Inżynieria wiedzy
Co to jest inżynieria wiedzy?
Inżynieria wiedzy to dziedzina sztucznej inteligencji (AI), która tworzy reguły stosowane do danych w celu naśladowania procesu myślowego ludzkiego eksperta. Analizuje strukturę zadania lub decyzję, aby określić, w jaki sposób doszło do konkluzji.
Następnie można stworzyć bibliotekę metod rozwiązywania problemów i uzupełniającą wiedzę wykorzystywaną w każdym przypadku 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.
Kluczowe wnioski
- Inżynieria wiedzy to gałąź sztucznej inteligencji (AI), która opracowuje reguły, które są stosowane do danych w celu naśladowania procesu myślowego człowieka, który jest ekspertem w określonym temacie.
- W swojej pierwotnej formie inżynieria wiedzy koncentrowała się na procesie transferu; przeniesienie wiedzy człowieka rozwiązującego problemy do programu, który mógłby pobierać te same dane i wyciągać takie same wnioski.
- Ustalono, że przetwarzanie transferowe ma swoje ograniczenia, ponieważ nie odzwierciedla dokładnie sposobu podejmowania decyzji przez ludzi. Nie uwzględniał intuicji i przeczuć, znanych jako rozumowanie analogiczne i myślenie nieliniowe, które często mogą nie być logiczne.
- Obecnie inżynieria wiedzy wykorzystuje proces modelowania, który tworzy system, który dotyka tych samych wyników, co ekspert, bez podążania tą samą ścieżką lub korzystania z tych samych źródeł informacji.
- Celem inżynierii wiedzy jest wdrożenie jej do oprogramowania, które będzie podejmować decyzje, które podejmowaliby eksperci, np. Doradcy finansowi.
- Inżynieria wiedzy jest już wykorzystywana w oprogramowaniu wspomagającym podejmowanie decyzji i oczekuje się, że w pewnym momencie będzie ona wykorzystywana do podejmowania lepszych decyzji niż ludzcy eksperci.
Zrozumienie inżynierii wiedzy
Inżynieria wiedzy starała się przenieść doświadczenie ekspertów zajmujących się rozwiązywaniem problemów do programu, który mógłby przyjąć te same dane i dojść do tego samego wniosku. To podejście jest określane jako proces transferu i zdominowało wczesne próby inżynierii wiedzy.
Wypadło to jednak z łask, gdy naukowcy i programiści zdali sobie sprawę, że wiedza wykorzystywana przez ludzi przy podejmowaniu decyzji nie zawsze jest jednoznaczna. Chociaż wiele decyzji można przypisać wcześniejszym doświadczeniom dotyczącym tego, co zadziałało, ludzie czerpią z równoległych zasobów wiedzy, które nie zawsze wydają się logicznie powiązane z wykonywanym zadaniem.
Niektóre z tego, co dyrektorzy generalni i główni inwestorzy nazywają przeczuciem lub intuicyjnymi skokami, lepiej opisać jako analogiczne rozumowanie i nieliniowe myślenie. Te sposoby myślenia nie nadają się do bezpośredniego, krok po kroku drzew decyzyjnych i mogą wymagać pozyskania źródeł danych, których wprowadzenie i przetworzenie wydaje się kosztować więcej, niż jest to warte.
Proces transferu został pominięty na rzecz procesu modelowania. Zamiast próbować podążać krok po kroku za procesem podejmowania decyzji, inżynieria wiedzy koncentruje się na stworzeniu systemu, który będzie osiągał takie same wyniki, jak ekspert, bez podążania tą samą ścieżką lub sięgania do tych samych źródeł informacji.
Eliminuje to niektóre problemy związane ze śledzeniem wiedzy używanej w myśleniu nieliniowym, ponieważ osoby, które to robią, często nie są świadome informacji, które wykorzystują. Dopóki wnioski są porównywalne, model działa. Gdy model konsekwentnie zbliża się do eksperta-człowieka, można go udoskonalić. Złe wnioski można prześledzić wstecz i zdebugować, a procesy, które dają równoważne lub ulepszone wnioski, mogą być wspierane.
Inżynieria wiedzy przewyższająca ludzi
Inżynieria wiedzy jest już zintegrowana z oprogramowaniem wspomagającym podejmowanie decyzji. Wyspecjalizowani inżynierowie wiedzy są zatrudniani w różnych dziedzinach, które rozwijają funkcje podobne do ludzkich, w tym zdolność maszyn do rozpoznawania twarzy lub analizowania tego, co dana osoba mówi o znaczeniu.
Wraz ze wzrostem złożoności modelu inżynierowie wiedzy mogą nie w pełni zrozumieć, w jaki sposób wyciąga się wnioski. Ostatecznie dziedzina inżynierii wiedzy przejdzie od tworzenia systemów, które rozwiązują problemy, a także ludzi, do takich, które robią to ilościowo 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.