A engenharia do conhecimento é um campo da inteligência artificial (IA) que cria regras para aplicar aos dados para imitar o processo de pensamento de um especialista humano. Ele analisa a estrutura de uma tarefa ou uma decisão para identificar como uma conclusão é alcançada. Uma biblioteca de métodos de solução de problemas e o conhecimento colateral usado para cada um podem ser criados e servidos como problemas a serem diagnosticados pelo sistema. O software resultante pode ajudar no diagnóstico, solução de problemas e solução de problemas por conta própria ou em uma função de suporte para um agente humano.
Quebrando a engenharia do conhecimento
A engenharia do conhecimento procurou transferir a experiência de especialistas humanos em solução de problemas para um programa que pudesse receber os mesmos dados e chegar à mesma conclusão. Essa abordagem é chamada de processo de transferência e dominou as primeiras tentativas de engenharia do conhecimento. Caiu em desuso; no entanto, à medida que cientistas e programadores perceberam que nem sempre o conhecimento usado pelos seres humanos na tomada de decisões é explícito. Embora muitas decisões possam ser rastreadas até a experiência anterior sobre o que funcionou, os humanos recorrem a conjuntos de conhecimentos paralelos que nem sempre parecem logicamente conectados à tarefa em questão. Algumas das coisas que CEOs e investidores importantes chamam de instinto ou saltos intuitivos são melhor descritas como raciocínio análogo e pensamento não-linear. Esses modos de pensamento não se prestam a árvores de decisão diretas e passo a passo e podem exigir fontes de dados que parecem custar mais para trazer e processar do que vale a pena.
O processo de transferência foi deixado para trás em favor de um processo de modelagem. Em vez de tentar seguir o processo passo a passo de uma decisão, a engenharia do conhecimento está focada na criação de um sistema que atingirá os mesmos resultados que o especialista, sem seguir o mesmo caminho ou tocar nas mesmas fontes de informação. Isso elimina alguns dos problemas de rastrear o conhecimento que está sendo usado para o pensamento não-linear, pois as pessoas que o fazem geralmente não estão cientes das informações que estão obtendo. Desde que as conclusões sejam comparáveis, o modelo funciona. Uma vez que um modelo se aproxima constantemente do especialista humano, ele pode ser refinado. As conclusões ruins podem ser rastreadas e depuradas, e os processos que estão criando conclusões equivalentes ou aprimoradas podem ser incentivados.
Engenharia do conhecimento superará especialistas humanos
A engenharia do conhecimento já está integrada ao software de suporte à decisão. Engenheiros especializados em conhecimento são empregados em diversos campos que estão avançando em funções semelhantes às humanas, incluindo a capacidade das máquinas de reconhecer um rosto ou analisar o que uma pessoa diz sobre o significado. À medida que a complexidade do modelo aumenta, os engenheiros do conhecimento podem não entender completamente como as conclusões estão sendo alcançadas. Eventualmente, o campo da engenharia do conhecimento passará da criação de sistemas que resolvem problemas, bem como um humano, a um que o faça quantitativamente melhor que os humanos. Ao associar esses modelos de engenharia do conhecimento a outras habilidades, como processamento de linguagem natural (PNL) e reconhecimento facial, a inteligência artificial pode ser o melhor servidor, consultor financeiro ou agente de viagens que o mundo já viu.
