Penyelesaian Masalah Dalam AI

Ada 4 hal yang harus diperhatikan dalam Penyelesaian Masalah Dalam AI antara lain

  • Analisa Masalah 
  • Representasi Masalah dan Pengetahuan 
  • Inferensi 
  • Penggunaan Bahasa Al


Analisa Masalah

  • Langkah untuk menganalisa masalah yang muncul dan mengungkapkan masalah tersebut dala satu sistem simbol.
  • Sistem dapat merupakan diagram, skema, graf atau simbol "yang lain.
  • Sistem simbol ini harus menggunakan dala bahasa pemgrograman Al. 
  • Terdapat status Initial dan Goal State
Secara umum pendefinisian masalah sebagai suatu ruang keadaan termasuk 3 hal: 
  1. Posisi Awal (initial State)
  2. Aturan (Rule) 
  3. Tujuan (Goal)


Representasi Masalah dan Pengetahuan 

Dalam memecahkan soal, yang dibutuhkan representasi semesta masalah (Problem Domain).  Hal ini mencakup pengetahuan yang dibutuhkan dalam penyelesaian masalah dan berkaitan dengan cara pengolahan pengetahuan.  Representasi sangat penting laporan komputer dapat mengolah secara tepat dan benar.  Mis: Logika predikat, representasi struktur


Inferensi

Inferensi atau simpulan dalam AI adalah program penggerak motor AI.

  • Bagian ini mengendalikan informasi yang masuk dan pelaksanaan kaidah "yang berguna dalam penyelesaian masalah.
  • Inferensi juga disebut sebagai penilaian struktur, rute interpreter atau strategi pengelolaan soal.
  • Beberapa teknik inferensi: teknik (mencari), kendali soal (Control Strategy), Pemecahan masalah masalah  dengan dekomposisi (Dekomposisi), peneřapan pola (pemesinan pola), dan ikatan (chaining)


Penggunaan Bahasa AI

Adapun Pengguna bahasa dalam AI yaitu dengan metode Natural Language Processing (NLP), dimana NLP merupakan salah satu cabang ilmu AI yang berfokus pada pengolahan bahasa natural. Bahasa natural adalah bahasa yang secara umum digunakan oleh manusia dalam berkomunikasi satu sama lain.  Bahasa yang diterima oleh komputer butuh untuk diproses dan dipahami terlebih dahulu supaya maksud dari user bisa dipahami dengan baik oleh komputer.


Pustejovsky dan Stubbs (2012) menjelaskan bahwa ada beberapa area utama penelitian pada field NLP, diantaranya:

  1. Question Answering Systems (QAS). Kemampuan komputer untuk menjawab pertanyaan yang diberikan oleh user. Daripada memasukkan keyword ke dalam browser pencarian, dengan QAS, user bisa langsung bertanya dalam bahasa natural yang digunakannya, baik itu Inggris, Mandarin, ataupun Indonesia.
  2. Summarization. Pembuatan ringkasan dari sekumpulan konten dokumen atau email. Dengan menggunakan aplikasi ini, user bisa dibantu untuk mengkonversikan dokumen teks yang besar ke dalam bentuk slide presentasi.
  3. Machine Translation. Produk yang dihasilkan adalah aplikasi yang dapat memahami bahasa manusia dan menterjemahkannya ke dalam bahasa lain. Termasuk di dalamnya adalah Google Translate yang apabila dicermati semakin membaik dalam penterjemahan bahasa. Contoh lain lagi adalah BabelFish yang menterjemahkan bahasa pada real time.
  4. Speech Recognition. Field ini merupakan cabang ilmu NLP yang cukup sulit. Proses pembangunan model untuk digunakan telpon/komputer dalam mengenali bahasa yang diucapkan sudah banyak dikerjakan. Bahasa yang sering digunakan adalah berupa pertanyaan dan perintah.
  5. Document classification. Sedangkan aplikasi ini adalah merupakan area penelitian NLP Yang paling sukses. Pekerjaan yang dilakukan aplikasi ini adalah menentukan dimana tempat terbaik dokumen yang baru diinputkan ke dalam sistem. Hal ini sangat berguna pada aplikasi spam filtering, news article classification, dan movie review.

Perkembangan NLP menghasilkan kemungkinan dari interface bahasa natural menjadi knowledge base dan penterjemahan bahasa natural. Poole dan Mackworth (2010) menjelaskan bahwa ada 3 (tiga) aspek utama pada teori pemahaman mengenai natural language:

  1. Syntax: menjelaskan bentuk dari bahasa. Syntax biasa dispesifikasikan oleh sebuah grammar. Natural language jauh lebih daripada formal language yang digunakan untuk logika kecerdasan buatan dan program komputer
  2. Semantics: menjelaskan arti dari kalimat dalam satu bahasa. Meskipun teori semantics secara umum sudah ada, ketika membangun sistem natural language understanding untuk aplikasi tertentu, akan digunakan representasi yang paling sederhana.
  3. Pragmatics: menjelaskan bagaimana pernyataan yang ada berhubungan dengan dunia. Untuk memahami bahasa, agen harus mempertimbangan lebih dari hanya sekedar kalimat. Agen harus melihat lebih ke dalam konteks kalimat, keadaan dunia, tujuan dari speaker dan listener, konvensi khusus, dan sejenisnya.


Sumber:


Komentar

Postingan populer dari blog ini

Membuat Split File Zip Dengan 7-Zip

Load Dan Insert Image ke MySQL BLOB dengan VB6

Pembuatan Function PowerBuilder