Kunnskapsteknikk

Hva er Knowledge Engineering?

Kunnskapsteknikk er et felt av kunstig intelligens (AI) som lager regler som skal gjelde for data for å etterligne tankeprosessen til en menneskelig ekspert. Den ser på strukturen til en oppgave eller en beslutning for å identifisere hvordan en konklusjon nås.

Et bibliotek med problemløsningsmetoder og sidekunnskapen som brukes for hver kan deretter opprettes og serveres som problemer som skal diagnostiseres av systemet. Den resulterende programvaren kan deretter hjelpe til med diagnose, feilsøking og løsning av problemer enten alene eller i en støtterolle for en menneskelig agent.

Forstå Knowledge Engineering

Kunnskapsteknikk forsøkte å overføre ekspertisen til problemløsende menneskelige eksperter til et program som kunne ta inn de samme dataene og komme til samme konklusjon. Denne tilnærmingen omtales som overføringsprosessen, og den dominerte tidlige kunnskapsingeniørforsøk.

Det falt imidlertid i unåde da forskere og programmerere innså at kunnskapen som brukes av mennesker i beslutningstaking ikke alltid er eksplisitt. Mens mange avgjørelser kan spores tilbake til tidligere erfaring med hva som fungerte, trekker mennesker på parallelle samlinger av kunnskap som ikke alltid ser ut til å være logisk knyttet til oppgaven.

Noe av det administrerende direktører og stjerneinvestorer omtaler som magefølelse eller intuitive sprang er bedre beskrevet som analogt resonnement og ikke-lineær tenkning. Disse tankemåtene egner seg ikke til direkte, trinnvise beslutningstrær og kan kreve innhenting av datakilder som ser ut til å koste mer å hente inn og behandle enn det er verdt.

Overføringsprosessen har blitt etterlatt til fordel for en modelleringsprosess. I stedet for å prøve å følge trinn-for-trinn-prosessen til en beslutning, er kunnskapsteknikk fokusert på å lage et system som vil treffe de samme resultatene som eksperten uten å følge samme vei eller trykke på de samme informasjonskildene.

Dette eliminerer noen av problemene med å spore opp kunnskapen som brukes til ikke-lineær tenkning, ettersom de som gjør det ofte ikke er klar over informasjonen de trekker på. Så lenge konklusjonene er sammenlignbare, fungerer modellen. Når en modell konsekvent kommer nær den menneskelige eksperten, kan den foredles. Dårlige konklusjoner kan spores tilbake og feilsøkes, og prosesser som skaper likeverdige eller forbedrede konklusjoner kan oppmuntres.

Kunnskapsteknikk for å overgå menneskelige eksperter

Kunnskapsteknikk er allerede integrert i programvare for beslutningsstøtte. Spesialiserte kunnskapsingeniører er ansatt i forskjellige felt som fremmer menneskelignende funksjoner, inkludert evnen til maskiner til å gjenkjenne et ansikt eller analysere hva en person sier for mening.

Etter hvert som kompleksiteten til modellen vokser, kan det hende at kunnskapsingeniørene ikke helt forstår hvordan konklusjonene blir nådd. Etter hvert vil feltet kunnskapsteknikk gå fra å lage systemer som løser problemer like godt som et menneske til et som gjør det kvantitativt bedre enn mennesker.

Ved å koble disse kunnskapsteknologiske modellene med andre evner som naturlig språkbehandling (NLP) og ansiktsgjenkjenning, kan kunstig intelligens være den beste serveren, finansrådgiveren eller reisebyrået verden noensinne har sett.

Høydepunkter

– Kunnskapsteknikk brukes allerede i programvare for beslutningsstøtte og det forventes at det på et tidspunkt vil bli brukt til å ta bedre beslutninger enn menneskelige eksperter.

– Målet med kunnskapsteknikk er at det skal implementeres i programvare som skal ta beslutninger som menneskelige eksperter ville gjort, for eksempel finansielle rådgivere.

– I dag bruker kunnskapsteknikk en modelleringsprosess som skaper et system som berører de samme resultatene som eksperten uten å følge samme vei eller bruke de samme informasjonskildene.

• I sin opprinnelige form fokuserte kunnskapsteknikk på overføringsprosessen; overføre ekspertisen til et problemløsende menneske til et program som kan ta de samme dataene og trekke de samme konklusjonene.

– Kunnskapsteknikk er en gren av kunstig intelligens (AI) som utvikler regler som brukes på data for å imitere tankeprosessen til et menneske som er ekspert på et spesifikt tema.

– Det ble fastslått at overføringsbehandlingen hadde sine begrensninger, da den ikke reflekterte nøyaktig hvordan mennesker tar avgjørelser. Den vurderte ikke intuisjon og magefølelse, kjent som analog resonnement og ikke-lineær tenkning, som ofte kanskje ikke er logisk.