Инженерия знаний
Эту статью следует викифицировать. |
Инженерия знаний (англ. knowledge engineering) — область наук об искусственном интеллекте, связанная с разработкой экспертных систем и баз знаний. Изучает методы и средства извлечения, представления, структурирования и использования знаний.
Содержание
Определения[править | править код]
Инженерия знаний (ИЗ) была определена Фейгенбаумом и МакКордак 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 данных, сбор данных, экспертные системы, систем поддержки принятия решений и географические информационные системы. ИЗ связана с математической логикой, также используемой в разных научных дисциплинах, например в социологии где «подопытными» являются люди, а цели исследований — понимание, как работает человеческая логика на примере взаимоотношений в обществе.
Примеры[править | править код]
Пример действия системы, базирующейся на ИЗ:
- Рассмотрение задачи
- Запрос к базам данных по задаче
- Внесение и структурирование полученной информации (IPK модель)
- Создание базы данных по структурированной информации
- Тестирование полученной информации
- Внесение корректировок и доработка системы.
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[1]. Подразделом ИЗ является метаинженерия знаний, пригодная для разработки ИИ.
Принципы[править | править код]
С середины 1980-х в ИЗ появилось несколько принципов, методов и инструментов, которые облегчили процесс получения и работы со знаниями. Вот некоторые ключевые из них:
- Существуют разного рода типы знаний[2] и для работы с ними должны использоваться конкретные методы и техника.[3]
- Существуют различные типы экспертов и опыта.[какие?] Для работы с ними должны использоваться определённые методы и техника.[какие?]
- Существуют разные способы предоставления, использования, понимания знаний[какие?] и работа с ними может помочь переосмыслить и использовать уже имеющиеся знания по-новому.
В инженерии знаний используются методы структурирования знаний для убыстрения процесса получения и работы со знаниями.
Теории[править | править код]
- Трансляционная (традиционная): предполагает прямой перенос человеческих знаний в машину.
- Модельная (альтернативный взгляд): предполагает моделирование задачи и её способов решения самой системой ИИ.
- Гибридные.
См. также[править | править код]
Примечания[править | править код]
- ↑ Retail Bank Scoring Solutions (недоступная ссылка). FICO - Business rules management system. Дата обращения 21 апреля 2015. Архивировано 25 марта 2015 года.
- ↑ D.S Darai, S Singh, S Biswas. Knowledge Engineering-an overview . article. Department of Information Technology, SOA University (2010).
- ↑ Richard Benjamins, Dieter Fensel, Remco Straatman. Assumptions of Problem-Solving Methods and their Role in Knowledge Engineering : статья. — 1996. — Август.
![]() |
Это заготовка статьи об искусственном интеллекте. Вы можете помочь проекту, дополнив её. |
В этой статье не хватает ссылок на источники информации. |