Representasi Pengetahuan
Representasi Pengetahuan
Representasi pengetahuan adalah suatu teknik untuk
merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram
tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan
data yang lain sehingga dapat diuji kebenaran penalarannya. Representasi
pengetahuan biasanya digunakan untuk pembuatan sistem pakar di mana komputer
dirancang untuk dapat mengambil keputusan seperti manusia agar dapat memecahkan
permasalahan. Secara singkat, representasi pengetahuan diklarifikasikan menjadi
4 kategori :
1. Representasi logika. Representasi jenis ini menggunakan
ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis
pengetahuan.
2. Representasi prosedural. Representasi yang menggambarkan
pengetahuan sebagai kumpulan instruksi untuk memecahkan suatu problema.
3. Representasi network. Representasi ini menangkap
pengetahuan sebagai sebuah graf dimana simpul-simpulnya menggambarkan obyek
atau konsep dari problema yang dihadapi, sedangkan edgenya menggambarkan
hubungan atau asosiasi antar mereka.
4. Representasi terstruktur. Representasi terstruktur
memperluas network dengan cara membuat setiap simpulnya menjadi struktur data
kompleks.
Adapun bentuk representasi pengetahuan yang telah
dikembangkan, yaitu :
1. Jaringan
Semantik ( Semantic nets)
Jaringan Semantik adalah tehnik representasi dalam
artificial intelligence klasik untuk informasi proposional, sehingga sering
kali disebut sebagai poporsional network. Proposisi adalah pernyataan yang
dapat bernilai benar atau salah dan merupakan bentuk pengetahuan deklaratif.
Semantic network pertama kali dikembangkan untuk AI (Artificial Intelligence)
sebagai cara untuk mempresentasikan memory dan pemahaman bahasa manusia.
Struktur semantic nets berupa grafik dengan node (simpul) dan arc (ruas) yang
menghubungkannya.
2.
Object-Attribute-Value/Nilai (OAV)
Bentuk object-attribute-value triple dapat digunakan untuk
mempresentasikan semua karakteristik pengetahuan dalam semantic net dan
digunakan pada sistem pakar MYCIN untuk mendiagnosa penyakit infeksi.
3. Bingkai
(Frame)
Salah satu tipe skema yang digunakan dalam beberapa aplikasi
AI adalah frame. Frame merupakan struktur yang baik untuk mempresentasikan
objek yang tipikal dalam situasi tertentu. Karakteristik dasar frame adalah
frame mempresentasikan pengetahuan yang terkait mengenai sebuah subjek yang
sempit dan memiliki default. Sistem frame adalah pilihan yang baik untuk
mendeskripsikan peralatan mekanik seperti mobil. Frame mencoba memodelkan obyek
yang ada di dunia nyata menggunakan pengetahuan generik untuk atribut yang
banyak dimiliki oleh obyek dan pengetahuan spesifik untuk kasus khusus.
4. Aturan
Produksi (Production Rule)
Aturan produksi adalah jenis representasi pengetahuan yang
paling umum digunakan karena memiliki keuntungan yang lebih dibandingkan dengan
kekurangannya.
Schemata
Dalam beberapa sumber, konsep schemata sebenarnya pernah
diperkenalkan oleh Immanuel Kant (1781), sebelum diadopsi menjadi konsep
schemata modern di bidang ilmu komputer. Ketika itu Kant ingin menunjukkan
bahwa tidak semua kebenaran didasarkan pada pengamatan empiris. Kant
mengusulkan bahwa pengetahuan itu didasarkan pada persepsi. Kant mengusulkan
penggunaan schemata sebagai sarana untuk mengatur dan menginterpretasikan
fenomena perseptual.
Kant pada waktu itu membedakan antara “phenomena” dan
“noumena”. “Noumena” merupakan dasar realitas alam semesta. “Noumena” tidak
dapat sepenuhnya diketahui, tetapi hanya sebagian yang dapat diamati melalui
indera menusia. “Phenomena” merupakan pengamatan parsial dari “noumena”,
sehingga “phenomena” tidaklah sempurna.
Selanjutnya Kant mengusulkan agar schemata dibangun untuk
mewakili prototipe “phenomena”(fenomena). Prototipe kemudian digunakan untuk
merepresentasikan keseluruhan fenomena yang diamati untuk menafsirkan dan
mengatur persepsi.
Pendekatan Kant ini sempat populer pada Cognitive Psychology
tahun 1930an dan kemudian diadopsi oleh para peneliti ilmu komputer awal.
Beberapa sistem pemrograman populer berdasarkan schemata termasuk dalam
aplikasi sbb:
Computer Vision: Frames
Story Understanding: Scripts
Context Aware Systems: Situation Models
Language translation & understanding: Semantic Nets
Komentar
Posting Komentar