Ingeniería del conocimiento ( en inglés Knowledge Engineering )- Está incluida en el campo de las ciencias sobre inteligencia artificial , está asociada al desarrollo de sistemas expertos y bases de conocimiento . Se refiere a todos los aspectos técnicos , científicos y sociales involucrados en la construcción, mantenimiento y aplicación de los sistemas de conocimiento. Estudia métodos y medios para extraer , representar , estructurar y utilizar el conocimiento antes de la implementación del software de los componentes del sistema [1] . La ingeniería del conocimiento se utiliza en la gestión del conocimiento para organizar la recopilación, acumulación, almacenamiento y uso del conocimiento de una organización en una estrategia de gestión del conocimiento centrada en la codificación del conocimiento . [2] [3]
La ingeniería del conocimiento (KI) fue definida por Feigenbaum y McCordack en 1983 como:
“IS es una rama (disciplina) de la ingeniería destinada a introducir conocimiento en los sistemas informáticos para resolver problemas complejos que generalmente requieren una rica experiencia humana”.
Actualmente, esto también involucra la creación y mantenimiento de tales sistemas (Kendal, 2007). También está estrechamente relacionado con el desarrollo de software y se utiliza en muchos estudios de información, como estudios de inteligencia artificial, incluidas bases de conocimiento , minería de datos , sistemas expertos, sistemas de soporte de decisiones y sistemas de información geográfica. IZ se asocia con la lógica matemática , también se utiliza en varias disciplinas científicas, por ejemplo, en la sociología , donde el objetivo de la investigación es comprender el comportamiento social de las personas, analizar la lógica de las relaciones de las personas en la sociedad.
La ingeniería del conocimiento incluye la aplicación de una estrategia única que puede implementarse utilizando medios técnicos en la etapa de recopilación y procesamiento de datos. Está estrechamente relacionado y encuentra aplicación en el diseño asistido por computadora (CAD). La ingeniería basada en el conocimiento combina principios de orientación objetiva y reglas con CAD y otras herramientas de software de ingeniería tradicionales.
A fines de la década de 1960 y principios de la de 1970, se crearon DENDRAL y más tarde MYCIN en la Universidad de Stanford . Estos son sistemas expertos que almacenan el conocimiento de los especialistas y utilizan estos datos para resolver diversos problemas, extrayendo la información necesaria del repositorio. El profesor E. Feigenbaum fue uno de los creadores de dichos sistemas y propuso el nombre de "ingeniería del conocimiento" para los sistemas de almacenamiento de datos expertos [4] .
A la hora de desarrollar sistemas de inteligencia artificial, existen tres componentes principales de preprocesamiento de datos, que posteriormente se trasladan al procesamiento de máquinas: extracción y ordenamiento ( codificación [5] ), estructuración y formalización . La fase de extracción u obtención de conocimiento es la recopilación de fragmentos y fragmentos dispares y contradictorios de información de diversas fuentes utilizadas por la organización, incluidos sus documentos. La estructuración, o conceptualización, es el procesamiento de datos y la formación de un modelo único a partir de ellos, que se denomina campo de conocimiento o modelo mental. La fase de formalización consiste en traducir esta información a un lenguaje de programación especializado [6] .
Existen dos enfoques para la implementación de la ingeniería del conocimiento: el uso de metodologías tradicionales de desarrollo de software o metodologías individuales para la construcción de sistemas expertos [7] .
La ingeniería del conocimiento incluye métodos comunicativos pasivos y activos de recopilación de información. Los nombres de los métodos son condicionales, ya que los métodos pasivos no requieren menos costos de mano de obra de un especialista que los activos. Los métodos pasivos incluyen [ 8] :
Los métodos activos individuales de recopilación de información para el proceso de ingeniería del conocimiento incluyen :
También existen métodos activos colectivos:
El conocimiento adquirido se puede guardar programando la base de conocimiento.
Un ejemplo del funcionamiento de un sistema basado en SI:
IS tiene aplicaciones prácticas. En EE. UU., hasta el 90 % de las decisiones crediticias de los clientes de banca minorista se toman mediante sistemas expertos basados en las bases de conocimiento de FICO [9] . Una subsección de IS es la metaingeniería del conocimiento adecuada para el desarrollo de IA.
La ingeniería del conocimiento se puede utilizar en el desarrollo de bases de datos de comercio electrónico . No toda la matriz de productos se presenta en Internet , algún surtido es único y requiere recolección, formalización y estructuración con la selección de un catálogo con secciones y subsecciones, así como la definición de filtros y ordenamientos internos.
Desde mediados de la década de 1980, SI ha introducido varios principios, métodos y herramientas que han facilitado la adquisición y el trabajo con el conocimiento. Aquí hay algunos de ellos:
La ingeniería del conocimiento utiliza métodos de estructuración del conocimiento para acelerar el proceso de obtención y trabajo con el conocimiento.
La organización de la recopilación, acumulación, almacenamiento, procesamiento y suministro de conocimiento es el objetivo de la gestión del conocimiento, que forma parte de la gestión moderna . Varios especialistas cambian de lugar de trabajo, junto con esto, las empresas pierden el capital intelectual acumulado durante el trabajo de un empleado [1] . Para evitar tales casos, las empresas comenzaron a desarrollar e implementar reglas de carga de datos. La información puede ingresarse en programas especialmente diseñados para uso interno o en sistemas comprados (sistemas de contabilidad , ERP , CRM , VDS ), lo que permite no solo guardar datos en una forma estructurada especificada por el analista, sino también cargarlos si es necesario.
| Ingeniería del conocimiento | |
|---|---|
| Conceptos generales | |
| Modelos rígidos | |
| Métodos blandos | |
| Aplicaciones | |
| Aprendizaje automático y minería de datos | |
|---|---|
| Tareas | |
| Aprendiendo con un maestro | |
| análisis de conglomerados | |
| Reducción de dimensionalidad | |
| Pronóstico estructural | |
| Detección de anomalías | |
| Graficar modelos probabilísticos | |
| Redes neuronales | |
| Aprendizaje reforzado |
|
| Teoría | |
| revistas y congresos |
|