La ingeniería del conocimiento es un campo de inteligencia artificial (IA) que crea reglas para aplicar a los datos para imitar el proceso de pensamiento de un experto humano. Analiza la estructura de una tarea o una decisión para identificar cómo se llega a una conclusión. Una biblioteca de métodos de resolución de problemas y el conocimiento colateral utilizado para cada uno se puede crear y servir como problemas para ser diagnosticados por el sistema. El software resultante podría ayudar en el diagnóstico, la resolución de problemas y la resolución de problemas por sí solo o en un rol de soporte para un agente humano.
Desglosando la Ingeniería del Conocimiento
La ingeniería del conocimiento buscó transferir la experiencia de los expertos humanos en resolución de problemas a un programa que pudiera incorporar los mismos datos y llegar a la misma conclusión. Este enfoque se conoce como el proceso de transferencia, y dominó los primeros intentos de ingeniería del conocimiento. Cayó en desgracia; sin embargo, como científicos y programadores se dieron cuenta de que el conocimiento que utilizan los humanos en la toma de decisiones no siempre es explícito. Si bien muchas decisiones se remontan a la experiencia previa sobre lo que funcionó, los humanos se basan en conjuntos de conocimientos paralelos que no siempre parecen estar lógicamente conectados a la tarea en cuestión. Parte de lo que los CEO y los inversores estrella se refieren como instinto o saltos intuitivos se describe mejor como razonamiento análogo y pensamiento no lineal. Estos modos de pensamiento no se prestan a árboles de decisión directos, paso a paso, y pueden requerir la obtención de fuentes de datos que parecen costar más para ingresar y procesar de lo que vale.
El proceso de transferencia se ha quedado atrás en favor de un proceso de modelado. En lugar de intentar seguir el proceso paso a paso de una decisión, la ingeniería del conocimiento se centra en crear un sistema que logre los mismos resultados que el experto sin seguir el mismo camino o aprovechar las mismas fuentes de información. Esto elimina algunos de los problemas de rastrear el conocimiento que se usa para el pensamiento no lineal, ya que las personas que lo hacen a menudo no son conscientes de la información que están obteniendo. Mientras las conclusiones sean comparables, el modelo funciona. Una vez que un modelo se acerca constantemente al experto humano, puede ser refinado. Las malas conclusiones pueden rastrearse y depurarse, y los procesos que crean conclusiones equivalentes o mejoradas pueden ser alentados.
Ingeniería del conocimiento para superar a los expertos humanos
La ingeniería del conocimiento ya está integrada en el software de soporte de decisiones. Los ingenieros de conocimiento especializados se emplean en diversos campos que están avanzando en funciones similares a las humanas, incluida la capacidad de las máquinas para reconocer una cara o analizar lo que una persona dice para significar. A medida que crece la complejidad del modelo, los ingenieros de conocimiento pueden no comprender completamente cómo se están llegando a conclusiones. Eventualmente, el campo de la ingeniería del conocimiento pasará de crear sistemas que resuelvan problemas tan bien como un ser humano a uno que lo haga cuantitativamente mejor que los humanos. Al unir estos modelos de ingeniería del conocimiento con otras habilidades como el procesamiento del lenguaje natural (PNL) y el reconocimiento facial, la inteligencia artificial podría ser el mejor servidor, asesor financiero o agente de viajes que el mundo haya visto.
