L'ingénierie des connaissances est un domaine de l'intelligence artificielle (IA) qui crée des règles à appliquer aux données pour imiter le processus de pensée d'un expert humain. Il examine la structure d'une tâche ou d'une décision pour déterminer comment une conclusion est tirée. Une bibliothèque de méthodes de résolution de problèmes et les connaissances collatérales utilisées pour chacune peuvent alors être créées et servir de problèmes à diagnostiquer par le système. Le logiciel résultant pourrait alors aider au diagnostic, au dépannage et à la résolution des problèmes, seul ou dans un rôle de soutien à un agent humain.
Décomposer l'ingénierie des connaissances
L'ingénierie des connaissances a cherché à transférer l'expertise d'experts en résolution de problèmes dans un programme qui pourrait prendre les mêmes données et arriver à la même conclusion. Cette approche est appelée processus de transfert et a dominé les premières tentatives d'ingénierie des connaissances. Il est tombé en disgrâce; cependant, comme les scientifiques et les programmeurs ont réalisé que les connaissances utilisées par les humains dans la prise de décision ne sont pas toujours explicites. Alors que de nombreuses décisions peuvent être retracées à l'expérience précédente sur ce qui a fonctionné, les humains s'appuient sur des pools de connaissances parallèles qui ne semblent pas toujours logiquement liés à la tâche à accomplir. Certains de ce que les PDG et les investisseurs vedettes appellent le sentiment instinctif ou les sauts intuitifs sont mieux décrits comme un raisonnement analogue et une pensée non linéaire. Ces modes de pensée ne se prêtent pas à des arbres de décision directs, étape par étape, et peuvent nécessiter l'extraction de sources de données qui semblent coûter plus cher à apporter et à traiter qu'elles n'en valent la peine.
Le processus de transfert a été abandonné au profit d'un processus de modélisation. Au lieu d'essayer de suivre le processus étape par étape d'une décision, l'ingénierie des connaissances se concentre sur la création d'un système qui atteindra les mêmes résultats que l'expert sans suivre le même chemin ou exploiter les mêmes sources d'information. Cela élimine certains des problèmes liés à la recherche des connaissances utilisées pour la réflexion non linéaire, car les personnes qui le font ne sont souvent pas au courant des informations qu'elles tirent. Tant que les conclusions sont comparables, le modèle fonctionne. Une fois qu'un modèle se rapproche constamment de l'expert humain, il peut ensuite être affiné. Les mauvaises conclusions peuvent être retracées et déboguées, et les processus qui créent des conclusions équivalentes ou améliorées peuvent être encouragés.
L'ingénierie des connaissances dépasse les experts humains
L'ingénierie des connaissances est déjà intégrée dans les logiciels d'aide à la décision. Des ingénieurs du savoir spécialisés sont employés dans divers domaines qui font progresser les fonctions de type humain, y compris la capacité des machines à reconnaître un visage ou à analyser ce qu'une personne dit pour donner un sens. À mesure que la complexité du modèle augmente, les ingénieurs du savoir peuvent ne pas comprendre pleinement comment les conclusions sont tirées. À terme, le domaine de l'ingénierie des connaissances passera de la création de systèmes qui résoudront les problèmes aussi bien qu'un humain à un système qui le fait quantitativement mieux que les humains. Associant ces modèles d'ingénierie des connaissances à d'autres capacités telles que le traitement du langage naturel (PNL) et la reconnaissance faciale, l'intelligence artificielle pourrait être le meilleur serveur, conseiller financier ou agent de voyage que le monde ait jamais vu.
