Ensiklopedia keuangan

Rekayasa Pengetahuan

Apa Rekayasa Pengetahuan?

Rekayasa pengetahuan adalah bidang kecerdasan buatan (AI) yang menciptakan aturan untuk diterapkan pada data untuk meniru proses berpikir seorang ahli manusia. Ini melihat struktur tugas atau keputusan untuk mengidentifikasi bagaimana kesimpulan dicapai.

Perpustakaan 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 menyelesaikan masalah baik sendiri atau dalam peran pendukung untuk agen manusia. 

Poin Penting

  • Rekayasa pengetahuan adalah cabang kecerdasan buatan (AI) yang mengembangkan aturan yang diterapkan pada data untuk meniru proses berpikir manusia yang ahli dalam topik tertentu.
  • Dalam bentuk awalnya, rekayasa pengetahuan difokuskan pada proses transfer; mentransfer keahlian manusia pemecah masalah ke dalam program yang dapat mengambil data yang sama dan membuat kesimpulan yang sama.
  • Diputuskan bahwa pemrosesan transfer memiliki keterbatasan, karena tidak secara akurat mencerminkan bagaimana manusia membuat keputusan. Itu tidak mempertimbangkan intuisi dan firasat, yang dikenal sebagai penalaran analog dan pemikiran nonlinier, yang seringkali mungkin tidak logis.
  • Saat ini, rekayasa pengetahuan menggunakan proses pemodelan yang menciptakan sistem yang menyentuh hasil yang sama dengan pakar tanpa mengikuti jalur yang sama atau menggunakan sumber informasi yang sama.
  • Tujuan dari rekayasa pengetahuan adalah untuk diimplementasikan ke dalam perangkat lunak yang akan membuat keputusan yang akan diambil oleh para ahli manusia, seperti penasihat keuangan.
  • Rekayasa pengetahuan sudah digunakan dalam perangkat lunak pendukung keputusan dan diharapkan pada titik tertentu akan digunakan untuk membuat keputusan yang lebih baik daripada ahli manusia.

Memahami Rekayasa Pengetahuan

Rekayasa pengetahuan berusaha untuk mentransfer keahlian ahli pemecahan masalah manusia ke dalam program yang dapat mengambil data yang sama dan sampai pada kesimpulan yang sama. Pendekatan ini disebut sebagai proses transfer, dan itu mendominasi upaya rekayasa pengetahuan awal.

Itu tidak disukai, bagaimanapun, karena para ilmuwan dan pemrogram 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 muncul secara logis terkait dengan tugas yang ada.

Beberapa dari apa yang dirujuk 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 langkah demi langkah dan mungkin memerlukan pengambilan sumber data yang tampaknya lebih mahal untuk dibawa dan diproses daripada nilainya. 

Proses transfer telah ditinggalkan demi proses pemodelan. Alih-alih mencoba mengikuti proses langkah demi langkah keputusan, rekayasa pengetahuan difokuskan pada pembuatan sistem yang akan mencapai hasil yang sama dengan pakar tanpa mengikuti jalur yang sama atau mengetuk sumber informasi yang sama.

Ini menghilangkan beberapa masalah melacak pengetahuan yang digunakan untuk pemikiran nonlinier, karena orang yang melakukannya seringkali tidak menyadari informasi yang mereka tarik. Selama kesimpulannya sebanding, modelnya berfungsi. Setelah model secara konsisten mendekati pakar manusia, model tersebut kemudian dapat disempurnakan. Kesimpulan buruk dapat ditelusuri kembali dan di-debug, dan proses yang menciptakan kesimpulan yang setara atau lebih baik dapat didorong. 

Rekayasa Pengetahuan untuk Melampaui Ahli Manusia

Rekayasa pengetahuan sudah diintegrasikan 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 maksudnya.

Ketika kompleksitas model tumbuh, insinyur pengetahuan mungkin tidak sepenuhnya memahami bagaimana kesimpulan dicapai. Akhirnya, bidang rekayasa pengetahuan akan beralih dari menciptakan sistem yang memecahkan masalah serta manusia menjadi yang melakukannya secara kuantitatif lebih baik daripada manusia.

Menggabungkan model rekayasa pengetahuan ini dengan kemampuan lain seperti pemrosesan bahasa alami (NLP) dan pengenalan wajah, kecerdasan buatan bisa menjadi server, penasihat keuangan, atau agen perjalanan terbaik yang pernah ada di dunia.