Mitandao ya Injini za Ujuzi: Mfumo wa Kutumia Ujuzi wa Mtaalamu Kwa Kiasi Kikubwa

1. Utangulizi

Karatasi hii inabainisha mabadiliko ya msingi katika uundaji wa thamani kutoka kwa uzalishaji wa kilimo na viwanda kwenda kwenye huduma, na hivi karibuni zaidi, huduma zinazotegemea habari na ujuzi. Habari na ujuzi zimewekwa kama rasilimali kuu za jamii ya ujuzi inayoibuka. Hata hivyo, kizuizi muhimu kinabainishwa: uwezo wa binadamu wa kupata na kutumia ujuzi wa mtaalamu ni mdogo kiasili, na hii inafanya utatuzi wa matatizo kwa kiasi kikubwa kulingana na ujuzi wa kina kuwa changamoto kubwa.

Ufumbuzi wa sasa, kama vile kutafuta katika hifadhidata au kushauriana na wataalamu wa kibinadamu, vimezuiliwa na uwezekano wa kupatikana, upatikanaji, na gharama. Waandishi wanadai hii inazuia uwezo wa wanadamu wa kutumia ujuzi wao wa pamoja kwa matatizo mapya ya kibinafsi, hasa yale yasiyo na ufumbuzi uliopo au yanayohitaji mchanganyiko wa uvumbuzi wa ujuzi.

2. Mitandao ya Injini za Ujuzi

Sehemu hii inatanguliza mfumo wa kimawazo mkuu unaopendekezwa ili kushinda vikwazo vilivyoelezwa katika utangulizi.

2.1 Dhamira

Waandishi wanatazama mfumo mpya wa kijamii na kiteknolojia ili kuwezesha utumiaji wa ujuzi kwa kiasi kikubwa. Lengo la mwisho, ingawa ni la utopia, ni kuruhusu kila mtu kutumia "ujuzi kamili wa wanadamu kwa kina kikamilifu kwa kila changamoto ya kibinafsi." Mfumo huu unawasilishwa kama njia ya kuongoza kwa enzi ya akili bandia, kusonga zaidi ya upatikanaji rahisi wa habari hadi uundaji wa suluhisho zinazobadilika.

Mbinu iliyopendekezwa inahusisha kubadilisha ujuzi wa mtaalamu kuwa algoriti zilizozimatiwa, zinazoitwa Injini za Ujuzi. Injini hizi zinaweza kuunganishwa kuwa mitandao inayoweza kutekelezwa wakati wa utendaji ili kutoa habari au suluhisho zilizoombwa, za kibinafsi. Karatasi inakubali kuwa dhamira hii itainua changamoto za kisheria, kimaadili, kijamii, na mifano mipya ya biashara.

3. Uelewa Mkuu & Mtazamo wa Mchambuzi

Uelewa Mkuu

Pendekezo la msingi la karatasi hii sio zana nyingine ya AI; ni mpango wa usanifu wa uchumi wa baada ya utaalamu. Inatambua kwa usahihi kwamba kizuizi cha jamii ya ujuzi sio uhifadhi wa data (tuna petabytes) bali ni ucheleweshaji na upatikanaji wa uwezo uliotumika. Dhamira yao ya kufanya ujuzi wa kina kuwa bidhaa kupitia "Injini za Ujuzi" zinazoweza kuunganishwa inalenga kufanya kwa utatuzi wa matatizo ya wataalamu kile API zilifanya kwa utendakazi wa programu—kuifanya iwe ya kidemokrasia na kuleta mapato kwa kiasi kikubwa. Hii inalingana na mienendo inayozingatiwa katika utafiti kama kazi ya Neuro-Symbolic AI kutoka MIT-IBM Watson AI Lab, ambayo inatafuta kuunganisha utambuzi wa muundo wa mitandao ya neva na mantiki ya mifumo ya ishara, njia ya kiteknolojia inayowezekana ya kujenga injini kama hizi.

Mtiririko wa Mantiki

Hoja inatiririka kwa kulazimisha kutoka tatizo hadi suluhisho: 1) Ujuzi ndio mtaji mpya, 2) Upana wa utambuzi wa kibinadamu ndio kipimo kinachozuia, 3) Kwa hivyo, lazima tuweke nje na tuzimatishe matumizi ya ujuzi, sio tu uhifadhi wake. Kuruka kutoka "msingi wa ujuzi" hadi "injini ya ujuzi" ni muhimu—inabadilisha dhana kutoka kwa upatikanaji usio na shughuli hadi uzalishaji wenye shughuli, unaoelewa muktadha. Hii inafanana na mageuzi kutoka kwa hifadhidata (SQL) hadi majukwaa ya huduma-kama-kazi (FaaS) kama AWS Lambda, ambapo mantiki inayoweza kutekelezwa ndio kitengo cha msingi.

Nguvu & Kasoro

Nguvu: Mfumo huu ni wa kuvutia sana katika nyanja mbalimbali, ukigusa sayansi ya kompyuta, uchumi (uchumi wa API), na sosholojia. Inatambua mienendo muhimu inayowezesha (AI, ontolojia, uzimataji wa kazi ya ujuzi) kwa usahihi. Msisitizo kwenye mfumo wa kijamii na kiteknolojia ni wa busara, ukikubali kwamba teknolojia pekee inashindwa bila marekebisho ya kitamaduni na mfumo wa biashara.

Kasoro Muhimu: Karatasi hii inapuuza sana jinsi ya kutekeleza. Inapuuza changamoto kubwa ya kuweka rasmi ujuzi wa mtaalamu usio wazi, wa kujaribia, katika "injini" zenye uamuzi. Kama ilivyoelezwa katika karatasi muhimu "Changamoto za Uwakilishi wa Ujuzi kupitia Ontolojia" na Staab & Studer, upatikanaji wa ujuzi bado ni "kizuizi cha vizuizi." Dhamira pia inapuuza mlipuko wa mchanganyiko na janga la uthibitishaji wa mitandao ya injini inayounganishwa kwa nguvu. Nani anawajibika wakati suluhisho linalotokana na mtandao linashindwa? Mfumo wa utawala bado uko katika hatua ya mwanzo.

Uelewa Unaoweza Kutekelezwa

Kwa makampuni: Anza kujaribu hili sasa kwa kuchukulia mtiririko wa kazi wa wataalamu wa ndani sio kama hati za kusomwa, bali kama algoriti za kufungwa. Jenga "API za Utaalamu" za ndani. Kwa watafiti: Zingatia kidogo AI ya jumla na zaidi kwenye uwekezaji rasmi wa ujuzi maalum wa kikoa. Mafanikio halisi yatakuja kutoka kwenye nyanja kama uhandisi wa mitambo au kufuata sheria, ambapo sheria zimefafanuliwa vizuri zaidi. Shirikiana na vyombo vya viwango (kama W3C kwa ontolojia) mapema ili kuepuka Mnara wa Babeli wa injini za ujuzi zisizopatana. Faida ya mwanzo hapa sio kuwa na injini bora zaidi, bali katika kufafanua itifaki ya muundo.

4. Mfumo wa Kiteknolojia na Uwakilishi wa Kihisabati

Pendekezo la msingi la kiteknolojia linahusisha Injini za Ujuzi ($KE$) kama vitengo vya utendakazi. Injini ya Ujuzi inaweza kuwakilishwa rasmi kama utendakazi unaobadilisha muktadha maalum wa tatizo ($C$) na data ya pembejeo inayopatikana ($I$) kuwa suluhisho au pato la ujuzi ($O$), ikitumia kwa uwezekano modeli ya ndani ya ujuzi ($M$).

$KE_i: (C, I, M_i) \rightarrow O_i$

Mtandao wa Injini za Ujuzi ($NKE$) ni muundo wa grafu iliyoelekezwa ya $KE$ nyingi, ambapo pato la injini moja linaweza kutumika kama pembejeo au muktadha kwa nyingine. Muundo ($\Phi$) unabadilika na huamuliwa na mratibu wa wakati wa utendaji kulingana na ombi la tatizo ($R$).

$NKE(R) = \Phi(KE_1, KE_2, ..., KE_n | R)$

Mantiki ya mratibu lazima isimamie kuendana, kupangilia mlolongo, na mtiririko wa data, sawa na injini ya mtiririko wa kazi lakini kwa michakato ya utambuzi. Hii inahitaji safu ya metadata iliyojaa kwa kila $KE$, ikielezea uwezo wake, miundo ya pembejeo/pato, masharti ya awali, na kikoa.

5. Matokeo ya Kimawazo na Muundo wa Mfumo

Ingawa PDF haionyeshi matokeo ya majaribio ya kiasi, inaelezea muundo wa kimawazo na matokeo yake yanayotarajiwa:

Maelezo ya Mchoro wa Muundo wa Mfumo

Muundo wa mfumo unaotazamiwa ungetofautiana kimantiki katika safu kadhaa:

Safu ya Uwakilishi wa Ujuzi: Ina Injini za Ujuzi zilizowekwa rasmi ($KE$s), kila moja ikifunga algoriti maalum ya kikoa au seti ya kanuni. Hizi zinaweza kuanzia kwenye kitatuzi cha uchambuzi wa kipengele cha mwisho hadi kikatuzi cha kifungu cha kisheria.
Safu ya Uratibu na Muundo: "Ubongo" wa wakati wa utendaji wa mfumo. Inakubali swala la tatizo la mtumiaji ($R$), inalivunja, inatambua $KE$s zinazohusika kutoka kwa rejista, na inajenga kwa nguvu mtiririko wa kazi unaoweza kutekelezwa ($NKE$). Safu hii ingetumia ontolojia kwa kuendana kwa maana.
Safu ya Utekelezaji: Inasimamia utarajio halisi wa $KE$s zilizounganishwa, ikishughulikia kupitisha data, usimamizi wa hali, na usimamizi wa makosa.
Safu ya Kiolesura: Inatoa API na violezo vya mtumiaji kwa ajili ya kuwasilisha changamoto na kupokea suluhisho zilizounganishwa.
Safu ya Utawala & Uchumi: Inasimamia udhibiti wa upatikanaji, ufuatiliaji wa matumizi, bili, na vipimo vya ubora/imuaminisho kwa $KE$s, ikirahisisha "uchumi wa API" kwa ujuzi.

Matokeo Yanayotarajiwa: Matokeo ya msingi sio jibu moja bali ni mchakato wa uundaji wa suluhisho. Kwa changamoto changamano kama "buni mabano nyepesi kwa drone chini ya hali maalum za msongo," mfumo haungepata ramani. Badala yake, ungeunganisha injini za uteuzi wa nyenzo, uigaji wa msongo, uboreshaji wa topolojia, na uchambuzi wa gharama ya uzalishaji, ukizitekeleza kwa mlolongo ili kutoa pendekezo jipya la muundo lililothibitishwa.

6. Mfumo wa Uchambuzi: Mfano wa Matumizi ya Ubunifu wa Uhandisi

Karatasi inataja mfano wa matumizi katika ubunifu wa uhandisi. Hapa kuna mfano uliojengwa, bila msimbo, wa jinsi mfumo huu ungetumika:

Changamoto: "Boresha mfumo wa usimamizi wa joto kwa mpangilio mpya wa chip ya CPU yenye utendaji wa hali ya juu."

Njia ya Kitamaduni: Mhandisi wa joto anatumia kwa mikono programu ya uigaji (k.m., ANSYS), anatafsiri matokeo, anafanya marekebisho ya muundo (k.m., jiometri ya ubavu wa kizuizi cha joto), na anarudia uigaji tena kwa kurudia—ni mzunguko wa polepole, unaohitaji ujuzi mkubwa.

Njia ya Mtandao wa Injini za Ujuzi:

Uchambuzi wa Swala: Mratibu anavunja "boresha usimamizi wa joto" kuwa kazi ndogo: uigaji wa joto, uwekaji wa vigezo vya jiometri, algoriti ya uboreshaji, ukaguzi wa vikwazo.
Ugunduzi na Muundo wa Injini: Inagundua na kuunganisha:
- $KE_{CFD}$: Injini ya mienendo ya maji ya hesabu.
- $KE_{Param}$: Injini inayoweka vigezo vya jiometri ya kizuizi cha joto (idadi ya ubavu, urefu, unene).
- $KE_{Optimizer}$: Injini inayotekeleza algoriti ya maumbile kwa uboreshaji.
- $KE_{Constraint}$: Injini inayokagua dhidi ya vikwazo vya mitambo na nafasi.
Utekelezaji: Mtandao unatekelezwa kwa kujitegemea: $KE_{Param}$ inazalisha tofauti ya muundo, $KE_{CFD}$ inaigiza utendaji wake wa joto, $KE_{Optimizer}$ inatathmini matokeo na kupendekeza tofauti inayofuata kulingana na utendakazi wa lengo (punguza joto), na $KE_{Constraint}$ inathibitisha kila tofauti. Mzunguko huu unarudia mara elfu kwa haraka.
Pato: Mfumo unatoa seti ya miundo bora ya kizuizi cha joto inayokidhi vikwazo vya joto na mitambo, kwa ufanisi kuweka nje na kuzimata mchakato wa kufikiria kwa kurudia wa mhandisi.

7. Matumizi ya Baadaye na Mwelekeo wa Maendeleo

Dhamira hii inafungua njia katika sekta mbalimbali:

Tiba ya Kibinafsi: Mitandao inayounganisha injini za uchambuzi wa jenomu, hifadhidata za mwingiliano wa dawa, na kuendana kwa majaribio ya kliniki ili kutoa mipango ya matibabu ya kibinafsi.
Sheria & Kufuata Sheria: Kukagua kwa nguvu michakato ya biashara au kandarasi dhidi ya mtandao unaosasishwa kila mara wa injini za udhibiti kutoka maeneo tofauti ya kisheria.
Ugunduzi wa Kisayansi: Kuzimata uzalishaji wa dhana na muundo wa majaribio kwa kuunganisha injini za uchimbaji wa fasihi, uigaji, na uchambuzi wa data.
Elimu: Kusonga zaidi ya njia za kusoma zisizobadilika hadi mifumo ya kufundisha inayobadilika ambayo inaunganisha injini ndogo za maelezo ya dhana, uzalishaji wa mifano, na tathmini kulingana na utendaji wa mwanafunzi kwa wakati halisi.

Mwelekeo Muhimu wa Maendeleo:

Uwekaji wa Viwango: Kuunda lugha za ulimwengu wote za kuelezea uwezo wa Injini za Ujuzi (sawa na OpenAPI kwa API za wavuti) ni muhimu sana.
Mifano Mseto ya AI: Kuunganisha mitandao ya neva (kwa utambuzi wa muundo katika data isiyo na muundo) na injini za ishara (kwa mantiki) itakuwa muhimu kwa kushughulikia ujuzi wa ulimwengu halisi.
Imaini na Uelezekaji: Kukuza njia za kukagua wimbo wa uamuzi wa mtandao uliounganishwa na kuelezea kwa nini injini maalum zilichaguliwa na jinsi matokeo yake yalileta suluhisho la mwisho.
Soko la Ujuzi Lisilo la Kati: Kuchunguza mifumo kama blockchain kwa ajili ya usahihi, uwazi wa usababishaji, na malipo madogo kati ya waundaji na watumiaji wa injini za ujuzi.

8. Marejeo

Bergmair, B., Buchegger, T., et al. (2018). Instantly Deployable Expert Knowledge – Networks of Knowledge Engines. Linz Center of Mechatronics GmbH.
Staab, S., & Studer, R. (Eds.). (2009). Handbook on Ontologies. Springer. (Kwa changamoto katika uwekaji rasmi wa ujuzi).
MIT-IBM Watson AI Lab. (2021). Neuro-Symbolic AI: The 3rd Wave. [Karatasi Nyeupe]. (Kwa muktadha wa kuunganisha dhana za AI).
World Wide Web Consortium (W3C). (2012). OWL 2 Web Ontology Language. (Kwa viwango vya ontolojia).
Zhu, J., Park, T., et al. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. In Proceedings of ICCV. (Imetajwa kama mfano wa "injini" maalum ya algoriti yenye athari katika masomo ya mashine).
Deloitte Insights. (2020). The API Economy: From systems to business ecosystems. (Kwa muktadha wa kiuchumi).