Tugas Kecerdasan Buatan

BAB

1.1              Konsep Dan Defenisi Kecerdasan Buatan

1.1.1        Definisi Kecerdasan Buatan

Kecerdasan Buatan atau Artificial Intelligence didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer)  agar  dapat  melakukan  pekerjaan  seperti  yang  dapat  dilakukan manusia.   Sebuah studi tentang bagaimana membuat komputer mengerjakan sesuatu yang dapat dikerjakan manusia (Rich, 1991). Cabang  ilmu  komputer  yang  mempelajari  otomatisasi  tingkah  laku  cerdas (Setiawan, 1993). Suatu perilaku sebuah mesin yang jika dikerjakan oleh manusia akan disebut cerdas (Turing, et. al, 1996).

Kebanyakan ahli setuju bahwa Kecerdasan Buatan berhubungan dengan 2 ide dasar. Pertama, menyangkut studi proses berfikir manusia, dan kedua, berhubungan dengan merepresentasikan proses tersebut melalui mesin (komputer, robot, dll).

Dari kamus, arti kecerdasan adalah: kemampuan untuk mengerti/memahami (The faculty of understanding). Perilaku cerdas dapat ditandai dengan:

1                    Belajar atau mengerti dari pengalaman.

2                    Memecahkan hal yang  bersifat mendua atau kontradiktif.

3                    Merespon situasi baru dengan cepat (fleksibel).

4                    Menggunakan alasan untuk memecahkan problem secara efektif.

5                    Berurusan dengan situasi yang membingungkan.

6                    Memahami dengan cara biasa/rasional.

7                    Menerapkan pengetahuan untuk memanipulasi lingkungan.

8                    Mengenali elemen penting pada suatu situasi

1.1.2        Pengujian untuk intelijen

Tes yang menarik yang dirancang untuk menentukan apakah pameran komputer perilaku cerdas didesain oleh alan turing dan disebut Turing Test. Dalam konsep ini, penanya (manusia) akan diminta untuk membedakan yang mana merupakan jawaban manusia dan mana yang  merupakan jawaban komputer. Apabila tidak dapat  membedakan, maka Turing berpendapat bahwa mesin tersebut dapat di asumsikan cerdas.

1.1.3        Pemprosesan Simbolik

Kompuer semula didesain untuk pemprosesan numerik,   sedangkan manusia dalam berfikir dan menyelesaikan masalah lebih   bersifat simbolik. Sifat penting dari AI adalah bagian dari ilmu komputer yang melakukan proses secara simbolik dan nonalgoritmik dalam menyelesaikan masalah.

1.1.4        Heur istic

Heur istic  merupakan  sustu  strategi  untuk  melakukan  proses  pencarian (search) ruang problem secara selektif, yang memandu proses pencarian yang kita lakukan sepanjang jalur  yang memiliki kemungkinan  sukses paling besar.

1.1.5        Penarikan Kesimpulan (Inferencing)

AI mencoba membuat mesin memiliki kemampuan berfikir atau mempertimbangkan (reasoning). Kemampuan berfikir (reasoning) termasuk didalamnya proses penarikan kesimpulan (inferencing) berdasarkan fakta- fakta dan aturan dengan menggunakan metode hueristik atau pencarian lainnya.

1.1.6        Pencocokan Pola  (Pattern Matching)

AI bekerja dengan metode pencocokan pola (Pattern Matching) yang berusaha untuk menjelaskan objek, kejadian (event) atau proses, dalam hubungan logik atau komputasional.

1.1.7        Basis Pengetahuan

Koleksi pengetahuan berhubungan dengan masalah (atau kesempatan) yang digunakan dalam sistem AI diatur, dan ini disebut basis pengetahuan. Kebanyakan basis pengetahuan yang terbatas dalam bahwa mereka biasanya fokus pada beberapa spesifik, biasanya sempit, area subyek atau domain. Bahkan, domain sempit pengetahuan dan fakta bahwa sistem AI harus melibatkan beberapa aspek kualitatif dari pembuatan keputusan dipandang sebagai penting untuk keberhasilan aplikasi AI.

1.1.8        Menggunakan Basis Pengetahuan Dalam Program AI

Dengan basis pengetahuan dan kemampuan untuk menarik kesimpulan dari itu, komputer dapat dimanfaatkan dengan praktis sebagai pemecah masalah dan pengambil keputusan. Gambar 10.1 mengilustrasikan konsep komputer yang menjalankan aplikasi AI. Dengan mencari basis pengetahuan untuk fakta yang relevan dan hubungan, komputer dapat menemukan satu atau lebih alternatif solusi bagi masalah yang ada. Basis pengetahuan dan inferensi Kemampuan komputer menambah orang-orang dari pengguna, yang biasanya pemula.

                                             Komputer

 Input,                                            Basis                          Motor                              output,

            Masalah,                         Pengetahuan                Inferensi                          Jawaban,

            Pertanyaan, dll                                                                                                         solusi

               

           Gambar 1.1 Penerapan konsep kecerdasan buatan di komputer

1.2              Kecerdasan Buatan lawan Kecerdasan Alami

Nilai potensial dari kecerdasan buatan dapat makin baik dipahami oleh pembandingnya dengan alami, atau manusia, kecerdasan. Kecerdasan buatan punya beberapa keuntungan komersil yang penting:

·         Kecerdasan buatan adalah lebih permanen. Kecerdasan alami adalah mudah menjadi rusak dari satu sudut pandang komersil di pekerjaan itu dapat berganti tempat mereka dari lapangan kerja atau melupakan keterangan. Bagaimanapun, Kecerdasan buatan adalah permanen sepanjang mesin komputer dan program tersisa tidak berubah.

·         Kecerdasan buatan menawarkan kemudahan dari duplikasi dan penghamburan. Mengirim satu tubuh pengetahuan dari seseorang ke lain biasanya memerlukan satu proses panjang dari masa magang; meskipun demikian, keahlian dapat jadi jarang menyalin sama sekali. Bagaimanapun, ketika pengetahuan dijelmakan pada satu mesin komputer, ini dapat mudah mengirim dari komputer itu untuk apapun komputer pada Internet atau pada satu Intranet.

·         Kecerdasan buatan dapat lebih murah dibandingkan kecerdasan alami. Ada banyak keadaan dimana membeli komputer melayani biaya kurang dari mempunyai manusia sesuai mendaya menyelesaikan tugas yang sama. Ini adalah terutama benar ketika pengetahuan dihamburkan berlalu web.

·         Kecerdasan buatan, adalah satu teknologi komputer, adalah konsisten dan saksama. Kecerdasan alami adalah tak menentu sebab orang-orang adalah tak menentu; mereka selalu tidak melaksanakan secara konsisten.

·         Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat oleh satu komputer dapat mudah didokumentasikan dengan melacak aktivitas dari sistem. Kecerdasan alami sulit untuk dokumentasikan. Antara lain, seseorang mungkin menjangkau satu kesimpulan kecuali di beberapa penghujung tanggal mungkin yang tidak dapat untuk membuat ulang proses penalaran yang pimpin ke kesimpulan itu, atau untuk bahkan ingat dugaan itu menjadi bagian dari keputusan.

·         Kecerdasan buatan dapat melaksanakan tugas tertentu banyak lebih cepat dibandingkan satu manusia dapat.

·         Kecerdasan buatan dapat melaksanakan tugas tertentu makin baik dibandingkan banyak orang.  

Kecerdasan alami mempunyai beberapa keuntungan berlalu Kecerdasan Buatan, seperti itu:

·         Kecerdasan alami adalah kreatif, sedangkan Kecerdasan Buatan adalah agak tak bersemangat. Kemampuan untuk memperoleh pengetahuan adalah yang tidak bisa dipisahkan di manusia, tapi dengan Kecerdasan Buatan, membuat pas pengetahuan harus dibangun ke dalam satu dengan cermat membangun sistem. 

·         Kecerdasan alami memperbolehkan orang-orang untuk menguntung dari dan mempergunakan pengalaman perasaan secara langsung, sedangkan paling sistem Kecerdasan Buatan harus mengerjakan dengan input simbolis dan penyajian.

Barangkali yang paling penting, penalaran manusia mempergunakan satu hubungan kalimat lebar dari pengalaman terus menerus dan membawakan ini untuk menghubungkan masalah individu. Perbedaannya, Sistem kecerdasan buatan secara khas memperoleh kekuatan mereka dengan bekal satu sangat fokus.

Keuntungan dari kecerdasan alami berlalu Kecerdasan Buatan memperlihatkan beberapa pembatasan dengan teknologi Kecerdasan Buatan teraplikasi. Bagaimanapun, dalam banyak kesempatan Kecerdasan Buatan teknologi menyediakan peningkatan berpengaruh nyata di produktifitas dan mutu.

1.3              Bidang Kecerdasan Buatan

Intelegensi buatan bukan dengan sendirinya satu bidang komersil; ini adalah satu ilmu pengetahuan dan teknologi ini adalah satu koleksi konsep dan ide yang adalah sesuai dengan teliti kecuali tidak dapat marketed. Bagaimanapun, Kecerdasan buatan menyediakan fondasi ilmiah untuk beberapa teknologi komersil, yaitu diperlihatkan di figur 10.2. area utama adalah berikut:

1.3.1        Sistem Pakar

Nama sistem pakar diperoleh dari pengetahuan kondisi mendasari sistem pakar. Satu sistem pakar (ES)³ adalah satu sistem penggunaan itu pengetahuan huma ditangkap pada satu komputer untuk menyelesaikan masalah yang lumrahnya perlukan keahlian manusia. Sistem baik didisain meniru proses penalaran penggunaan pakar untuk menyelesaikan masalah spesifik. Sistem demikian dapat dipergunakan oleh pakar sebagai assistans banyak mengetahui, ES biasanya menyebarkan sumber daya pengetahuan langka untuk ditingkatkan, hasil konsisten. Akhirnya, sistem demikian dapat berfungsi baiknya dibandingkan apapun pakar manusia lajang di pertimbangan pembuatan pada satu spesifik, biasanya mempersempit, area dari keahlian (dikenal sebagai satu daerah). Kemungkinan ini mungkin punya satu dampak berpengaruh nyata pada profesional kepenasehatan (analis keuangan, pengacara, kenakan pajak penasehat, dan seterusnya). Sistem pakar didiskusikan di bagian 10.6 - 10.16 satu di bab 11 - 14.

1.3.2        Bahasa Memproses Alami

Teknologi bahasa alami memberikan pemakai komputer kemampuan untuk dikomunikasikan dengan satu komputer pada bahasa negeri asal mereka. Teknologi ini mempertimbangkan satu jenis bersifat percakapan dari alat penghubung, berbeda dengan penggunaan satu bahasa program terdiri dari komputer jargon, sintaksis, dan perintahkan. Sukses terbatas di area ini dilambangkan oleh sistem arus itu dapat mengenali dan menginterpretasikan kalimat tertulis. Bidang dari bahasa memproses alami (NLP)  terdiri dari dua bidang : pengertian bahasa alami cara menyelidiki dengan komputer memungkin untuk memahami perintahkan mengalah bahasa inggris biasa sangat bahwa mereka dapat memahami orang-orang lebih dengan mudah. Perselisihan generasi bahasa alami untuk mempunyai komputer menghasilkan Bahasa Inggris biasa sangat orang-orang itu dapat memahami mereka lagi dengan mudah. Perinci pada topik ini didiskusikan di apendiks W10 - b pada situs kita dan dengan reiter dan lembah (2000).

1.3.3        Pemahaman Suara

            Pemahaman suara pada pengenalan dan pemahaman dari bahasa berbicara oleh satu komputer. Topik ini disajikan secara detil di apendiks W10 - c pada situs kita dan di balentine et al. (1999).

1.3.4        Robot Dan Sistem Perasaan

Sistem perasaan, sistem penampakan seperti itu, sistem tactile, dan sistem pemrosesan sinyal, ketika dikombinasikan dengan Kecerdasan Buatan, definisikan satu kategori lebar dari sistem umumnya dipanggil robotic , Satu robot adalah satu alat electromechanical yang dapat diprogram untuk melaksanakan tugas manual. Lembaga robotics dari Amerika secara formal mendefinisikan satu robot sebagai “ satu penyeleweng reprogrammable multifunctional mendisain gerakkan bahan, bagian, alat, atau alat dikhususkan melalui gerak terprogram yang variabel untuk kinerja dari berbagai tugas”.

Satu robot cerdas punya beberapa semacam piranti perasaan, seperti itu satu kamera, itu keterangan kumpul sekitar operasinya robot dan lingkungan ini. Cerdas bagian dari robot mengijinkan ini untuk menginterpretasikan keterangan terkumpul dan untuk menjawab dan beradaptasi mengubah di dalamnya lingkungan agak dibandingkan hanya ikuti perintahkan. Robot mengombinasikan sistem perasaan dengan gerak mekanis untuk menghasilkan mesin dari secara luas kecerdasan bervariasi dan kemampuan. Penelitian dan wilayah aplikasi pada sistem perasaan payung meliputi mesin rasa itu, gerakan dan memanipulasi lingkungan mereka. Operasi lini perakitan, terutama itu yang sangat tinggi berulang atau penuh resiko, sedang memulai dilaksanakan oleh robot. Untuk memperinci bijaksana lihat (1999).

1.3.5        Computer Vision dan Pengenalan Adegan

Pengenalan visual telah didefinisikan seperti penambahan dari beberapa kecerdasan komputer dan pembuatan keputusan untuk mendigitalkan informarion kemudian adalah dipergunakan untuk laksanakan atau mengontrol operasi demikian seperti gerakan robotic, kecepatan pengangkut, dan mutu lini produksi. Obyektif dasar dari penampakan komputer adalah untuk menginterpretasikan skenario agak dibandingkan menghasilkan gambar. Skenario tafsirkan didefinisikan di cara yang berbeda bergantung kepada aplikasi. Antara lain, di gambar tafsirkan diambil oleh satu satelit, ini mungkin cukup untuk secara kasar mengidentifikasi daerah dari kerusakan hulu cemeti. Pada sisi lain, sistem penampakan robot dapat didisain ke preciselt mengidentifikasi komponen perakitan untuk dengan benar tambahkan ke butir data menjadi seperti sembled. Untuk memperinci lihat sonka et al. (1998).

1.3.6        Komputer Cerdas Membantu

Komputer cerdas membantu perintahkan (ICAI)  tunjuk kepada mesin itu dapat mengajar privat humas. Sampai taraf tertentu, mesin seperti itu dapat dipandang sebagai satu sysyem pakar. Bagaimanapun, obyektif utama dari satu sistem pakar adalah ke nasihat rendet, sedangkan penggunaan dari satu ICAI adalah untuk ajari.

Komputer membantu perintahkan, yang berada di dalam penggunaan selama bertahun-tahun, bawakan kekuatan dari satu komputer untuk menghubungkan proses bidang pendidikan. Sekarang Kecerdasan Buatan cara berlaku bagi pembangunan dengan sistem instruksi berbantuan komputer cerdas pada satu coba untuk menciptakan guru privat terkomputerisasi bentuk itu ilmu pengetahuan tentang teknik pengajaran mereka untuk mencocokkan pola belajar dari murid indivual. Ini tahu seperti cerdas mengajar privat sistem (INI),  dan banyak lagi yang lain telah diterapkan pada web (misalnya., lihat AIS fokus 10.1).

Aplikasi ICAI bukan terbatas pada sekolahkan; pada kenyataan, mereka telah menemukan satu relung cukup besar pada sektor militer dan perusahaan. Sistem ICAI dipergunakan tugas berbagai todayfor seperti pemecahan masalah, simulasi, penemuan, belajar, dril dan praktek, permainan, dan test. Sistem demikian juga biasanya mendukung orang-orang lumpuh. Untuk memperinci lihat goettl (1998).

Sering program ini adalah database struktur ro menjawab ke input spesifik dengan jawaban spesifik pada satu struktur dipersiapkan sebelumnya. lihat emisi istimewa dari teknologi bidang pendidikan (sept./Oct. 1999) dan internasional media bidang pendidikan untuk perincian pada ICAI dan INI meliputi web lagi mendasari teknologi.

1.3.7        Menghitung Neural

satu neutal (komputasi) terhubung jaringan adalah model matematis dari jalannya satu fungsi otak manusia. Jaringan Neural sedang mengawali untuk mempunyai satu dampak positif pada beberapa disiplin bisnis. Antara lain, lihat ainscough, et al. (1997), trippi dan serban (1996c), dan haykin (1998). Model demikian telah diterapkan pada lentur, mudah untuk mempergunakan PC mendasari neural terhubung jaringan paket seperti brainmaker (Perangkat lunak ilmiah california, rumput kota, CA). kita mendiskusikan neural menghitung sungguh-sungguh mendalam di bab 15 dan 16.

1.3.8        Aplikasi Lain

Kecerdasan buatan beed kembangkan pada beberapa area komersil yang lain. Beberapa contoh penarik perhatian disajikan berikutnya.

1.3.9        Peringkasan Baru

Beberapa program komputer “ bacaan ” cerita di koran atau pada rangkuman web dan perbuatan di Bahasa Inggris atau beberapa bahasa lain. Pertolongan proses ini di penanganan masalah beban terlalu berat keterangan. Ini biasanya manajer siaga kepada item baru itu mungkin memerlukan khusus untuk perhatian. Antara lain, lihat et al kecil. (1997), yang memperlihatkan bagaimana lagi diringkas dan menerjemahkan ke dalam beberapa bahasa.

1.3.10    Terjemahan Bahasa

Program komputer mampu untuk menerjemahkan perkataan dan kalimat dari satu bahasa ke lain. Antara lain, group LOGO (Modena, Italia,  www. logo. ini ) telah menciptakan satu paket software untuk terjemahan bahasa perkalian. Globalink Inc. punya satu rangkaian asisten bahasa yang berlari di bawah Windows. Beberapa program menerjemahkan halaman web ke bahasa asing (misalnya., lihat www. worldpoint. com ,  www. babelfish. Altavista. com  dan www. bebas. tramslation. com ).

Penawaran telekomunikasi Korea satu kesempatan untuk mengakses situs di jepang dan bacaan satu pemisahan dari konten mereka( www. idetect. com ). Satu kali satu situs dipilih untuk satu pandangan terperinci, satu terjemahan otomatis disediakan.

1.3.11    Logika Kabur

Logika Kabur luas dugaan dari logika berada di luar satu sederhana benar / salah untuk mempertimbangkan parsial (atau bahkan berkepanjangan) kebenaran. Tidak tepat knowlodge dan penalaran tidak tepat adalah aspek penting dari keahlian di pengertian umum penerapan ke keadaan pembuatan keputusan. Di jelas logika tidak, derajat keahlian setelan adalah penting. Antara lain, pada Logika Booliean tradisional kerangka, satu mobil dapat disebut meluncur atau tidak meluncur ketika rem diterapkan. Bagaimanapun, satu pengarah pakar dapat mengenali derajat kemana mobil sedang meluncur anc dapat menerapkan kontrol sesuai dengan satu variabel amountof meluncur. Salah satu yang pertama aplikasi komersil dari jelas logika tidak berada di dalam menghasilkan atasan antilock rem. Melihat bab 16, dan nguyen dan pejalan kaki (1999) untuk perincian jelas logika tidak.

1.3.12    Algoritma Genetik

Algoritma genetik adalah heuristik cerdas mencari cara yang katut satu proses yang menirukan evolusi pada satu komputer. Untuk satu masalah spesifik, solusi diwakili sebagai satu “ kromosom,” yang umumnya mengandung satu urutan dari 0s dan 1s menandai nilai dari variabel keputusan. Untuk masing-masing dawai kromosom, satu nilai obyektif dapat dihitung. Satu cara genetik mulai dengan satu awur-awuran menghasilkan populasi dari solusi dan awur-awuran mengombinasikan bagian dari kromosom untuk membentuk solusi lagi dengan satu mutasi sekali-kali. Solusi baru diuji untuk kelayakan, dan sesuatu terbaik mungkin dari generasi sebelumnya dan saat ini dipilih untuk terus hidup mereproduksi. Setelah beberapa perkataan berulang-ulang kombinasi, solusi terbaik secara khas solusi optimal yang dekat ke masalah pembuatan keputusan. Algoritma genetik telah berlaku bagi beberapa besar-besaran combinatorial (sulit) masalah pemrograman matematik, seperti itu besar-besaran penjadwalan masalah, dan bahkan di dalam menghasilkan sket polisi dari riminals. Melihat bab 16 dan Goldberg (1994) untuk perinci.

1.3.13    Agen Cerdas

            Agen cerdas dapat terbaik dijelaskan dengan menyajikan satu contoh. Seandainya itu awal tiap minggu jenis A catatan kamu ke dalam buku pertemuan terkomputerisasimu mengingatkan kamu bahwa kamu yang punya satu luch berkencan dengan Stephanie pada 12:15 pada Hari Kamis pada ruji. Satu agen cerdas berlari pada latar belakang satu mempelajari pola perilakumu. Setelah minggu ketiga, agen pertemuanmu pemberitahuan pola dan, ketika kamu klik pada satu Hari Kamis, lampiran ini “ makan siang dengan Stephanie pada 12:15 pada ruji ” untuk kamu. Ini mungkin bahkan memanggil rumah makan untuk membuat pesanan tempat kalau kamu selalu lakukan itu berikutnya. Seperti lain agen mengerjakan untuk kamu (seperti itu satu tetap pelaku milik), untuk melayani kamu baik, ini harus belajar kebutuhanmu pada satu cara rendah hati. Agen cerdas adalah penemuan sedang menemukan aplikasi di alat asisten pribadi, penapisan surat elektronik dan kabar dan distribusi, penanganan pertemuan, dan web applets untuk perdagangan elektronik dan pengumpulan informasi (bab 17).

1.4              Jenis Pengetahuan Mendasari Sistem Mendukung Keputusan

Seperti dicatat di Bab 3, ada beberapa mode dari pengetahuan mendasari keputusan dukung. Sketsa Pembukaan menggambarkan satu keadaan dimana sistem pakar menyediakan keahlian tidak termasuk dalam database DSS atau dasar model. Keahlian ini tolong manajer kurang pengalaman untuk baiknya rencanakan sumber daya penghasilan dan meneliti modal kerja dibutuhkan. Aktivitas yang didukung oleh sistem pakar dalam hal ini adalah berbeda dari (walau terkait ke) aktivitas yang didukung oleh komponen data dan model dari DDS. Dengan demikian, komponen pengetahuan perbolehkan satu jangkauan lebih luas dari keputusan;ini berkelanjutan kemampuan dari komputer baik di luar berdata-base dan berdasar yang model DSS (Goul et al.,1992).

Area lain dari dukungan mungkin adalah sebagai berikut:

·         Dukung untuk ganggu proses keputusan tidak tertuju oleh matematika. Antara lain, pilihan dari data masuk sesuai memerlukan keahlian juga penilaian dari dampak dengan solusi diusulkan pada orang-orang.

·         Dukung untuk bangunan, menyimpan, dan pengelola dengan model pada satu beberapa DSS model. Penggunaan ini menambahkan kemampuan dari MBMS, membuat intellegent ini. Topik ini didiskusikan di Bab 18.

·         Dukung untuk analisa dari ketidak-pastian, darimana keahlian di alat penerapan jelas logika tidak ke komputasi neural diperlukan. Ketidak-pastian adalah salah satu karakteristik utama melibatkan ketidak-pastian (juga lihat Bab 14).

·         Dukung untuk interface pemakai. Interface pemakai memainkan satu peran utama di implementasi DSS. Pengetahuan mendasari sistem dapat sangat besar meningkatkan interface pemakai. Antara lain, prosesor bahasa alami dan teknologi suara dapat membuat alat penghubung sangat mudah dan alami.

Jenis lain dari dukungan. Pengetahuan mendasari dukungan keputusan dapat punya beberapa konfigurasi lain, sebagaimana diuraikan dalam di Bab 15 - 18.

1.5              Konsep Dasar Dari Sistem Pakar

Menurut Efraim Turban, konsep dasar sistem pakar mengandung : keahlian, ahli,   pengalihan   keahlian,   inferensi,   aturan   dan   kemampuan   menjelaskan. Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian adalah :

a.       Fakta-fakta pada lingkup permasalahan tertentu.

b.      Teori-teori pada lingkup permasalahan tertentu.

c.       Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup permasalahan tertentu.

d.      Strategi-strategi global untuk menyelesaikan masalah.

e.       Meta-knowledge (pengetahuan tentang pengetahuan)

Bentuk-bentuk ini memungkinkan para ahli untuk dapat mengambil keputusa lebih  cepat  dan  lebih  baik  daripada seseorang  yang  bukan  ahli.  Seorang  ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan (domain), menyusun kembali pengetahuan jika dipandang  perlu,  memecah  aturan-aturan  jika  dibutuhkan,  dan  menentukan relevan tidaknya keahlian mereka.

Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas yaitu :

a.       Tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya).

b.      Representasi pengetahuan (ke komputer).

c.       Inferensi pengetahuan.

d.      Pengalihan pengetahuan ke user.

Pengetahuan yang disimpan di komputer disebut dengan nama basis pengetahuan. Ada 2 tipe pengetahuan, yaitu : fakta dan prosedur (biasanya berupa aturan). Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan sudah tersedia program yang mampu mengakses basisdata, maka komputer harus dapat  diprogram untuk  membuat  inferensi. Proses inferensi ini  dikemas dalam bentuk motor inferensi (inference engine).

Sebagian besar sistem pakar komersial dibuat dalam bentuk rule-based systems,  yang  mana  pengetahuannya  disimpan  dalam  bentuk  aturan-aturan. Aturan tersebut biasanya berbentuk IF-THEN. Fitur lainnya dari sistem pakar adalah kemampuan untuk merekomendasi. Kemampuan inilah yang membedakan sistem pakar dengan sistem konvensional.

1.6              Struktur Sistem Pakar

Sistem pakar teridiri-dari 2 bagian pokok, yaitu : lingkungan pengembangan (development  environment)  dan  lingkungan  konsultasi  (consultation environment).   Lingkungan  pengembangan  digunakan   sebagai  pembangunan sistem pakar baik dari segi pembangunan komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seorang yang bukan ahli untuk berkonsultasi.

1.6.1        Basis Pengetahuan (knowledge base)

Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah, tentu saja di dalam domain tertentu. Ada 2 bentuk pendekatan basis pengetahuan yang sangat umum digunakan, yaitu :

a.       Penalaran berbasis aturan (Rule-Based Reasoning)

Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk : IF-THEN. Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si pakar dapat menelesaikan msalah tersebut secara berurutan. Disamping itu, bentuk ini juga digunakan apabila dibutuhkan penjelasan tentang jejak (langkah-langkah) pencapaian solusi.

b.      Penalaran berbasis kasus (Case-Based Reasoning).

Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk  keadaan  yang  terjadi  sekarang  (fakta  yang  ada).  Bentuk  ini digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus  yang  hampir  sama  (mirip).  Selain  itu,  bentuk  ini  juga digunakan apabila kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan.

1.6.2        Motor Inferensi (Inference Engine)

Ada 2 cara yang dapat dikerjakan dalam melakukan inferensi, yaitu :

1.      Forward Chaining. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu).  Dengan kata  lain,  penalaran dimulai  dari  fakta terlebih dahulu untuk menguji kebenaran hipotesis.

2.      Backward  Chaining.  Pencocokan  fakta  atau  pernyataan  di  mulai  dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenara hipotesis tersebut dicari harus dicari fakta-fakta yang ada dalam basis pengetahuan.

1.7              Elemen Manusia Pada Sistem Pakar

Paling tidak dua manusia, mungkin lagi, perticipate pada pembangunan dan penggunaan dari satu sistem pakar. Pada satu minimun, terdapat sebuah ahli bangunan dan satu pengguna, Sering, di sana adalah satu insinyur pakar dan pengetahuan.

1.7.1        Pakar

Satu pakar adalah seseorang yang punya pengetahuan istimewa, pertimbangan, exprience, dan cara, seiring dengan kemampuan untuk menerapkan bakat ini untuk memberikan nasihat dan menyelesaikan masalah. Ini adalah pakar pekerjaan untuk menyediakan pengetahuan sekitar bagaimana dia atau dia perfoms tugas yang pengetahuan yang mendasari sistem akan perfoms. Pakar mengetahui fakta yang adalah penting dan memahami arti dari hubungan antara fakta. Di diagnose satu masalah dengan satu sistem elektriknya mobil, untuk exampel,satu pakar macnahic mengetahui tali kipas itu dapat mematahkan dan menyebabkan baterai untuk bebaskan. Mengarahkan orang baru untuk mencek tali kipas dan tafsirkan arti dari satu ikat pinggang lepaskan atau hilang adalah contoh dari keahlian. Ketika lebih dari satu pakar dipergunakan, satu keadaan dapat menjadi sulit kalau pakar tidakkan (Bab 11).

1.7.2         Insinyur Pengetahuan

Pengetahuan merekayasa pertolongan struktur pakar area permasalahan oleh manusia tafsirkan dan integrasi jawaban untuk persoalkan, menggambar analogi, countrexamples bersikap, dan pengantaran konseptual defficulties untuk cahaya. Dia atau dia biasanya juga ahli bangunan sistem. Kekurangan dengan insinyur knwoledge berpengalaman adalah satu kemacetan utama di konstruksi ES. Untuk mengatasi masalah ini, Perancang penggunaan ES alat produktifitas (editor khusus seperti itu dan debuggers logika), dan penelitian dikendali pada bangunan tulang belakang belajar ma sistem itu akan memperkecil kebutuhan untuk insinyur pengetahuan.

1.7.3        Pengguna

Paling sistem berbasis-komputer telah tingkatkan ke dalam mode pengguna tunggal. Perbedaannya, satu ES Yang punya kelas kemungkinan saveral dari pengguna:

·         Satu klien nonexpert mencari langsung advece. Di kasus seperti itu, ES menindaki sebagai satu konsulen atau penasehat

·         Satu murid yang mau mempelajari. Di sini, ES menindaki sebagai satu instruktur.

·         Satu ahli bangunan ES yang mau meningkatkan atau meningkat dasar pengetahuan. Di sini ES menindaki sebagai apartner

·         Satu pakar. ES menindaki sebagai satu rekan sejawat atau asisten. Antara lain, satu ES dapat menyediakan pendapat kedua sangat itu pakar dapat mevalidasinya atau kehakimannya. Satu pakar juga dapat mempergunakan sistem sebagai satu asisten untuk menyelesaikan rutin analyses atau perhitungan atau untuk mencari-cari dan menggolongkan keterangan.

1.7.4        Partisipan Lain

                        Beberapa partisipan lain mungkin dilibatkan di ES. Antara lain, satu ahli bangunan sistem atau penganalisa sistem bolehkan pertolongan mengintegrasikan sistem pakar dengan sistem terkomputerisasi yang lain. SATU ahli bangunan alat bolehkan sediakan atau bangun alat spesifik.  Penjual bolehkan alat barang persediaan dan nasihat, dan dukung staf bolehkan pekerjaan klerk penawaran dan pertolongan teknis. Sebagai tambahan, satu terhubung jaringan pakar mungkin diperlukan untuk membagikan dan Internet mendasari sistem. Catat seseorang itu dapat punya beberapa peran. Antara lain, beberapa sistem meliputi hanyalah satu pakar dan satu pengguna; sementara lain-lain meliputi satu ahli bangunan sistem, satu pakar, dan satu pengguna.

1.8              Bagaimana Pekerjaan Sistem Pakar

ES konstruksi dan penggunaan terdiri dari 3 kegiatan utama: Pengembangan, Konsultasi, dan Perbaikan.

1.8.1        Pengembangan

            Pengembangan sistem pakar melibatkan pembangunan basis pengetahuan tertentu masalah dengan memperoleh pengetahuan dari pakar atau sumber didokumentasikan. Pengetahuan ini kemudian dipisahkan menjadi aspek deklaratif (faktual) dan procedural. Kegiatan pembangunan juga mencakup pembangunan (atau akuisisi) dari mesin inferensi, papan tulis, fasilitas penjelasan, dan perangkat lunak lain yang diperlukan, seperti antarmuka. Pengetahuan direpresentasikan dalam basis pengetahuan dalam sedemikian rupa sehingga sistem dapat menarik kesimpulan dengan meniru proses penalaran pakar manusia. Menentukan representasi pengetahuan yang sesuai berlangsung selama pembangunan.

Proses pengembangan ES dapat panjang (pasal 14). ES Shell adalah alat yang sering digunakan untuk mempercepat pembangunan. ES Shell mencakup seluruh komponen utama dari ES, tetapi mereka tidak termasuk pengetahuan. Perintis EMYCIN adalah shell dibangun dengan menggambil MYCIN (ES awal dijelaskan pada website buku) dan menghapus pengetahuan spesifik. (Huruf E di EMYCIN singkatan kosong, yaitu, MYCIN tanpa pengetahuan). Exsys dari perusahaan Exsys, yang versi demo saat ini tersedia di web (www.exsys.com), adalah ES Shell berbasis Windows.

1.8.2        Konsultasi

            Setelah sistem telah dikembangkan dan divalidasi, itu dapat digunakan untuk pengguna. ES melakukan dialog dua arah dengan pengguna, meminta fakta tentang insiden tertentu. Saat menerima jawaban pengguna, ES mencoba untuk mencapai kesimpulan. Upaya ini dilakukan oleh mesin inferensi, yang memilih teknik pencairan heuristik yang akan digunakan untuk menentukan bagaimana aturan dalam basis pengetahuan harus diterapkan pada setiap masalah khusus. Pengguna dapat meminta penjelasan. Kualitas kemampuan inferensi ditentukan oleh kualitas dan kelengkapan aturan (atau kesesuaian kedalaman dari representasi pengetahuan), dengan metode representasi pengetahuan yang digunakan, dan dengan kekuatan mesin inferensi.

Karena pengguna biasanya komputer pemula, ES harus sangat mudah digunakan. Pada kondisi sekarang teknologi ES, pengguna harus duduk di PC atau komputer terminal dan ketik deskripsi masalah (meskipun beberapa ES dapat menggunakan input suara). ES ajukan pertanyaan, dan pengguna menjawab mereka; pertanyaan tambahan dapat diajukan dan dijawab; dan, akhirnya, kesimpulan yang dicapai. Lingkungan konsultasi juga digunakan oleh pembangun dalam tahap pengembangan untuk menguji sistem. Pada waktu itu, antarmuka dan fasilitas penjelasan dapat diuji.

1.8.3        Perbaikan

            Sistem pakar akan ditingkatkan beberapa kali melalui proses yang disebut prototyping cepat selama pengembangan oleh mereka (Chapter 14)

1.9              Contoh Konsultasi Sistem Pakar

Mari kita lihat sistem pakar berbasis aturan sederhana di programkan dalam Exsys. Konsultasi khas di ilustrasikan pilih auto, sistem penasihat untuk pembelian mobil. Pernyataan pmbukaan. Pilih auto adalah sistem pakar yang dirancang untuk membantu pengguna membuat keputusan yang tepat ketika membeli mobil baru. Akan meninjau calon mobil yang sesuai dengan kebutuhan pengguna preferensi. Sekarang konsultasi dimulai. Pertanyaan sistem dicetak miring, dan jawaban pengguna dicetak tebal. Dalam konsultasi dimenu ini, pengguna memilih jawaban nomer 1 untuk kedua pertanyaan sampel

P.#1. Mobil dibuat di                                                               P.#2. Kualitas

1. Amerika Serikat                                                                  1. Perhatian Tinggi

2. Negara-negara asing                                                            2. Perhatian Tinggi

3. Tidak Tahu                                                                          3. Perhatian Moderat

                                                                        4. Tidak Tahu

Komputer terus mengajukan pertanyaan berdasarkan jawaban yang ditentukan sebelumnya. Pengguna mungkin ingin tahu mengapa informasi spesifik yang dibutuhkan oleh komputer. MENGAPA diketik sebagai respon terhadap pertanyaan menu berikutnya di sebelah kiri. Dalam menjawab pertanyaan pengguna, komputer manampilkan aturan dimana harga merupakan factor disebelah kanan. Ini adalah kemampuan dari penjelasannya. Aturan dapat disajikan baik dalam Bahasa inggris biasa atau seperti yang di program. Misalnya, Exsys menunjukkan 5 aturan sebagai berikut :

P.#3. Harga mobil                                                      5 aturan

                                                                                    (menanggapai MENGAPA)

1.                  Penting                                                                        JIKA: (1) Harga mobil tidak penting 

2.                  Tidak Penting                                                                          dan

3.                  Tidak tahu                                                                   (2) Pembayaran adalah angsuran

MENGAPA                                                                MAKA: Pembayaran bulanan ditentukan.

            Sekarang pengguna dapat menjawab pertanyaan harga (misalnya, dengan 1). Komputer meminta lebih banyak pertanyaan. Kemudian kami akan menjelaskan mengapa dan kapan pertanyaan di minta. Berikut adalah beberapa pertanyaaan khas dengan jawaban pengguna ditampilkan dengan huruf tebal.

P.#4. Pembayaran bulanan

Tidak lebih dari                                                           P.#.6. Percepatan

1.                  $100                                                                1. Kuat

2.                  $150                                                                2. moderat

3.                  $200                                                                3. Tidak tahu

4.                  $250

5.                  $300

P.#.5. Kursi depan                                                      P.#.7. Ukuran mesin adalah

1. Penting                                                                    1. 1,000-1,500

2. Tidak Penting                                                          2. 1,501-2,000

                                                                                    3. Lebih dari 2,000

                                                                                    4. Tidak tahu

            Melihat bahwa “tidak tahu” adalah pilihan. Sistem pakar dapat berkerja dengan fuzzy atau informasi yang lengkap. Hanya manusia yang ahli dapat melakukan. Komputer menanyakan beberapa pertanyaan lainnya.

P.#.8. Keandalan mobil adalah                                  P.#.9. Faktor yang paling dipertimbangkan dalam membuat keputusan untuk membeli mobil adalah?

1. Perhatian tinggi                                                       1. Harga

2. Perhatian                                                                 2. Bahan bakar ekonomis

3. Kurang perhatian                                                    3. Kenyamanan dan kemudahan

4. Tidak yakin                                                             4. Kinerja

                                                                                    5. Keselamatan

                                                                                    6. Keandalan

                                                                                    7. Kualitas

                                                                                    8. Tidak tahu

            Dicatat bahwa dalam jawaban untuk pertanyaan 9, pengguna menyatakan bahwa Harga (1) dan Kualitas (7) yang paling penting. Kebanyakan ES memungkinkan untuk ini. Setelah semua pertanyaan telah terjawab, komputer menampilkan pernyataan seperti berikut ini mobil yang paling mungkin sesuai dengan anda nyatakan. Jika tidak ada pilihan yang telah dibuat, itu mungkin karena mobil tidak ada dengan semua atribut keinginan anda. Harus terjadi ini, menyesuaikan kriteria anda dan coba lagi.

            Ini persis  apa yang akan terjadi. Oleh karena itu, komputer menampilkan pertanyaan dan jawaban untuk memungkinkan pengguna untuk mengubah beberapa jawaban:

1.                  Mobil dibuat di Amerika Serikat.

2.                  Kualitas adalah perhatian.

3.                  Harga mobil penting.

4.                  Pembayaran bulanan tidak lebih dari $250.

5.                  Kursi depan penting.

6.                  Percepatan moderat.

7.                  Ukuran mesin adalah 1,501-2,000 cc.

8.                  Kehandalan tidak yakin.

9.                  Faktor yang dipertimbangkan adalah harga dan kualitas.

Pengguna mengubah jawaban pertama dari sebuah mobil yang dibuat di Amerika Serikat untuk mobil yang dibuat di luar negeri. Kali ini kami menyarankan bahwa dua mobil yang dianjurkan :

Nilai berdasarkan sistem -100 sampai +100                Nilai

1.                  Toyota Corolla                                                51

2.                  Renault Alliance                                             23

Karena 100 poin adalah rekomendasi tertinggi (ukuran kepastian), mobil tidak benar-benar sangat dianjurkan, dan kita mungkin ingin mengubah kriteria kami lagi.

Pengguna dapat bertanya bagaimana rekomendasi tertentu telah diturunkan. Kemudian komputer menampilkan semua aturan yang digunakan untuk menurunkan rekomendasi.

Sekarang giliran anda untuk menggunakan ES sendiri. Kunjungi www.diadex.com dan mencoba untuk menggunakan demo gratis untuk mendiagnosis masalah dengan mobil anda dan/atau komputer anda. Dalam judul 11-14 kita akan menjelaskan bagaimana sistem pakar akan dibangun dan bagaimana rekomendasi barasal.

1.10          Keuntungan dari Sistem Pakar

Secara garis besar, banyak manfaat  yang dapat diambil dengan adanya sistem pakar, antara lain :

1.      Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.

2.      Bisa melakukan proses secara berulang secara otomatis.

3.      Menyimpan pengetahuan dan keahlian para pakar.

4.      Meningkatkan output dan produktivitas.

5.      Meningkatkan kualitas.

6.      Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).

7.      Mampu beroperasi dalam lingkungan yang berbahaya.

1.11          Masalah dan Pembatasan dari Sistem Pakar

Siap metodologi ES tidak boleh menjadi secara langsung dan efektif, bahkan bagi kebanyakan aplikasi pada kategori umum. Masalah berikut telah melambatkan komersil spead dari ES:

·         pengetahuan selalu siap tersedia.

·         Ini dapat sulit untuk mengekstrak keahlian dari manusia

·         Pendekatan dari masing-masing pakar ke satu penilaian keadaan mungkin berbeda namun benar.

·         Ini sulit, bahkan untuk satu sangat tinggi pakar trampil, untuk memisahkan penilaian situational baik ketika dia atau dia adalah di bawah desakan waktu.

·         Pengguna dari sistem expet punya teori alami batasi

·         ES mengerjakan baik hanya pada satu daerah ciut dari pengetahuan

·         Paling pakar tidak punya berarti bebas tak terikat dari pengecekan apakah kesimpulan mereka adalah layak

·         Kosa kata, atau jargon, itu penggunaan pakar untuk fakta ekspres dan hubungan adalah sering terbatas dan tidak dipahami oleh orang lain

·         Pertolongan adalah sering diperlukan dari pengetahuan merekayasa siapa jarang dan mahal, satu fakta itu dapat membuat ES Contruction mahal

·         Kekurangan dari amanah pada bagian dari pemakai akhir mungkin satu halangan ke ES pergunakan

·         Transfer pengetahuan tunduk kepada sejumlah besar perceptual dan judgmental biaskan

Terakhir, tetapi bukan yang paling sedikit, adalah fakta pakar itu sistem tidak boleh mampu untuk mendatangi di kesimpulan. Antara lain, inisial sepenuhnya dikembangkan XCON tidak dapat memenuhi sekitar 2 persen dari order yang sajikan onya. Akhirnya sistem pakar, sukai pakar manusia, kadang kala hasilkan rekomendasi salah.

Web adalah utama facilitator dari ES bahwa mengatasi severai dari pembatasan yhese. Kemampuan untuk menghamburkan ES untuk rakyat jelata perbuatan mereka lebih hemat biaya. Alhasil, uang lebih dapat dibelanjakan pada sistem lebih baik.

Insang (1995) dipelajari umur panjang dengan sistem pakar komersil. Dia menemukan bahwa hanya tentang sepertiga semua komersil ES mempelajari terus hidup berlalu satu 5 - periode tahun. Sifat alami berumur pendek dari sangat beberapa sistem umumnya tidak dianggap disebabkan oleh ke kegagalan untuk menjumpai kinerja teknis atau obyektif ekonomi. Sebagai ganti, emisi managerial seperti kekurangan dari penerimaan sistem oleh pengguna, ketidakbecusan untuk memegang developrs, masalah di transitioning dari pembangunan ke pemeliharaan, dan berganti pada prioritas organisatoris tampak faktor yang paling berpengaruh nyata menghasilkan di jangka panjang tidak memakai lagi ES. Manajemen sesuai dari pembangunan ES dan penyebaran dapat memecahkan kebanyakan dari emisi ini dalam praktek.

Pembatasan ini dengan jelas menandai hari ini itu ES dari umumnya perilaku manusia cerdas. Bagaimanapun, seveal dari pembatasan ini akan mengurangi atau menghilang lenyap dengan teknologi improvents berlalu waktu.

1.12          Faktor Sukses Sistem Pakar

Beberapa yang peneliti telah menyelidiki alasan-alasan kenapa ES suksesi dan gagal dalam praktek. Pekerjaan ini meliputi pembahasan oleh Eom( 1996), guimaraes et al. (1996), kunnathur et al (1996), Tsai et al. ( 1994a), dan Yoon Et Al. (1995). Seperti dengan banyak MIS, dua diantara faktor yang paling kritis adalah satu jagoan di manajemen, keterlibatan pengguna, dan pelatihan. Manajemen harus mendukung proyek, dan harus merasakan kepemilikan. Banyak pembahasan telah perlihatkan bahwa bertingkat dengan managerial dan keterlibatan pengguna secara langsung mempengaruhi taraf sukses dari MIS, terperinci ES Bagaimanapun, sendiri faktor ini tidak cukup untuk menggaransi sucvess, dan emisi berikut juga harus dipertimbangkan;

·         Taraf dari pengetahuan cukup tinggi

·         Keahlian harus ada tersedia dari paling tidak pakar kerjasama sesuatu

·         Masalah diselesaikan kebanyakan kwalitatif( tidak jelas), tidak semata-mata kwantitatif( jika tidak, satu pendekatan kwantitatip harus dipergunakan)

·         Masalah cukup sempit di bidang lapangan

·         Kulit ES charactristics adalah penting. Kulit dari berkwalitas tinggi dan secara alami menyimpan dan memanipulasi pengetahuan

·         Interface pemakai nust menjadi ramah untuk pengguna orang baru

·         Masalah harus cukup penting dan sulit untuk menggaransi pembangunan dari satu ES (tapi ini memerlukan tidak adalah satu fungsi inti)

·         Pengembang sistem banyak mengetahui dengan keterampilan orang-orang bajik diperlukan.

·         Dampak dari ES seperti sumber dari peningkatan pekerjaan pemakai akhir harus dipertimbangkan. Dampak harus bew baik. Sikap pemakai akhir dan harapan harus dipertimbangkan

·         Dukungan manajemen harus ditanami.

Manajer mencoba untuk memperkenalkan teknologi ES harus mendirikan pelatihan program pemakai akhir, dengan demikian mempertunjukkan ini potensial sebagai satu alat bisnis( guimaraes et al. 1996). Seperti bagian dari dukungan managerial usaha, lingkungan organisatoris harus menyukai adopsi teknologi lagi( kunnathur et al. 1996) Akhirnya, Tsai et al. 9 1994a) sajikan kesimpulan berikut;

·         Aplikasi bisnis untuk sistem pakar adalah sering dibenarkan oleh dampak strategis mereka dalam kaitan dengan memperoleh satu keuntungan kompetitif agak dibandingkan efektivitas biaya mereka. Nilai utama dari bersumber sistem pakar dari canturing dan pakar hambur mengetik keterampilan dan pengetahuan untuk meningkatkan berkualitas dan konsistensi dari operasi bisnis

·         Paling populer dan sistem pakar succesfuk adalah itu kesepakatan itu dengan tergambar dengan baik, aplikasi struktur, atau dimana tidak lebih dari beberapa ratus ketentuan diperlukan, seperti itu itu pada area penghasilan. Sistem pakar adalah kurang sukses ketika aplikasi memerlukan instink dan mengalami pertimbangan, seperti pada area manusia manajemen resourse, atau dimana di situ adalah ribuan ketentuan dan eksepsi mereka

Insang (1996b) dikendali satu survei dari 52 sukses ES dan tunjangan yang ES bahwa berkeras berlalu waktu mengubah sifat alami tugas pengguna dan pekerjaan di amanner bahwa memotivasi penggunaan berlanjut dari sistem pakar. Pengguna penawaran alat ini satu rasa lebih besar dari kontrol, tingkat keanekaragaman berkait dengan kerja atau penyusutan pekerjaan yang menjemukan berhubungan kerja, perbolehkan pengguna untuk melaksanakan tugas di jauh lebih tinggi kecakapan meningkat atau untuk mengaji kinerja tugas mereka sendiri, dan seterusnya. Insang pengembang sistem pakar cautiones dan manajer mereka untuk mengenali desain itu fitur menyediakan motivasi demikian hakiki harus dibangun ke dalam teknologi. Secepat ide untuk satu sistem pakar (atau,pada kenyataan, satu aplikasi berdasarNYA) telah dibenihkan, ini adalah waktu untuk mengawali mengaji dampak ini pada motivasi pengguna. Dan kalau hasil dari penilaian demikian adalah itu dampak motivasional akan hampir bisa dipastikan menjadi negatif, kelangsungan hidup dari upaya pembangunan harus sistem pakar reconsiderd siapa “ motivasi untuk penggunaan ” adalah negatif baru tidak bertahan sangat panjang. Satu pembahasan penarik perhatian pada satu sistem kegagalan pada satu perusahaan besar produk konsumen dilaporkan oleh veddes et al. (1999).

1.13          Jenis Sistem Pakar

Sistem pakar tampak pada beberapa keanekaragaman. Klasifikasi berikut dari ES tidak eksklusif; yang, satu ES dapat tampak pada beberapa kategori.

1.13.1    Sistem Pakar Lawan Sistem Berdasarkan Pengetahuan

Sesuai dengan klasifikasi ini, satu ES adalah satu sistem siapa perilaku juga canggih bahwa kita akan memanggil seseorang yang dilaksanakan pada satu etika serupa satu pakar. MYCIN dan XCON adalah contoh baik. (Lihat uraian di sini buku situs.) Sangat tinggi melatih profesional mendiagnose penyakit darah (MYCIN) dan atur alat-alat perlengkapan komputasi kompleks (XCON). Sistem ini sungguh-sungguh coba untuk menandingi manusia terbaik pakar.

Pada dunia komersil, bagaimanapun, ada sistem itu dapat secara efektif dan secara efisien melaksanakan tugas itu tidak butuh sekali satu pakar. Sistem Asuch dipanggil pengetahuan systems4 berdasar( juga dikenal sebagai kepenasehatan sistem, sistem pengetahuan, pekerjaan cerdas membantu sistem atau operasional). Sebagai satu contoh, biar kita melihat kepada sistem yang beri nasihat pada immunizational yang direkomendasikan untuk melaksanakan perjalanan tersebar luas. Nasihat ini bergantung kepada banyak atribut seperti umur, genus, dan kesehatan dari pelancong dan negara dari tujuan. Satu kebutuhan banyak mengetahui untuk memberikan nasihat demikian, tapi sesuatu memerlukan tidak adalah satu pakar. Dalam hal ini, pada kenyataannya semua pengetahuan yang berhubungan ke nasihat ini didokumentasikan pada satu manual siap dari paling departemen kesehatan umum (di hanyalah persen 1 atau 2 dari kasus ini perlu untuk berkonsultasi satu ahli pengobatan).  Contoh lain diotomatiskan meja bantuan( lihat AIS di Actoin 10.5)

Pembedaan di antara kedua-duanya jenis dari sistem ES tidak boleh juga tajam kenyataannya. Banyak sistem melibatkan keduanya pengetahuan didokumentasikan satu keahlian tidak terdokumentasi. Basicaily ini adalah satu hal dari berapa banyak keahlian termasuk dalam sistem yang menggolongkan mereka pada satu kategori atau order. Sistem pengetahuan cn dibangun lagi dengan cepat dan dengan murah menyamak kulit sistem exper.

1.13.2    Ketentuan Mendasari Sistem Pakar

Banyak komersil ES adalah ketentuan mendasari sistem karena teknologi dari ketentuan mendasari sistem persehat dikembangkan dan alat pembangunan dapat dipergunakan oleh pemakai akhir. Dalam hal sistem pengetahuan diwakili seperti satu rangkaian ketentuan.

1.13.3    Bingkai Sistem Berdasar

Di sistem berdasar bingkai, pengetahuan diwakili seperti bingkai, satu penyajian dari pendekatan pemrograman berorientasi objek( Bab 12).

1.13.4    Sistem Bastar

Sistem bastar meliputi beberapa pendekatan penyajian pengetahuan, secara khas, pada sedikitnya mereka melibatkan bingkai satu ketentuan.

1.13.5    Modelkan Sistem Berdasar

Modelkan sistem berdasar adalah struktur sekitar satu model yang menirukan struktur dan fungsi dari sistem dalam telaah. Model Athe biasanya menghitung nilai, yaitu membandingkan untuk mengamati nilai. Cetus perbandingan tindaki( kalau dibutuhkan) atau diagnose futher( Bab 12)

1.13.6    Siap Terbuat (Batal Papan Rak) Sistem

ES dapat dikembangkan untuk menjumpai kebutuhan tertentu dari pengguna (terbuat yang kebiasaan), atau mereka dapat dibeli seperti siap paket terbuat untuk penggunaan umum. Siap sistem terbuat adalah serupa dengan aplikasi membungkus seperti satu buku besar akuntansi atau manajemen proyek di manajemen operasi. Siap sistem terbuat menikmati ekonomi dari produksi massal dan oleh karenanya dengan sangat lebih murah dibandingkan sistem cistumized. Mereka juga dapat dipergunakan secepat mereka adalah pembelian( beberapa ada tersedia pada Web, seperti terlihat di AIS di Aksi 10.4). Sungguh sial, siap sistem terbuat adalah sangat umum di sifat alami ans nasihat perwujudan mereka tidak boleh berharga ke satu pengguna melibatkan pada satu keadaan kompleks. Bagaimanapun, ketenaran mereka banyak seperti penyusutan harga mereka dan kemampuan mereka banyak. Kita mencirikan di antara dua jenis: itu untuk penggunaan umum, dan itu yang adalah industri -, negara -, atau spesifik produk( lihat AIE di Aksi 10.6 untuk berdua jenis)

1.13.7    Sistem Pakar Waktu Riil

Waktu riil ES Yang punya satu pembatas tegas pada waktu tanggapnya sistem yang mana harus berpuasa cukup untuk mengontrol proses dikomputerisasi. Dengan kata lain, sistem alwasys menghasilkan satu tanggapan pada saat itu ini memerlukan

1.14          Sistem Pakar Dan Internet / Intranet / Web

Hubungan di antara ES dan Internet( bersih) dan Intranet dapat dibagi ke dalam dua kategori. Yang pertama adalah penggunaan dari ES pada Bersih. Dalam hal ini Jaring mendukung ES( dan Kecerdasan Buatan lain) aplikasi. Detik adalah ES dukungan( dan Kecerdasan Buatan lain kiat) beri ke Bersih.

1.14.1    Mempergunakan ES Pada Bersih

Salah satu alasan-alasan awal untuk pembangunan ES adalah ini potensial untuk menyediakan pengetahuan dan nasihat ke sejumlah besar dari pengguna. Karena pengetahuan dihamburkan ke beberapa orang-orang, biaya per pengguna menjadi kecil, membuat ES sangat tarik, Bagaimanapun, sesuai dengan Erikson (1996), mencapai gol ini telah membuktikan sangat sulit. Karena kepenasehatan sistem dipergunakan dengan jarang, mereka memerlukan sejumlah besar pengguna untuk membenarkan konstruksi mereka. Sebagai hasil, sangat pengetahuan ES Disseiminate sedikit untuk banyak pengguna

Availabilitas tersebar luas dan penggunaan dari Internet dan Intranet menyediakan kesempatan untuk menghamburkan keahlian dan pengetahuan ke pendengar berkumpul. Dengan menerapkan sistem pakar( dan sistem otherinteligent) seperti server pengetahuan, ini menjadi secara ekonomis mungkin dan untungkan untuk menerbitkan keahlian pada sistem berlalu bersih. Dengan cara ini interface pemakai berlandaskan pengguna yang mengomunikasikan dengan sistem berlalu bersih. Dengan cara ini interface pemakai berlandaskan web protokol dan penggunaan dari software penjelajah menyediakan akses ke server pengetahuan. Pendekatan implementasi ini dideskripsikan di Eriksson (1996(. Untuk satu contoh, lihat Web Exsys Mesin Burung Penyanyi Runtime di OSHA( lihat AIS di Aksi 10.7)

Es dapat dikirim berlalu Bersih bukan saja ke pengguna manusia kecuali juga ke sistem terkomputerisasi yang lain, meliputi DSS, robotics, dan database, Lain ES Menjaring kemungkinan dukungan meliputi konstruksi sistem. Di sini, kerjasama di antara ahli bangunan, pakar, dan insinyur pengetahuan dapat dimudahkan oleh Internet mendasari groupware. Ini dapat mengurangi ongkos bangunan ES. Perolehan pengetahuan coets dapat dikurangi, antara lain, jika darimana di situ adalah beberapa pakar atau darimana pakarnya pada satu lokasi berbeda insinyur pengetahuan. Pemeliharaan pengetahuan juga dapat memudahkan penggunaan dari Bersih, yaitu sangat menolong ke pengguna.

Akhirnya, web dapat sangat besar mendukung awur dari multimedia mendasari sistem pakar. Sistem demikian, sistem intelimedia dipanggil, dukung integrasi dengan aplikasi mulr=timedia luas dan ES. Sistem demikian dapat sangat sangat menolong untuk pengguna remote, seperti itu itu di industri thetourism, dan di diagnose kegagalan peralatan remote {untuk memperinci lihat fuerst et al. (1995)}.

Aspek yang lain ke Internet hubungan ES adalah dukungan ES dan teknologi Kecerdasan Buatan lain dapat sediakan ke Internet dan Intranet. Utama contributatios dari Kecerdasan Buatan ke Internet dan Intranet diringkas inTable 10.4 {untuk memperinci lihat o ’ Leary (1996) dan Bab 14}.

Keterangan sekitar hubungan pakar sistem amog, agen cerdas, dan Kecerdasan Buatan lain dan Internet adalah siap tersedia pada Internet sendiri. Antara lain, Hengl (1995) sediakan daftar dari lebih dari 1,600 Kecerdasan Buatan berhubungan Situs, Juga lihat Situs dari Kecerdasan Buatan PC( satu majalah) ( www. pcai. com ) dan Asosiasi Amerika untuk Inteligence Tiruan(  www. aaai. org .).

v  SOROT BAB

Ø  Obyektif primer dari AL adalah untuk membangun mesin komputer yang melaksanakan tugas yang dapat ditandai sebagai cerdas.

Ø  Karakteristik utama dari Kecerdasan Buatan adalah proses simbolis, penggunaan dari heuristik dari pada algoritms, dan aplikasi dari ilmu pengetahuan tentang teknik kesimpulan.

Ø  Kecerdasan buatan punya beberapa keuntungan utama berlalu orang-orang: Ini adalah permanen, ini dapat mudah menyalin dan hamburkan, ini dapat lebih murah dibandingkan inteligen manusia, ini adalah konsisten dan saksama, dan ini dapat didokumentasikan.

Alami (manusia) inteligen punya keuntungan Kecerdasan Buatan ower: Ini adalah kreatif, perasaan penggunaan ini pengalaman secara langsung, dan ini memberi alasan dari satu hubungan kalimat lebar dari pengalaman.

Read more >>