การได้มาซึ่งความรู้คือกระบวนการที่ใช้ในการกำหนดกฎและออนโทโลยีที่จำเป็นสำหรับระบบฐานความรู้วลีนี้ถูกใช้ครั้งแรกควบคู่กับระบบผู้เชี่ยวชาญ เพื่ออธิบายภารกิจเริ่มต้นที่เกี่ยวข้องกับ การพัฒนาระบบผู้เชี่ยวชาญ ได้แก่ การค้นหาและสัมภาษณ์ ผู้เชี่ยวชาญ ในสาขาต่างๆและการรวบรวมความรู้ของพวกเขาผ่านกฎ วัตถุและออนโทโลยีแบบ เฟรม

ระบบผู้เชี่ยวชาญเป็นหนึ่งในแอปพลิเคชันแรกๆ ที่ประสบความสำเร็จของเทคโนโลยีปัญญาประดิษฐ์ ในการแก้ปัญหาทางธุรกิจในโลกแห่งความเป็นจริง ^{[ 1 ]}นักวิจัยที่สแตนฟอร์ดและห้องปฏิบัติการ AI อื่นๆ ได้ทำงานร่วมกับแพทย์และผู้เชี่ยวชาญที่มีทักษะสูงอื่นๆ เพื่อพัฒนาระบบที่สามารถทำให้งานที่ซับซ้อนเป็นไปโดยอัตโนมัติ เช่นการวินิจฉัยทางการแพทย์จนถึงจุดนี้ คอมพิวเตอร์ส่วนใหญ่ถูกใช้เพื่อทำให้งานที่ต้องใช้ข้อมูลจำนวนมากเป็นไปโดยอัตโนมัติ แต่ไม่ใช่สำหรับการให้เหตุผลที่ซับซ้อน เทคโนโลยีต่างๆ เช่นเครื่องมืออนุมานช่วยให้นักพัฒนาสามารถจัดการกับปัญหาที่ซับซ้อนมากขึ้นได้เป็นครั้งแรก^{[ 2 ] [ 3 ]}

เมื่อระบบผู้เชี่ยวชาญขยายขนาดจากต้นแบบสาธิตไปสู่แอปพลิเคชันที่มีประสิทธิภาพในระดับอุตสาหกรรม ก็เป็นที่ตระหนักได้ว่าการได้มาซึ่งความรู้ของผู้เชี่ยวชาญเฉพาะด้านนั้นเป็นหนึ่งในงานที่สำคัญที่สุดใน กระบวนการ วิศวกรรมความรู้กระบวนการได้มาซึ่งความรู้นี้กลายเป็นหัวข้อวิจัยที่สำคัญมาก งานชิ้นแรกๆ^{[ 4 ]}ในหัวข้อนี้ใช้ทฤษฎีการเรียนรู้ของเบตสันเป็นแนวทางในกระบวนการ

แนวทางหนึ่งในการได้มาซึ่งความรู้ที่ได้รับการตรวจสอบคือการใช้การวิเคราะห์และการสร้างภาษาธรรมชาติเพื่ออำนวยความสะดวกในการได้มาซึ่งความรู้ การวิเคราะห์ภาษาธรรมชาติสามารถทำได้กับคู่มือและเอกสารผู้เชี่ยวชาญอื่นๆ และสามารถพัฒนากฎและวัตถุเบื้องต้นได้โดยอัตโนมัติการสร้างข้อความยังมีประโยชน์อย่างยิ่งในการสร้างคำอธิบายสำหรับพฤติกรรมของระบบ ซึ่งช่วยอำนวยความสะดวกในการพัฒนาและบำรุงรักษาระบบผู้เชี่ยวชาญเป็นอย่างมาก^{[ 5 ]}

แนวทางการได้มาซึ่งความรู้ที่ทันสมัยกว่าคือแนวทางที่เน้นการนำกลับมาใช้ใหม่ ความรู้สามารถพัฒนาได้ในออนโทโลยีที่สอดคล้องกับมาตรฐาน เช่นWeb Ontology Language (OWL) [ ^{6 ] ด้วย}วิธีนี้ ความรู้สามารถกำหนดมาตรฐานและแบ่งปันได้ในชุมชนผู้ทำงานด้านความรู้ในวงกว้าง ตัวอย่างโดเมนที่แนวทางนี้ประสบความสำเร็จคือชีวสารสนเทศ^{[ 7 ]}

การได้มาซึ่งความรู้ถูกนำไปประยุกต์ใช้ในหลายสาขานอกเหนือจากระบบผู้เชี่ยวชาญ รวมถึงการประมวลผลภาษาธรรมชาติระบบสนับสนุนการตัดสินใจการจำลองการฝึกอบรมและระบบการสอนอัจฉริยะ นอกจากนี้ยังมีบทบาทสำคัญในการสร้างเอ เจนต์ที่ใช้ความรู้และสถาปัตยกรรมทางปัญญาอีก ด้วย

มีเทคนิคหลากหลายในการได้มาซึ่งความรู้ ตั้งแต่วิธีการแบบใช้แรงงานคนไปจนถึงวิธีการแบบอัตโนมัติ วิธีการแบบใช้แรงงานคน ได้แก่การสัมภาษณ์แบบมีโครงสร้างการวิเคราะห์โปรโตคอลการจัดเรียงการ์ดและการวิเคราะห์ตารางรายการ วิธีการแบบอัตโนมัติ ได้แก่การเรียนรู้ของเครื่องการขุดค้นข้อมูลและ การประมวลผล ภาษา ธรรมชาติ

• การรวบรวมความรู้จากผู้ร่วมให้ข้อมูลที่เป็นอาสาสมัคร  – สาขาย่อยของปัญญาประดิษฐ์
• การสกัดความรู้  – การสร้างความรู้จากแหล่งข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง
• การประมวลผลข้อมูล (จิตวิทยา)  – แนวทางในการทำความเข้าใจความคิดของมนุษย์
• การค้นหาข้อมูล (การแยกความหมาย)