Eva Dwi Permatasari: Peng. Teknologi Sistem cerdas

PENGENALAN INTELEGENSI BUATAN (KB)

1.1 Pengertian Intelegensi Buatan

Kecerdasan Buatan adalah salah satu cabang Ilmu pengetahuan berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi. Hal Ini biasanya dilakukan dengan mengikuti/mencontoh karakteristik dan analogi berpikir dari kecerdasan/Inteligensia manusia, dan menerapkannya sebagai algoritma yang dikenal oleh komputer. Dengan suatu pendekatan yang kurang lebih fleksibel dan efisien dapat diambil tergantung dari keperluan, yang mempengaruhi bagaimana wujud dari perilaku kecerdasan buatan. AI biasanya dihubungkan dengan Ilmu Komputer, akan tetapi juga terkait erat dengan bidang lain seperti Matematika, Psikologi, Pengamatan, Biologi, Filosofi, dan yang lainnya. Kemampuan untuk mengkombinasikan pengetahuan dari semua bidang ini pada akhirnya akan bermanfaat bagi kemajuan dalam upaya menciptakan suatu kecerdasan buatan.

Kecerdasan Buatan dilihat dari berbagai sudut pandang :

1. Sudut pandang Kecerdasan: mesin menjadi ‘cerdas’ (mampu berbuat apa yang dilakukan oleh manusia)

2. Sudut pandang Penelitian: studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dilakukan oleh manusia.
Domain penelitian:

Mundane task : Persepsi (vision& speech)

- Bahasa alami (understanding, generation
& translation)

- Pemikiran yang bersifat commonsense

- Robot control

Formal task :

- Permainan/games

- Matematika (geometri, logika, kalkulus, integral, pembuktian)

Expert task : Analisis finansial

- Analisis medikal

- Analisisilmu pengetahuan

- Rekayasa(desain, pencarian, kegagalan, perencanaan, manufaktur).

3. Sudut pandang Bisnis: kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis

4. Sudut pandang Pemrograman: studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).
Aplikasi Kecerdasan Buatan memiliki 2 bagian utama, yaitu :

- Basis Pengetahuan (Knowledge Base) : Berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.

- Motor Inferensi (Inference Engine) : Kemampuan menarik kesimpulan berdasarkan pengalaman.

1.2 Intelegensi Buatan dan Intelegensi Alami

Perbedaan kecerdasan buatan dengan kecerdasan alami

Bersifat permanen, sedangkan kecerdasan alami dapat berubah(hal ini karena sifat manusia yang pelupa).
Lebih mudah disalin dan dipindahkan, daripada kecerdasan alami.
Menyediakan layanan komputer lebih mudah dan murah, sedangkan kecerdasan alami memerlukan waktu yang lama.
Bersifat konsisten, sedangkan kecerdasan alami dapat berubah ubah
Keputusan yang dibuat dalam kecerdasan buatan dapat didokumentasikan dengan mudah dengan cara melacak tiap aktifitas dari sistem, sedangkan kecerdasan alami sulit direproduksi
Kecerdasan buatan lebih cepat dan lebik baik dari pada kecerdasan alami.
Kecerdasan buatan kreatif karena untuk menambah pengetahuan harus melalui sistem, keceerdasan alami lebih kreatif karena manusia memiliki kemampuan untuk menambah pengetahuan.
Kecerdasan buatan harus bekerja dengan input-input simbolik dan sangat terbatas, sedangkan kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung dan pemikiran manusia dapat digunakan secara luas.

Jadi secanggih-canggihnya suatu kecerdasan buatan tidak akan pernah dapat menggantikan kecerdasan alami. Karena kecerdasan buatan berasal dari kecerdasan alami.

1.3 Komputasi Intelegensi Buatan dan Komputasi Intelegensi Alami

Dimensi Intelegensi Buatan Pemrograman Konvensional
Pemrosesan Mengandung konsep-konsep simbolik Algoritmik
Sifat Input Bisa tidak lengkap Harus Lengkap
Pencarian Kebanyakan bersifat heuristik Biasanya didasarkan pada algoritma
Keterangan Keterangan disediakan Biasanya tidak disediakan
Fokus Pengetahuan Data & Informasi
Struktur Kontrol dipisahkan dari pengetahuan Kontrol terintegrasi dengan informasi (data)
Sifat Output Sifat output Kuantitatif Kualitatif
Pemeliharaan & update Relatif murah Sulit
Kemampuan menalar Ya Tidak

1.4 Sejarah Intelegensi Buatan

Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram. Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas " pada 1943 yang meletakkan pondasi untuk jaringan syaraf.

Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester(UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah "kecerdasan buatan " pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turingmemperkenalkan "Turing test" sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.

Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.

Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.

Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

1.5 Lingkup Intelegensi Buatan

- Sistem Pakar (Expert System)

Komputer memiliki keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki oleh pakar.

- Pengolahan Bahasa Alami (Natural Language Processing)

Diharapkan user dapat berkomunikasi dengan komputer menggunakan bahasa sehari-hari

- Pengenalan Ucapan (Speech Recognition)

Melalui pengenalan ucapan, diharapkan manusia dapat berkomunikasi dengan komputer menggunakan suara.

- Robotika dan Sistem Sensor (Robotics & Sensory Systems)

- Computer Vision

Menginterpretasikan gambar atau obyek-obyek tampak melalui komputer

- Intelligence Computer – aided Instruction

Komputer digunakan sebagai tutor yang dapat melatih dan mengajar.

- Game Playing

Perkembangan selanjutnya adalah kemunculan Fuzzy Logic (1965) dan Terminologi Genetika (John Halland, 1975).

1.6 Soft Computing

Soft computing (Lotfi A.Zadeh, 1992) adalah koleksi dari beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian dan kebenaran pasial untuk dapat diselesaikan dengan mudah, robustness, dan biaya penyelesaian yang murah.

Soft computing merupakan inovasi baru dalam membangun IB yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan.

Unsur-unsur pokok Soft Computing :
1. Sistem Fuzzy (mengakomodasi ketidaktepatan).
2. Jaringan Syaraf (menggunakan pembelajaran).
3. Probabilistic Reasoning (mengakomodasi ketidakpastian).
4. Evolutionary Computing (optimasi).

1.7 Definisi Masalah dan Ruang Masalah

Suatu sistem yang menggunakan konsep kecerdasan buatan akan memberikan output berupa solusi dari suatu masalah berdasarkan kumpulan pengetahuan yang ada.

Pada gambar diatas, input yang diberikan pada sistem kecerdasan buatan adalah berupa masalah. Sistem harus dilengkapi sekumpulan pengetahuan yang ditanamkan pada knowledge base (basis pengetahuan). Sistem juga harus memiliki Motor Inferensi agar mampu mengambil kesimpulan berdasarkan fakta atau pengetahuan. Output dari inferensi berupa solusi.

Secara umum ada 4 hal yang perlu diperhatikan untuk membangun Sistem Pakar atau Kecerdasan Buatan, diantaranya adalah;

Mendefinisikan masalah dengan tepat. Pendefinisian ini mencakup spesifikasi yang tepat mengenai keadaan awal dan solusi yang diharapkan.
Menganalisis masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai.
Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah tersebut.
Memilih teknik penyelesaian masalah yang terbaik.

Misalkan permasalahan yang dihadapi adalah permainan catur, maka harus ditentukan :

1. Posisi awal pada papan catur

Posisi awal setiap permainan catur selalu sama, yaitu semua bidak diletakkan di atas papan catur dalam 2 sisi, yaitu kubu putih dan kubu hitam.

2. Aturan – aturan untuk melakukan gerakan

Aturan – aturan ini sangat berguna untuk menentukan gerakan suatu bidak, yaitu melangkah dari satu keadaan ke keadaan lain. Misalkan untuk mempermudah menunjukkan posisi bidak, setiap kotak ditunjukkan dalam huruf (a,b,c,d,e,f,g,h) untuk arah horisontal dan angka (1,2,3,4,5,6,7,8) untuk arah vertikal. Suatu aturan untuk menggerakkan bidak dari posisi (e,2) ke (e,4) dapat ditunjukkan dengan aturan :

if bidak putih pada kotak(e,2),

and kotak(e,3) kosong,

and kotak(e,4) kosong

then gerakan bidak dari (e,2) ke (e,4)

3. Tujuan (goal)

Tujuan yang ingin dicapai adalah posisi pada papan catur yang menunjukkan kemenangan seseorang terhadap lawannya. Kemenangan ini ditandai dengan posisi raja yang sudah tidak dapat bergerak lagi.

Contoh tersebut menunjukkan representasi masalah dalam Ruang Keadaan (State Space), yaitu suatu ruang yang berisi semua keadaan yang mungkin.

Kita dapat memulai bermain catur dengan menempatkan diri pada keadaan awal, kemudian bergerak dari satu keadaan ke keadaan yang lain sesuai dengan aturan yang ada, dan mengakhiri permainan jika salah satu telah mencapai tujuan.

Sehingga untuk Mendeskripsikan Masalah Dengan Baik harus :

Mendefinisikan suatu ruang keadaan (state space)
Menetapkan satu atau lebih keadaan awal (initial state)
Menetapkan satu atau lebih tujuan (goal state)
Menetapkan kumpulan aturan

Beberapa cara untuk mempresentasikan Ruang Keadaan, antara lain :

1. Graph Keadaan

Graph terdiri dari node-node yang menunjukkan keadaan yaitu keadaan awal dan keadaan baru yang akan dicapai dengan menggunakan operator. Node-node dalam graph keadaan saling dihubungkan dengan menggunakan arc (busur) yang diberi panah untuk menunjukkan arah dari suatu keadaan ke keadaan berikutnya.

Graph keadaan dengan node M menunjukkan keadaan awal, node T adalah tujuan. Ada 4 lintasan dari M ke T :

M-A-B-C-E-T
M-A-B-C-E-H-T
M-D-C-E-T
M-D-C-E-H-T

Lintasan buntu atau lintasan yang tidak sampai ke tujuan :

M-A-B-C-E-F-G
M-A-B-C-E-I-J
M-D-C-E-F-G
M-D-C-E-I-J
M-D-I-J

2. Pohon Pelacakan / Pencarian

Struktur pohon digunakan untuk menggambarkan keadaan secara hirarkis. Node yg terletak pada level - 0 disebut "akar".

Node akar : menunjukkan keadaan awal & memiliki beberapa percabangan yang terdiri atas beberapa node yg disebut "anak".

Node-node yg tidak memiliki anak disebut "daun". menunjukkan akhir dari suatu pencarian, dapat berupa tujuan yang diharapkan (goal) atau jalan buntu (dead end).

Gambar berikut menunjukkan pohon pencarian untuk graph keadaan dengan 6 level.