下载掌阅APP，畅读海量书库
立即打开
知识工程（Knowledge Engineering，KE）作为人工智能领域的一个分支，其产生与发展与人工智能密切相关。
1956年8月，在美国达特茅斯学院，几位心理学家、数学家、计算机科学家、信息论学家在一场研讨用机器模拟人类智能问题的会议中，第一次提出人工智能概念。起初人工智能取得了一系列丰硕成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。但是在20世纪60—70年代，一系列不切实际的研发目标接二连三失败，人工智能进入寒冬。在1977年，Edward分析传统的人工智能忽略具体知识，才导致了失败，这意味着人工智能必须引入知识。也由此开发出第二代人工智能的核心领域——专家系统，专家系统作为早期人工智能的重要分支，是一种在特定领域内具有专家水平解决问题能力的程序系统。1977年美国斯坦福大学计算机科学家Feigenbaum在第五届国际人工智能会议上提出知识工程的概念。知识工程诞生之后，这个领域不断发展，不断产生新的逻辑语言和方法。1980年，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”，标志了人工智能逐步开始商用。可惜好景不长，1987年，苹果和IBM生产的台式机性能都超过了Symbolics等厂商生产的通用型计算机，因此“专家系统”也迎来了人生终点。随着日本五代机的幻灭，专家系统在经历了十年的黄金期后，终因无法克服人工构建成本太高、知识获取困难等弊端，逐渐没落，知识工程也进入了一段低潮期。1998年，WWW的出现，为知识工程中的难点知识获取提供了极大方便。大数据时代的到来和人工智能的第三次兴起，为知识工程的发展带来了新的机遇。2010年，谷歌收购Metaweb，并将其命名为“知识图谱”，知识图谱由此诞生。知识图谱的出现标志着知识工程进入了新时代 [20] 。现在，深度学习、强化学习等人工智能新技术的出现，使得知识工程有了新的变化。
知识工程的创始人Feigenbaum在“人工智能的艺术”的演讲中 [21] 提出“知识工程”这一名词，并指出“知识工程是应用人工智能的原理与方法，对那些需要专家知识才能解决的应用难题提供求解的手段。恰当地运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题”。
知识工程作为人工智能学科的一个分支，它主要研究知识的表示、获取、组织与利用等。知识的多样性决定了它需要有一种科学的手段进行处理，知识工程就是这种基于知识的方法和应用，它与知识管理有着密不可分的联系 [22] 。
从知识工程的发展历史可以看出，知识工程是伴随“专家系统”的研究而产生的。专家之所以能成为专家，主要在于其通过长期的实践总结和积累，拥有大量专业知识。所以知识公众的焦点就是知识。知识工程领域的主要研究方向包含知识获取、知识表示和推理方法等，其研究目标是挖掘和抽取人类知识，用一定的形式表现这些知识，使之成为计算机可操作的对象，从而使计算机具有一定的人类智能。
知识管理和知识工程都是通过对数据、信息、知识的运用和处理，以解决问题、提高效率。知识工程是知识管理的技术支柱，知识管理中的许多关键技术都属于“知识工程”范畴。知识管理是完成知识获取、共享、应用和创新的管理过程。知识工程利用计算机来建造知识系统，并应用知识系统解决问题。知识管理要求实现的知识获取、知识共享、知识应用过程都可以由知识工程核心部分知识库来完成。
但是，知识工程与知识管理不是完全相同的，它们主要有以下几个区别 [23] 。
（1）知识管理与知识工程的研究角度不同。
知识管理主要从管理学角度，以知识为基础，重点在于对知识进行系统的收集、整理、加工，从而产生相应的价值。知识管理应用以知识工程为技术支柱，知识管理应用于社会管理、企业管理与知识工作者个人的管理，它的理念、方法、技巧被各种职能和领域所应用。知识工程从技术角度出发，利用计算机来建造知识系统，并应用知识系统解决智力问题，侧重于布局、构造、设计和规划，通常涉及知识库和专家系统。
知识工程是研究知识信息处理的学科，提供开发智能系统的技术，是人工智能、数据库技术、数理逻辑、认知科学等学科交叉发展的结果。
（2）知识管理与知识工程的核心内容不同。
邱均平教授指出，广义知识管理的研究内容包括理论研究和应用研究两方面，其中前者可细分为知识的特性和运动规律的研究、知识组织管理研究、知识信息管理研究、知识管理方法体系的研究，后者是指各行业、各学科领域的知识创新和管理在本领域的应用 [24] 。
知识管理主要包括知识转化与知识序化。知识转化是知识共享的过程，同时知识共享也是知识转化的前提。知识管理中的知识转化包括四个方面：从隐性知识到隐性知识的社会化过程；从隐性知识到显性知识的外化过程；从显性知识到显性知识的综合过程；从显性知识到隐性知识的内化过程 [25] ，这些转化主要是知识存在形态及附着主体的变化。知识管理中的知识组织以知识的序化为主，包括分类、检索、排序等操作。知识管理不仅涉及获取、组织与检索信息的问题，还涉及数据挖掘、文本聚类、数据库与文档等问题。
知识工程包括知识获取、知识表示与知识利用三大过程。知识获取有三种方式 [26] ：非自动知识获取、知识抽取、机器学习知识。非自动知识获取由知识工程师通过阅读有关文献或与领域专家交流，获取原始知识并进行分析、归纳、整理，形成用自然语言表述的知识条目并输入数据库中。知识抽取是对蕴含于文本文献中的知识进行识别、理解、筛选、格式化，把文献的每个知识点抽取出来，以一定形式存入知识库中。机器学习知识通过机器的视觉、听觉等途径，直接感知外部世界，输入自然信息，获取感性和理性知识，或者根据系统运行经验从已有的知识或实例中演绎、归纳出新知识，补充到知识库中。知识表示方法包括介谓词逻辑表示法、产生式表示法、框架表示法、脚本表示法、过程表示法、语义网表示法、Petri网表示法、面向对象表示等方法 [27] 。不同的知识类型使用不同的表示方法。知识利用包括知识搜索及知识推理。知识搜索确定在什么情况下需要什么样的知识，搜索到的知识是否满足当前的需求。找到了适当的知识后，进行推理，得到结果。
（3）知识管理与知识工程的应用范围不同。
知识管理可以应用于整个社会、组织或者个人，知识管理一般重视以改进效果、竞争优势、创新、分享知识学习、整合知识和持续改进为企业目标，可以分为社会的知识管理、组织的知识管理、个人的知识管理等。知识工程主要应用于某些具体的流程或者操作，可以看成人工智能在知识信息处理方面的发展，主要研究如何由计算机表示知识，进行问题的自动求解。知识工程的研究使人工智能的研究从理论转向应用，从基于推理的模型转向基于知识的模型。