Статья: Инженерия знаний

Сущность инженерии знаний

По сути, инженерия знания представляет собой теорию, методологию и технологию, охватывающие методы получения, анализа, представления и обработки знаний, которые есть у экспертов. Предмет инженерии знаний как науки – рассмотренные применительно к определенной прикладной предметной области:

• представление знаний,
• обработка знаний,
• использование знаний.

В процессе инженерии знаний можно выделить два подпроцесса:

• извлечение знаний, предусматривающее, что «сырые» знания преобразуются в организованные;
• внедрение знаний, предусматривающее трансформацию организованных знаний в реализованные.

Инженерия знаний тесно связана с искусственным интеллектом. Искусственный интеллект подразумевает анализ и автоматизацию присущих человеку интеллектуальных функций. Однако многие из проблем с трудом воплощаются в компьютерной форме. Исследования искусственного интеллекта показали, что решить проблемы невозможно без экспертных знаний, т. е. без создания системы, способной запоминать и использовать такие знания.

Инженерия знаний пронизывает весь процесс разработки интеллектуальных информационных систем (в частности, экспертных систем) – начиная с возникновения замысла и заканчивая его реализацией и совершенствованием.

В рамках менеджмента знаний обычно используют другие, более формальные определения:

• знания как информация, подвергшаяся преобразованиям путем выделения сущностных зависимостей. Знание является целостным описанием ситуации, которое само задает описательный контекст;
• знания как результат обобщения информации и выявления закономерностей предметной области, позволяющий ставить и решать в этой области прикладные задачи;
• знания как ресурс, основанный на существующей у специалистов информации, их практическом опыте.

Инженерия знаний занимается представлением, обработкой и использованием знаний в рамках конкретной прикладной области, для чего использует базы знаний.

База знаний – важнейший компонент системы искусственного интеллекта и экспертной системы. Большая часть баз знаний ограничивается некоторой специальной (как правило, весьма узкой) предметной областью. Технология искусственного интеллекта позволяет компьютеру делать выводы, построенные на отношениях и фактах из базы знаний.

Задачи, решаемые инженерией знаний

Инженерия знаний решает следующие задачи:

1. Проводит анализ предметной и проблемной областей. Говоря о предметной области, имеют в виду сферу человеческой деятельности, которую выделили и описали по установленным критериям. Это понятие включает сведения об элементах предметной области, процессах и явлениях, отношениях, которые отражают различные аспекты рассматриваемой предметной области. Также описание включает характеристики взаимодействия с окружающей средой. Понятие проблемой области шире; оно включает не только саму предметную область, но и цели, решаемые задачи, доступные стратегии и эвристики.

2. Обеспечивает приобретение знаний. Чтобы приобретать знания, инженерия знаний реализует две функции: получает информацию извне и систематизирует ее. При этом формы приобретения знаний, а также формы получаемой информации могут быть различными:

   • получение информации без логических выводов (ввод программ и фактических данных);
   • получение извне информации в виде знаний (готовых наборов знаний во внутреннем формате; получение в режиме диалога знаний во внутреннем формате; получение и понимание знаний во внешнем формате);
   • обучение по примерам (параметрическое, на основе вывода по аналогии, эвристическое обучение).

3. Выявляет источники знаний. При разработке базы знаний это основная часть работы инженера знаний. Чтобы общаться с экспертом и получать от него знания, инженер должен хорошо знать проблемную область и владеть психологическими приемами. В то же время он должен хорошо ориентироваться и в возможностях программного обеспечения, чтобы адаптировать структуру знаний к его требованиям. Инженеры знаний работают с экспертами (людьми, научившимися за годы обучения и практической деятельности эффективно решать задачи предметной области) в режиме диалога или интервью, и так собирает необходимые знания.

4. Автоматизирует процесс сбора знаний. Собирать знания вручную – трудоемкий процесс, поэтому в современных системах разрабатывают вспомогательные подсистемы для сбора знаний

5. Представляет знания. Проблемы представления знаний ключевые на современном этапе развития искусственного интеллекта. Для решения этой задачи используются разные модели, которые можно условно разделить на две группы:

   • декларативные модели, исходящие из предположения о том, что проблему представления знаний нужно решать без учета специфики будущего использования знаний. Такие модели состоят из двух компонентов: статических описательных структур знаний и механизма вывода, который оперирует этими структурами. Синтаксические и семантические аспекты такого знания разделены, что делает модели универсальными;
   • процедурные модели, в которых знания содержатся в процедурах небольших программ, определяющих, как должны выполняться специфичные действия. При этом описываются не все возможные состояния и ситуации: как правило, хранят некоторый набор начальных состояний и процедуры, которые способны генерировать необходимые описания ситуаций и соответствующих действий.