更新时间：2022-08-25 12:33
知识获取是指在人工智能和知识工程系统中，机器(计算机或智能机)如何获取知识的问题。
知识获取是构筑知识型系统的一个重大课题，但研究得尚不充分。20世纪60年代以前，大部分人工智能程序所需知识是由专业程序员手工编入程序的。当时较少直接面向应用系统，知识获取问题还未受充分重视。随着专家系统和其他知识型系统的兴起，人们认识到必须对落后的知识获取方式进行改革，让用户在知识工程师或智能程序（知识获取程序）帮助下，在系统的运行过程中直接逐步建立所需的知识库。
包括知识抽取知识建模、知识转换、知识输入、知识检测以及知识库的重组这几个方而：
（1）知识抽取：把蕴含于信息源中的知识经过识别、理解、筛选、归纳等过程抽取出来，并存储于知识库中。
（2）知识建模：构建知识模型，主要包括三个阶段:知识识别、知识规范说明和知识精化。
（3）知识转换：把知识由一种表示形式变换为另一种表示形式。
（4）知识存储：把用适当模式表示的知识经编辑、编译送入知识库。
（5）知识检测：为保证知识库的正确性，需要做好对知识的检测。
（6）知识库的重组：对知识库中的知识重新进行组织，以提高.系统的
运行效率。
依靠人工智能系统的设计师、知识工程师、程序编制人员、专家或用户，通过系统一设计、程序编制及人机交互或辅助工具，将人的知识移植到机器的知识库中，使机器获取知识。
人工移植的方式可分为二种：
（1）静态移植
在系统设计过程中，通过知识表示、程序编制、建立知识库，进行知识存储、编排和管理，使系统获取所需的先验知识或静态知识。故称“静态移植”或“设计移植”。
（2）动态移植
在系统运行过程中，通过常规的人机交互方法，如“键盘一显示器”的输入/输出交互方式，或辅助知识获取工具，如知识编辑器，利用知识同化和知识顺应技术，对机器的知识库进行人工增删、修改、补充和更新，使系统获取所需的动态知识，故称“动态移植”或“运行移植”。
人工智能系统在运行过程中，通过学习，获取知识，进行知识积累，对知识库进行增删、修改、扩充与更新。
机器学习的方式可分为二种:
（1）示教式学习
在机器学习过程中，由人作为示教者或监督者，给出评价准则或判断标准，对一系统的工作效果进行检验，选择或控制“训练集”，对学习过程进行指导和监督。这种学习方式通常是离线的、非实时的学习，也可以在线、实时学习。
（2）自学式学习
在机器学习过程中，不需要人作为示教者或监督者，而由系统本身的监督器实现监督功能，对学习过程进行.监督，提供评价准则和判断标准，通过反馈进行工作效果检验，控制选例和训练。这种学习方式通常是在线、实时的学习。
人工智能系统在调试或运行过程中，通过机器视觉、机器听觉、机器触觉等途径，直接感知外部世界，输入自然信息，获取感性和理性知识。
机器感知主要有二种方式：
（1）机器视觉
在系统调试或运行过程中，通过文字识别、图象识别和物景分析等机器视觉，直接从外部世界输入相应的文字、图象和物景的自然信息，获取感性知识，经过识别、分析和理解，获取有关的理性知识。
（2）机器听觉
在系统调试或运行过程中，通过声音识别、语言识别和语言理解等机器听觉，直接从外部世界输入相应的声音、语言等自然信息，获取感性知识，经过识别、分析和理解，获取有关的理性知识。