Masa Depan Penelitian AI: Menavigasi Tantangan dan Peluang

Pada awal tahun 1990-an, Jepang telah meninggalkan rencana generasi ke-5 mereka dan bahkan mengumumkan bahwa mereka siap untuk merilis perangkat lunaknya. Meskipun mereka tidak memberikan alasan spesifik untuk mengabaikan program AI mereka, para ilmuwan Amerika mengkritik upaya mereka karena terlalu fokus pada logika komputer dan terlalu sedikit pada proses berpikir manusia. Pilihan bahasa PROLOG juga dikritik karena negara lain tidak mengembangkan perangkat lunak dalam bahasa tersebut dan menunjukkan kurangnya antusiasme terhadapnya. Selain itu, Jepang tidak membuat kemajuan yang signifikan dalam pemrosesan paralel, metode komputasi yang semakin penting di bidang ilmu komputer. Sebagai gantinya, Jepang telah mendefinisikan tujuan generasi ke-6, yang disebut dengan Proyek Komputasi Dunia Nyata, yang beralih dari pendekatan sistem ahli yang hanya bekerja dengan aturan logis yang dibangun. Salah satu tantangan terbesar dalam membangun sistem ahli yang lebih berguna adalah masalah masukan, terutama mengisi data mentah ke sistem AI. Untuk mengatasi masalah ini, banyak upaya telah dilakukan dalam pengenalan ucapan, pengenalan karakter, visi komputer, dan pemrosesan bahasa alami. Masalah lain adalah mengekstrak pengetahuan dari ahli dan kemudian mengkodekannya untuk digunakan oleh mesin. Untuk mengatasi masalah ini, banyak upaya juga telah dilakukan dalam pembelajaran dan akuisisi pengetahuan. Salah satu ide yang paling berguna yang muncul dari penelitian AI adalah bahwa fakta dan aturan (pengetahuan deklaratif) dapat direpresentasikan secara terpisah dari algoritma pengambilan keputusan (pengetahuan prosedural). Realisasi ini memiliki efek yang sangat besar baik pada cara para ilmuwan memecahkan masalah maupun teknik rekayasa yang digunakan untuk menghasilkan sistem AI. Dengan mengadopsi elemen prosedural tertentu, yang disebut mesin inferensi, pengembangan sistem AI dapat dikurangi menjadi memperoleh dan mengkodekan cukup banyak aturan dan fakta dari domain masalah. Proses ini disebut dengan insinyur pengetahuan. Mengurangi pengembangan sistem menjadi insinyur pengetahuan telah membuka pintu bagi praktisi non-AI.