Kaj je inženiring znanja?
Kaj je inženiring znanja?
Inženiring znanja je področje umetna inteligenca (AI), ki ustvarja pravila za uporabo podatkov, ki posnemajo miselni proces človeškega strokovnjaka. Preučuje strukturo naloge ali odločitve, da ugotovi, kako je prišlo do zaključka.
Knjižnico metod za reševanje problemov in pridobljeno znanje, uporabljeno pri vsakem od njih, lahko nato ustvarite in postrežete kot težave, ki jih sistem diagnosticira. Nastala programska oprema bi lahko nato pomagala pri diagnosticiranju, odpravljanju težav in reševanju težav samostojno ali v vlogi podpore človeškemu agentu.
Ključni obroki
- Inženiring znanja je veja umetne inteligence (AI), ki razvija pravila, ki se uporabljajo za podatke, da bi posnemali miselni proces človeka, ki je strokovnjak za določeno temo.
- Inženiring znanja se je v svoji začetni obliki osredotočal na proces prenosa; prenos znanja strokovnjaka za reševanje problemov v program, ki bi lahko vzel iste podatke in naredil enake sklepe.
- Ugotovljeno je bilo, da ima obdelava prenosov svoje omejitve, saj ni natančno odražala, kako se ljudje odločajo. Ni upošteval intuicije in črevesnega občutka, znanega kot analogno sklepanje in nelinearno razmišljanje, ki pogosto nista logična.
- Danes inženiring znanja uporablja proces modeliranja, ki ustvarja sistem, ki se dotika istih rezultatov kot strokovnjak, ne da bi sledil isti poti ali uporabil iste vire informacij.
- Cilj inženiringa znanja je, da se ga uporabi v programski opremi, ki bo sprejemala odločitve, ki jih sprejemajo človeški strokovnjaki, na primer finančni svetovalci.
- Inženiring znanja se že uporablja v programski opremi za podporo odločanju in pričakuje se, da bo nekoč uporabljen za sprejemanje boljših odločitev kot človeški strokovnjaki.
Razumevanje inženiringa znanja
Inženiring znanja je skušal prenesti strokovno znanje človeških strokovnjakov za reševanje problemov v program, ki bi lahko zajel iste podatke in prišel do istega zaključka. Ta pristop se imenuje proces prenosa in je prevladoval v zgodnjih poskusih inženiringa znanja.
Vendar pa ni šlo v prid, saj so znanstveniki in programerji spoznali, da znanje, ki ga ljudje uporabljajo pri odločanju, ni vedno eksplicitno. Medtem ko je veliko odločitev mogoče izslediti v prejšnjih izkušnjah glede tega, kaj je delovalo, ljudje črpajo iz vzporednih zbirk znanja, ki se ne zdijo vedno logično povezane z nalogo.
Nekaj od česa Direktorji in zvezdniški vlagatelji, ki se imenujejo črevesni občutek ali intuitivni preskoki, je bolje opisati kot analogno sklepanje in nelinearno razmišljanje. Ti načini razmišljanja se ne dajo neposredno, korak za korakom drevesa odločanja in lahko zahtevajo pridobivanje virov podatkov, za katere se zdi, da so vnos in obdelava dražji, kot je vredno.
Postopek prenosa je bil zapuščen v prid procesu modeliranja. Namesto da bi poskušali slediti postopnemu postopku odločanja, je inženiring znanja osredotočen na ustvarjanje sistem, ki bo dosegel enake rezultate kot strokovnjak, ne da bi sledil isti poti ali se dotaknil istih informacij viri.
To odpravlja nekatera vprašanja sledenja znanju, ki se uporablja za nelinearno razmišljanje, saj se ljudje, ki to počnejo, pogosto ne zavedajo informacij, ki jih črpajo. Dokler so zaključki primerljivi, model deluje. Ko se model nenehno približuje človeškemu strokovnjaku, ga je mogoče izboljšati. Slabe sklepe je mogoče izslediti in odpraviti napake ter spodbujati procese, ki ustvarjajo enakovredne ali izboljšane zaključke.
Inženiring znanja presega človeške strokovnjake
Inženiring znanja je že vključen v programsko opremo za podporo odločanju. Specializirani inženirji znanja so zaposleni na različnih področjih, ki napredujejo človeku podobnim funkcijam, vključno s sposobnostjo strojev, da prepoznajo obraz ali razčlenijo pomen, ki ga človek pove.
Ko kompleksnost modela narašča, inženirji znanja morda ne bodo popolnoma razumeli, kako se prihaja do zaključkov. Sčasoma bo področje inženiringa znanja prešlo od ustvarjanja sistemov, ki rešujejo težave, pa tudi človeka, do sistema, ki mu količinsko uspe bolje kot ljudem.
Povezovanje teh modelov inženiringa znanja z drugimi sposobnostmi, kot je obdelava naravnega jezika (NLP) in prepoznavanje obrazov, umetna inteligenca bi lahko bila najboljši strežnik, finančni svetovalecali potovalni agent, ki ga je svet kdaj videl.