SISTEM PAKAR: SEJARAH, CIRI, KELEBIHAN, KEKURANGAN - TEKNOLOGI - 2025

Sistem pakar didefinisikan sebagai sistem yang meniru kemampuan membuat keputusan pakar manusia dalam bidang tertentu. Mereka menggunakan strategi dan fakta heuristik untuk menyelesaikan masalah membuat keputusan yang kompleks dengan andal dan interaktif.

Mereka dirancang untuk menyelesaikan masalah yang sangat rumit, dengan menaakul melalui pangkalan pengetahuan. Daripada diwakili oleh kod prosedur, mereka pada dasarnya diwakili oleh peraturan If-Then.

Sumber: pixabay.com

Mereka dapat mengekspresikan diri dan beralasan tentang beberapa bidang pengetahuan, yang memungkinkan mereka menyelesaikan banyak masalah yang biasanya memerlukan seorang pakar manusia. Sistem pakar adalah pendahulu kecerdasan buatan, pembelajaran mendalam, dan sistem pembelajaran mesin.

Sistem pakar tidak dapat menggantikan prestasi keseluruhan pekerja dalam menyelesaikan masalah. Walau bagaimanapun, mereka dapat mengurangkan jumlah pekerjaan yang harus dilakukan individu untuk menyelesaikan sesuatu masalah, dengan menyerahkan aspek kreatif dan inovatif dalam menyelesaikan masalah kepada orang lain.

Mereka telah memainkan peranan penting dalam banyak industri, seperti perkhidmatan kewangan, telekomunikasi, penjagaan kesihatan, perkhidmatan pelanggan, permainan video, dan pembuatan.

Kapasiti sistem

Sistem pakar menggabungkan dua subsistem: pangkalan pengetahuan, yang mengandungi fakta dan pengalaman yang terkumpul, dan mesin inferensi, yang merupakan sekumpulan peraturan yang berlaku untuk pangkalan pengetahuan atau fakta yang diketahui dalam setiap situasi tertentu, untuk menyimpulkan yang baru. perbuatan.

Keupayaan sistem dapat ditingkatkan dengan penambahan pangkalan pengetahuan atau set peraturan.

Sebagai contoh, sistem pakar masa kini mungkin juga mempunyai kemampuan untuk belajar secara automatik, yang memungkinkan mereka meningkatkan prestasi berdasarkan pengalaman, seperti yang dilakukan manusia.

Di samping itu, sistem moden dapat menggabungkan pengetahuan baru dengan lebih mudah dan dengan demikian dapat dikemas kini dengan mudah. Sistem sedemikian dapat membuat generalisasi dengan lebih baik dari pengetahuan yang ada dan menangani sejumlah besar data kompleks.

Sejarah

- Perkembangan awal

Pada akhir 1950-an, eksperimen dimulakan dengan kemungkinan menggunakan teknologi komputer untuk meniru pengambilan keputusan manusia. Sebagai contoh, sistem bantuan komputer mula dicipta untuk aplikasi diagnostik dalam perubatan.

Sistem diagnostik awal ini memasukkan gejala pesakit dan hasil ujian makmal ke dalam sistem untuk menghasilkan diagnosis sebagai hasilnya. Ini adalah bentuk sistem pakar yang pertama.

- Perkembangan utama

Pada awal tahun enam puluhan, program telah dikembangkan untuk menyelesaikan masalah yang dapat ditentukan dengan baik. Contohnya, permainan atau terjemahan mesin.

Program-program ini memerlukan teknik penaakulan yang cerdas untuk menangani masalah logik dan matematik yang dikemukakan, tetapi mereka tidak memerlukan banyak pengetahuan tambahan.

Para penyelidik mula menyedari bahawa untuk menyelesaikan banyak masalah menarik, program bukan sahaja harus dapat menafsirkan masalah, mereka juga memerlukan pengetahuan asas untuk memahaminya sepenuhnya.

Ini secara beransur-ansur menyebabkan pengembangan sistem pakar, yang lebih fokus pada pengetahuan.

Konsep sistem pakar dikembangkan secara formal pada tahun 1965 oleh Edward Feigenbaum, seorang profesor di Universiti Stanford, Amerika Syarikat.

Feigenbaum menjelaskan bahawa dunia beralih dari pemprosesan data ke pemprosesan pengetahuan, berkat teknologi pemproses baru dan seni bina komputer.

Dendral

Pada akhir 1960-an, salah satu sistem pakar pertama, yang disebut Dendral, dikembangkan untuk menangani analisis sebatian kimia.

Pengetahuan Dendral terdiri daripada beratus-ratus peraturan yang menerangkan interaksi sebatian kimia. Peraturan ini adalah hasil kerjasama bertahun-tahun antara ahli kimia dan saintis komputer.

- Kematangan

Sistem pakar mula berkembang pesat pada tahun 1980-an. Sebilangan besar syarikat Fortune 500 menggunakan teknologi ini dalam aktiviti perniagaan harian mereka.

Pada tahun 1990-an, banyak vendor aplikasi perniagaan, seperti Oracle dan SAP, menggabungkan kemampuan sistem pakar ke dalam rangkaian produk mereka, sebagai cara menjelaskan logik perniagaan.

ciri-ciri

- Tahap Pengalaman

Sistem pakar mesti menawarkan tahap kepakaran tertinggi. Memberi kecekapan, ketepatan dan penyelesaian masalah secara imaginatif.

- Tindak balas tepat pada masanya

Pengguna berinteraksi dengan sistem pakar untuk jangka masa yang cukup munasabah. Masa interaksi ini mestilah kurang daripada masa yang diperlukan oleh pakar untuk mendapatkan penyelesaian yang paling tepat untuk masalah yang sama.

- Kebolehpercayaan

Sistem pakar mesti mempunyai kebolehpercayaan yang baik. Untuk melakukan ini, anda tidak boleh melakukan kesalahan.

- Mekanisme yang berkesan

Sistem pakar mesti mempunyai mekanisme yang cekap untuk menguruskan kompendium pengetahuan yang ada di dalamnya.

- Menangani masalah

Sistem pakar mesti dapat menangani masalah yang mencabar dan membuat keputusan yang tepat untuk memberikan penyelesaian.

- Komponen

Asas pengetahuan

Ini adalah pengumpulan data yang teratur sesuai dengan ruang lingkup pengalaman sistem.

Melalui temu ramah dan pemerhatian dengan pakar manusia, fakta-fakta yang membentuk asas pengetahuan mesti diambil.

Enjin inferens

Mentafsirkan dan menilai fakta dalam pangkalan pengetahuan melalui peraturan, untuk memberikan cadangan atau kesimpulan.

Pengetahuan ini ditunjukkan dalam bentuk peraturan produksi If-Then: "Sekiranya syarat itu benar, maka pemotongan berikut dapat dibuat."

Kesimpulannya

Selalunya faktor kebarangkalian dilampirkan pada kesimpulan setiap peraturan pengeluaran dan cadangan akhir, kerana kesimpulan yang dicapai bukanlah kepastian mutlak.

Sebagai contoh, sistem pakar untuk diagnosis penyakit mata dapat menunjukkan, berdasarkan maklumat yang diberikan, seseorang menghidap glaukoma dengan kemungkinan 90%.

Juga, urutan peraturan di mana kesimpulan yang dicapai dapat ditunjukkan. Memantau rantaian ini membantu menilai kredibiliti cadangan dan berguna sebagai alat pembelajaran.

Jenis-Jenis

Berasaskan peraturan

Dalam sistem ini pengetahuan diwakili sebagai satu set peraturan. Peraturannya adalah cara langsung dan fleksibel untuk menyatakan pengetahuan.

Peraturannya terdiri dari dua bahagian: bahagian "Jika", disebut syarat, dan bahagian "Kemudian", disebut pemotongan. Sintaks asas peraturan adalah: Jika (syarat) Kemudian (pemotongan).

Berdasarkan logik kabur

Apabila anda ingin menyatakan pengetahuan menggunakan kata-kata yang tidak jelas seperti "sangat sedikit", "agak sukar", "tidak lama", logik kabur dapat digunakan.

Logik ini digunakan untuk menerangkan definisi yang tidak tepat. Ini berdasarkan idea bahawa semua perkara digambarkan dalam skala gelongsor.

Logik klasik beroperasi dengan dua nilai kepastian: Betul (1) dan Salah (0). Dalam logik kabur, semua nilai kepastian dinyatakan sebagai nombor nyata dalam julat 0 hingga 1.

Logik kabur melambangkan pengetahuan berdasarkan tahap kebenaran, dan bukannya kebenaran logik klasik.

Neuronal

Kelebihan sistem pakar berdasarkan peraturan juga menggabungkan kelebihan rangkaian saraf, seperti pembelajaran, generalisasi, keteguhan dan pemprosesan maklumat selari.

Sistem ini mempunyai asas pengetahuan neural, bukannya asas pengetahuan tradisional. Pengetahuan disimpan sebagai pemberat dalam neuron.

Gabungan ini membolehkan sistem pakar saraf membenarkan kesimpulannya.

Neuronal-meresap

Jaringan logik dan saraf yang kabur adalah alat pelengkap untuk membina sistem pakar.

Sistem kabur kurang kemampuan untuk belajar dan tidak dapat menyesuaikan diri dengan persekitaran baru. Sebaliknya, walaupun rangkaian saraf dapat belajar, prosesnya sangat rumit bagi pengguna.

Sistem neural-fuzzy dapat menggabungkan keupayaan pengkomputeran dan pembelajaran rangkaian neural dengan perwakilan pengetahuan manusia dan kemahiran penjelasan sistem fuzzy.

Akibatnya, jaringan saraf menjadi lebih telus, sementara sistem kabur menjadi mampu belajar.

Kelebihan

Ketersediaan

Sistem pakar tersedia, di mana sahaja, bila-bila masa, kerana pengeluaran perisian secara besar-besaran.

Mengurangkan risiko

Sebuah syarikat dapat mengoperasikan sistem pakar dalam persekitaran yang berbahaya bagi manusia. Mereka dapat digunakan di lingkungan berbahaya di mana manusia tidak dapat bekerja.

Pengetahuan perniagaan

Mereka boleh menjadi wahana untuk mengembangkan pengetahuan organisasi, berbeza dengan pengetahuan individu dalam sebuah syarikat.

Jawapan penjelasan

Mereka dapat memberikan penjelasan yang memadai tentang pengambilan keputusan mereka, dengan menyatakan secara terperinci alasan yang menyebabkan jawaban.

Apabila digunakan sebagai alat latihan mereka menghasilkan kurva pembelajaran yang lebih cepat untuk pemula.

Jawapan pantas

Membantu mendapatkan jawapan yang cepat dan tepat. Sistem pakar dapat menyelesaikan tugasnya lebih cepat daripada pakar manusia.

Kadar ralat rendah

Tahap ralat sistem pakar yang berjaya agak rendah, kadang-kadang jauh lebih rendah daripada kadar kesalahan manusia untuk tugas yang sama.

Tindak balas tanpa emosi

Sistem pakar berfungsi tanpa bersemangat. Mereka tidak merasa tegang, letih atau panik, dan mereka bekerja dengan stabil semasa keadaan kecemasan.

Kekekalan pengetahuan

Sistem pakar mengekalkan tahap maklumat yang ketara. Pengetahuan yang terkandung ini akan kekal selama-lamanya.

Prototaip pantas

Dengan sistem pakar, adalah mungkin untuk memasukkan beberapa peraturan dan mengembangkan prototaip dalam beberapa hari, bukannya bulan atau tahun yang biasanya dikaitkan dengan projek IT yang kompleks.

Pelbagai pengalaman

Sistem pakar dapat dirancang untuk mengandungi pengetahuan banyak pakar yang berkelayakan dan dengan demikian mempunyai kemampuan untuk menyelesaikan masalah yang kompleks.

Ini mengurangkan perbelanjaan perundingan pakar penyelesaian masalah pakar. Mereka adalah wahana untuk memperoleh sumber pengetahuan yang sukar diperoleh.

Kekurangan

Pemerolehan pengetahuan

Selalu sukar untuk mendapatkan waktu pakar dalam bidang tertentu untuk aplikasi perisian apa pun, tetapi untuk sistem pakar sangat sukar, kerana pakar sangat dihargai dan selalu diminta oleh organisasi.

Akibatnya, sejumlah besar penelitian dalam beberapa tahun terakhir telah memfokuskan pada alat untuk memperoleh pengetahuan, yang membantu mengotomatisasi proses merancang, melakukan debug dan menjaga peraturan yang ditentukan oleh para pakar.

Penyatuan sistem

Penyatuan sistem dengan pangkalan data adalah sukar bagi sistem pakar pertama, kerana alat ini terutama dalam bahasa dan platform yang tidak dikenal dalam lingkungan perusahaan.

Hasilnya, upaya besar dilakukan untuk mengintegrasikan alat sistem pakar dengan lingkungan lama, membuat pemindahan ke platform yang lebih standard.

Masalah-masalah ini terutama diselesaikan oleh pergeseran paradigma, karena PC secara beransur-ansur diterima dalam lingkungan pengkomputeran sebagai platform yang sah untuk pengembangan sistem bisnis yang serius.

Kerumitan pemprosesan

Menambah ukuran pangkalan pengetahuan meningkatkan kerumitan proses.

Sebagai contoh, jika sistem pakar memiliki 100 juta peraturan, sudah tentu ia terlalu rumit, dan akan menghadapi banyak masalah komputasi.

Mesin inferensi harus dapat memproses sejumlah besar peraturan untuk membuat keputusan.

Apabila terdapat terlalu banyak peraturan, sukar juga untuk mengesahkan bahawa peraturan keputusan ini saling sesuai.

Juga sukar untuk memprioritaskan penggunaan peraturan untuk beroperasi dengan lebih efisien, atau bagaimana menyelesaikan keraguan.

Kemas kini pengetahuan

Satu masalah yang berkaitan dengan pangkalan pengetahuan adalah bagaimana membuat kemas kini dengan cepat dan berkesan. Juga, bagaimana menambahkan pengetahuan baru, iaitu di mana untuk menambahkannya di antara begitu banyak peraturan.

Permohonan

Diagnosis dan penyelesaian masalah

Ini merangkum semua sistem penyimpangan kesalahan dan mencadangkan tindakan pembetulan untuk proses atau peranti yang tidak berfungsi.

Salah satu bidang pengetahuan pertama di mana teknologi sistem pakar diterapkan adalah diagnosis perubatan. Walau bagaimanapun, diagnostik sistem kejuruteraan dengan cepat mengatasi diagnostik perubatan.

Diagnosis dapat dinyatakan sebagai: mengingat bukti yang dikemukakan, apa masalah, alasan atau penyebabnya?

Perancangan dan penjadualan

Sistem pakar ini menganalisis sekumpulan objektif untuk menentukan sekumpulan tindakan yang mencapai tujuan tersebut, memberikan susunan terperinci tindakan tersebut dari waktu ke waktu, dengan mempertimbangkan bahan, personel dan sekatan lain.

Contohnya termasuk kakitangan syarikat penerbangan dan penjadualan penerbangan, dan perancangan proses pembuatan.

Keputusan kewangan

Sistem nasihat kewangan telah dibuat untuk membantu para bankir menentukan sama ada akan membuat pinjaman kepada individu dan syarikat.

Syarikat insurans menggunakan sistem pakar ini untuk menilai risiko yang dihadapi oleh pelanggan dan dengan itu menentukan harga insurans.

Pemantauan dan kawalan proses

Mereka menganalisis data dari peranti fizikal dalam masa nyata, untuk melihat anomali, meramalkan arah aliran dan mengawal pengoptimuman dan pembetulan kesalahan.

Contoh sistem ini adalah dalam industri penapisan minyak dan pembuatan keluli.

Perundingan pengetahuan

Fungsi utama aplikasi ini adalah untuk memberikan pandangan yang bermakna mengenai masalah pengguna, dalam lingkungan masalah tersebut.

Dua sistem pakar yang paling banyak diedarkan di seluruh dunia tergolong dalam kategori ini.

Sistem pertama ini adalah penasihat yang menasihati pengguna mengenai penggunaan tatabahasa yang betul dalam teks.

Yang kedua adalah penasihat cukai yang melekat pada sistem penyediaan cukai. Memberi nasihat kepada pengguna mengenai strategi dan dasar cukai tertentu.

Rujukan

1. Guru99 (2019). Sistem Pakar dalam Kecerdasan Buatan: Apa itu, Aplikasi, Contoh. Diambil dari: guru99.com.
2. Wikipedia, ensiklopedia percuma (2019). Sistem pakar. Diambil dari: en.wikipedia.org.
3. Margaret Rouse (2019). Sistem pakar. Techtarget. Diambil dari: searchenterpriseai.techtarget.com.
4. Vladimir Zwass (2019). Sistem pakar. Ensiklopedia Diambil dari: britannica.com.
5. Wtec (2019). Aplikasi Sistem Pakar. Diambil dari: wtec.org.
6. Viral Nagori (2014). Jenis Sistem Pakar: Kajian Perbandingan. Sarjana Semantik Diambil dari: pdfs.semanticscholar.org.
7. Dunia Pengkomputeran (2010). Sistem Pakar. Diambil dari: intelligence.worldofcomputing.net.