Loading AI tools
Из Википедии, свободной энциклопедии
Инженерия знаний (англ. knowledge engineering) — входит в область наук об искусственном интеллекте, связана с разработкой экспертных систем и баз знаний. Относится ко всем техническим, научным и социальным аспектам, связанным с построением, поддержкой и применением систем, использующих знания. Изучает методы и средства извлечения, представления, структурирования и использования знаний до программной реализации компонентов системы[1]. Инженерия знаний применяется в менеджменте знаний для организации сбора, накопления, хранения и использования знаний организации в стратегии управления знаниями, ориентированную на кодификацию знаний[2][3].
Инженерия знаний (ИЗ) была определена Альбертом Фейгенбаумом и Памелой МакКордак[англ.] в 1983 году как:
«ИЗ — раздел (дисциплина) инженерии, направленный на внедрение знаний в компьютерные системы для решения сложных задач, обычно требующих богатого человеческого опыта».
В настоящее время это также предполагает создание и обслуживание подобных систем (Кендэл, 2007). Это также тесно соприкасается с разработкой программного обеспечения и используется во многих информационных исследованиях, например таких, как исследования искусственного интеллекта, включая базы знаний, сбор данных, экспертные системы, системы поддержки принятия решений и географические информационные системы. ИЗ связана с математической логикой, также используемой в разных научных дисциплинах, например, в социологии, где целью исследований понимание социального поведения людей, анализ логики взаимоотношения людей в обществе.
Инженерия знаний включает применение единой стратегии, которая может быть реализована с помощью технических средств на этапе сбора и обработки данных. Она тесно связана и находит применение в системе автоматизированного проектирования (CAD). Инжиниринг, основанный на знаниях, объединяет по принципам объективной ориентации и правилам с CAD и другими традиционными инструментами инженерного программного обеспечения.
В конце 1960-х и начале 1970-х годов в Стенфордском университете была создана система DENDRAL, а позднее — MYCIN. Это экспертные системы, которые хранят знания специалистов и используют эти данные для решения различных задач, извлекая необходимую информацию из хранилища. Профессор Э.Фейгенбаум был одним из создателей таких систем и выдвинул для экспертных систем хранения экспертных данных название «инженерия знаний»[4].
При разработке систем искусственного интеллекта, выделяют три главные составляющие предварительной обработки данных, которые в последующем передаются в машинную обработку: извлечение и упорядочение (кодификация[5]), структурирование и формализация. Фаза извлечения, или получения, знаний заключается в сборе разрозненных и противоречивых фрагментов и обрывков информации из различных источников, используемых организацией, в том числе в её документах. Структурирование, или концептуализация, заключается в переработке данных и формировании из них единой модели, которую называют полем знаний или ментальной моделью. Фаза формализации заключается в переводе этой информации на специализированный язык программирования[6].
Существуют два подхода для осуществления инженерии знаний: использование традиционных методологий разработки ПО или индивидуальных методологий для построения экспертных систем[7].
Инженерия знаний включает пассивные и активные коммуникативные методы сбора информации. Названия методов условно, так пассивные методы требуют от специалиста не меньших трудовых затрат, чем активные. К пассивным методам относят[8]:
К индивидуальным активным методам сбора информации для процесса инженерии знаний относят:
Также есть коллективные активные методы:
Полученные знания могут быть сохранены при помощи программирования базы знаний.
Пример действия системы, базирующейся на ИЗ:
ИЗ имеет практическое применение. В США до 90 % кредитных решений по клиентам розничного банковского бизнеса принимается с использованием экспертных систем на основе баз знаний FICO[9]. Подразделом ИЗ является метаинженерия знаний, пригодная для разработки ИИ.
Инженерия знаний может быть использована при разработке баз данных электронной коммерции. Не вся товарная матрица представлена в интернете, некоторый ассортимент является уникальным и требует сбора, формализации и структурирования с вычленением каталога с разделами и подразделами, а также с определением внутренних фильтров и сортировок.
С середины 1980-х в ИЗ появилось несколько принципов, методов и инструментов, которые облегчили процесс получения знаний и работы с ними. Вот некоторые из них:
В инженерии знаний используются методы структурирования знаний для убыстрения процесса получения и работы со знаниями.
Организация сбора, накопления, хранения, обработки и предоставления знаний является целью менеджмента знаний, представляющего собой часть современного менеджмента. Различные специалисты меняют место работы, вместе с этим компании теряют накопленный за время работы сотрудника интеллектуальный капитал[1]. Для предотвращения подобных случаев, на предприятиях стали разрабатывать и внедрять правила загрузки данных. Информация может вноситься в специально разработанные программы для внутреннего пользования или приобретенные системы (бухгалтерские системы, ERP, CRM, VDS), что позволяет не только сохранить данные в структурированном виде, заданном аналитиком, но также выгружать их при необходимости.
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.