Działy (struktura) inżynierii wiedzy

Klasyfikacja badań w danej dziedzinie nie jest zadaniem łatwym. Pomijając dokładniejszą analizę tego zagadnienia metodologicznego inżynierii wiedzy przedstawimy jedno z interesujących ujęć, zasługujące na wyróżnienie, nieco przez nas zmodyfikowane. Takie ujęcie struktury badań w inżynierii wiedzy przedstawili Granat i Wierzbicki.  Wyróżnili oni trzy podstawowe działy inżynierii wiedzy:

  1. wąsko rozumianą inżynierię sztucznej inteligencji i automatycznego uczenia się,
  2. inżynierię wydobywania wiedzy ukrytej z dużych zbiorów danych,
  3. inżynierię przetwarzania tekstu, czyli także wydobywania wiedzy, ale wyrażonej w formie słownej.

Dział I obejmuje zagadnienia tworzenia systemów maszynowego uczenia się.  Klasycznym narzędziem automatycznego uczenia się są metody optymalizacji i podziału zbioru danych w celu ich klasyfikacji. Przedmiotem badań są także metody uczenia się sieci neuronowej i inne metody ewolucyjne. Ten obszar badań koncentruje się zatem na systemach określanych mianem systemów konekcjonistycznych.

Przedmiotem badań w drugim wyróżnionym dziale inżynierii wiedzy jest problematyka „wyrażenia wiedzy ukrytej, zawartej w dużych zbiorach danych, w formie modeli użytecznych dla użytkownika – modeli logicznych, statystycznych i decyzyjnych”. Inżynierowie wiedzy opierają się zatem na takich narzędziach badawczych, podstawowych w stosunku do inżynierii wiedzy, jak: logiki, metody statystyczne, wielokryterialna teoria decyzji itp. W zastosowaniach tych podejść jest istotna również interpretacja słowna tych modeli, zgodna z wymaganiami użytkownika, mającymi zazwyczaj także charakter wiedzy ukrytej, którą dopiero trzeba przekształcić w słowa.  Dlatego istotnym uzupełnieniem tych badań są badania nad lingwistycznym opisem baz danych.

Badania zaliczone przez Granata i Wierzbickiego do działu III dotyczą problematyki semantycznego modelowania wiedzy. Wierzbicki i Granat niesłusznie zawężają obszar badań do zagadnienia „wynajdywania czy wyboru wiedzy tekstowej, jawnej, istotnej dla użytkownika w dużych zbiorach tekstowych”. Dziedzinami podstawowymi dla tego działu są m.in. inżynieria ontologii i inżynieria języka naturalnego, a także architektura korporacyjna. Rezultatem badań i prac praktycznych są semantyczne modele wiedzy i bazy wiedzy, obejmujące wybrane zagadnienia (obszar tematyczny), jak i całą organizację. Inżynier wiedzy w swych działaniach modeluje przede wszystkim wiedzę pojęciową, konstruując rozbudowane taksonomie, uzupełnione o różnorodne relacje logiczne pomiędzy pojęciami, semantyczne Wiki, semantyczne blogi i inne bazy wiedzy (np. na potrzeby systemów prowadzących konwersacje) itp. Ich zastosowania widoczne są w Sieci Semantycznej (Semantic Web).