Andrzej Marciniak

 Katedra Podstaw Techniki, Uniwersytet Przyrodniczy w Lublinie,

 Określenie „gospodarka oparta na wiedzy” (Knowledge-based Economy), jako paradygmat nowych teorii wzrostu i wyróżnik naukowej, technologicznej i przemysłowej polityki OECD^* pojawia się w odniesieniu do gospodarek, w których produkcja, dystrybucja i użycie wiedzy i informacji jest podstawą procesów projektowania, produkcji i dystrybucji wyrobów i usług. Pojęcie Knowledge-based Economy stało się użyteczną metaforą w kreatywnym rozumowaniu o rozwoju społeczeństw zarówno w mikroskali jak w skali całej cywilizacji. Powstały uzupełniające określenia, jak np. knowledge economy czy też knowledge society. Wiedza występuje tu w dwóch rolach – jako szczególny produkt i jako dominujący zasób produkcyjny. Dominująca rola wiedzy jako aktywnego zasobu wynika stąd, że w przeciwieństwie do energii i czasu jego ilość rośnie w wyniku używania. Ponadto, wiedza i informacja są zasobem, którym można zastąpić w procesie produkcyjnym energię i czas stosując wydajne, niskoenergetyczne technologie. Specyficzność wiedzy i informacji jako produktu i zasobu wynika z faktu, że ich przechowywanie, przekazywanie i współdzielenie wymaga materialnego nośnika. Takimi nośnikami są kody będące produktem odpowiednich systemów symbolicznych (języków). Wymaga się, aby kody te były formalne i wykonywalne. Środowiskiem ich wykonania jest odpowiednia infrastruktura informatyczna. Wiedzą, jako produktem nie tylko naukowym ale i „inżynierskim”, zajmuje się inżynieria wiedzy. W tym kontekście mówi się o systemach reprezentacji wiedzy^**. Szczególnie użyteczną formą reprezentacji wiedzy są modele komputerowe zjawisk i procesów. Z punktu widzenia inżynierii wiedzy istotne jest, aby modele te miały ekspresywność co najmniej na poziomie logiki I-szego rzędu, powstawały w wyniku zastosowania algorytmów uczenia maszynowego, funkcjonowały w trybie baz wiedzy z wykorzystaniem odpowiednich, np. predykcyjnych i diagnostycznych algorytmów inferencyjnych, umożliwiały uwzględnienie w reprezentowanej wiedzy czynnika niepewności. Wymagania te są spełnialne poprzez zastosowanie technologii sieci probabilistycznych i programowania probabilistycznego. Ograniczenia wynikające z potrzeby zbierania dużych ilości danych, niezbędnych w procesach uczenia maszynowego oraz wymagana duża moc obliczeniowa są już teraz w znacznym stopniu spełnialne. Zastosowanie na masową skalę nano i biosensorów oznacza zaistnienie niezwykle masywnych strumieni danych. Moc obliczeniowa komputerów jak dotąd nadal wykładniczo rośnie. Zasygnalizowana wyżej perspektywa oznacza możliwość niezwykłego rozwoju subdziedziny „gospodarki opartej na wiedzy” jaką jest Knowledge-Based Bio-Economy (KBBE). Dotyczy to wszelkich dziedzin, w których dominuje czynnik biologiczny a w szczególności rolnictwa, medycyny a także ergonomii, w tym ergonomii kognitywnej.

 * OECD (1996), The Knowledge-based Economy, Paris.
** Sowa J.F. (2000), Knowledge Representation. Logical, Philosophical, and Computational Foundations. Brooks/Cole, CA.