京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在人工智能中,有很多技术都是能够帮助人工智能去解决很多问题的,比如说图灵测试、机器学习、人工神经网络、深度学习等等。当然只有这些还远远不够,人工智能还涉及到了知识工程,下面来给大家好好讲讲关于知识工程的内容。
1.知识工程的由来
首先给大家介绍一下知识工程的由来,知识工程这个术语最早由美国人工智能专家费根鲍姆提出。由于在建立专家系统时所要处理的主要是专家的或书本上的知识,正像在数据处理中数据是处理对象一样,所以它又称知识处理学。
2.知识工程的特点
知识工程研究内容主要包括知识的获取、知识的表示以及知识的运用和处理等三大方面。他们研究人类专家解决问题的方式和方法发现了四个特点。
(1)解题中除了运用演绎方法外,必须求助于归纳的方法和抽象的方法。因为只有运用归纳和抽象才能创立新概念,推出新知识,并使知识逐步深化。
(2)为了解决特定领域的一个具体问题,除了需要一些公共的知识,例如哲学思想、思维方法和一般的数学知识等之外,更需要应用大量与所解问题领域密切相关的知识,即所谓领域知识。
(3)采用启发式的解题方法或称试探性的解题方法。为了解一个问题,特别是一些问题本身就很难用严格的数学方法描述的问题,往往不可能借助一种预先设计好的固定程式或算法来解决它们,而必须采用一种不确定的试探性解题方法。
(4)必须处理问题的模糊性、不确定性和不完全性。因为现实世界就是充满模糊性、不确定性和不完全性的,所以决定解决这些问题的方式和方法也必须是模糊的和不确定的,并应能处理不完全的知识。
3.使用知识工程的步骤是什么?
首先运用已有的知识开始进行启发式的解题,并在解题中不断修正旧知识,获取新知识,从而丰富和深化已有的知识,然后再在一个更高的层次上运用这些知识求解问题,如此循环往复,螺旋式上升,直到把问题解决为止。所以说这也就是一个知识处理的过程。
可见,把知识工程这种模式应用到计算机中,它能够帮助机器学习和获取到更多的知识。对知识工程的简单总结就是一种模拟人类专家解决领域问题的计算机程序系统,大家在认识和学习人工智能的时候,不能忽略知识工程哟,它也是一个十分重要的技术。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28