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:
Domain penelitian:
Mundane task : Persepsi (vision& speech)
-
Bahasa alami
(understanding, generation
& translation)
& 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 :
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
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. 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
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.
3. Pohon AND/OR
Masalah M dicari solusinya dengan 4 kemungkinan yaitu A OR B OR C OR D
Masalah M hanya dapat diselesaikan dengan A AND B AND C AND D.
Sumber
:
Tidak ada komentar:
Posting Komentar