Peran Keputusan Pakar Domain dan Evaluasi Solusi

Dalamalur eksplorasi multiobjektifEvoX, sistem otomatis dan pakar domain bukanlah pengganti satu sama lain, melainkan dua mesin yang bekerja sama dengan pembagian tugas: sistem bertanggung jawab untuk "menghasilkan dan menyaring", sedangkan pakar bertanggung jawab untuk "menilai dan memutuskan". Sistem membentangkan berbagai kemungkinan, lalu pakar memusatkannya menjadi satu pilihan yang dapat diimplementasikan.

Pembagian tugas ini melanjutkan akar teknis dari Pelajaran 2: EvoX berasal dari pertemuan kembali antara simbolisme, koneksionisme, sibernetika, dankomputasi evolusioner—di mana komputasi evolusioner adalah akar teknis yang paling langsung: ia tidak menetapkan satu jawaban tunggal di muka, melainkan menyeimbangkan berbagai tujuan yang saling bertentangan melalui mutasi dan seleksi dalam evaluasi nyata. Karena itulah, sisi sistem secara alami cocok untuk paralelisme: kandidat dalam populasi dapat dihasilkan dan dievaluasi secara bersamaan. Rekayasa tradisional lama terkendala oleh "biaya mempertahankankeberagamanyang tinggi serta penjadwalan serial yang rumit", sementara eksplorasi paralel berskala besar dan generasi cerdas yang dibawa oleh GPU dan model besar justru menjadi fondasi rekayasa yang meredakan kontradiksi tersebut.

Pembagian Tanggung Jawab: Siapa Menghasilkan, Siapa Memutuskan

Sisi sistem: menyelesaikan generasi kandidat skala besar, prediksi model surrogate, penggambaran front Pareto, dan pemeliharaan keberagaman, menjawab "apa saja kemungkinannya".
Sisi pakar: menentukan prioritas tujuan, kendala keras, toleransi risiko, dan kesesuaian skenario nyata, menjawab "mana yang harus dipilih, dan mengapa".

Dimensi Evaluasi: Optimal Tujuan Tunggal Tidak Sama dengan Solusi yang Dapat Diimplementasikan

Evaluasi solusi harus mengubahManfaat Kinerjadanbiaya rekayasamenjadi dasar keputusan yang dapat dijelaskan dan diaudit. Selain manfaat kinerja, setidaknya harus dipertimbangkan secara bersamaan biaya komputasi dan manufaktur, ketangguhan, kemudahan pemeliharaan, ketidakpastian, serta kredibilitas kesimpulan di bawah umpan balik yang jarang. Hanya melihat optimal tujuan tunggal sering kali menghasilkan solusi yang tidak dapat diterapkan secara rekayasa atau sangat rapuh terhadap gangguan; justru dalam masalah dengan tujuan yang bertentangan dan kendala yang kompleks, evaluasi multidimensilah yang membuat berbagai kandidat yang dipertahankan oleh pencarian evolusioner menampakkan masing-masing skenario penerapannya.

Metode Keputusan: Mengubah Pengalaman Domain menjadi Logika yang Dapat Diverifikasi

Melalui preferensi eksplisit, evaluasi berlapis, matriks keputusan, item veto ambang batas, dan analisis sensitivitas, pengalaman domain dapat diungkapkan sebagai aturan pemilihan yang dapat diuji dan direproduksi. Urutan yang umum digunakan adalah: pertama gunakan kendala keras untuk "memveto" kandidat yang melanggar persyaratan batas minimum, lalu lakukan trade-off manfaat–biaya pada kandidat yang tersisa, dan terakhir gunakan analisis sensitivitas untuk memastikan apakah kesimpulan tetap tangguh terhadap gangguan bobot.

Umpan Balik Jarang dan Siklus Tertutup Tanggung Jawab

Ketika evaluasi berfidelitas tinggi mahal dan umpan balik jarang, pakar perlu memutuskan apakah akan meninjau ulang, mengambil sampel ulang, atau menghentikan pencarian berdasarkan tingkat keyakinan model surrogate, keberagaman kandidat, dan pola kegagalan yang telah diamati, alih-alih secara membabi buta mempercayai "solusi optimal" yang diberikan model surrogate. Pemilihan solusi akhir dan penanggung jawaban risiko menjadi milik pakar domain; alasan pemilihan harus mengalir balik sebagai sinyal preferensi, kendala, atau evaluasi untuk memandu pencarian evolusioner berikutnya, membentuk siklus tertutup tanggung jawab.

Contoh Penerapan

Dalam desain multiobjektif airfoil superkritis, sistem mengeluarkan sekumpulan solusi kandidat yang menyeimbangkan hambatan, gaya angkat, dan stabilitas; pakar memadukan biaya terowongan angin dan simulasi, toleransi manufaktur, serta profil misi, pertama menyingkirkan kandidat yang melanggar kendala keras, lalu melakukan trade-off manfaat–biaya pada solusi yang tersisa, memilih sedikit kandidat untuk verifikasi berfidelitas tinggi, dan mengalirkan balik alasan putaran ini sebagai preferensi dan kendala untuk putaran berikutnya.

Diagram Kolaborasi Keputusan Pakar dan Generasi Sistem

Diagram ini membedakan pembagian tugas antara sisi sistem dan sisi pakar: sistem bertanggung jawab atas generasi kandidat skala besar, prediksi surrogate, dan penggambaran front Pareto, sedangkan pakar bertanggung jawab atas prioritas tujuan, kendala keras, toleransi risiko, dan keputusan akhir. Evaluasi perlu melihat sekaligus manfaat, biaya, ketangguhan, dan kredibilitas; alasan pemilihan kemudian dialirkan balik sebagai preferensi dan kendala, membentuk siklus tertutup tanggung jawab.

Soal 1

Dalam alur eksplorasi multiobjektif EvoX, manakah yang paling sesuai dengansisi sistem (sistem otomatis)tanggung jawabnya?

Menentukan apakah kendala keras berlaku dalam skenario nyata

Menanggung risiko dan tanggung jawab atas solusi akhir

Generasi kandidat skala besar, prediksi model surrogate, dan penggambaran front Pareto

Menentukan prioritas tujuan dan toleransi risiko

Soal 2

Mengenai dimensi yang harus dipertimbangkan dalam evaluasi solusi, pernyataan manakah yang benar?

Cukup memperhatikan biaya komputasi saja

Kemudahan pemeliharaan dan kredibilitas di bawah umpan balik jarang tidak berkaitan dengan keputusan

Selama satu tujuan tunggal mencapai optimal, solusi dapat langsung diimplementasikan

Harus mengintegrasikan manfaat kinerja, biaya komputasi dan manufaktur, ketangguhan, kemudahan pemeliharaan, dan ketidakpastian

Soal 3

Ketika evaluasi berfidelitas tinggi mahal dan umpan balik jarang, tindakan yang wajar bagi pakar domain adalah?

Sepenuhnya meninggalkan evaluasi dan langsung masuk ke manufaktur

Langsung mempercayai "solusi optimal" dari model surrogate dan menghentikan evaluasi

Berdasarkan tingkat keyakinan model surrogate, keberagaman kandidat, dan pola kegagalan, memutuskan untuk meninjau ulang, mengambil sampel ulang, atau menghentikan

Memilih kandidat secara acak untuk menghemat anggaran verifikasi

Soal 4

Dalam logika keputusan pakar, peran "item veto ambang batas" paling mendekati manakah dari berikut ini?

Pertama memveto kandidat yang melanggar kendala keras, lalu menimbang kandidat yang tersisa

Digunakan untuk meningkatkan keberagaman populasi evolusioner

Digunakan untuk menurunkan biaya pelatihan model surrogate

Menghitung satu skor total berbobot yang seragam untuk semua kandidat

Soal 5

Siklus tertutup tanggung jawab mensyaratkan "aliran balik alasan pemilihan", apa tujuan utamanya?

Menggantikan tahap verifikasi berfidelitas tinggi dengan sinyal aliran balik

Mengurangi frekuensi keterlibatan pakar domain dalam pengambilan keputusan hingga mereka keluar dari alur

Mengubah alasan pemilihan menjadi sinyal preferensi, kendala, atau evaluasi untuk memandu pencarian evolusioner berikutnya

Hanya sebagai arsip dokumen, tidak digunakan lagi setelahnya

Studi Kasus: Evaluasi Solusi Multiobjektif Airfoil Superkritis

Bacalah skenario berikut dan jawab pertanyaan menggunakan materi halaman ini.

Sebuah tim melakukan desain multiobjektif airfoil superkritis. Sistem otomatis mengeluarkan sekumpulan solusi kandidat yang menyeimbangkan hambatan, gaya angkat, dan stabilitas, serta memberikan nilai prediksi dan tingkat keyakinan model surrogate. Masalah yang dihadapi tim adalah: biaya uji terowongan angin dan simulasi berfidelitas tinggi sangat tinggi, sementara umpan balik yang diperoleh jarang; manfaat dan biaya antar kandidat saling mengungguli; sekaligus terdapat beberapa kendala keras yang harus dipenuhi (kekuatan struktur, toleransi manufaktur, persyaratan profil misi).

1. Jelaskan tindakan kunci yang masing-masing diemban oleh sisi sistem dan sisi pakar dalam alur ini, serta tunjukkan di mana batas pembagian tugas keduanya.

Jawaban:
Sisi sistem bertanggung jawab atas "menghasilkan dan menyaring": generasi kandidat skala besar, prediksi model surrogate, penggambaran front Pareto, dan pemeliharaan keberagaman, menjawab "apa saja kemungkinannya"; sisi pakar bertanggung jawab atas "menilai dan memutuskan": menyuntikkan prioritas tujuan, menetapkan kendala keras dan toleransi risiko, menilai kesesuaian skenario nyata, serta membuat pilihan akhir dan menanggung risiko, menjawab "mana yang harus dipilih, dan mengapa". Batasnya terletak pada: sistem menyediakan himpunan kandidat yang dapat dibandingkan dan prediksi kuantitatif, tetapi tidak menggantikan pakar dalam menentukan batas minimum dan preferensi; pakar menyediakan preferensi, kendala, dan kriteria keputusan, tetapi tidak serta-merta menyelesaikan sendiri generasi dan penyaringan kandidat dalam jumlah besar.

2. Dalam kondisi biaya terowongan angin yang tinggi dan umpan balik yang jarang, bagaimana pakar harus menentukan kandidat mana yang masuk ke verifikasi berfidelitas tinggi? Jelaskan pula bagaimana keputusan putaran ini dapat dialirkan balik ke dalam alur untuk membentuk siklus tertutup tanggung jawab.

Jawaban:
Jalur keputusan dapat dibagi menjadi tiga langkah: (1) pertama, gunakan item veto ambang batas untuk menyingkirkan kandidat yang melanggar kendala keras (kekuatan struktur, toleransi manufaktur, profil misi); (2) bangun matriks evaluasi manfaat–biaya untuk kandidat yang tersisa, dengan mengintegrasikan manfaat kinerja, biaya komputasi dan manufaktur, ketangguhan, kemudahan pemeliharaan, ketidakpastian, serta mempertimbangkan kredibilitasnya dengan memadukan tingkat keyakinan model surrogate dan keberagaman kandidat; (3) lakukan analisis sensitivitas terhadap kesimpulan untuk memastikan apakah pengurutan tetap tangguh terhadap gangguan bobot, sehingga dapat memilih sedikit kandidat dengan "keuntungan informasi tinggi dan risiko terkendali" untuk masuk ke verifikasi berfidelitas tinggi. Jika tingkat keyakinan surrogate tidak memadai atau keberagaman kandidat rendah, pilih untuk mengambil sampel ulang atau meninjau ulang, bukan langsung berhenti. Dalam hal aliran balik: catat secara eksplisit alasan pemilihan putaran ini sebagai bobot preferensi, kendala keras, atau sinyal evaluasi (misalnya "kompromi jenis tertentu tidak dapat diterima" atau "batas bawah indikator tertentu perlu dinaikkan"), masukkan ke pencarian evolusioner putaran berikutnya agar kandidat selanjutnya lebih mendekati kebutuhan nyata, sekaligus mempertahankan jejak yang dapat diaudit, sehingga menyelesaikan siklus tertutup tanggung jawab dari keputusan hingga pencarian.