知识工程
什么是知识工程？
知识工程是人工智能 (AI) 的一个领域，它创建规则以应用于数据以模仿人类专家的思维过程。它着眼于任务或决定的结构，以确定如何得出结论。
然后可以创建一个问题解决方法库和用于每种方法的附带知识，并将其作为系统诊断的问题。然后，生成的软件可以自行或作为人工代理的支持角色协助诊断、故障排除和解决问题。
理解知识工程
知识工程试图将解决问题的人类专家的专业知识转移到一个程序中，该程序可以接收相同的数据并得出相同的结论。这种方法被称为转移过程，它主导了早期的知识工程尝试。
然而，它失宠了，因为科学家和程序员意识到人类在决策中使用的知识并不总是明确的。虽然许多决定可以追溯到以前的经验，但人类利用平行的知识库并不总是与手头的任务有逻辑上的联系。
CEO和明星投资者所称的直觉或直觉飞跃，最好将其描述为类比推理和非线性思维。这些思维模式不适合直接、循序渐进的决策树，并且可能需要引入数据源，这些数据源的引入和处理成本似乎高于其价值。
转移过程已被抛在后面，有利于建模过程。知识工程不是试图遵循一步一步的决策过程，而是专注于创建一个系统，该系统将获得与专家相同的结果，而无需遵循相同的路径或利用相同的信息源。
这消除了追踪用于非线性思维的知识的一些问题，因为这样做的人通常不知道他们正在获取的信息。只要结论具有可比性，该模型就有效。一旦模型不断接近人类专家，就可以对其进行改进。可以追溯和调试错误的结论，并且可以鼓励创建等效或改进结论的过程。
超越人类专家的知识工程
知识工程已经集成到决策支持软件中。专业知识工程师受雇于推动类人功能的各个领域，包括机器识别人脸或解析人所说的含义的能力。
随着模型复杂性的增加，知识工程师可能无法完全理解如何得出结论。最终，知识工程领域将从创建能够像人类一样解决问题的系统发展为在数量上比人类做得更好的系统。
将这些知识工程模型与自然语言处理(NLP) 和面部识别等其他能力相结合，人工智能可能成为世界上最好的服务器、财务顾问或旅行社。
＃＃ 强调
知识工程已经被用于决策支持软件，预计在某些时候它将被用来做出比人类专家更好的决策。
知识工程的目标是将其实施到软件中，该软件将做出人类专家（例如财务顾问）会做出的决定。
今天，知识工程使用建模过程创建一个系统，该系统涉及与专家相同的结果，而无需遵循相同的路径或使用相同的信息源。
在最初的形式中，知识工程侧重于转移过程；将解决问题的人的专业知识转移到可以获取相同数据并得出相同结论的程序中。
知识工程是人工智能 (AI) 的一个分支，它开发适用于数据的规则，以模仿作为特定主题专家的人类的思维过程。
确定传输处理有其局限性，因为它不能准确反映人类如何做出决定。它没有考虑直觉和直觉，称为类比推理和非线性思维，这通常可能不合逻辑。
