Pengenalan Artificial Intelligence (AI)
Artificial Intelligence (AI) atau Kecerdasan Buatan merupakan
salah satu cabang Ilmu Komputer yang berkonsentrasi pada peng-automatisasi-an
agar mesin atau komputer dapat melakukan pekerjaan seperti dan sebaik yang
dilakukan oleh manusia.
Pengertian Kecerdasan Buatan (bertindak dan berpikir seperti manusia dan rasional)
Secara umum definisi kecerdasan buatan dapat dibagi dalam
empat kategori yaitu:
- Sistem yang dapat berfikir seperti manusia “Thinking humanly”
Yaitu system yang dilakukan dengan cara intropeksi yaitu
penangkapan pemikiran psikologis
Manusia pada computer,hal ini sering diujikan dengan neuron
ke neuron lainnya atau sel otak dengan sel otak lainnya cara pembelajarannya
yaitu melalui experiment-experimen.
- Sistem yang dapat bertingkah laku seperti manusia “Acting humanly”
Acting humanly ialah system yang melakukan pendekatan dengan
menirukan tingkah laku seperti manusia yang dikenalkan pada tahun 1950 degan
cara kerja pengujian melalui teletype yaitu jika penguji (integrator) tidak
dapat membedakan yang mengintrogasai antara manusia dan computer maka computer
tersebut dikatakan lolos(menjadi kecerdasan buatan).
- Sistem yang dapat berpikir secara rasional “Thinking rationally”
Ini merupakn system yang sangat sulit ,karena sering terjadi
kesalah dala, prinsip dan prakteknya,system ini dikenal dengan penalaran
komputasi.
- Sistem yang dapat bertingkah laku secara rasional “Acting rationally”
Yaitu system yang melakukan aksi dengan cara menciptakan
suatu robotika cerdas yang menggantikan tugas manusia.
Secara historis, keempat pendekatan tersebut telah dilakukan
oleh para pakar kecerdasan buatan. Pendekatan manusia haruslah merupakan suatu
ilmu empiris, termasuk hipotesa dan konfirmasi percobaan dan pendekatan
rasional meliputi kombinasi dari matematika dan rekasaya.
Dari keempat perspektif diatas, pengertian kecerdasan buatan
dapat dipandang dari berbagai sudut pandang, antara lain:
1. Sudut pandang kecerdasan.
Kecerdasan buatan akan membuat mesin menjadi cerdas, yaitu
mampu berbuat seperti apa yang dilakukan oleh manusia.
2. Sudut pandang penelitian.
Kecerdasan buatan adalah suatu studi bagaimana membuat mesin
atau komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia. Ada
beberapa bidang (domain) yang sering dibahas oleh para peneliti meliputi:
a. Mundane Task
- Persepsi (vision & speech)
- Bahasa alami (understanding, generation & translation)
- Pemikiran yang bersifat commonsense
- Robot control
b. Formal Task
- Games/permainan
- Matematika (geometri, logika, kalkulus integral, pembuktian)
c. Expert Task
- Analisis finansial
- Analisis medikal
- Analisis ilmu pengetahuan
- Rekayasa (desain, pencarian kegagalan, perencanaan manufaktur)
3.Sudut pandang bisnis.
Kecerdasan buatan adalah sekumpulan peralatan (tools) yang
sangat powerfull dan metodelogis dalam menyelesaikan masalah-masalah bisnis.
4. Sudut pandang pemrograman
Kecerdasan buatan meliputi studi tentang pemrograman
simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).
Bidang Ilmu yang Menjadi dasar Kecerdasan Buatan
AI merupakan salah satu cabang Ilmu Komputer. Tapi karena
kompleksitas area AI maka dibuat sub-sub bagian yang dapat berdiri sendiri dan
dapat saling bekerja sama dengan sub bagian lain atau dengan disiplin ilmu
lain. Berikut ini beberapa cabang ilmu sub bagian dari AI :
1. Natural Languange Processing (NLP)
Natural Languange Processing (NLP) atau Pemrosesan Bahasa
Alami, merupakan salah satu cabang AI yang mempelajari pembuatan sistem untuk
menerima masukan bahasa alami manusia. Dalam perkembangannya, NLP berusaha
untuk mengubah bahasa alami komputer (bit dan byte) menjadi bahasa alami
manusia yang dapat kita mengerti. NLP merupakan ilmu dasar yang dapat dijadikan
jembatan untuk membuat komunikasi antara mesin dengan manusia.
2. Expert System (ES)
Expert System (ES) atau Sistem Pakar, merupakan salah satu
cabang AI yang mempelajari pembuatan sebuah sistem yang dapat bekerja layaknya
seorang pakar. ES dapat menyimpan pengetahuan seorang pakar dan memberikan
solusi berdasarkan pengetahuan yang dimilikinya tadi. ES juga merupakan salah
satu cabang AI yang sering melakukan kerja sama dengan disiplin ilmu lain
karena sifatnya yang dapat menyimpan pengetahuan.
3. Pattern Recognition (PR)
Pattern Recognition (PR) atau Pengenalan Pola, merupakan
salah satu cabang AI yang mempelajari pembuatan sebuah sistem untuk dapat
mengenali suatu pola tertentu. Misalnya sistem PR untuk mengenali huruf dari
tulisan tangan, walaupun terdapat perbedaan penulisan huruf A dari
masing-masing orang tetapi PR dapat mengenali bahwa huruf tersebut adalah huruf
A. Beberapa aplikasi dari PR antara lain : voice recognition, Fingerprint
Identification, Face Identification, Handwriting Identification, Optical
Character Recognition, Biological Slide Analysis, Robot Vision dan lainnya.
4. Robotic
Robotic atau Robotika, merupakan salah satu cabang AI yang
menggabungkan cabang cabang AI yang lain termasuk ketiga cabang di atas untuk
membentuk sebuah sistem robotik.
Sejarah Kecerdasan Buatan
Secara lengkap, berikut ini tahapan-tahapan sejarah
perkembangan AI :
A. Era Komputer Elektronik (1941)
Ditemukannya pertama kali alat penyimpanan dan pemprosesan
informasi yang disebut komputer elektronik. Penemuan ini menjadi dasar
pengembangan program yang mengarah ke KB.
B. Masa Persiapan KB (1943 – 1956)
Tahun 1943, Warren McCulloch dan Walter Pitts
mengemukakan tiga hal, yaitu :
a. pengetahuan fisiologi dasar dan fungsi sel syaraf
dalam otak
b. analisis formal tentang logika proposisi (propositional
logic)
c. teori komputasi Turing
Tahun 1950, Norbert Wiener membuat penelitian mengenai
prinsip-prinsip teori feedback. Contoh yang terkenal adalah thermostat.
Penemuan ini juga merupakan awal dari perkembangan KB.
Tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon
dan Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang
Automata, Jaringan Syaraf dan pembelajaran intelijensia.
Mereka kerjakan projek ini selama dua tahun di Dartmouth.
Hasilnya adalah program yang mampu berpikir non-numerik dan menyelesaikan
masalah pemikiran yang dinamakan Principia Mathematica. Hal ini menjadikan
McCarthy disebut sebagai ”Bapak Kecerdasan Buatan”.
C. Awal Perkembangan Kecerdasan Buatan (1956 – 1969)
Diawali dengan kesuksesan Newell dan Simon dengan sebuah
program yang disebut ”General Prbolem Solver”. Program ini dirancang untuk
memulai penyelesaian masalah secara manusiawi.
tahun 1958, McCarthy mendefenisikan bahasa pemrograman
tingkat tinggi, yaitu LISP, yang sekarang mendominasi pembuatan program-program
kecerdasan buatan.
McCarthy membuat program yang dinamakan programs with Common
Sense. Di dalam program tersebut, dibuat rancangan untuk menggunakan
pengetahu-an dalam mencari solusi.
Tahun 1959, Nathaniel Rochester dari IBM dan
mahasiswa-mahasiswanya mengeluarkan program, kecerdasan buatan, yaitu geometry
Theorm Prover. Program ini dapat membuktikan suatu teorema menggunakan
axioma-axioma yang ada.
Tahun 1963, program yang dibuat James Slagle mampu
menyelesaikan masalah integral untuk mata kuliah kalkulus.
Tahun 1968, program analogi buatan Tom Evan menyelesaikan
masalah analogi geometris yang ada pada tes IQ.
D. Sistem Berbasis Pengetahuan (1969 – 1979)
Pengetahuan adalah kekuatan pendukung KB. Hal ini dibuktikan
dengan program yang dibuat oleh Ed Feigenbaum, Bruce Buchanan dan Joshua
Lederberg yang membuat program untuk memecahkan masalah struktur molekul dari
informasi yang didapatkan dari spectometer massa.
Program ini dinamakan Dendral Programs yang berfokus pada
segi pengetahuan kimia. Dari segi diagnosa medis juga sudah ada yang
menemukannya, yaitu Saul Amarel dalam proyek Computer in Biomedicine. Proyek
ini diawali dengan keinginan untuk mendapatkan diagnosa penyakit berdasarkan
pengetahuan yang ada pada mekanisme penyebab proses penyakit.
E. KB menjadi sebuah industri (1980 – 1988)
Industrialisasi KB diawali dengan ditemukannya ”sistem pakar”
(expert system) yang dinamakan R1 yang mampu mengonfigurasi sistem-sistem
komputer baru. Program tersebut mulai dioperasikan di Digital Equipment
Corporation (DEC), McDermot tahun 1982.
Tahun 1986, program tersebut mampu menghemat biaya US$ 40
juta /tahun.
Tahun 1988, Kelompok KB di DEC menjalankan 40 sistem pakar.
Booming KB ini juga melibatkan perusahaan-perusahaan besar
seperti Carnegie Group, Inference, Intellicorp dan Technoledge yang menawarkan
software tools untuk membangun sistem pakar.
Perusahaan Hardware seperti LISP Machines Inc, Texas
Instruments, Symbolics dan Xerox juga turut berperan dalam membangun
workstation yang dioptimasi untuk pembangunan LISP.
F. Era Kembalinya Jaringan Syaraf Tiruan (1986 – Sekarang)
Para ahli fisika seperti Hopfield (1982) menggunakan
teknik-teknik mekanika statistika untuk menganalisa sifat-sifat penyimpanan dan
optimasi pada jaringan syaraf.
Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan
penelitian mengenai model jaringan syaraf pada memori.
Pada tahun 1985-an, sedikitnya empat kelompok riset menemukan
kembali algoritma belajar propagasi balik (Back-Propagation learning).
Algoritma ini berhasil diimplementasikan ke dalam ilmu komputer dan psikologi.
Agent Intelligent
AGENT adalah segala sesuatu yang dapat dipandang sebagaimana
mengamati lingkungannya melalui sensor dan bertindak atas lingkungan yang
melalui efektor. Agen manusia memiliki mata, telinga, dan organ lain untuk
sensor, dan tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor.
Dalam kecerdasan buatan, intelligent agent (IA) adalah sebuah
entitas otonom yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan
agen) dan mengarahkan aktivitasnya untuk mencapai tujuan yaitu rasional. Intelligent agen juga dapat
belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Russell
& Norvig (2003) mengartikan Rational Agent
yang mengerjakan segala sesuatu hal dengan benar.
STRUKTUR AGENT INTELLIGENCE
Tugas AI adalah untuk merancang sebuah agent yaitu sebuah
fungsi yang mengimplementasikan pemetaan agen dari persepsi terhadap tindakan.
Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut
arsitektur. Secara umum, arsitektur membuat persepsi dari sensor yang tersedia
untuk program, menjalankan program, dan umpan pilihan program aksi terhadap efektor
seperti yang dihasilkan.
Tipe Agent
- Simple Reflex Agents
Struktur yang paling sederhana dalam bentuk skema,
menunjukkan bagaimana aturan condition action memungkinkan agen untuk membuat
sambungan dari persepsi untuk bertindak. Persegi panjang untuk menunjukkan
keadaan internal saat proses keputusan agen, dan oval untuk mewakili latar
belakang informasi yang digunakan dalam proses. Secara ringkat dapat
disampaikan sebagai berikut:
· Memiliki rule
base dalam bentuk "aksi-kondisi"
· Memiliki
komponen untuk mengekstrak Fitur
· Tidak ada
akses untuk menyelesaikan keadaan dunia
· Pekerjaan
hanya jika keputusan yang tepat dapat dilakukan atas dasar persepsi saat ini
- Model Based Reflex Agent
Pengetahuan tentang "bagaimana dunia bekerja"
disebut model dari dunia, maka bentuk ini dinamakan "model based reflex
agent". Sebuah model based reflex agent harus menjaga semacam internal
model yang tergantung pada sejarah persepsi dan dengan demikian mencerminkan
setidaknya beberapa aspek yang tidak teramati negara saat ini. Kemudian memilih
tindakan dengan cara yang sama sebagai agen refleks. Model ini lebih kuat
daripada simple reflex agent
- Goal-Based Agents
Goal based agents memperluas pada kemampuan model-based
agents, dengan menggunakan "goal" informasi. Tujuan informasi
menggambarkan kondisi yang diinginkan. Hal ini memungkinkan agen cara untuk
memilih di antara beberapa kemungkinan, memilih satu yang mencapai negara
tujuan. Search dan planing adalah sub bidang kecerdasan buatan yang ditujukan
untuk urutan tindakan menemukan bahwa mencapai tujuan agen. Dalam beberapa
kasus goal-based agent tampaknya kurang efisien; itu lebih fleksibel karena
pengetahuan yang mendukung keputusan diwakili secara eksplisit dan dapat
dimodifikasi.
- Utility-Based Agents
“Goal” tidak cukup untuk menghasilkan perilaku berkualitas
tinggi. Ada banyak urutan tindakan untuk
mencapai tujuan, tetapi beberapa yang lebih cepat, lebih aman, lebih dapat
diandalkan, atau lebih murah daripada yang lain. Tujuan hanya memberikan
perbedaan antara kondisi "bahagia" dan "tidak bahagia",
sedangkan ukuran kinerja yang lebih umum harus memungkinkan perbandingan
beberapa urutan kondisi yang berbeda jika agen ingin mencapai tujuan. Terminologi
yang dipergunakan untuk mengatakan bahwa jika satu kondisi lebih disukai
daripada kondisi yang lain, itu mempunyai utilitas yang lebih tinggi untuk
agent.
ENVIRONMENTS
Kita akan melihat bagaimana pasangan agen untuk lingkungan.
Dalam semua kasus, sifat hubungan antara mereka adalah sama: tindakan yang
dilakukan oleh agen pada lingkungan, yang pada gilirannya memberikan persepsi
kepada agen. Pertama, kita akan menjelaskan berbagai jenis lingkungan dan
bagaimana mereka mempengaruhi desain agen. Kemudian kita akan menjelaskan
program-program lingkungan yang dapat digunakan sebagai testbeds untuk program
agen.
Sifat-sifat environments :
· Accessible
vs. inaccessible.
· Deterministic
vs. nondeterministic.
· Episodic vs.
nonepisodic.
· Static vs.
dynamic.
· Discrete vs.
continuous.
Konsep Rasionalitas
Rational agent adalah agent yang melakukan sesuatu yang benar
Apakah sesuatu yang benar ?
– Agent yang
paling sukses/ berhasil
– Mengukur kesuksesan/ keberhasilan ?
Rasional tergantung pada 4 hal :
– Kemampuan
yang terukur,
– Pengetahuan
lingkungan sebelumnya/ terdahulu,
– Tindakan
– Urutan
persepsi (sensors).
DEF: Untuk setiap urutan persepsi yang mungkin, rational
agent harus memilih tindakan yang diharapkan dapat memaksimalkan kemampuan
dengan memberikan bukti yang dihasilkan dari urutan persepsi dan pengetahuan
yang dimiliki oleh agent.
Rationalitas ≠ kemahatahuan (omniscience)
– Agent
kemahatahuan agent adalah agent mengetahui akibat yang terjadi dari suatu
tindakan.
Agent dapat bertindak sesuai dengan yang diharapkan untuk
memodifikasi persepsi akan datang dengan mendapatkan informasi yang berguna
(pengumpulan informasi dan eksplorasi)
Agent dikatakan autonomous, jika perilakunya ditentukan oleh
pengalamannya sendiri (dengan kemampuan untuk belajar dan beradaptasi)
Lingkungan Alami
Jenis-Jenis Lingkungan
- Fully observable ( vs. partially obervable ): Sensor-Sensor Sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.
- Determenistic( vs. stochastic ): Keadaan lingkungan berikutnya sepenuh di tentukan oleh keadaan sekarang dan tindakan yang di laksanakan oleh agen. ( jika lingkungan itu determenistik kecuali untuk tindakan agen-agen lain , maka lingkungannya adalah strategic )
- Episodic( vs.sequential ): Pengalamn agen dibagi kedalam "episode-episode"atomik ( setiap episode terdiri dari si agen memahami ( perceiving ) dan kemudian melaksanakan satu tindakan dan pilihan tindakan dalam tiap episode hanya tergantung pada episode itu sendiri.
Comments
Post a Comment