EXPERT SYSTEM
Expert System
Sistem pakar, sebuah program komputer yang menggunakan
metode kecerdasan buatan untuk memecahkan masalah dalam domain khusus yang
biasanya membutuhkan keahlian manusia. Sistem pakar pertama dikembangkan pada
tahun 1965 oleh Edward Feigenbaum dan Joshua Lederberg dari Stanford University
di California, A.S. Dendral, karena sistem pakar mereka kemudian dikenal,
dirancang untuk menganalisis senyawa kimia. Sistem pakar sekarang memiliki
aplikasi komersial di bidang yang beragam seperti diagnosis medis, teknik
perminyakan, dan investasi finansial.
Untuk mencapai prestasi kecerdasan yang nyata, sistem pakar mengandalkan dua komponen: basis pengetahuan dan mesin inferensi. Basis pengetahuan adalah kumpulan fakta yang terorganisir mengenai domain sistem. Mesin inferensi menafsirkan dan mengevaluasi fakta-fakta di dasar pengetahuan untuk memberikan jawaban. Tugas khas untuk sistem pakar melibatkan klasifikasi, diagnosis, pemantauan, perancangan, penjadwalan, dan perencanaan untuk usaha khusus.
Fakta untuk basis pengetahuan harus diperoleh dari pakar manusia melalui wawancara dan observasi. Pengetahuan ini biasanya diwakili dalam bentuk peraturan "if-then" (peraturan produksi): "Jika beberapa kondisi benar, maka kesimpulan berikut dapat dibuat (atau beberapa tindakan diambil)." Basis pengetahuan seorang ahli utama sistem mencakup ribuan peraturan. Faktor probabilitas sering dikaitkan dengan kesimpulan setiap peraturan produksi dan rekomendasi akhir, karena kesimpulannya bukan kepastian. Misalnya, sistem untuk diagnosis penyakit mata mungkin menunjukkan, berdasarkan informasi yang diberikan kepadanya, probabilitas 90 persen bahwa seseorang memiliki glaukoma, dan mungkin juga mencantumkan kesimpulan dengan probabilitas lebih rendah. Sistem pakar dapat menampilkan urutan aturan yang sampai pada kesimpulannya; menelusuri arus ini membantu pengguna menilai kredibilitas rekomendasinya dan bermanfaat sebagai alat pembelajaran bagi siswa.
Pakar manusia sering menggunakan peraturan heuristik, atau "aturan praktis", selain peraturan produksi sederhana, seperti yang dipetik dari buku pegangan teknik. Dengan demikian, manajer kredit mungkin tahu bahwa pemohon dengan sejarah kredit yang buruk, namun catatan bersih karena memperoleh pekerjaan baru, sebenarnya bisa menjadi risiko kredit yang baik. Sistem pakar telah memasukkan peraturan heuristik semacam itu dan semakin memiliki kemampuan untuk belajar dari pengalaman. Sistem pakar tetap membantu, bukan pengganti untuk, pakar manusia.
Untuk mencapai prestasi kecerdasan yang nyata, sistem pakar mengandalkan dua komponen: basis pengetahuan dan mesin inferensi. Basis pengetahuan adalah kumpulan fakta yang terorganisir mengenai domain sistem. Mesin inferensi menafsirkan dan mengevaluasi fakta-fakta di dasar pengetahuan untuk memberikan jawaban. Tugas khas untuk sistem pakar melibatkan klasifikasi, diagnosis, pemantauan, perancangan, penjadwalan, dan perencanaan untuk usaha khusus.
Fakta untuk basis pengetahuan harus diperoleh dari pakar manusia melalui wawancara dan observasi. Pengetahuan ini biasanya diwakili dalam bentuk peraturan "if-then" (peraturan produksi): "Jika beberapa kondisi benar, maka kesimpulan berikut dapat dibuat (atau beberapa tindakan diambil)." Basis pengetahuan seorang ahli utama sistem mencakup ribuan peraturan. Faktor probabilitas sering dikaitkan dengan kesimpulan setiap peraturan produksi dan rekomendasi akhir, karena kesimpulannya bukan kepastian. Misalnya, sistem untuk diagnosis penyakit mata mungkin menunjukkan, berdasarkan informasi yang diberikan kepadanya, probabilitas 90 persen bahwa seseorang memiliki glaukoma, dan mungkin juga mencantumkan kesimpulan dengan probabilitas lebih rendah. Sistem pakar dapat menampilkan urutan aturan yang sampai pada kesimpulannya; menelusuri arus ini membantu pengguna menilai kredibilitas rekomendasinya dan bermanfaat sebagai alat pembelajaran bagi siswa.
Pakar manusia sering menggunakan peraturan heuristik, atau "aturan praktis", selain peraturan produksi sederhana, seperti yang dipetik dari buku pegangan teknik. Dengan demikian, manajer kredit mungkin tahu bahwa pemohon dengan sejarah kredit yang buruk, namun catatan bersih karena memperoleh pekerjaan baru, sebenarnya bisa menjadi risiko kredit yang baik. Sistem pakar telah memasukkan peraturan heuristik semacam itu dan semakin memiliki kemampuan untuk belajar dari pengalaman. Sistem pakar tetap membantu, bukan pengganti untuk, pakar manusia.
https://www.britannica.com/technology/expert-system
Komentar
Posting Komentar