Sistem Pakar Dalam adalah istilah yang mengelilingi dunia teknologi dan untuk semua alasan yang baik. Pada artikel ini kita akan membahas topik ini secara rinci.
Petunjuk berikut akan dibahas dalam artikel ini,
- Apa itu Artificial Intelligence?
- Sistem Pakar Dalam Kecerdasan Buatan
- Domain tempat Sistem Pakar digunakan
- Area utama aplikasi
- Tiga tahap mendesain ES
- Pro Kontra Dan Batasan
Jadi mari kita mulai dengan artikel ini,
Apa itu Artificial Intelligence?
Nah, biasanya nama Artificial Intelligence menunjukkan Kecerdasan mesin yang buatan. Kecerdasan yang dimiliki oleh manusia dikenal sebagai kecerdasan manusia, seperti halnya kecerdasan yang ditunjukkan oleh mesin yang dikenal dengan Kecerdasan Buatan. Dalam ilmu komputer. Kecerdasan buatan (AI), terkadang disebut kecerdasan mesin. Bidang penelitian Artificial Intelligence lahir di sebuah bengkel di Dartmouth College pada tahun 1956.
Aplikasi Kecerdasan Buatan Di Dunia Nyata:
Chatbot seperti SIRI, CORTANA yang sangat populer saat ini. Contoh lain seperti EVA (Electronic Virtual Assistant), chatbot berbasis AI yang dikembangkan oleh departemen penelitian AI bank HDFC yang dapat mengumpulkan pengetahuan dari ribuan sumber dan memberikan jawaban sederhana dalam waktu kurang dari 0,4 detik. Ada begitu banyak contoh aplikasi AI yang akan Anda temukan di berbagai bidang masyarakat kita.
Pindah dengan Sistem Pakar Dalam Kecerdasan Buatan ini,
Sistem Pakar Dalam Kecerdasan Buatan
Apa itu sistem pakar?
mengubah objek menjadi array php
Peneliti dari Standford University, Departemen Ilmu Komputer telah memperkenalkan domain AI ini dan merupakan domain penelitian AI yang terkemuka. Ini adalah aplikasi komputer yang dapat memecahkan masalah paling kompleks dari domain tertentu. Ini dianggap sebagai tingkat kecerdasan dan keahlian manusia tertinggi karena didasarkan pada pengetahuan yang diperoleh dari seorang ahli. Sistem Pakar juga dapat didefinisikan sebagai sistem pengambilan keputusan berbasis komputer yang dapat memecahkan masalah pengambilan keputusan yang kompleks menggunakan fakta dan heuristik.
Pindah dengan Sistem Pakar Dalam Kecerdasan Buatan ini,
Domain tempat Sistem Pakar digunakan
Sistem Pakar hari ini
American Medical Association telah menyetujui sistem pakar pertama yaitu sistem Pathfinder. Itu dibangun Universitas Standford pada tahun 1980, untuk diagnosis hematopatologi. Sistem pakar teori-keputusan ini, singkatnya Pathfinder, dapat mendiagnosis penyakit kelenjar getah bening. Pada akhirnya ini menangani lebih dari 60 penyakit dan dapat mengenali lebih dari 100 gejala.
Sistem pakar dalam bisnis
Baru-baru ini mengembangkan sistem pakar ROSS, pengacara AI, ROSS adalah sistem pembelajaran mandiri yang menggunakan data mining, pengenalan pola, pembelajaran mendalam, dan pemrosesan bahasa alami untuk meniru cara kerja otak manusia.
Pindah dengan Sistem Pakar Dalam Kecerdasan Buatan ini,
Area utama aplikasi
- Interpretasi - menggambar kesimpulan tingkat tinggi berdasarkan data.
- Prediksi - memproyeksikan hasil yang mungkin.
- Diagnosis - menentukan penyebab malfungsi, penyakit, dll.
- Rancangan -menjadimenemukan konfigurasi terbaik berdasarkan kriteria.
- Perencanaan - mengusulkan serangkaian tindakan untuk mencapai suatu tujuan.
- Pemantauan - membandingkan perilaku yang diamati dengan perilaku yang diharapkan.
- Debugging dan Perbaikan - meresepkan dan menerapkan solusi.
- Instruksi - membantu siswa dalam belajar.
- Kontrol - mengatur perilaku suatu sistem.
Tujuan Sistem Pakar
Tujuan utama dari sistem pakar adalah untuk memperoleh pengetahuan dari pakar manusia dan untuk mereplikasi pengetahuan dan keterampilan pakar manusia di bidang tertentu. Kemudian sistem akan menggunakan pengetahuan dan keterampilan itu untuk memecahkan masalah kompleks di wilayah tertentu tanpa partisipasi ahli manusia.
Karakteristik Sistem Pakar
- Performa tinggi
- Bisa dimengerti
- Andal
- Sangat responsif
Komponen utama dari sistem berbasis aturan atau pakar
Komponen utamanya adalah:
- Dasar pengetahuan
- Memori kerja
- Mesin inferensi
- Sistem penjelasan
- Antarmuka pengguna
- Editor basis pengetahuan
Pindah dengan Sistem Pakar Dalam Kecerdasan Buatan ini,
Tiga tahap mendesain ES
Akuisisi pengetahuan:
Proses mendapatkan pengetahuan dari pakar dengan wawancara atau dengan mengamati pakar manusia, membaca buku tertentu, dll.
Dasar pengetahuan:
Basis pengetahuan merupakan wadah pengetahuan yang berkualitas tinggi. Keterampilan berkembang melalui latihan dan kecerdasan berasal dari pengetahuan tanpa pengetahuan yang tidak dapat dibuktikan atau tidak dapat menunjukkan kecerdasannya, sehingga pengetahuan sangat penting untuk mengembangkan keterampilan dan menunjukkan kecerdasan. Seperti, dengan cara yang sama pengetahuan dibutuhkan untuk mesin juga untuk menunjukkan kecerdasannya. Akurasi prediksi dan juga kinerja sistem sangat dan sangat bergantung pada kumpulan pengetahuan yang sempurna, akurat dan tepat.
Sekarang apakah pengetahuan itu?
Pengetahuan adalah data atau informasi. Bagi kita manusia dengan membaca artikel dan dengan membaca buku atau dari sumber yang berbeda kita biasa mengumpulkan pengetahuan jika kita dapat melihat proses mendapatkan dan memperkaya pengetahuan secara sekilas maka kita akan menemukannya dengan membaca buku atau dengan membaca artikel atau dari sumber apa pun kita berada. mengambil dan mengekstrak data dan informasi dari berbagai sumber yang kemudian kita simpan di otak kita. Jadi pengetahuan adalah data, pengetahuan adalah informasi. Pengetahuan juga merupakan kumpulan fakta.
Data, informasi, dan pengalaman masa lalu digabungkan bersama-sama disebut sebagai pengetahuan.
Representasi Pengetahuan:
java sort arraylist dari bilangan bulat
Representasi pengetahuan adalah metode pemilihan struktur yang paling tepat untuk merepresentasikan pengetahuan. Ini adalah metode pengorganisasian dan formalisasi pengetahuan dalam basis pengetahuan. Itu dilakukan dalam bentuk aturan IF-THEN-ELSE.
Validasi Pengetahuan:
Menguji pengetahuan ES sudah benar dan lengkap.Keseluruhan proses ini disebut rekayasa pengetahuan.
Mesin Inferensi:
Dalam kasus ES berbasis pengetahuan, Mesin Inferensi memperoleh dan memanipulasi pengetahuan dari basis pengetahuan untuk menghasilkan solusi tertentu.
Dalam kasus ES berbasis aturan,
- Ini menerapkan aturan berulang kali pada fakta, yang diperoleh dari penerapan aturan sebelumnya.
- Ini penambahan pengetahuan baru ke dalam basis pengetahuan jika diperlukan.
- Ini menyelesaikan konflik aturan ketika beberapa aturan berlaku untuk kasus tertentu.
Mesin Inferensi menggunakan strategi & minus berikut
- Rantai Maju
- Rantai Mundur
Rantai Maju
Dalam Forward Chaining, Mesin Inferensi memberikan hasil dengan mengikuti rantai kondisi dan penurunan. Apapun pengetahuan yang dimasukkan ke dalam sistem, ia melewati semua pengetahuan dan fakta tersebut dan memilahnya sebelum menyimpulkan solusi. Dengan metode forward chaining, sistem pakar mencoba menjawab, 'Apa yang dapat terjadi selanjutnya?'
java dengan kekuatan
Penerapan forward chaining: Prediksi harga rumah, prediksi saham, prediksi pasar saham dll.
Rantai Mundur
Ketika sesuatu telah terjadi di domain tertentu, Mesin Inferensi mencoba untuk mencari tahu kondisi mana yang bisa terjadi di masa lalu untuk hasil ini. Dengan metode backward chaining, sistem pakar mencoba menjawab, “Mengapa ini terjadi?”. Dengan metode backward chaining mesin inferensi mencoba untuk mencari tahu penyebab atau alasannya.
Misalnya: diagnosa kanker darah pada manusia.
Pro Kontra Dan Batasan
Keunggulan Sistem Pakar
- Pegang banyak informasi
- Minimalkan biaya pelatihan karyawan
- Pusatkan proses pengambilan keputusan
- Jadikan segalanya lebih efisien dengan mengurangi waktu yang dibutuhkan untuk memecahkan masalah
- Gabungkan berbagai kecerdasan ahli manusia
- Kurangi jumlah kesalahan manusia
- Memberikan keunggulan strategis dan komparatif yang dapat menimbulkan masalah bagi pesaing
- Perhatikan transaksi yang mungkin tidak terpikirkan oleh para ahli manusia
- Berikan jawaban untuk keputusan, proses, dan tugas yang berulang
Kekurangan sistem pakar:
- Kurangnya respons kreatif yang mampu dilakukan oleh para ahli manusia
- Tidak mampu menjelaskan logika dan alasan di balik suatu keputusan
- Tidaklah mudah untuk mengotomatiskan proses yang kompleks
- Tidak ada fleksibilitas dan kemampuan untuk beradaptasi dengan lingkungan yang berubah
- Tidak bisa mengenali saat tidak ada jawaban
- Tidak ada akal sehat yang digunakan dalam mengambil keputusan
Batasan:
- Gagal membuat respons kreatif karena ini adalah mesin.
- Jika data yang dimasukkan ke dalam basis pengetahuan tidak akurat atau benar maka akan memberikan prediksi yang salah dan hasil yang salah.
- Biaya pemeliharaan sistem pakar tinggi.
- Ketika masalah yang berbeda datang, ahli manusia dapat memberikan solusi dan tanggapan kreatif yang berbeda tetapi sistem pakar gagal memberikan tanggapan kreatif.
Ini membawa kita ke bagian akhir artikel ini tentang Sistem Pakar Dalam Kecerdasan Buatan.
Jika Anda ingin mendaftar untuk kursus lengkap tentang Kecerdasan Buatan dan Pembelajaran Mesin, Edureka memiliki kurasi khusus yang akan membuat Anda mahir dalam teknik-teknik seperti Supervised Learning, Unsupervised Learning, dan Natural Language Processing. Ini mencakup pelatihan tentang kemajuan terbaru dan pendekatan teknis dalam Kecerdasan Buatan & Pembelajaran Mesin seperti Pembelajaran Mendalam, Model Grafis, dan Pembelajaran Penguatan.