ナレッジエンジニアリングは、人間の専門家の思考プロセスを模倣してデータに適用するルールを作成する人工知能（AI）の分野です。 タスクまたは決定の構造を調べて、結論に到達する方法を特定します。 その後、問題解決方法のライブラリとそれぞれに使用される付随知識を作成し、システムが診断する問題として提供できます。 作成されたソフトウェアは、それ自体で、または人間のエージェントに対するサポートの役割で、診断、トラブルシューティング、および問題の解決に役立ちます。
知識工学の分解
知識工学は、問題を解決する人間の専門家の専門知識を、同じデータを取り込んで同じ結論に達することができるプログラムに移そうとしました。 このアプローチは転送プロセスと呼ばれ、初期の知識工学の試みを支配していました。 それは好意から外れました。 しかし、科学者やプログラマーは、人間が意思決定に使用する知識は必ずしも明確ではないことに気付いていました。 多くの決定は、何が機能したかについての以前の経験にまでさかのぼることができますが、人間は、手元のタスクに常に論理的に関連しているとは限らない並列の知識プールを利用します。 CEOやスター投資家が直感や直感的な飛躍と呼ぶもののいくつかは、類似の推論と非線形思考としてよりよく説明されています。 これらの思考様式は、直接的な段階的な意思決定ツリーには向いていないため、データの取り込みと処理に必要以上に費用がかかると思われるデータのソースを取り込む必要があります。
転送プロセスは、モデリングプロセスのために取り残されています。 知識エンジニアリングは、意思決定の段階的なプロセスに従うことを試みる代わりに、同じ経路をたどったり同じ情報源を盗んだりすることなく、専門家と同じ結果に到達するシステムの作成に焦点を当てています。 これにより、非線形思考に使用されている知識を追跡する問題の一部が解消されます。これは、それを行う人々が、自分が引き出している情報に気付かないことが多いためです。 結論が比較可能である限り、モデルは機能します。 モデルが一貫して人間の専門家に近づいたら、それを改良することができます。 悪い結論をさかのぼってデバッグすることができ、同等または改善された結論を作成しているプロセスを奨励できます。
人間の専門家を超える知識工学
知識工学はすでに意思決定支援ソフトウェアに統合されています。 専門知識エンジニアは、機械が顔を認識したり、人の言うことを意味を解析したりするなど、人間のような機能を進めているさまざまな分野で採用されています。 モデルの複雑さが増すにつれて、ナレッジエンジニアは結論に到達する方法を完全に理解できない場合があります。 最終的に、知識工学の分野は、人間だけでなく問題を解決するシステムの作成から、人間よりも定量的に優れたシステムへと移行するでしょう。 これらのナレッジエンジニアリングモデルを自然言語処理（NLP）や顔認識などの他の能力と組み合わせると、人工知能は世界でこれまでにない最高のサーバー、ファイナンシャルアドバイザー、または旅行代理店になる可能性があります。
