Rekayasa pengetahuan adalah bidang kecerdasan buatan (AI) yang menciptakan aturan untuk diterapkan pada data untuk meniru proses pemikiran seorang pakar manusia. Itu terlihat pada struktur tugas atau keputusan untuk mengidentifikasi bagaimana suatu kesimpulan dicapai. Perpustakaan metode pemecahan masalah dan pengetahuan agunan yang digunakan untuk masing-masing kemudian dapat dibuat dan disajikan sebagai masalah yang akan didiagnosis oleh sistem. Perangkat lunak yang dihasilkan kemudian dapat membantu dalam diagnosis, pemecahan masalah, dan menyelesaikan masalah baik sendiri atau dalam peran pendukung untuk agen manusia.
Memecah Rekayasa Pengetahuan
Rekayasa pengetahuan berusaha untuk mentransfer keahlian para ahli pemecahan masalah manusia ke dalam program yang bisa mengambil data yang sama dan sampai pada kesimpulan yang sama. Pendekatan ini disebut sebagai proses transfer, dan mendominasi upaya rekayasa pengetahuan awal. Itu jatuh nikmat; Namun, ketika para ilmuwan dan pemrogram menyadari bahwa pengetahuan yang digunakan oleh manusia dalam pengambilan keputusan tidak selalu eksplisit. Sementara banyak keputusan dapat ditelusuri kembali ke pengalaman sebelumnya tentang apa yang berhasil, manusia menggunakan kumpulan pengetahuan paralel yang tidak selalu tampak secara logis terhubung dengan tugas yang ada. Beberapa apa yang CEO dan investor bintang sebut sebagai firasat atau lompatan intuitif lebih baik digambarkan sebagai penalaran analog dan pemikiran nonlinier. Mode pemikiran ini tidak memungkinkan mereka untuk mengarahkan, pohon keputusan langkah-demi-langkah dan mungkin memerlukan menarik sumber data yang tampaknya lebih mahal untuk dibawa masuk dan diproses daripada nilainya.
Proses transfer telah ditinggalkan demi proses pemodelan. Alih-alih mencoba mengikuti proses langkah-demi-langkah dari suatu keputusan, rekayasa pengetahuan difokuskan pada pembuatan sistem yang akan mencapai hasil yang sama dengan pakar tanpa mengikuti jalur yang sama atau mengetuk sumber informasi yang sama. Ini menghilangkan beberapa masalah melacak pengetahuan yang digunakan untuk berpikir nonlinier, karena orang-orang yang melakukannya sering tidak menyadari informasi yang mereka tarik. Selama kesimpulannya sebanding, modelnya berfungsi. Begitu sebuah model secara konsisten mendekati ahli manusia, maka dapat disempurnakan. Kesimpulan yang buruk dapat ditelusuri kembali dan debugged, dan proses yang menciptakan kesimpulan yang setara atau ditingkatkan dapat didorong.
Rekayasa Pengetahuan untuk Melampaui Ahli Manusia
Rekayasa pengetahuan sudah terintegrasi ke dalam perangkat lunak pendukung keputusan. Insinyur pengetahuan khusus dipekerjakan di berbagai bidang yang memajukan fungsi mirip manusia, termasuk kemampuan mesin untuk mengenali wajah atau mengurai apa yang dikatakan seseorang untuk maknanya. Seiring dengan meningkatnya kompleksitas model, para insinyur pengetahuan mungkin tidak sepenuhnya memahami bagaimana kesimpulan dicapai. Akhirnya, bidang rekayasa pengetahuan akan berubah dari menciptakan sistem yang memecahkan masalah serta manusia menjadi yang melakukannya secara kuantitatif lebih baik daripada manusia. Menggabungkan model-model rekayasa pengetahuan ini dengan kemampuan lain seperti pemrosesan bahasa alami (NLP) dan pengenalan wajah, kecerdasan buatan bisa menjadi server terbaik, penasihat keuangan, atau agen perjalanan yang pernah ada di dunia.
