Инженерното познание е поле на изкуствен интелект (AI), което създава правила, които да се прилагат към данните, за да имитират мисловния процес на човешки експерт. Той разглежда структурата на задача или решение, за да идентифицира как се стига до заключение. След това може да се създаде библиотека от методи за решаване на проблеми и използваните за всеки от тях знания като проблеми, които да бъдат диагностицирани от системата. След това полученият софтуер би могъл да помогне при диагностициране, отстраняване на проблеми и решаване на проблеми самостоятелно или в ролята на поддържащ човешки агент.
Разрушаване на инженерните знания
Инженерингът на знанията се стреми да прехвърли експертните знания на човешките експерти за решаване на проблеми в програма, която може да вземе същите данни и да стигне до същото заключение. Този подход се нарича процес на трансфер и той доминира в ранните опити за инженерно познание. Изпадна от благосклонност; обаче, тъй като учените и програмистите разбраха, че знанията, използвани от хората при вземането на решения, не винаги са категорични. Въпреки че много решения могат да бъдат проследени от предишния опит за това, което е работило, хората черпят от паралелни басейни от знания, които не винаги изглеждат логически свързани със задачата. Част от това, което главните изпълнителни директори и звездни инвеститори наричат чувство на червата или интуитивен скок, се описва по-добре като аналогични разсъждения и нелинейно мислене. Тези режими на мислене не се поддават на директно, стъпка по стъпка дървета на решения и може да изискват извличане на източници на данни, които изглежда струват повече за въвеждане и обработка, отколкото си струва.
Процесът на трансфер е изоставен в полза на процес на моделиране. Вместо да се опитва да следва стъпка по стъпка процеса на решение, инженерингът на знанието е съсредоточен върху създаването на система, която ще засегне същите резултати като експерта, без да следва същия път или да подслушва същите източници на информация. Това елиминира някои от проблемите с проследяването на знанията, използвани за нелинейно мислене, тъй като хората, които го правят, често не са наясно с информацията, която теглят. Докато изводите са сравними, моделът работи. След като един модел последователно се доближава до човешкия експерт, той може да бъде усъвършенстван. Лоши изводи могат да бъдат проследени и отстранени с грешки, а процесите, които създават еквивалентни или подобрени изводи, могат да бъдат насърчавани.
Инженеринг на знания за превишаване на човешките експерти
Инженерингът на знанията вече е интегриран в софтуера за подкрепа на решения. Специализираните инженери на знанието са наети в различни области, които напредват на подобни на човека функции, включително способността на машините да разпознават лице или да анализират това, което човек казва за смисъл. Тъй като сложността на модела нараства, инженерите на знания може да не разберат напълно как се стига до заключения. В крайна сметка областта на инженерното познание ще премине от създаване на системи, които решават проблеми, както и на човек, до такава, която го прави количествено по-добре от хората. Съчетаването на тези модели на инженерни знания с други способности като обработка на естествен език (NLP) и разпознаване на лица, изкуственият интелект може да бъде най-добрият сървър, финансов съветник или туристически агент, който светът някога е виждал.
