什么是知识工程(knowledge engineering)？

知识工程是人工智能（AI）的一个领域，它创建规则应用于数据，以模仿人类专家的思维过程。它着眼于任务或决策的结构，以确定如何得出结论。

然后可以创建一个问题解决方法库和用于每个方法的辅助知识库，并作为系统诊断的问题提供。由此产生的软件可以帮助诊断，故障排除和解决问题，无论是自己或在一个人的代理人的支持作用。

关键要点

• 知识工程（knowledgeengineering）是人工智能（AI）的一个分支，它开发应用于数据的规则，以模仿人类作为特定主题专家的思维过程。
• 知识工程的最初形式是以知识转移过程为中心的；将解决问题的人的专业知识转化为一个程序，该程序可以获取相同的数据并得出相同的结论。
• 研究发现，转移加工有其局限性，因为它不能准确反映人类如何做出决定。它没有考虑直觉和直觉，即通常不符合逻辑的类比推理和非线性思维。
• 今天，知识工程使用一个建模过程来创建一个系统，该系统与专家接触相同的结果，而不遵循相同的路径或使用相同的信息源。
• 知识工程的目标是将其应用到软件中，使之能够做出人类专家（如财务顾问）所做的决策。
• 知识工程已经在决策支持软件中得到应用，预计在某个时候，它将被用来做出比人类专家更好的决策。

理解知识工程

知识工程试图将解决问题的人类专家的专业知识转化为一个可以接受相同数据并得出相同结论的程序。这种方法被称为转移过程，它主导了早期的知识工程尝试。

然而，当科学家和程序员意识到人类在决策中使用的知识并不总是明确的时，它就失宠了。虽然许多决策可以追溯到以前的工作经验，但人类利用的平行知识库并不总是与手头的任务有逻辑联系。

一些首席执行官和明星投资者所说的直觉或直觉跳跃，更适合描述为类比推理和非线性思维。这些思维模式不适合直接的、逐步的决策树，可能需要引入数据源，这些数据源的引入和处理成本似乎高于其价值。

传输过程已经被抛在后面，取而代之的是建模过程。知识工程不是试图遵循决策的一步一步的过程，而是专注于创建一个系统，该系统将与专家获得相同的结果，而无需遵循相同的路径或利用相同的信息源。

这就消除了追踪用于非线性思维的知识的一些问题，因为这样做的人通常不知道他们正在获取的信息。只要结论具有可比性，模型就可以工作。一旦一个模型不断接近人类专家，它就可以被改进。不好的结论可以追溯和调试，并且可以鼓励创建等效或改进结论的过程。

超越人类专家的知识工程

知识工程已经集成到决策支持软件中。专业知识工程师受雇于不同的领域，这些领域正在推进类似人类的功能，包括机器识别人脸或分析人所说的意思的能力。

随着模型的复杂性增加，知识工程师可能无法完全理解如何得出结论。最终，知识工程的领域将从创造能像人类一样解决问题的系统，发展到在数量上比人类做得更好的系统。

将这些知识工程模型与自然语言处理（NLP）和面部识别等其他能力相结合，人工智能可能成为世界上见过的最好的服务器、财务顾问或旅行社。