Инженерия знаний

Инженерия знаний (ИЗ) была определена Альбертом Фейгенбаумом и Памелой МакКордак^[en] 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 знаний, сбор данных, экспертные системы, системы поддержки принятия решений и географические информационные системы. ИЗ связана с математической логикой, также используемой в разных научных дисциплинах, например, в социологии, где целью исследований понимание социального поведения людей, анализ логики взаимоотношения людей в обществе.

Инженерия знаний включает применение единой стратегии, которая может быть реализована с помощью технических средств на этапе сбора и обработки данных. Она тесно связана и находит применение в системе автоматизированного проектирования (CAD). Инжиниринг, основанный на знаниях, объединяет по принципам объективной ориентации и правилам с CAD и другими традиционными инструментами инженерного программного обеспечения.

В конце 1960-х и начале 1970-х годов в Стенфордском университете была создана система DENDRAL, а позднее — MYCIN. Это экспертные системы, которые хранят знания специалистов и используют эти данные для решения различных задач, извлекая необходимую информацию из хранилища. Профессор Э.Фейгенбаум был одним из создателей таких систем и выдвинул для экспертных систем хранения экспертных данных название «инженерия знаний»^[4].

При разработке систем искусственного интеллекта, выделяют три главные составляющие предварительной обработки данных, которые в последующем передаются в машинную обработку: извлечение и упорядочение (кодификация^[5]), структурирование и формализация. Фаза извлечения, или получения, знаний заключается в сборе разрозненных и противоречивых фрагментов и обрывков информации из различных источников, используемых организацией, в том числе в её документах. Структурирование, или концептуализация, заключается в переработке данных и формировании из них единой модели, которую называют полем знаний или ментальной моделью. Фаза формализации заключается в переводе этой информации на специализированный язык программирования^[6].

Существуют два подхода для осуществления инженерии знаний: использование традиционных методологий разработки ПО или индивидуальных методологий для построения экспертных систем^[7].

Инженерия знаний включает пассивные и активные коммуникативные методы сбора информации. Названия методов условно, так пассивные методы требуют от специалиста не меньших трудовых затрат, чем активные. К пассивным методам относят^[8]:

• наблюдение (за реальным процессом или его имитацией);
• анализ протоколов «мыслей вслух», или вербальные отчеты (демонстрация цепочки размышлений);
• исследование научной информации.

К индивидуальным активным методам сбора информации для процесса инженерии знаний относят:

• анкетирование (стандартизированный, жесткий метод);
• интервью (специфическая форма общения инженера по знаниям и эксперта по списку заранее подготовленных вопросов)
• свободный диалог (нет регламентированного плана).

Также есть коллективные активные методы:

• круглый стол (коллективное обсуждение по плану с заранее подготовленными темами);
• «мозговой штурм» (позволяет раскрепостить участников и включить творческий подход);
• экспертные игры (это деловые игры, которые используются при подготовке специалистов и моделировании ситуаций, их проигрывании для представления наиболее вероятного результата и получения информации; или компьютерные игры, зачастую применяемые в обучении).

Полученные знания могут быть сохранены при помощи программирования базы знаний.

Пример действия системы, базирующейся на ИЗ:

• Рассмотрение задачи
• Запрос к базам данных по задаче
• Внесение и структурирование полученной информации (IPK-модель, IPK — Information, Preferences, Knowledge)
• 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^[9]. Подразделом ИЗ является метаинженерия знаний, пригодная для разработки ИИ.

Инженерия знаний может быть использована при разработке баз данных электронной коммерции. Не вся товарная матрица представлена в интернете, некоторый ассортимент является уникальным и требует сбора, формализации и структурирования с вычленением каталога с разделами и подразделами, а также с определением внутренних фильтров и сортировок.

С середины 1980-х в ИЗ появилось несколько принципов, методов и инструментов, которые облегчили процесс получения знаний и работы с ними. Вот некоторые из них:

• Существуют разного рода типы знаний^[10], и для работы с ними должны использоваться конкретные методы и техника^[11].
• 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.

Организация сбора, накопления, хранения, обработки и предоставления знаний является целью менеджмента знаний, представляющего собой часть современного менеджмента. Различные специалисты меняют место работы, вместе с этим компании теряют накопленный за время работы сотрудника интеллектуальный капитал^[1]. Для предотвращения подобных случаев, на предприятиях стали разрабатывать и внедрять правила загрузки данных. Информация может вноситься в специально разработанные программы для внутреннего пользования или приобретенные системы (бухгалтерские системы, ERP, CRM, VDS), что позволяет не только сохранить данные в структурированном виде, заданном аналитиком, но также выгружать их при необходимости.

• Трансляционная (традиционная): предполагает прямой перенос человеческих знаний в машину.
• Модельная (альтернативный взгляд): предполагает моделирование задачи и её способов решения самой системой ИИ.
• Гибридные.

• Информационная инженерия
• Менеджмент знаний