Wissenstechnik

Was ist Knowledge Engineering?

Knowledge Engineering ist ein Bereich der künstlichen Intelligenz (KI), der Regeln erstellt, die auf Daten angewendet werden, um den Denkprozess eines menschlichen Experten nachzuahmen. Es untersucht die Struktur einer Aufgabe oder einer Entscheidung, um zu ermitteln, wie eine Schlussfolgerung erreicht wird.

Eine Bibliothek von Problemlösungsmethoden und dem damit verbundenen Wissen für jede Methode kann dann erstellt und als zu diagnostizierende Probleme für das System bereitgestellt werden. Die resultierende Software könnte dann bei der Diagnose, Fehlerbehebung und Lösung von Problemen entweder eigenständig oder in unterstützender Rolle für einen menschlichen Agenten helfen.

Wichtige Erkenntnisse

• Knowledge Engineering ist ein Zweig der künstlichen Intelligenz (KI), der Regeln entwickelt, die auf Daten angewendet werden, um den Denkprozess eines Menschen nachzuahmen, der Experte auf einem bestimmten Gebiet ist.
• In seiner ursprünglichen Form konzentrierte sich Knowledge Engineering auf den Transferprozess: die Übertragung des Fachwissens eines problemlösenden Menschen in ein Programm, das dieselben Daten aufnehmen und dieselben Schlussfolgerungen ziehen konnte.
• Es wurde festgestellt, dass der Transferprozess seine Grenzen hatte, da er nicht genau widerspiegelte, wie Menschen Entscheidungen treffen. Er berücksichtigte keine Intuition und kein Bauchgefühl, bekannt als analoges Denken und nichtlineares Denken, das oft nicht logisch sein muss.
• Heute verwendet Knowledge Engineering einen Modellierungsprozess, der ein System schafft, das zu denselben Ergebnissen wie der Experte gelangt, ohne denselben Weg zu gehen oder dieselben Informationsquellen zu verwenden.
• Das Ziel des Knowledge Engineering ist es, in Software implementiert zu werden, die Entscheidungen trifft, die menschliche Experten treffen würden, wie z. B. Finanzberater.
• Knowledge Engineering wird bereits in Entscheidungsunterstützungssoftware eingesetzt, und es wird erwartet, dass es irgendwann verwendet wird, um bessere Entscheidungen zu treffen als menschliche Experten.
• Erhalten Sie personalisierte, KI-gestützte Antworten, die auf über 27 Jahren vertrauenswürdiger Expertise basieren.

Knowledge Engineering verstehen

Knowledge Engineering versuchte, das Fachwissen von problemlösenden menschlichen Experten in ein Programm zu übertragen, das dieselben Daten aufnehmen und zu derselben Schlussfolgerung gelangen konnte. Dieser Ansatz wird als Transferprozess bezeichnet und dominierte frühe Versuche des Knowledge Engineering.

Er verlor jedoch an Bedeutung, als Wissenschaftler und Programmierer erkannten, dass das von Menschen bei Entscheidungen verwendete Wissen nicht immer explizit ist. Während viele Entscheidungen auf frühere Erfahrungen mit dem zurückgeführt werden können, was funktioniert hat, greifen Menschen auf parallele Wissensbestände zurück, die nicht immer logisch mit der anstehenden Aufgabe verbunden zu sein scheinen.

Einiges von dem, was CEOs und Starinvestoren als Bauchgefühl oder intuitive Sprünge bezeichnen, wird besser als analoges Denken und nichtlineares Denken beschrieben. Diese Denkweisen eignen sich nicht für direkte, schrittweise Entscheidungsbäume und erfordern möglicherweise das Heranziehen von Datenquellen, deren Einbindung und Verarbeitung teurer erscheint, als es sich lohnt.

Der Transferprozess wurde zugunsten eines Modellierungsprozesses aufgegeben. Anstatt dem schrittweisen Prozess einer Entscheidung zu folgen, konzentriert sich Knowledge Engineering darauf, ein System zu schaffen, das zu denselben Ergebnissen wie der Experte gelangt, ohne denselben Weg zu gehen oder dieselben Informationsquellen zu nutzen.

Dies beseitigt einige der Probleme bei der Verfolgung des Wissens, das für nichtlineares Denken verwendet wird, da die Personen, die dies tun, sich der Informationen, die sie heranziehen, oft nicht bewusst sind. Solange die Schlussfolgerungen vergleichbar sind, funktioniert das Modell. Sobald ein Modell dem menschlichen Experten durchgängig nahe kommt, kann es verfeinert werden. Schlechte Schlussfolgerungen können zurückverfolgt und debuggt werden, und Prozesse, die gleichwertige oder verbesserte Schlussfolgerungen erzeugen, können gefördert werden.

Knowledge Engineering, um menschliche Experten zu übertreffen

Knowledge Engineering ist bereits in Entscheidungsunterstützungssoftware integriert. Spezialisierte Knowledge Engineers werden in verschiedenen Bereichen eingesetzt, die menschenähnliche Funktionen vorantreiben, darunter die Fähigkeit von Maschinen, ein Gesicht zu erkennen oder zu verstehen, was eine Person sagt, um die Bedeutung zu erfassen.

Mit zunehmender Komplexität des Modells können die Knowledge Engineers möglicherweise nicht mehr vollständig verstehen, wie Schlussfolgerungen erreicht werden. Irgendwann wird das Feld des Knowledge Engineering von der Erstellung von Systemen, die Probleme genauso gut lösen wie ein Mensch, zu einem System übergehen, das dies quantitativ besser als Menschen kann.

Durch die Kopplung dieser Knowledge-Engineering-Modelle mit anderen Fähigkeiten wie der Verarbeitung natürlicher Sprache (NLP) und der Gesichtserkennung könnte künstliche Intelligenz der beste Kellner, Finanzberater oder Reiseagent sein, den die Welt je gesehen hat.

Erhalten Sie personalisierte, KI-gestützte Antworten, die auf über 27 Jahren vertrauenswürdiger Expertise basieren.

Investieren

FinTech

Andere Technologien