Pembelajaran Mesin

Salah satu kemampuan penting yang dibutuhkan oleh baik organisme hidup maupun organisme buatan agar disebut berintelegensia adalah kemampuan belajar dari hasil interaksinya dengan lingkungan. Salah satu ciri utama dalam kemapuan belajar itu adalah kemampuan menghasilkan (acquire) aturan-aturan pengklasifikasi konsep dari data yang tersedia dan atau dari interaksi dengan lingkungan.

Dalam intelegensia buatan, pembelajaran mesin merupakan salah satu area yang sangat aktif diteliti akhir-akhir ini. Disiplin ini berhubungan dengan pengembangan metode-metode, teknik-teknik serta peralatan-peralatan (tools) pembelajaran yang dapat mengakumulasi pengetahuan dan menghasilkannya dalam suatu bentuk yang dapat dimengerti oleh para pakar atau dapat digunakan dalam sistem cerdas.

Pembelajaran merupakan faktor penting dalam membangun suatu mesin berintelegensia sendiri. Suatu mesin tidak dapat dikatakan berintelegensia sendiri kalau mesin itu tidak mampu belajar mengerjakan hal-hal baru dan beradaptasi dengan situasi-situasi yang baru. Mesin-mesin yang hanya dapat mengerjakan pekerjaan yang itu-itu saja dari waktu ke waktu tidak bisa dikatakan berintelegensia sendiri. Mesin seperti itu adalah mesin yang diprogram (programmed machine) dan berkerja berdasarkan instruksi. Tanpa instruksi mesin itu tidak dapat mengambil keputusan sendiri. Meskipun mesin-mesin itu dapat diprogram berulang-ulang (programmable machines) namun pengetahuan mereka bersifat statis dan terbatas pada instruksi-instruksi yang dimasukkan. Untuk mesin-mesin seperti itu penalaran (reasoning) dilakukan oleh manusia sedangkan mesin hanya digunakan karena alasan kecepatan, kapasitas dan sifat monotonitas pemrosesannya. Suatu mesin yang berintelegensia sendiri harus mampu belajar meningkatkan pengetahuannya, dalam arti menemukan sendiri metode-metode mana yang tepat untuk digunakan menyelesaikan suatu persoalan.

Pembelajaran menurut Simon (1983) adalah perubahan dalam sistem yang secara adaptif memampukan sistem tersebut mengerjakan tugas-tugas yang sama atau tugas dalam jenis yang sama secara lebih efektif pada waktu berikutnya. Kemampuan belajar ini meliputi dua hal yaitu:

-    Kemampuan meningkatkan ketrampilan (skill refinement).

-    Kemampuan mengakuisisi pengetahuan (knowledge acquisition).

Kemampuan mengakusisi pengetahuan ini yang menjadi fokus perhatian utama dalam pembelajaran mesin dan pengembangan sistem cerdas (expert systems). Alasan utama timbul dari kenyataan bahwa akusisi pengetahuan dari seorang pakar adalah salah satu dari kesulitan utama  pengembangan sistem-sistem cerdas (Barr and Feigenbaum, 1982; Duda and Shortliffe, 1983). Secara tradisional, pengetahuan seorang pakar diperoleh menggunakan kuesioner, analisa protokol, dan kombinasi dari kedua hal tersebut. Pengetahuan yang didapat ini kemudian diterjemahkan menjadi aturan-aturan dari suatu sistem cerdas. Bila pengetahuan sistem cerdas ini ingin ditingkatkan, maka prosedur ini diulang kembali. 

Metode-metode akusisi pengetahuan secara tradisional ini sangat menghabiskan waktu dan tenaga dan sering tidak terlalu efektif (Michalski Chilauski, 1980). Alasannya adalah bahwa para pakar sering mengalami kesulitan menjelaskan keputusan-keputusan yang mereka ambil (Michalski and Chilauski, 1980; Bobrow, Mittal and Stefik, 1986). Para pakar biasanya lebih yakin menerapkan kepakarannya dari pada menjelaskannya. Selain itu, kalau akusisi pengetahuan itu dapat diautomatiskan maka waktu yang dibutuhkan untuk memperoleh pengetahuan para pakar menjadi lebih cepat (Michalski Chilauski, 1980; Quinlan, 1986; Biggs et al., 1987; Carter and Carlett, 1987; Greene, 1987).