BAB 4
AKUISISI DAN VALIDASI KNOWLEDGE
4.1. Rekayasa Knowledge.
Rekayasa knowledge dapat dipandang dari 2 perspektif: sempit dan luas.
Dalam perspektif luas, rekayasa knowledge menjelaskan keseluruhan proses pengembangan dan pengelolaan sistem AI.
Dalam perspektif sempit, rekayasa knowledge berhubungan dengan akuisisi, representasi, validasi, inferencing, penjelasan, dan pengelolaan knowledge. Pengertian ini yang digunakan dalam pembahasan bab ini.
Proses Rekayasa Knowledge.
Dapat dilihat pada gambar di bawah ini:
Explanation, Justification Knowledge Base Knowledge Validation (Test Cases) Sources of Knowledge (Experts, Others) Knowledge Representation Inferencing Knowledge Representation Encoding
4.2. Skup Knowledge.
Hal-hal yang berkenaan dengan knowledge, dapat digambarkan dalam bagan berikut ini:
Behavior Descriptions and Beliefs Vocabulary Definitions Objects and Relationships Heuristics and Decision Rules Procedures for Problem Solving Typical Situations Knowledge Base Knowledge about Knowledge (Metaknowledge) Hypotheses (Theories) Uncertaint Facts Processes Constraints Facts about the Domain Disjunctive Facts General Knowledge (e.g., of the World)
Sumber Knowledge.
2 sumber, terdokumentasi dan tak terdokumentasikan.
Sumber tak terdokumentasikan ini yang seringkali dijumpai, ia berada dalam pikiran orang sehingga sulit didokumentasikan.
Bab 4 Akuisisi dan Validasi Knowledge
Knowledge dapat diidentifikasikan dan dikumpulkan menggunakan indra manusia dan juga mesin (sensor, scanner).
Keragaman dan pelbagai jenis knowledge menyebabkan akuisisi knowledge menjadi lebih kompleks.
Akuisisi dari Database.
Pelbagai ES dibangun dari knowledge yang diekstrak baik keseluruhan maupun sebagian dari database.
Bertambahnya jumlah knowledge yang disimpan dalam database, menjadikan akuisisi lebih sulit dilakukan.
Level Knowledge.
Shallow knowledge (pengetahuan dangkal). Mengacu pada representasi informasi level permukaan yang berhubungan dengan situasi yang sangat spesifik. Salah satu contoh adalah aturan IF-THEN.
Deep knowledge (pengetahuan dalam). Mengacu pada struktur dalam dan penyebab dari suatu sistem dan mempertimbangkan interaksi diantara komponen-komponen sistem. Ia berbasis secara penuh pada integrasi, hubungan erat kesadaran manusia yang melibatkan emosi, akal sehat, intuisi, dan lain-lain. Jenis knowledge ini sulit untuk dikomputerisasikan.
Kategori Knowledge.
Knowledge deklaratif. Representasi deskriptif dari suatu knowledge. Ia menceritakan kepada kita “apakah” (what) sesuatu itu. Diekspresikan dalam penyataan faktual. Menceritakan kebenaran yang didapat dan asosiasi-asosiasinya. Biasanya berjenis knowledge dangkal, atau level permukaan, informasi yang dapat diceritakan pakar secara verbal. Knowledge deklaratif ini sangat penting dalam tahap awal akuisisi knowledge.
Knowledge prosedural. Mempertimbangkan perilaku dimana sesuatu bekerja di bawah keadaan-keadaan tertentu. Ia mengikutsertakan urutan langkah demi langkah dan jenis instruksi “bagaimana” (how-to); bisa juga mengikutsertakan penjelasan (explanation). Ia melibatkan tanggapan otomatis terhadap rangsangan. Ia juga menceritakan pada kita bagaimana menggunakan knowledge deklaratif dan bagaimana membuat inferences. Jadi secara implisit jenis knowledge ini menjelaskan juga pertanyaan “mengapa” (why).
Metaknowledge. Berarti knowledge mengenai knowledge. Dalam ES, metaknowledge mengacu pada knowledge mengenai operasi sistem berbasis pengetahuan; yaitu, mengenai kemampuan reasoning (memberikan alasan/penjelasan).
4.3. Kesulitan dalam Akuisisi Knowledge.
Secara umum, mentransfer informasi dari satu orang ke orang lain adalah hal yang sulit.
Beberapa mekanisme dapat digunakan untuk melakukan transfer ini – menuliskan kata-kata, suara, gambar, musik – dan tak satupun dari ini yang sempurna.
Masalah juga ada dalam mentransfer knowledge, walaupun cuma pesan/message yang singkat. Mentransfer knowledge dalam ES lebih sulit lagi.
Masalah-masalah dalam transfer knowledge.
Mengekspresikan knowledge.
Penyelesaian masalah dari para pakar ini meliputi 2 langkah proses. (1) Pakar menginputkan informasi mengenai dunia luarnya ke dalam benaknya. Informasi ini disampaikan oleh orang, komputer, atau media lain. Juga dikumpulkan melalui sensor atau dipanggil kembali dari ingatan/memory. (2) Pakar menggunakan pendekatan induktif, deduktif, atau pendekatan lain pada informasi tersebut. Hasil dari seluruh proses ini merupakan rekomendasi tentang bagaimana menyelesaikan masalah.
Proses ini adalah proses internal. Knowledge engineer, saat mengumpulkan knowledge dari pakar, harus menanyakan kepada para pakar agar mereka melihat ke dalam dirinya sendiri mengenai proses pengambilan keputusan dan mengenai pengalaman-pengalaman yang terlibat di dalamnya. Sangat sulit bagi para pakar dalam mengekspresikan pengalamannya mengenai proses tadi, khususnya pada pengalaman-pengalaman yang berasal dari sensasi, pertimbangan, ingatan indrawi, dan perasaan. Pakar sering mengabaikan proses detil bagaimana ia sampai mengambil kesimpulan. Juga, pakar mungkin menggunakan aturan yang berbeda dalam menyelesaikan masalah-masalah dalam kenyataannya dibandingkan yang ia nyatakan dalam wawancara akuisisi knowledge.
Transfer ke mesin. Knowledge ditransfer ke mesin dan diorganisasi dengan cara-cara tertentu. Mesin membutuhkan knowledge agar bisa mengekspresikannya secara jelas dalam
Bab 4 Akuisisi dan Validasi Knowledge
level yang lebih rendah, lebih detil daripada manusia. Knowledge manusia disimpan dalam format dengan susunan tertentu. Manusia jelas sulit mengingat semua langkah-langkah antara yang digunakan otaknya dalam pentransferan atau pemrosesan knowledge. Sehingga, ada ketidaksesuaian diantara komputer dan pakar.
Jumlah partisipan. Dalam transfer umum knowledge ada 2 partisipan (pengirim dan penerima). Dalam ES, bisa terdapat 4 partisipan (ditambah dengan komputer): pakar, knowledge engineer, desainer sistem (builder, pembangun), dan user. Terkadang ada partisipan lain (misal, programer dan vendor). Para partisipan ini memiliki latar belakang yang berbeda, menggunakan istilah berbeda, dan memiliki ketrampilan dan knowledge yang berbeda pula. Sebagai contoh, sang pakar, mungkin sedikit sekali mengerti tentang komputer, sedangkan knowledge engineer sangat sedikit tahu tentang wilayah permasalahan.
Struktur knowledge. ES selain membutuhkan knowledge, juga berkepentingan dengan struktur dari knowledge tersebut. Knowledge harus disusun menurut aturan tertentu (misal, sebagai rules/aturan-aturan).
Alasan-alasan lain. Beberapa alasan yang menambahi kerumitan transfer knowledge: 1. Pakar mungkin memiliki keterbatasan waktu atau tak bersedia bekerja sama.
2. Testing dan penghalusan knowledge adalah sesuatu yang rumit.
3. Definisi yang mungkin kurang baik dari metode mendapatkan suatu knowledge.
4. Pembangun sistem bertendensi untuk mengumpulkan knowledge dari satu sumber, namun knowledge yang relevan mungkin harus diperoleh dari pelbagai sumber.
5. Pembangun mungkin mencoba untuk mengumpulkan knowledge terdokumentasi daripada memanfaatkan para pakar. Knowledge yang dikumpulkan mungkin tak lengkap.
6. Adalah sulit untuk mengenali knowledge tertentu jika ia tercampur dengan data yang tak relevan.
7. Pakar mungkin mengubah perilakunya jika ia diamati dan/atau diwawancarai.
8. Masalah komunikasi antarpersonal yang mungkin ada diantara knowledge engineer dan pakar.
Mengatasi Pelbagai Kesulitan.
Banyak usaha telah dilakukan untuk mengatasi kesulitan-kesulitan yang sudah dijelaskan tadi. Misalnya, mengembangkan program yang mampu menerima saran seperti yang sering
diberikan kepada para user/pemula.
Beberapa paket software pengembangan ES menyederhanakan sintaks dari rules (dalam sistem berbasis rule/aturan) untuk membuat ES builder lebih mudah membuat dan memahaminya tanpa pelatihan khusus.
NLP bisa juga digunakan menerjemahkan knowledge ke struktur representasi knowledge tertentu.
Lebih lanjut, beberapa kesulitan mungkin bisa dikurangi atau dihilangkan dengan tool akuisisi knowledge berbasis komputer dan dengan integrasi ekstensif dengan pelbagai usaha akuisisi.
Ketrampilan yang dibutuhkan oleh Knowledge Engineer:
Ketrampilan komputer (hardware, pemrograman, software).
Toleransi dan ambivalensi (bisa bersikap mendua, untuk sementara). Kemampuan komunikasi yang efektif – sensitivitas, taktik, dan diplomasi. Latar belakang pendidikan yang luas.
Ketrampilan verbal di bidang sosial yang canggih dan mendalam.
Kemampuan untuk belajar cepat (dari bermacam-macam domain yang berbeda). Pemahaman mengenai organisasi dan individu.
Pengalaman yang mumpuni dalam rekayasa knowledge. Intelijen/kecerdasan.
Empati dan kesabaran. Ketekunan.
Berpikir lojik.
Mengetahui pelbagai hal dan suka hal-hal baru. Percaya diri.
4.4. Metode Akuisisi Knowledge: Pendahuluan.
Teknik mendapatkan knowledge dari pakar dapat dilakukan dengan cara manual atau dengan bantuan komputer.
Kebanyakan teknik manual dipinjam (tetapi seringkali dimodifikasi) dari bidang Psikologi atau dari analisis sistem.
Bab 4 Akuisisi dan Validasi Knowledge
Di bawah ini disajikan gambaran metode manual dalam akuisisi knowledge:
Expert(s) Documented Knowledge Knowledge Engineer Knowledge Base Elicitation Coding
Metode semiotomatis dibagi menjadi 2 kategori: (1) yang ditujukan untuk mendukung pakar dengan mengijinkan mereka membangun basis knowledge dengan tanpa atau sedikit bantuan knowledge engineer, yang dapat digambarkan seperti ini:
Expert Computer-aided (Interactive) Interviewing Knowledge Base Knowledge Engineer Coding
Dan (2) yang ditujukan untuk membantu knowledge engineer dengan mengijinkan mereka mengeksekusi task/tugas yang diperlukan dengan cara yang lebih efektif dan/atau efisien (terkadang dengan hanya partisipasi minimal sang pakar).
Pada metode otomatis, peran dari pakar dan/atau knowledge engineer diminimalkan atau malah dihilangkan. Sebagai contoh, pada metode induksi yang diatur oleh sembarang builder (misal, seorang sistem analis). Pakar berperan minimal dan knowledge engineer tak diperlukan disini. Istilah otomatis mungkin salah diartikan. Pasti ada seorang/beberapa builder disitu, tapi memang tak diperlukan adanya knowledge engineer dan pakar, kalaupun ada itupun hanya sedikit. Metode induksi dapat digambarkan sebagai berikut:
Case Histories and Examples Induction System Knowledge Base
4.5. Wawancara.
Format akuisisi knowledge yang paling umum adalah analisis wawancara tatap muka.
Dalam wawancara, pakar diberi presentasi dengan kasus simulasi atau jika mungkin dengan masalah nyata secara singkat dimana ES nantinya diharapkan bisa menyelesaikan. Lalu sang pakar ditanyai untuk “menceritakan” kepada knowledge engineer mengenai solusinya. Terkadang metode ini disebut dengan metode walkthrough.
Proses wawancara bisa membosankan. Ia terlalu memusatkan diri pada sang pakar, seorang yang harus mampu tak hanya mendemonstrasikan kepakarannya tapi juga dalam mengekspresikannya.
Dengan kata lain, ia hanya membutuhkan perlengkapan kecil, sangat fleksibel dan bisa dilakukan dimana saja, dan dapat menghasilkan jumlah informasi yang berarti.
2 jenis wawancara: tak terstruktur (informal) dan terstruktur.
Wawancara Tak Terstruktur.
Kebanyakan wawancara akuisisi knowledge dilakukan secara informal, biasanya sebagai tahap permulaan.
Memulai dengan cara informal bisa menghemat waktu; ia secara cepat membantu mendapatkan struktur dasar domain permasalahan. Lalu, umumnya hal ini akan diteruskan dengan teknik formal.
Berbeda dengan anggapan banyak orang, wawancara tak terstruktur tidaklah sederhana. Kenyataannya, ini memberikan knowledge engineer bermacam-macam masalah efek berkelanjutan.
Wawancara tak terstruktur jarang dapat menyediakan gambaran lengkap atau terorganisasi baik dari proses cognitif (pengenalan/pemahaman). Alasannya:
1. domain biasanya rumit.
2. pakar biasanya kesulitan dalam mengekspresikan elemen yang lebih penting dari knowledgenya.
3. domain pakar mungkin menginterpretasikan struktur yang buruk karena persiapan yang kurang sebelum diadakan wawancara itu.
Bab 4 Akuisisi dan Validasi Knowledge
4. data yang didapat dari wawancara tak terstruktur sering tak berkaitan, terdiri dari bermacam-macam level kerumitan, dan sulit bagi knowledge engineer untuk mengkaji ulang, menginterpretasikan, dan mengintegrasikan.
5. disebabkan kurangnya pelatihan dan pengalaman, sedikit knowledge engineer dapat melakukan wawancara tak terstruktur dengan efisien.
Wawancara Terstruktur.
Di bawah ini adalah prosedur untuk melakukan wawancara terstruktur:
Knowledge engineer mempelajari materi yang tersedia pada domain untuk mengidentifikasi garis batas utama knowledge yang relevan.
Knowledge engineer mengkaji ulang kemampuan ES yang direncanakan. Dia mengidentifikasi tujuan pertanyaan yang akan ditanyakan selama sesi akuisisi knowledge.
Knowledge engineer secara formal menjadwal dan merencanakan (menggunakan form) wawancara terstruktur. Perencanaan ini termasuk juga janji bertemu secara fisik, mendefinisikan tujuan dan agenda sesi akuisisi knowledge, dan mengidentifikasi atau memperhalus wilayah utama pertanyaannya.
Knowledge engineer dapat saja menuliskan contoh pertanyaan, berfokus pada jenis pertanyaan, level, dan teknik bertanya.
Knowledge engineer meyakinkan pakar domain agar memahami maksud dan tujuan sesi ini dan mendorong pakar untuk bersiap-siap lebih dulu sebelum dilakukan wawancara tersebut.
Selama wawancara knowledge engineer mengikuti arahan/panduan dalam melakukan wawancara.
Selama wawancara knowledge engineer menggunakan kontrol arah/navigasi untuk mempertahankan struktur wawancara.
4.6. Metode Pelacakan.
Mengacu pada teknik yang mencoba untuk melacak proses reasoning dari seorang pakar. Ia merupakan pendekatan yang populer diantara para psikolog kognitif, yaitu orang yang
tertarik untuk mengetahui jalan pikiran seorang pakar saat sang pakar tersebut mencapai kesimpulan.
Knowledge engineer dapat menggunakan proses pelacakan ini untuk menemukan informasi apa yang digunakan dan bagaimana penggunaannya.
Metode pelacakan dapat formal maupun informal.
Metode formal yang paling umum adalah analisis protokol.
Prosedur Analisis Protokol:
Sediakan untuk sang pakar informasi dalam skala penuh yang berhubungan dengan suatu task/tugas.
Tanyakan pada pakar untuk memverbalkan (mengucapkan secara lisan tugas) tersebut dalam cara yang sama seperti sang pakar itu menyelesaikannya secara normal, demikian juga minta sang pakar tersebut memverbalkan proses keputusannya dan catat pemverbalan ini di tape. Buatlah statemen-statemen dengan menuliskan protokol verbal tadi.
Kumpulkan statemen yang kelihatannya banyak mengandung informasi.
Sederhanakan dan tulis kembali statemen yang terkumpul dan susunlah tabel aturan-aturan produksi (production rules) dari statemen tadi.
Buatlah serangkaian model dengan menggunakan aturan-aturan produksi tersebut.
Keuntungan dan Keterbatasan Analisis Protokol.
Advantage Limitations
Expert consciously considers decision-making heuristics.
Expert consciously considers decision alternatives attributes, values.
Knowledge engineer can observe and analyze decision-making behavior.
Knowledge engineer can record, and later analyze with the expert key decision points.
Requires that expert be aware of why he or she makes a decision.
Requires that expert be able to categorize major decision alternatives.
Requires that expert be able to verbalize the attributes and values of a decision alternative. Requires that expert be able to reason about the selection of a given alternative.
Subjective view of decision making.
Bab 4 Akuisisi dan Validasi Knowledge
4.7. Pengamatan dan Metode Manual Lainnya.
Pengamatan (observasi).
Dalam beberapa kasus, adalah mungkin untuk mengamati pakar saat bekerja di bidangnya. Dalam banyak kasus ini adalah pendekatan yang jelas dan terang dalam akuisisi knowledge. Kesulitannya adalah ia sulit diperkirakan.
Contoh, kebanyakan pakar memberikan nasehat kepada beberapa orang, dan kemungkinan bekerja pada beberapa domain secara bersamaan. Observasi yang dilakukan harus mencakup semua aktivitas sang pakar. Sehingga, data yang dikumpulkan jumlahnya besar sekali dimana sebenarnya yang dibutuhkan cuma sedikit. Dalam hal lain, jika kita merekamnya dengan tape atau video, biaya menuliskan rekaman yang panjang itu patut pula dipertimbangkan.
Pengamatan yang dapat dipandang sebagai kasus khusus dari protokol, terdiri dari 2 jenis: gerakan motorik dan gerakan mata.
Gerakan motorik adalah kinerja fisik sang pakar (misal, berjalan, menggapai sesuatu, berbicara) yang didokumentasikan.
Gerakan mata mendokumentasikan dimana sang pakar menetapkan pandangan matanya. Pengamatan digunakan utamanya sebagai cara mendukung protokol verbal.
Biasanya mahal dan memakan waktu.
Pelbagai metode manual lainnnya:
Case analysis.
Critical incident analysis. Commentaries.
Conceptual graph. Brainstorming. Prototyping.
Multidimensional scaling.
Johnson’s hierarchical clustering.
4.8. Metode Expert-driven.
Ada 2 pendekatan: manual dan dibantu komputer (semiotomatis).
Metode manual: laporan oleh sang pakar itu sendiri.
Terkadang dimungkinkan untuk mendapatkan knowledge dari pakar secara manual dengan menggunakan daftar pertanyaan yang dapat diatur sendiri atau laporan yang terorganisasi. Pertanyaan berjenis open-ended (bentuk jawabannya bebas) digunakan untuk mendapatkan
knowledge yang memiliki konsep level tinggi.
Pertanyaan berjenis close-ended (bentuk jawabannya terbatas) lebih terstruktur dan mudah diisi, tetapi knowledge yang didapat juga terbatas.
Sebagai tambahan dalam daftar pertanyaan, pakar mungkin ditanya mengenai catatan aktivitas mereka, persiapan mengajar mereka, atau laporan yang dihasilkan mengenai aktivitas penyelesaian masalah mereka.
Laporan pakar dan daftar pertanyaan memunculkan sejumlah masalah seperti di bawah ini: 1. Secara esensial mengharuskan pakar bertindak sebagai knowledge engineer, tanpa pelatihan
untuk menjadi knowledge engineer.
2. Laporan tersebut cenderung memiliki derajat bias yang tinggi; biasanya merefleksikan opini sang pakar mengenai bagaimana suatu task/tugas seharusnya dikerjakan daripada bagaimana yang sebenarnya dikerjakan.
3. Pakar sering menjelaskan ide baru dan belum teruji, serta strategi-strategi yang telah direnungkannya tetapi hal-hal ini tak termasuk dalam perilaku pengambilan keputusan mereka. Juga mereka sering mencampuradukkan pengalaman lalu, perilaku sesungguhnya, dan perilaku “ideal” masa mendatang.
4. Laporan pakar merupakan usaha yang memakan waktu, dan para pakar akan segera kehilangan ketertarikan pada suatu hal. Kualitas informasi yang dicapai akan terus berkurang di saat laporan terus berkembang.
5. Pakar harus cakap dalam teknik diagram alur atau proses dokumentasi lainnya.
6. Pakar mungkin lupa pada bagian khusus tertentu dari suatu knowledge (yang mungkin menimbulkan kerancuan).
7. Pakar kelihatannya tak terlalu jelas dalam mengasosiasikan suatu kejadian (yang mungkin menimbulkan bias yang tak tentu).
Bab 4 Akuisisi dan Validasi Knowledge
Pendekatan bantuan komputer.
Tujuan dari dukungan terkomputerisasi ke pakar adalah mengurangi atau menghilangkan masalah potensial yang sudah dibahas pada pendekatan manual sebelumnya, khususnya pada masalah bias dan kerancuan.
Tool akuisisi knowledge yang cerdas digunakan untuk menghaluskan dan mengkoreksi knowledge yang telah ada.
Teknik pemodelan visual sering digunakan untuk menyusun model domain awal.
4.9. Repertory Grid Analysis.
Pengalaman sering berdasarkan persepsi, wawasan, dan intuisi. Sehingga banyak pakar kesulitan dalam mengekspresikan reasoning-nya.
Pakar sering bingung membedakan fakta dan faktor yang sesungguhnya mempengaruhi pengambilan keputusan.
Untuk mengatasinya, diturunkan dari bidang Psikologi, digunakan pendekatan yang disebut dengan classification interview (wawancara terklasifikasi).
Karena terstruktur saat diaplikasikan ke teknologi, metode ini biasanya dibantu dengan komputer. Metode utamanya disebut dengan Repertory Grid Analysis (RGA).
RGA berdasarkan model yang diusulkan oleh Kelly mengenai pemikiran manusia yang disebut dengan Personal Construct Theory.
Berdasarkan teori ini, setiap orang dipandang sebagai “ilmuwan pribadi” yang mencari untuk memperkirakan dan mengontrol kejadian-kejadian dengan menyusun teori, mengetes hipotesis, dan menganalisis hasil percobaan. Knowledge dan persepsi mengenai dunia (atau mengenai domain atau suatu masalah) diklasifikasikan dan dikategorisasikan oleh setiap individu sebagai model personal, model perseptual. Berdasarkan model yang dikembangkan tadi, setiap individu mampu mengantisipasi dan lalu beraksi berdasarkan antisipasi ini.
Model personal ini sesuai dengan cara pandang seorang pakar dalam bekerja; ia adalah gambaran dari pengembangan dan penggunaan knowledge dari sang pakar, dan selanjutnya ia layak untuk ES.
Cara kerja RGA.
1. Pakar mengidentifikasi objek-objek penting dalam domain kepakaran. Contoh: bahasa komputer (LISP, C, COBOL) adalah objek dalam kasus memilih bahasa komputer.
2. Pakar mengidentifikasi atribut penting yang diperlukan dalam pengambilan keputusan dalam domain. Contoh: ketersediaan paket komersial dan kemudahan dalam pemrograman adalah hal penting dalam kasus memilih bahasa komputer.
3. Untuk setiap atribut, pakar ditanyai untuk membuat skala bipolar dengan pembedaan karakteristik (sifat) dan lawannya. Contoh: dalam kasus memilih bahasa komputer, disajikan dalam tabel seperti di bawah ini.
Attributes Trait Opposite
Availability Widely available Not available Ease of programming High Low
Training time Low High
Orientation Symbolic Numeric 4. Pewawancara mengambil 3 objek sembarang dan bertanya: atribut dan sifat apakah yang
membedakan 2 dari 3 objek ini? Jawaban ini diterjemahkan pada skala 1-3 (atau 1-5). Langkah ini diulang untuk beberapa objek trio lagi. Contoh: jika kumpulannya adalah LISP, PROLOG, dan COBOL; sang pakar mungkin menekankan pada “orientasi”. Lalu sang pakar mengatakan bahwa LISP dan PROLOG bersifat simbolik, sedangkan COBOL bersifat numerik. Dapat diisajikan dalam tabel seperti di bawah ini:
Attribute Orientation Ease of
Programming Training Time Availability
Trait
Opposite Symbolic (3) Numeric (1) High (3) Low (1) High (1) Low (3) High (3) Low (1)
LISP 3 3 1 1
PROLOG 3 2 2 1
C 2 3 2 2
COBOL 1 2 1 3
Penggunaan RGA dalam ES.
Bab 4 Akuisisi dan Validasi Knowledge
4.10. Dukungan Knowledge Engineer.
Sejumlah tool akuisisi dan encoding menghemat waktu yang diperlukan (dan/atau level ketrampilan) oleh knowledge engineer.
Namun demikian, knowledge engineer dalam kasus ini tetap memainkan peran penting dalam proses tersebut, seperti terlihat pada gambar di bawah ini:
Expert I Expert II Knowledge Acquisition Knowledge Base Encoding Computer Knowledge Base ES Tools Client I Client II Knowledge Engineer Advise Manage Acquisition Edit Manage Encoding Edit Validate Train
Alat bantu akusisi knowledge.
Editor dan antarmuka.
Fasilitas untuk menjelaskan (explanation). Revisi dari basis pengetahuan.
Pictorial Knowledge Acquisition (PIKA). Contoh: TEIRESIAS, EMYCIN, dan lain-lain.
Alat bantu akuisisi knowledge terintegrasi.
Masing-masing alat bantu yang sudah disebut diatas, biasanya bekerja sendiri-sendiri. Namun ada kecenderungan untuk mengintegrasikan semua alat bantu tadi.
Contoh: Auto-Intelligence, KADS (Knowledge Acquisition and Documentation System).
Front-end Tools.
Contoh: Knowledge Analysis Tool (KAT) mengkonversi knowledge ke format rule khusus untuk satu tool yang disebut Level5. NEXTRA adalah tool serupa yang membantu knowledge engineer untuk meng-kode rule dalam Nexpert Object.
4.11. Induksi Rule, Case-based Reasoning, dan Komputasi Syaraf.
Metode untuk mendapatkan knowledge yang manual dan semiotomatis ternyata lamban dan mahal, ternyata masih ditambahi lagi dengan kekurang-kekurangan seperti ini:
Sulit untuk memvalidasi knowledge yang diperoleh.
Seringkali terdapat korelasi lemah diantara laporan verbal dan perilaku mental.
Dalam situasi tertentu pakar tak mampu menyediakan keseluruhan hal tentang bagaimana suatu keputusan tersebut mereka buat.
Bab 4 Akuisisi dan Validasi Knowledge
Kualitas suatu sistem banyak tergantung pada kualiatas pakar dan knowledge engineer. Pakar tak memahami teknologi ES.
Knowledge engineer tak memahami, dalam banyak kasus, sifat dasar bisnis.
Sehingga diperlukan pengembangan metode akuisisi knowledge yang dapat mengurangi atau menghilangkan kebutuhan dari 2 partisipan ini. Metode ini disebut dengan akuisisi knowledge yang dibantu oleh komputer, atau akuisisi knowledge otomatis, dengan tujuan:
Meningkatkan produktivitas pekerjaan knowledge engineer (mengurangi biaya). Mengurangi level ketrampilan yang diperlukan oleh knowledge engineer.