Investor's wiki

Kunskapsteknik

Kunskapsteknik

Vad Àr Knowledge Engineering?

Kunskapsteknik Àr ett omrÄde av artificiell intelligens (AI) som skapar regler som ska tillÀmpas pÄ data för att imitera en mÀnsklig experts tankeprocess. Den tittar pÄ strukturen för en uppgift eller ett beslut för att identifiera hur en slutsats nÄs.

Ett bibliotek med problemlösningsmetoder och den underliggande kunskap som anvÀnds för varje kan sedan skapas och serveras som problem som ska diagnostiseras av systemet. Den resulterande programvaran kan sedan hjÀlpa till med diagnos, felsökning och lösning av problem antingen pÄ egen hand eller i en supportroll till en mÀnsklig agent.

FörstÄ Knowledge Engineering

Knowledge engineering försökte överföra expertis frÄn problemlösande mÀnskliga experter till ett program som kunde ta in samma data och komma till samma slutsats. Detta tillvÀgagÄngssÀtt kallas överföringsprocessen, och det dominerade tidiga kunskapstekniska försök.

Det föll dock i onÄd, eftersom forskare och programmerare insÄg att kunskapen som anvÀnds av mÀnniskor i beslutsfattande inte alltid Àr explicit. Medan mÄnga beslut kan spÄras tillbaka till tidigare erfarenheter av vad som fungerade, anvÀnder mÀnniskor parallella pooler av kunskap som inte alltid verkar logiskt kopplade till den aktuella uppgiften.

En del av det som vd :ar och stjÀrninvesterare refererar till som magkÀnsla eller intuitiva sprÄng beskrivs bÀttre som analoga resonemang och olinjÀrt tÀnkande. Dessa tankesÀtt lÀmpar sig inte för direkta, steg-för-steg-beslutstrÀd och kan krÀva att man drar in datakÀllor som verkar kosta mer att ta in och bearbeta Àn det Àr vÀrt.

Överföringsprocessen har lĂ€mnats bakom sig till förmĂ„n för en modelleringsprocess. IstĂ€llet för att försöka följa ett besluts steg-för-steg-process, fokuserar kunskapsteknik pĂ„ att skapa ett system som kommer att fĂ„ samma resultat som experten utan att följa samma vĂ€g eller anvĂ€nda samma informationskĂ€llor.

Detta eliminerar nÄgra av problemen med att spÄra den kunskap som anvÀnds för olinjÀrt tÀnkande, eftersom de som gör det ofta inte Àr medvetna om informationen de drar pÄ sig. SÄ lÀnge slutsatserna Àr jÀmförbara fungerar modellen. NÀr en modell konsekvent kommer nÀra den mÀnskliga experten kan den förfinas. DÄliga slutsatser kan spÄras tillbaka och felsökas, och processer som skapar likvÀrdiga eller förbÀttrade slutsatser kan uppmuntras.

Kunskapsteknik för att övertrÀffa mÀnskliga experter

Kunskapsteknik Àr redan integrerat i programvara för beslutsstöd. Specialiserade kunskapsingenjörer Àr anstÀllda inom olika omrÄden som utvecklar mÀnskliga funktioner, inklusive maskiners förmÄga att kÀnna igen ett ansikte eller analysera vad en person sÀger för mening.

I takt med att modellens komplexitet vÀxer, kanske kunskapsingenjörerna inte helt förstÄr hur man drar slutsatser. SÄ smÄningom kommer omrÄdet kunskapsteknik att gÄ frÄn att skapa system som löser problem lika vÀl som en mÀnniska till ett som gör det kvantitativt bÀttre Àn mÀnniskor.

Genom att koppla dessa kunskapstekniska modeller med andra förmÄgor som naturlig sprÄkbehandling (NLP) och ansiktsigenkÀnning, kan artificiell intelligens vara den bÀsta servern, finansiella rÄdgivaren eller resebyrÄn som vÀrlden nÄgonsin har sett.

Höjdpunkter

– Kunskapsteknik anvĂ€nds redan i programvara för beslutsstöd och man förvĂ€ntar sig att den nĂ„gon gĂ„ng kommer att anvĂ€ndas för att fatta bĂ€ttre beslut Ă€n mĂ€nskliga experter.

– MĂ„let med kunskapsteknik Ă€r att det ska implementeras i mjukvara som ska fatta beslut som mĂ€nskliga experter skulle göra, till exempel finansiella rĂ„dgivare.

– Idag anvĂ€nder kunskapsteknik en modelleringsprocess som skapar ett system som berör samma resultat som experten utan att gĂ„ samma vĂ€g eller anvĂ€nda samma informationskĂ€llor.

  • I sin ursprungliga form fokuserade kunskapsteknik pĂ„ överföringsprocessen; överföra expertis hos en problemlösande mĂ€nniska till ett program som kan ta samma data och dra samma slutsatser.

– Knowledge engineering Ă€r en gren av artificiell intelligens (AI) som utvecklar regler som tillĂ€mpas pĂ„ data för att imitera tankeprocessen hos en mĂ€nniska som Ă€r expert pĂ„ ett specifikt Ă€mne.

– Det faststĂ€lldes att överföringsbehandlingen hade sina begrĂ€nsningar, eftersom den inte exakt speglade hur mĂ€nniskor fattar beslut. Den övervĂ€gde inte intuition och magkĂ€nsla, kĂ€nd som analoga resonemang och olinjĂ€rt tĂ€nkande, som ofta inte Ă€r logiska.