Januari 25, 2024

Mengenal Apa Itu Sistem Pakara

Kecerdasan buatan, sebagai disiplin ilmu, terdiri dari beberapa arus utama. Salah satunya adalah sistem pakar.

Sebagai aturan, sistem pakar dibuat untuk memecahkan masalah praktis di beberapa area yang sangat terspesialisasi, di mana pengetahuan spesialis "berpengalaman" memainkan peran penting. Sistem pakar merupakan perkembangan pertama yang mampu menarik banyak perhatian terhadap hasil penelitian di bidang kecerdasan buatan.

Sistem pakar memiliki satu perbedaan besar dari sistem kecerdasan buatan lainnya: mereka tidak dirancang untuk memecahkan masalah universal apa pun, seperti jaringan saraf atau algoritme genetika . Sistem pakar dirancang untuk solusi masalah berkualitas tinggi di area yang ditentukan oleh pengembang, dalam kasus yang jarang terjadi - area.

Pengetahuan ahli adalah kombinasi dari pemahaman teoritis tentang suatu masalah dan keterampilan praktis untuk memecahkannya, yang keefektifannya telah terbukti sebagai hasil dari kegiatan praktis para ahli di bidang ini. Pondasi dari sistem pakar jenis apa pun adalah basis pengetahuan, yang disusun berdasarkan pengetahuan pakar spesialis. Seorang pakar yang dipilih dengan benar dan formalisasi pengetahuannya yang berhasil memungkinkan sistem pakar diberkahi dengan pengetahuan yang unik dan berharga.

Apa itu sistem pakar

Sistem pakar adalah mesin yang merespons seperti seorang ahli untuk masalah tertentu, dan merupakan sistem komputer yang lahir dari penelitian kecerdasan buatan.

Ini dikembangkan untuk memungkinkan amatir atau pemula tanpa pengetahuan khusus untuk menggunakan sistem pakar untuk memperoleh keterampilan pemecahan masalah yang serupa dengan spesialis.

Sistem pakar meniru prosedur pengambilan keputusan yang sama dengan pakar dalam sistem, dan memperoleh jawabannya melalui inferensi seperti "A adalah C (aturan JIKA-MAKA)". Metode ini diterapkan di tempat-tempat yang sudah dikenal dan digunakan dalam sistem rekomendasi dalam belanja online saat ini.

Sejarah sistem pakar

Sistem pakar pertama, yang disebut Dendral, dikembangkan di Stanford pada akhir 1960-an. Ini adalah sistem pakar yang menentukan struktur molekul organik dengan rumus kimia dan data spektrografi pada ikatan kimia dalam molekul. Nilai Dendral adalah sebagai berikut. Molekul organik biasanya sangat besar dan oleh karena itu jumlah struktur yang mungkin untuk molekul ini juga besar. Berkat pengetahuan heuristik ahli kimia ahli yang tertanam dalam sistem pakar, dari sejuta solusi yang mungkin, solusi yang tepat ditemukan hanya dalam beberapa upaya. Prinsip dan ide di balik Dendral telah terbukti sangat efektif sehingga masih digunakan sampai sekarang di laboratorium kimia dan farmasi di seluruh dunia.

Sistem pakar Dendral adalah salah satu yang pertama menggunakan pengetahuan heuristik spesialis untuk mencapai tingkat ahli dalam memecahkan masalah, namun, metodologi sistem pakar modern dikaitkan dengan pengembangan lain - Mycin. Itu menggunakan pengetahuan para ahli medis untuk mendiagnosis dan mengobati meningitis khusus dan infeksi darah bakteri.

Sistem pakar Mycin, yang dikembangkan di Stanford yang sama pada pertengahan 1970-an, adalah salah satu yang pertama untuk mengatasi masalah pengambilan keputusan berdasarkan informasi yang tidak dapat diandalkan atau tidak mencukupi. Semua penalaran dari sistem pakar Mycin didasarkan pada prinsip-prinsip logika kontrol, sesuai dengan spesifik area subjek. Banyak teknik pengembangan sistem pakar yang digunakan saat ini dipelopori oleh proyek Mycin.

Cara Kerja Sistem Pakar

Kinerja sistem pakar didasarkan pada pengetahuan pakar yang tersimpan dalam basis pengetahuannya. Semakin banyak pengetahuan yang disimpan dalam KB, semakin sistem itu meningkatkan kinerjanya. Salah satu contoh umum ES adalah saran kesalahan ejaan saat mengetik di kotak pencarian Google.

Catatan : Penting untuk diingat bahwa sistem pakar tidak digunakan untuk menggantikan pakar manusia; sebaliknya, ini digunakan untuk membantu manusia dalam membuat keputusan yang kompleks. Sistem ini tidak memiliki kemampuan manusia untuk berpikir dan bekerja berdasarkan basis pengetahuan dari domain tertentu.

Manfaat Sistem Pakar

Timbul pertanyaan: "Mengapa mengembangkan sistem pakar? Dan bukankah lebih baik beralih ke pengalaman manusia, seperti di masa lalu?" Mari kita perhatikan hanya keuntungan utama yang diberikan oleh penggunaan ES. Keuntungan dan kualitas positif dari kompetensi buatan adalah:

Keteguhannya. Kompetensi manusia berkurang dari waktu ke waktu. Istirahat dalam aktivitas seorang ahli manusia dapat secara serius mempengaruhi kualitas profesionalnya.
Kemudahan transmisi atau pemutaran. Mentransfer pengetahuan dari satu orang ke orang lain adalah proses yang panjang dan mahal. Mentransfer informasi buatan adalah proses sederhana menyalin program atau file data.
Stabilitas dan reproduktifitas hasil. Seorang ahli manusia dapat membuat keputusan yang berbeda dalam situasi yang sama karena faktor emosional. Hasil ES stabil.
Harga. Pakar, terutama yang berkualifikasi tinggi, sangat mahal. ES, sebaliknya, relatif murah. Pengembangannya mahal, tetapi murah untuk dioperasikan.

Pada saat yang sama, pengembangan ES tidak memungkinkan sepenuhnya meninggalkan ahli manusia. Meskipun ES melakukan pekerjaannya dengan baik, namun, di area tertentu, kompetensi manusia jelas lebih unggul daripada buatan. Namun, bahkan dalam kasus ini, ES dapat mengizinkan untuk menolak layanan ahli berkualifikasi tinggi, meninggalkan ahli dengan kualifikasi rata-rata, saat menggunakan ES untuk memperkuat dan memperluas kemampuan profesionalnya.

Kelemahan Sistem Pakar

Dikatakan bahwa pengetahuan manusia memiliki pengetahuan eksplisit dan pengetahuan tacit. Pengetahuan eksplisit dapat diungkapkan dengan kata-kata dan merupakan pengetahuan yang dapat dipelajari melalui buku teks. Di sisi lain, pengetahuan tacit adalah apa yang disebut nilai pengalaman, yaitu pengetahuan yang dapat dipelajari melalui pengalaman.

perlu untuk mendigitalkan pengetahuan agar sistem pakar mempelajari pengetahuan. Saat mengonversi data ini, perlu diklarifikasi dengan kata-kata sehingga dapat dimasukkan ke dalam format tertentu seperti aturan IF-THEN.

Namun, pengetahuan tacit yang dimiliki oleh para ahli dan pengrajin sulit untuk diungkapkan secara verbal karena dalam bentuk pengetahuan yang hanya dapat dipahami oleh orang tersebut dan diingat oleh tubuh. Sistem pakar secara bertahap turun karena masalah batas perolehan pengetahuan.

Perbedaan Sistem Pakar Dengan Program Tradisional

Ciri-ciri ES yang membedakannya dengan program konvensional adalah harus memiliki:

1. Kompetensi, yaitu:

Mencapai tingkat solusi ahli (yaitu, dalam bidang subjek tertentu, memiliki tingkat profesionalisme yang sama dengan ahli manusia).

Jadilah terampil (yaitu, menerapkan pengetahuan secara efisien dan cepat, menghindari perhitungan yang tidak perlu, seperti orang).

Memiliki ketahanan yang memadai (yaitu, kemampuan untuk hanya secara bertahap mengurangi kualitas pekerjaan saat mendekati batas-batas rentang kompetensi atau keandalan data yang dapat diterima).

2. Kesempatan untuk penalaran simbolik, yaitu:

Melambangkan pengetahuan

Merumuskan kembali pengetahuan simbolik. Dalam jargon kecerdasan buatan, simbol adalah rangkaian karakter yang sesuai dengan isi suatu konsep. Simbol digabungkan untuk mengekspresikan hubungan di antara mereka. Ketika hubungan direpresentasikan dalam ES mereka disebut struktur simbolik.

3. Kedalaman, yaitu:

Bekerja di area subjek yang mengandung masalah sulit

Gunakan aturan yang kompleks (yaitu menggunakan konstruksi aturan yang kompleks atau banyak dari mereka)

4. Kesadaran diri, yaitu:

Periksa alasan Anda (yaitu periksa apakah itu benar)

Jelaskan tindakan Anda

Ada satu lagi perbedaan penting antara ES. Sementara program konvensional dirancang untuk menghasilkan hasil yang benar setiap saat, ES dirancang untuk berperilaku seperti ahli. Mereka biasanya memberikan jawaban yang benar, tetapi terkadang, seperti manusia, mereka bisa salah.

Program tradisional untuk memecahkan masalah yang kompleks juga dapat membuat kesalahan. Tetapi mereka sangat sulit untuk diperbaiki, karena algoritme yang mendasarinya tidak secara eksplisit dinyatakan di dalamnya. Oleh karena itu, kesalahan tidak mudah ditemukan dan diperbaiki. ES, seperti halnya manusia, memiliki potensi untuk belajar dari kesalahannya.