Pemrograman AI untuk Teori Evaluasi Matriks Keputusan; Studi kasus

matriks

Saat memprogram sistem kecerdasan buatan untuk membuat keputusan dan atau mengevaluasi, ada sejumlah teori yang harus dieksplorasi sebelum memilih jalur tertentu. Menulis kode memang melelahkan dan memakan waktu serta cocok untuk dilakukan sebanyak mungkin pekerjaan di muka. Pertama dan terpenting  agen judi slot online Anda perlu memutuskan model mana yang akan diambil sistem AI Anda dalam proses pengambilan keputusannya. Jika Anda bermaksud membangun sistem matriks keputusan, Anda mungkin ingin melakukan sedikit diskusi filosofis dengan diri Anda sendiri atau tim Anda. Misalnya pikirkan cara-cara di mana umat manusia biasanya memilih sesuatu?

Misalnya dalam sebuah kontes kecantikan setiap wanita akan diberi nilai numerik pada setiap acara. Lalu setelah tiga sampai lima acara, wanita dengan skor tertinggi menang? Dalam Olimpiade Musim Dingin tahun 2006 setiap juri mungkin memiliki metode mereka sendiri untuk mencari tahu dan mungkin memberikan pertimbangan baik secara obyektif atau subyektif untuk hal-hal seperti pekerjaan teknis, kreativitas, keunikan, kinerja dan kesulitan dan menghasilkan skor dan dengan demikian menggunakannya untuk hakim. Yang kita lihat hanyalah sebuah kartu kecil yang bertuliskan 9.8, 9.9 atau “10” sempurna, ya?

Sekarang pada dua proses evaluasi ini Anda dapat melihat bagaimana Anda dapat merancang program Anda untuk melakukan hal-hal ini. Dalam acara Ice Skating Olimpiade Musim Dingin dengan banyak juri, Anda dapat meniru ini dalam program kecerdasan buatan hanya dengan menjalankan beberapa program evaluasi numerik yang sedikit berbeda (masing-masing mirip dengan juri) dan kemudian rata-rata skor untuk skor total. Ini mungkin bekerja dengan baik untuk memilih satu produk, orang atau konsep di atas yang lain. Pada kontes kecantikan Anda mungkin memiliki banyak juri dengan cara penilaian yang sama dan subjektivitas yang sedikit berbeda atas berbagai hal dalam setiap acara. Ini juga bisa menjadi duplikasi dengan pemrograman untuk sistem buatan dengan cukup mudah.

Cara manusiawi lainnya yang kita lakukan adalah mengadakan kontes di mana kita mengadu dua tim yang berbeda melawan satu sama lain dan pemenangnya maju dan yang kalah tidak. Jenis seperti playoff bola basket atau kapal juara sepak bola. Atau NFL untuk menentukan di akhir tahun siapa yang terbaik. Bentuk evaluasi ini dapat dengan mudah diprogram dan kode semacam itu sudah tersedia. Dengan menggunakan teknik eliminasi ganda atau tiga kali lipat, Anda dapat mengevaluasi dan menghilangkan banyak keacakan peluang atau keberuntungan dengan lebih baik dan meningkatkan probabilitas untuk mendapatkan jawaban yang belum tentu mutlak, tetapi secara statistik memberikan jawaban kemungkinan terbaik hingga ke titik di mana Anda dapat merasakannya. bagus bahwa sistem komputer AI Anda adil, jujur ​​dan pada akhirnya telah memilih jawaban terbaik.

Sekarang, ketika mengevaluasi sistem kecerdasan buatan matriks keputusan evaluasi, kita juga harus menyadari bahwa Anda hanya dibatasi oleh kreativitas Anda untuk memilih sistem terbaik untuk dievaluasi. Anda bahkan dapat menulis sistem terpisah yang menggunakan ketiga sistem ini atau lebih dan kemudian rata-rata bersama-sama, sehingga semakin mendekati pilihan sempurna terbaik yang tidak dapat dicapai. Mengapa ini penting? Nah, jika Anda mengharapkan manusia untuk mengikuti perintah sistem kecerdasan buatan maka Anda harus memastikan bahwa jawaban mereka yang mereka berikan benar-benar 99,999999999% jawaban terbaik. Pikirkan ini di tahun 2006.

Be the First to comment.

Leave a Comment

Your email address will not be published. Required fields are marked *