Knowledge Technology: Converting Data and Information into Valuable Ideas

این کتاب فناوری‌های خلاقانه‌ای را بررسی می‌کند که زیربنای فعالیت‌های انسانی تبدیل داده‌ها و اطلاعات به دانش، ایجاد ایده‌های جدید بر اساس آن دانش، و اعتبار بخشیدن به آن ایده‌ها است. این کتاب چنین فناوری خلاقانه ای را «فناوری دانش» می نامد و چالش های آن را در عصر داده های بزرگ بررسی می کند. امروزه، هوش مصنوعی و کلان داده ها با موفقیت در حال انجام تشخیص الگو و تصمیم گیری از طرف انسان ها هستند، افرادی که قادر به پردازش مقادیر زیادی از اطلاعات به صورت آنی و دقیق نیستند.

اما در استفاده از داده های گذشته، مواردی وجود دارد. محدودیت هایی برای پیش بینی های آینده با هوش مصنوعی و کلان داده ها. انسان ها باید با تلاش برای درک چرایی ظهور داده ها، رهبری را در پیش بینی یا ایجاد آینده بر عهده بگیرند. فناوری دانش بدون در نظر گرفتن زمینه مبدا به این درک کمک می کند. در حقیقت، فناوری دانش شامل بسیاری از فناوری‌های توسعه‌یافته در انفورماتیک، مطالعه مدیریت و علم سیستم‌ها می‌شود. ویژگی‌های مطلوب فناوری دانش، استفاده مکمل از رویکردهای منطقی و شهودی، ادغام نتایج حاصل از تحلیل‌های کمی و کیفی، و همکاری بین هوش مصنوعی و انسان است.

This book reviews creative technologies that underpin the human activities of converting data and information into knowledge, creating new ideas based on that knowledge, and validating those ideas. The book calls such creative technology "knowledge technology" and explores its challenges in the age of big data. Today, artificial intelligence and big data are successfully performing pattern recognition and decision making on behalf of humans, who are incapable of processing large amounts of information instantly and accurately.

In using only past data, however, there are limits to future predictions with artificial intelligence and big data. Humans need to take the lead in predicting or creating the future by trying to understand why data emerged. Knowledge technology contributes to that understanding, regardless of the field of origin. As a matter of fact, knowledge technology includes many technologies developed in informatics, management study, and systems science. The desirable features of knowledge technology are the complementary use of rational and intuitive approaches, the integration of results from quantitative and qualitative analyses, and the cooperation between artificial intelligence and humans.