Knowledge Engineering adalah bidang kecerdasan buatan (AI) yang membuat aturan untuk diterapkan pada data guna meniru proses berpikir seorang pakar manusia. Rekayasa ini melihat struktur tugas atau keputusan untuk mengidentifikasi bagaimana suatu kesimpulan dicapai.
Pustaka metode pemecahan masalah dan pengetahuan tambahan yang digunakan untuk masing-masing metode kemudian dapat dibuat dan disajikan sebagai masalah yang akan didiagnosis oleh sistem. Perangkat lunak yang dihasilkan kemudian dapat membantu dalam diagnosis, pemecahan masalah, dan penyelesaian masalah baik secara mandiri maupun dalam peran pendukung bagi agen manusia.
Memahami Knowledge Engineering
Knowledge Engineering berupaya mentransfer keahlian pakar manusia yang memecahkan masalah ke dalam program yang dapat menerima data yang sama dan mencapai kesimpulan yang sama. Pendekatan ini disebut sebagai proses transfer, dan mendominasi upaya Knowledge Engineering awal.
Namun, pendekatan ini tidak lagi disukai karena para ilmuwan dan programmer menyadari bahwa pengetahuan yang digunakan oleh manusia dalam pengambilan keputusan tidak selalu eksplisit. Sementara banyak keputusan dapat ditelusuri kembali ke pengalaman sebelumnya tentang apa yang berhasil, manusia memanfaatkan kumpulan pengetahuan paralel yang tidak selalu tampak terhubung secara logis dengan tugas yang sedang dihadapi.
Beberapa hal yang disebut oleh CEO dan investor bintang sebagai firasat atau lompatan intuitif lebih baik dijelaskan sebagai penalaran analog dan pemikiran nonlinier. Cara berpikir ini tidak cocok untuk pohon keputusan langsung dan langkah demi langkah dan mungkin memerlukan penarikan sumber data yang tampaknya lebih mahal untuk dibawa dan diproses daripada nilainya.
Proses transfer telah ditinggalkan demi proses pemodelan. Alih-alih mencoba mengikuti proses keputusan langkah demi langkah, Knowledge Engineering difokuskan pada pembuatan sistem yang akan menghasilkan hasil yang sama dengan pakar tanpa mengikuti jalur yang sama atau memanfaatkan sumber informasi yang sama.
Ini menghilangkan beberapa masalah dalam melacak pengetahuan yang digunakan untuk pemikiran nonlinier, karena orang yang melakukannya sering kali tidak menyadari informasi yang mereka tarik. Selama kesimpulannya sebanding, model tersebut berfungsi. Setelah model secara konsisten mendekati pakar manusia, model tersebut dapat disempurnakan. Kesimpulan yang buruk dapat dilacak kembali dan di-debug, dan proses yang menghasilkan kesimpulan yang setara atau lebih baik dapat didorong.
Knowledge Engineering untuk Melebihi Pakar Manusia
Knowledge Engineering telah terintegrasi ke dalam perangkat lunak pendukung keputusan. Insinyur pengetahuan khusus dipekerjakan di berbagai bidang yang memajukan fungsi seperti manusia, termasuk kemampuan mesin untuk mengenali wajah atau mengurai apa yang dikatakan seseorang untuk mendapatkan makna.
Seiring dengan meningkatnya kompleksitas model, insinyur pengetahuan mungkin tidak sepenuhnya memahami bagaimana kesimpulan dicapai. Akhirnya, bidang Knowledge Engineering akan berubah dari menciptakan sistem yang memecahkan masalah sebaik manusia menjadi sistem yang melakukannya secara kuantitatif lebih baik daripada manusia. Dengan menggabungkan model Knowledge Engineering ini dengan kemampuan lain seperti pemrosesan bahasa alami (NLP) dan pengenalan wajah, kecerdasan buatan dapat menjadi server, penasihat keuangan, atau agen perjalanan terbaik yang pernah ada di dunia.
