Kejuruteraan pengetahuan adalah bidang kecerdasan buatan (AI) yang mewujudkan peraturan untuk memohon kepada data untuk meniru proses pemikiran ahli manusia. Ia melihat struktur tugas atau keputusan untuk mengenal pasti bagaimana kesimpulan dicapai. Sebuah perpustakaan kaedah pemecahan masalah dan pengetahuan cagaran yang digunakan untuk masing-masing boleh dicipta dan disampaikan sebagai masalah yang akan didiagnosis oleh sistem. Perisian yang dihasilkan kemudiannya dapat membantu dalam diagnosis, masalah penangkapan, dan menyelesaikan masalah sama ada secara sendiri atau dalam peranan sokongan kepada ejen manusia.
Memecahkan Kejuruteraan Pengetahuan
Kejuruteraan pengetahuan berusaha untuk memindahkan kepakaran pakar pemecahan masalah ke dalam program yang boleh mengambil data yang sama dan membuat kesimpulan yang sama. Pendekatan ini dirujuk sebagai proses pemindahan, dan ia menguasai percubaan kejuruteraan pengetahuan awal. Ia jatuh dari nikmat; Walau bagaimanapun, sebagai saintis dan pengaturcara menyedari bahawa ilmu yang digunakan oleh manusia dalam membuat keputusan tidak selalu jelas. Walaupun banyak keputusan dapat dikesan kembali kepada pengalaman terdahulu tentang apa yang telah dilakukan, manusia menggunakan ilmu pengetahuan selari yang tidak selalu kelihatan secara logik berkaitan dengan tugas yang ada. Sebahagian daripada CEO dan pelabur bintang yang merujuk kepada perasaan usus atau lompatan intuitif digambarkan dengan lebih baik sebagai pemikiran analogi dan pemikiran tidak linear. Mod pemikiran ini tidak meminjamkan diri kepada pokok keputusan langsung dan langkah demi langkah dan mungkin memerlukan sumber data yang kelihatan lebih mahal untuk dibawa masuk dan diproses daripada yang bernilai.
Proses pemindahan telah ditinggalkan memihak kepada proses pemodelan. Daripada cuba untuk mengikuti proses langkah demi langkah sesuatu keputusan, kejuruteraan pengetahuan difokuskan pada mewujudkan sistem yang akan memukul hasil yang sama seperti pakar tanpa mengikuti jalan yang sama atau mengetuk sumber maklumat yang sama. Ini menghapuskan beberapa isu mengesan pengetahuan yang digunakan untuk pemikiran tidak linear, kerana orang yang melakukannya sering tidak menyedari maklumat yang mereka tarik. Selagi kesimpulan dapat dibandingkan, model berfungsi. Sekali model secara konsisten datang mendekati pakar manusia, ia kemudiannya boleh ditapis. Kesimpulan yang buruk dapat ditelusuri kembali dan di-debug, dan proses yang membuat kesimpulan yang setara atau lebih baik dapat digalakkan.
Kejuruteraan Pengetahuan untuk Melebihi Pakar-pakar Manusia
Kejuruteraan pengetahuan sudah diintegrasikan ke dalam perisian sokongan keputusan. Jurutera pengetahuan khusus digunakan dalam pelbagai bidang yang memajukan fungsi seperti manusia, termasuk keupayaan mesin untuk mengenali muka atau menguraikan apa yang dikatakan oleh seseorang untuk makna. Kerana kompleksnya model itu berkembang, jurutera pengetahuan mungkin tidak memahami sepenuhnya bagaimana kesimpulan dicapai. Akhirnya, bidang kejuruteraan pengetahuan akan beralih daripada mewujudkan sistem yang menyelesaikan masalah serta manusia kepada satu yang melakukannya secara kuantitatif lebih baik daripada manusia. Menggabungkan model kejuruteraan pengetahuan dengan kebolehan lain seperti pemprosesan bahasa semula jadi (NLP) dan pengiktirafan muka, kecerdasan buatan boleh menjadi pelayan terbaik, penasihat kewangan, atau agen perjalanan yang pernah dilihat oleh dunia.
