知识工程是什么？把人类专家的知识变成机器能用的规则

知识工程（Knowledge Engineering）是人工智能领域的一个分支，它研究如何把人类专家的知识变成计算机能够使用的形式，创建规则并应用于数据，以模仿人类专家的思维过程。它研究一项任务或一个决策的结构，以确定专家是如何得出结论的。知识工程这个概念在上世纪 70 年代末由斯坦福大学的爱德华·费根鲍姆（Edward Feigenbaum）提出，他被称为“专家系统之父”，并因此获得了 1994 年的图灵奖。

专家系统时代

在它最初的形式中，知识工程主要用于构建专家系统：把某个领域人类专家的知识和经验，整理成大量“如果……那么……”的规则，存进知识库，再由一个推理引擎根据这些规则进行推理，给出专家级别的建议。比如 70 年代斯坦福大学开发的 MYCIN 系统，能根据病人的症状和检查结果，诊断血液感染并推荐抗生素，它的表现在当时可以和专科医生相媲美。80 年代，专家系统在工业界迎来了热潮，被用于设备故障诊断、地质勘探、计算机配置等领域。

知识工程师做什么

构建这样的系统，需要知识工程师和领域专家密切合作，主要工作包括：知识获取，通过访谈、观察、分析案例等方式，从专家那里挖掘出他们的知识和决策过程，很多专家的经验是“只可意会”的，把它们说清楚并不容易；知识表示，选择合适的形式来表示知识，比如规则、框架、语义网络、本体；知识组织和验证，把知识组织成一致、完整的知识库，并检验系统的推理结果是否正确；以及知识的维护和更新。

瓶颈和转变

知识工程后来遇到了被称为“知识获取瓶颈”的难题：从专家那里获取知识非常耗时费力，很多知识难以用明确的规则表达；规则越来越多后，系统变得难以维护，规则之间还可能互相冲突；系统也很脆弱，遇到规则没有覆盖到的情况就束手无策，缺乏常识。随着专家系统的热潮退去，以及机器学习、尤其是深度学习的兴起，人工智能的主流从“人工把知识写成规则”，转向了“让机器从数据中自动学习”。

今天的知识工程

知识工程的思想并没有消失，而是以新的形式延续：知识图谱是现代知识工程的重要成果，被广泛用于搜索引擎、推荐系统、智能问答；本体工程帮助组织和统一领域的知识。在大模型时代，知识工程又有了新的意义：如何把企业的专业知识整理成大模型可以检索和利用的知识库，如何为智能体编写清晰的操作规范和技能说明，如何把大模型的灵活性和结构化知识的可靠性结合起来，都可以看作知识工程的新形态。