知識工程是收集和輸入信息以供基于知識的計算機系統使用的任務。這些系統可以在沒有人類專家幫助的情況下解決問題或回答問題。知識工程師使用各種專門針對特定類型信息的知識獲取技術 帶公文包的商人當計算機內存變...
知識工程是收集和輸入信息以供基于知識的計算機系統使用的任務。這些系統可以在沒有人類專家幫助的情況下解決問題或回答問題。知識工程師使用各種專門針對特定類型信息的知識獲取技術

帶公文包的商人當計算機內存變得足夠大時,知識工程領域就發展起來了大約在1970年左右,容納了大量的信息。這導致了人工智能(AI)技術的轉變。除了創建能夠解決問題和使用邏輯的人工智能軟件外,程序員還能夠給人工智能提供一個龐大的信息庫供其借鑒知識工程是一個勞動密集型的多步驟過程,首先知識工程師面臨一個問題,例如:,問題可能是讓人們不用去看醫生就知道他們的醫學癥狀是什么意思,然后工程師創建了一個可以做到這一點的系統:例如,一個計算機程序將癥狀作為輸入,并輸出可能表現出這些癥狀的病癥或疾病列表接下來,工程師需要收集必要的信息。工程師可以與醫生交談或閱讀醫學文本來查找有關疾病和癥狀的信息。一旦所有信息被收集和組織起來,編碼人員就創建了這個系統工程師輸入數據。知識工程的最后一步是測試系統以確保其輸出準確的響應。知識工程過程中最耗時、最重要的步驟是獲取知識。創建一個基于知識的系統所需的大部分知識都存在于專家的大腦中。這些專家通常都是忙碌的人。知識工程師面臨的挑戰是如何盡快、高效地獲取這些信息另一個挑戰是如何收集專家隱含的信息,醫生可能無法描述哮喘肺部的聲音,她只是在聽到時才知道。知識工程師開發了一系列知識獲取技術來幫助他們收集信息。這些技術包括協議生成技術、有限信息技術和基于矩陣的技術。根據所需知識的類型選擇技術。例如,如果工程師需要醫生進行診斷的步驟的信息,他或她可以簡單地詢問醫生。但是,如果工程師要尋找的信息是醫生知道但難以用語言表達的信息,他或她可能會使用一種分類技術。一種分類技術要求專家將卡片上的單詞分類成堆,然后說出他或她使用的類別。這使得工程師能夠理解專家是如何看待信息的。