводы. В конце концов, область инженерии знаний перейдет от создания систем, которые решают проблемы наравне с человеческими, к системам, которые делают это количественно лучше, чем люди.
Сочетая эти инженерные модели знаний с другими способностями, такими как обработка естественного языка (NLP) и распознавание лиц, искусственный интеллект может стать лучшим сервером, финансовым консультантом или туристическим агентом, который когда-либо видел мир.