Representasi dan Pemecahan Masalah

Suatu mesin yang dibangun dengan teknologi AI diharapkan dapat memiliki kemampuan pengambilan keputusan dan pemecahan masalah seperti manusia. Pemecahan masalah dan pengambilan keputusan menjadi hal yang rumit dan sulit bagi manusia apalagi diterjemahkan kedalam sebuah mesin. Hal ini mendorong munculnya penelitian dan berbagai metode baru.

Problem solving atau pemecahan masalah searah dengan decision making atau pengambilan keputusan. Pemecahan masalah dianalogikan dengan proses atau kemampuan pencarian solusi. Sedangkan pengambilan keputusan merupakan langkah berikutnya setelah solusi ditemukan. Metode kecerdasan buatan atau AI memiliki kedua manfaat tersebut. 

Proses pemecahan masalah memiliki perbedaan antar peneliti. Menurut salah satu peneliti Bell et. Al[1] proses pemecahan masalah terdapat 6 langkah dasar, sebagai berikut :

1. Mengetahui dan mengenali masalah. Sebelum menemukan solusi dari sebuah masalah, kita harus mengetahui masalah apa yang sedang dialami dengan tepat.

2. Mengidentifikasi kriteria. Kriteria ini menyangkut persoalan solusi yang akan ditemukan. Seperti ketika kita menginginkan sebuah investasi yang tepat, maka kita memerlukan pemikiran tentang resiko, keuntungan, likuiditas dan hal lain.

3. Mengumpulkan beberapa alternatif solusi. Pada saat ini kita sudah mempunyai solusi yang siap diaplikasikan.

4. Pencarian solusi dan evaluasi. Pada tahapan ini kita sudah melakukan metodologi penalaran terhadap solusi. Pencarian solusi yang ada menghasilkan kandidat solusi yang potensial.

5. Pemilihan dan perekomendasian solusi. Solusi yang telah dilakukan evaluasi kemudian dipilih dan direkomendasi untuk dapat diaplikasikan.

6. Implementasi. Solusi yang telah dipilih kemudian diaplikasikan atau dipraktekkan. Kriteria solusi yang baik adalah sukses ketika diaplikasikan.

Manusia memiliki metode pemecahan masalah. Manusia melakukan proses berpikir menggunakan akal atau otak. Sedangkan otak merespon informasi. Informasi dari data berbagai sumber. 

Sumber data manusia berasal dari panca indra. Dengan menggunakan panca indra manusia mengolah data menjadi informasi serta solusi kemudian disimpan pada otak. Seperti proses mata melihat obyek. Menurut lensa mata, obyek yang ditangkap melalui pantulan cahaya terbalik. Kemudian data ini dikirimkan ke otak untuk diproses dan dikembalikan kembali ke mata dalam bentuk obyek yang benar.

Dengan cara yang sama, komputer memecahkan masalah menggunakan sebuah algoritma. Jika manusia mendapatkan input dari panca indra, sedangkan komputer mendapatkan input dari data, sensor, ketikan manusia, kamera dan sebagainya. Dengan menggunakan algoritma tertentu dan rumusan matematika tertentu komputer mengolah input data menjadi sekumpulan solusi.

Input pada dunia nyata dalam kecerdasan buatan dikategorikan sebagai fakta yang ditulis dalam bentuk simbol. Dengan menggunakan simbol disimpan dalam basis pengetahuan. Untuk selanjutnya diperhitungkan dengan algoritma oleh pemrogram. Sehingga permasalahan ditemukan dengan jelas dan solusi dapat diberikan. Semua proses tersebut adalah bagian dari representasi pengetahuan.

Salah satu kendala dalam sistem kecerdasan buatan atau kita sebut sistem cerdas adalah pencarian. Pencarian yang cepat dan tepat dibutuhkan untuk menyeleksi solusi dari beragam solusi. Sistem cerdas memiliki data basis pengetahuan yang sangat banyak, sehingga membutuhkan waktu dan sumber daya  dalam mengaksesnya. Oleh karena itu, diperlukan logika atau algoritma pencarian yang tepat untuk menanganinya.

Metode Blind Search merupakan salah satu solusi algoritma pencarian yang dapat digunakan dalam membangun sistem cerdas. Pencarian dilakukan kepada semua data solusi dalam basis data pengetahuan. Pencarian dilakukan pada data solusi sampai ketemu dan asal ketemu solusi. Sebagai contoh, apabila terdapat dalam kaleng 3 kelereng berwarna hitam, merah, dan hijau jika terdapat permintaan pencarian kelereng hitam maka dilakukan pencarian dan ketemu kelereng hitam, pencarian selesai.

Metode Heuristic merupakan metode pencarian solusi dengan terbimbing. Terbimbing memiliki maksud disertai syarat. Metode ini tidak hanya sekedar mencari solusi, tetapi juga sesuai syarat atau dengan kata lain solusi yang tepat. Sebagai contoh seperti pada kasus 3 kelereng tetapi ditambahi karakter hitam dan memiliki pecahan lonjong. Maka pencarian dilakukan terhadap warna hitam dan tidak berhenti sampai disitu, pencarian dilanjutkan dengan mencari warna hitam dan memiliki pecahan lonjong.