Közzétéve: 12 March 2019

Knowledge Engineering

Mi Knowledge Engineering

‘Tervezés egy területén a mesterséges intelligencia (AI) , amely létrehozza szabályok alkalmazását az adatokat annak érdekében, hogy utánozza a gondolkodási folyamat az emberi szakértő. Úgy néz ki, a szerkezet egy feladatot vagy határozat meghatározza azt, hogy a következtetést. A könyvtár problémamegoldó módszerek és a biztosíték ismereteket használni minden ezután létrehozott és szolgált fel a problémákat diagnosztizálni a rendszer. A kapott szoftver ezután segítik a diagnózis felállítása, a hibaelhárítással és a problémák megoldására akár önmagában, vagy egy támogató szerepet az emberi anyag.  

Összeomlanak Knowledge Engineering

‘Tervezés kívánta átadni a szakértelem problémamegoldó emberi szakértők egy programot, amely megteszi ugyanazokat az adatokat, és jön ugyanerre a következtetésre jutott. Ezt a megközelítést nevezik az átviteli folyamat, és ez uralja a korai tudásmérnökség kísérleteket. Ez kegyvesztett, de a tudósok és a programozók rájött, hogy a tudás által használt emberek a döntéshozatalban nem mindig nyilvánvaló. Bár sok döntést vezethető vissza korábbi gyakorlattal, hogy mi működött, az emberek támaszkodhatnak párhuzamos medencék ismeretek, amelyek nem mindig jelennek meg logikusan kapcsolódik a feladathoz. Néhány dolog, amit vezérigazgatók és csillag befektetők hivatkoznak, mint megérzés, vagy intuitív ugrásokat jobban leírni, mint analóg érvelés és nemlineáris gondolkodás. Ezek a módok a gondolat nem teszik lehetővé a közvetlen, lépésről-lépésredöntési fák , és szükség lehet húzva adatforrásokat, amelyek látszólag többe behozni és feldolgozni, mint amennyit ér. 

Az átviteli folyamat hátrahagyott mellett egy modellezési folyamat. Ahelyett, hogy megpróbálja követni lépésről lépésre folyamat egy döntést, tudásmérnökség középpontjában létre egy rendszert, amely támadt ugyanazt az eredményt, mint a szakértő nélkül követi ugyanazon az úton, vagy megérinti az azonos információs forrásokat. Ez kiküszöböli néhány a kérdések nyomon követni a tudást használják nemlineáris gondolkodás, mint az emberek csinálja gyakran nem ismerik azokat az információkat, amelyek meghúzásával. Mindaddig, amíg a következtetések hasonlóak, a modell működik. Ha egy modell következetesen közeledett az emberi szakértő, akkor majd lehet finomítani. Bad következtetések vezethetők vissza, és kijavítottuk, és folyamatokat, amelyek létrehozása egyenértékű vagy jobb következtetéseket lehet ösztönözni. 

Knowledge Engineering Meghaladja Humán Szakemberek

‘Tervezés már beépítették döntéstámogató szoftver. Specialized tudásmérnökre alkalmaznak a különböző területeken, hogy haladnak emberszerű funkcióit, beleértve a képességét, gép felismerni egy arcot vagy feldolgozni, amit valaki azt mondja, az értelem. Mivel az a modell bonyolultsága növekszik, a tudás mérnökök nem teljesen értik, hogyan következtetések születnek. Végül területén tudásmérnökség megy létrehozásában rendszerek, amelyek megoldják a problémákat, valamint, hogy egy ember egyik, hogy nem ez mennyiségileg jobb, mint az emberek. Kapcsolás ezek’tervezés modellek más képességekkel, mint a természetes nyelvi feldolgozás (NLP) és az arcfelismerő, a mesterséges intelligencia lehet a legjobb szerver, pénzügyi tanácsadó vagy az utazási irodánál, hogy a világ valaha is látott.