Inženjering znanja polje je umjetne inteligencije (AI) koje stvara pravila koja se primjenjuju na podatke kako bi imitirali misaoni proces ljudskog stručnjaka. Proučava strukturu zadatka ili odluke kako bi utvrdio na koji se način dolazi do zaključka. Knjižnica metoda rješavanja problema i kolateralna znanja koja se koriste za svaki od njih mogu se stvoriti i poslužiti kao problemi koje će sustav dijagnosticirati. Tada bi dobiveni softver mogao pomoći u dijagnostici, rješavanju problema i rješavanju problema samostalno ili u ulozi potpore ljudskom agentu.
Rušenje znanja o inženjeringu
Inženjering znanja nastojao je prenijeti ekspertizu ljudskih stručnjaka za rješavanje problema u program koji može uzeti iste podatke i doći do istog zaključka. Ovaj se pristup naziva procesom prijenosa, a dominirao je u ranim pokušajima inženjeringa znanja. Pao je od naklonosti; međutim, kako su znanstvenici i programeri shvatili da znanje koje ljudi koriste u odlučivanju nije uvijek eksplicitno. Iako se mnoge odluke mogu povezati s prethodnim iskustvom o tome što se radilo, ljudi izvlače paralelne baze znanja koje se ne čine uvijek logično povezanim s zadatkom. Nešto od toga što glavni direktori i investitori u zvijezde nazivaju osjećaj crijeva ili intuitivni skokovi bolje se opisuju kao analogno zaključivanje i nelinearno razmišljanje. Ti se načini razmišljanja ne usuđuju da usmjeravaju, korak po korak stabla odluka, i mogu zahtijevati da se izvuku izvori podataka za koje se čini da koštaju više nego što je vrijedno.
Proces prijenosa zaostao je u korist procesa modeliranja. Umjesto da pokuša slijediti korak po korak postupak odluke, inženjering znanja usredotočen je na stvaranje sustava koji će pogoditi iste rezultate kao i stručnjak, a da ne slijedi isti put ili dodiruje iste izvore podataka. Ovo uklanja neke od pitanja praćenja znanja koje se koristi za nelinearno razmišljanje, jer ljudi koji to rade često nisu svjesni informacija koje povlače. Sve dok su zaključci usporedivi, model djeluje. Jednom kada se model dosljedno približi ljudskom stručnjaku, tada se može doraditi. Loši zaključci mogu se pratiti i ukloniti pogreškom, a mogu se potaknuti procesi koji stvaraju jednake ili poboljšane zaključke.
Inženjering znanja za višak ljudskih stručnjaka
Inženjering znanja već je integriran u softver za podršku odlučivanju. Specijalizirani inženjeri znanja zaposleni su u raznim područjima koja napreduju ljudskim funkcijama, uključujući sposobnost strojeva da prepoznaju lice ili raščlanjuju ono što osoba kaže po značenju. Kako složenost modela raste, inženjeri znanja možda neće u potpunosti razumjeti kako se donose zaključci. Na kraju će polje inženjeringa znanja krenuti od stvaranja sustava koji rješavaju probleme kao i ljudskog do onog koji ga čini kvantitativno boljim od ljudi. Spajajući ove modele inženjerskog znanja s drugim sposobnostima poput obrade prirodnog jezika (NLP) i prepoznavanja lica, umjetna inteligencija mogla bi biti najbolji poslužitelj, financijski savjetnik ili putnički agent koji je svijet ikada vidio.
