对于人工智能，我们应该如何挖掘它的潜力

（文章来源：教育新闻网）

鉴于在一次环境调查中已经确定了高知识价值领域，下一个任务是获取这些领域中包含的知识。环境调查将确定用于执行任务的大多数公共材料的一般位置和类型，但是有必要访问大多数用于日常参考的材料。

那些在选定区域工作的人作为启发过程的一部分。在过程的这一部分中，有必要满足许多要求。一个明显的方法是与专家建立有效的工作关系。可能需要相当高的灵敏度。引发者很可能会要求提供一生的经验的精简版本，其中的组成部分是有关个人经济和职业安全的主要来源。建议尊重他人的聆听态度。激发的结果将包含在知识模型中，因此获得专家使用的知识过程的各个方面非常重要。

引发者不应期望大多数专家能够以上述有序和逻辑的形式提供其知识的完整输出。这些要素是作为心理检查清单提供的，引诱者可以使用这些清单来巧妙地组织访谈，从而或多或少地完整覆盖重要要素。实际上，专家甚至可能无法识别。至少最初是对所获得知识的重组和结构化版本。

要求一位知识激发者对激发和组织过程的最终产品“由专家进行检查”。最初的结果使引诱人非常沮丧，因为专家立即否认产品的每个要素都是正确的。但是，始终如一。在几分钟后，专家将中断对下一个元素的讨论，并确认前一个元素的正确性。引发者对此事后作出的解释是，这对于专家来说是必要的。他的知识被组织为一系列经验，以将每个要素翻译成过去的经验，并将其与过去的经验相关联，从而在专家的参考框架内验证了该要素的内容。

一种用于获取所选区域中每个专家的个人知识的理想方法是让选举人拉动专家的人工制品，刺激和动作/话语。专家使用专业知识对刺激做出反应，并通过人工制品来补充其知识。

在特定情况下使用的知识激发方法会随知识持有者的专业知识和解释技能而变化。对于公共知识和共享知识，有时可以使用或多或少的标准采访技术。如果知识是私人的或基于经验，则可能有必要使用激发的对刺激技术的响应，在这种情况下，要求专家谈论(或“大声思考”)他或她的思想和行为，因为新任务执行时输入数据。相对于所使用的实际知识和专长，对先前执行的任务的过程进行回顾性分析可能会得出错误的结果。似乎需要以追溯方式破坏专业知识，以使专业知识合理化。在大多数情况下，

引发者的角色实际上可以在几个人之间共享，因为可以看到，它可能非常复杂。一种责任是同情和理解听众的责任。专家应该以非竞争的方式感到自己的专业知识得到理解和赞赏。尽管这仍然是一个争论的话题，但一些专家认为，如果引发者对自己的领域完全一无所知，那么他们的时间就会浪费，而每个术语和问题都必须在基本的层面上加以解释。另一方面，这样的基本解释有时可以揭示用专业术语和“相互理解”的概念掩盖的知识的重要方面。激发者或知识工程师的理想特性将在以后的文章中进行介绍。

另一个职责可能被描述为数据字典的维护者。该角色要求在适当的时候向专家提问，以阐明术语，符号以及特定概念和含义的其他标记的含义。