|
Berkembangnya pengetahuan menyebabkan basis pengetahuan suatu sistem pakar harus selalui dikembangkan. Kendala utama dalam pengembangan suatu sistem pakar terletak pada akuisisi pengetahuan (knowledge acquisition bottleneck). Pada sistem pakar konvensional diperlukan seorang perekayasa pengetahuan (knowledge engineer) yang merepresentasikan pengetahuan pakar sumber (domain expert) ke dalam bentuk-bentuk pengetahuan yang dikenal oleh komputer. Dengan menerapkan mesin belajar (machine learning) maka sang pakar dapat mengajari langsung sistem pakar dengan memberikan contoh-contoh. Dari contoh-contoh tersebut, sistem pakar dengan penalaran induksinya mampu merumuskan sendiri kaidah-kaidah untuk basis pengetahuannya. Proses ini dapat berlangsung terus sehingga sistem pakar semakin lama semakin cerdas karena pengetahuannya terus bertambah. Dalam menjelaskan konsep mesin belajar, akan dibahas secara khusus metode hit and near-miss. Melalui metode ini akan diperkenalkan berbagai meode induksi heuristik yang digunakan oleh suatu mesin belajar untuk melakukan spesialisasi maupun generalisasi yang merupakan inti dari metode belajar induksi. Metode ini diimplementasikan dalam sebuah program sederhana yang dibuat dengan bahasa PROLOG. Selain untuk memperlihatkan bagaimana komputer melakukan proses belajar, program ini juga dapat dimanfaatkan sebagai alat bantu untuk membentuk basis pengetahuan sistem pakar. |
