Wissens-Engineering
Was ist Knowledge Engineering?
Knowledge Engineering ist ein Bereich der künstlichen Intelligenz (KI), der Regeln zur Anwendung auf Daten erstellt, um den Denkprozess eines menschlichen Experten nachzuahmen. Es betrachtet die Struktur einer Aufgabe oder einer Entscheidung, um festzustellen, wie eine Schlussfolgerung erreicht wird.
Anschließend kann eine Bibliothek mit Problemlösungsmethoden und dem jeweils verwendeten ergänzenden Wissen erstellt und als vom System zu diagnostizierende Probleme bereitgestellt werden. Die resultierende Software könnte dann bei der Diagnose, Fehlerbehebung und Lösung von Problemen entweder selbst oder in einer unterstützenden Rolle für einen menschlichen Agenten helfen.
Knowledge Engineering verstehen
Knowledge Engineering versuchte, das Fachwissen problemlösender menschlicher Experten in ein Programm zu übertragen, das dieselben Daten aufnehmen und zu denselben Schlussfolgerungen kommen konnte. Dieser Ansatz wird als Transferprozess bezeichnet und dominierte die frühen Versuche des Knowledge Engineering.
Es geriet jedoch in Ungnade, als Wissenschaftler und Programmierer erkannten, dass das Wissen, das von Menschen zur Entscheidungsfindung verwendet wird, nicht immer eindeutig ist. Während viele Entscheidungen auf frühere Erfahrungen zurückgeführt werden können, was funktioniert hat, greifen Menschen auf parallele Wissenspools zurück, die nicht immer logisch mit der anstehenden Aufgabe verbunden zu sein scheinen.
Einiges von dem, was CEOs und Starinvestoren als Bauchgefühl oder intuitive Sprünge bezeichnen, lässt sich besser als analoges Denken und nichtlineares Denken beschreiben. Diese Denkweisen eignen sich nicht für direkte, schrittweise Entscheidungsbäume und erfordern möglicherweise das Einbeziehen von Datenquellen, deren Einbringung und Verarbeitung mehr zu kosten scheinen, als sie wert sind.
Der Übertragungsprozess wurde zugunsten eines Modellierungsprozesses aufgegeben. Anstatt zu versuchen, dem Prozess einer Entscheidung Schritt für Schritt zu folgen, konzentriert sich Knowledge Engineering darauf, ein System zu schaffen, das zu denselben Ergebnissen kommt wie der Experte, ohne denselben Weg zu gehen oder dieselben Informationsquellen anzuzapfen.
Dies eliminiert einige der Probleme beim Aufspüren des Wissens, das für nichtlineares Denken verwendet wird, da die Leute, die es tun, oft nicht wissen, auf welche Informationen sie zurückgreifen. Solange die Schlussfolgerungen vergleichbar sind, funktioniert das Modell. Sobald ein Modell dem menschlichen Experten beständig nahe kommt, kann es verfeinert werden. Schlechte Schlussfolgerungen können zurückverfolgt und behoben werden, und Prozesse, die gleichwertige oder verbesserte Schlussfolgerungen erzeugen, können gefördert werden.
Knowledge Engineering, um menschliche Experten zu übertreffen
Knowledge Engineering ist bereits in Entscheidungsunterstützungssoftware integriert. Spezialisierte Wissensingenieure werden in verschiedenen Bereichen eingesetzt, die menschenähnliche Funktionen vorantreiben, einschließlich der Fähigkeit von Maschinen, ein Gesicht zu erkennen oder zu analysieren, was eine Person sagt.
Wenn die Komplexität des Modells zunimmt, verstehen die Wissensingenieure möglicherweise nicht vollständig, wie Schlussfolgerungen gezogen werden. Letztendlich wird sich das Gebiet des Knowledge Engineering von der Schaffung von Systemen, die Probleme so gut lösen wie ein Mensch, zu einem entwickeln, das es quantitativ besser macht als Menschen.
Kopplung dieser Knowledge-Engineering-Modelle mit anderen Fähigkeiten wie Natural Language Processing (NLP) und Gesichtserkennung könnte künstliche Intelligenz der beste Server, Finanzberater oder Reiseagent sein, den die Welt je gesehen hat.
Höhepunkte
Knowledge Engineering wird bereits in Software zur Entscheidungsunterstützung eingesetzt, und es wird erwartet, dass es irgendwann verwendet wird, um bessere Entscheidungen zu treffen als menschliche Experten.
Das Ziel von Knowledge Engineering besteht darin, es in Software zu implementieren, die Entscheidungen trifft, die menschliche Experten treffen würden, z. B. Finanzberater.
Wissensengineering verwendet heute einen Modellierungsprozess, der ein System schafft, das dieselben Ergebnisse berührt wie der Experte, ohne denselben Weg zu gehen oder dieselben Informationsquellen zu verwenden.
Knowledge Engineering konzentrierte sich in seiner ursprünglichen Form auf den Transferprozess; das Übertragen des Fachwissens eines Menschen, der Probleme löst, in ein Programm, das dieselben Daten verwenden und dieselben Schlussfolgerungen ziehen kann.
Knowledge Engineering ist ein Zweig der künstlichen Intelligenz (KI), der Regeln entwickelt, die auf Daten angewendet werden, um den Denkprozess eines Menschen nachzuahmen, der Experte für ein bestimmtes Thema ist.
Es wurde festgestellt, dass die Übertragungsverarbeitung ihre Grenzen hatte, da sie nicht genau widerspiegelte, wie Menschen Entscheidungen treffen. Es berücksichtigte nicht Intuition und Bauchgefühl, bekannt als analoges Denken und nichtlineares Denken, das oft nicht logisch ist.
