隨著人工智能技術的飛速發(fā)展，知識驅(qū)動的人工智能應用逐漸成為行業(yè)關注的焦點。知識工程（KE）作為人工智能的核心分支，正通過自動或半自動地從信息源中獲取知識，推動金融、醫(yī)療、交通和制造等多個行業(yè)實現(xiàn)智能化轉(zhuǎn)型。

為準確定義人工智能（AI）中知識工程（KE）的參考架構，2024年3月，ISO與IEC聯(lián)合發(fā)布標準《信息技術 人工智能 知識工程參考架構》（ISO/IEC 5392:2024）。

標準從系統(tǒng)用戶和功能的角度描述了知識工程的角色、活動、構造層、組件及其與其他系統(tǒng)之間的關系。

知識工程的關鍵在于將人類知識轉(zhuǎn)化為機器可以理解的形式，進而提供智能的知識驅(qū)動服務。知識庫的建設目標之一就是實現(xiàn)這一轉(zhuǎn)化，使得人類知識能夠被人工智能系統(tǒng)有效利用。目前，KE與大數(shù)據(jù)、深度學習、自然語言處理等技術一同，成為推動人工智能發(fā)展的核心力量。

知識服務的關鍵技術包括知識表示、知識建模、知識獲取、知識存儲、知識融合、知識計算、知識維護、知識可視化等。隨著知識服務平臺產(chǎn)品和解決方案的不斷開發(fā)，知識服務在組織中的實施變得更加敏捷。分布式知識服務系統(tǒng)通過系統(tǒng)間的知識交流和知識維護，實現(xiàn)了集成和部署。分布式自主代理系統(tǒng)及其在系統(tǒng)間的協(xié)作，進一步促進了智能和知識驅(qū)動行為的產(chǎn)生，加強協(xié)作與合作。

資源描述框架（RDF）、資源描述框架模式（RDFS）、RDFS-PLUS、本體網(wǎng)絡語言（OWL）、SPARQL 協(xié)議和 RDF 查詢語言（SPARQL）以及與本體相關的理論和標準在知識表示和知識建模方面提供了堅實的工具和理論基礎。其他相關的 KE 標準也已制定。

知識庫已成功應用于金融欺詐識別、設備遠程運維、用戶畫像和產(chǎn)品推薦、研究重點跟蹤和預測、智能信用分析、基于相似案例的法律糾紛和案件預測、新聞智能分發(fā)、智能計算機輔助診斷和治療等多個行業(yè)。許多組織將基于知識庫的平臺或系統(tǒng)視為重要的知識基礎設施。然而，KE 詞匯表、基本 KE 構建組件、KE 流程及其關系尚未明確定義，導致了數(shù)據(jù)提供者、基礎技術提供者、算法提供者、系統(tǒng)協(xié)調(diào)者和知識共享系統(tǒng)的其他利益相關者之間的誤解以及不必要的溝通和部署成本。

關注“廣東技術性貿(mào)易措施”，獲取更多服務。