DEFINISI AI
Kecerdasan Buatan (bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.
Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika
relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan,
menyelesaikan persamaan integral, membuat permainan catur atau
Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut
sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan
dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola.
Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk
cabang yang sangat penting pada ilmu komputer, berhubungan dengan
perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin.
Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan
tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah
pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab
diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan,
suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu
tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah
kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam
bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah
dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan
video game.
'Kecerdasan buatan' ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tapi juga mengkonstruksinya.
Tidak ada definisi yang memuaskan untuk 'kecerdasan':
- kecerdasan: kemampuan untuk memperoleh pengetahuan dan menggunakannya
- atau kecerdasan yaitu apa yang diukur oleh sebuah 'Test Kecerdasan'
Secara garis besar, AI terbagi ke dalam dua faham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metoda-metoda yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metoda-metodanya meliputi:
- Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
- Petimbangan berdasar kasus
- Jaringan Bayesian
- AI berdasar tingkah laku: metoda modular pada pembentukan sistem AI secara manual
Kecerdasan komputasional melibatkan pengembangan atau pembelajaran
iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis.
Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan
AI non-simbolis, AI yang tak teratur dan perhitungan lunak.
Metoda-metoda pokoknya meliputi:
- Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
- Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
- Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.
Metoda-metoda ini terutama dibagi menjadi algoritma evolusioner (misalnya algoritma genetik) dan kecerdasan berkelompok (misalnya algoritma semut)
Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk
menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat
dibangkitkan melalui jaringan syaraf atau aturan produksi dari
pembelajaran statistik seperti dalam ACT-R.
Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan
kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses
pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan
manusia melalui teknologi.
- AI konvensional merupakan AI yang dapat menghasilkan lebih besar memory. karena dalam AI konvensional ini proses terjadi sangat lambat dan tidak efektif serta efisien. Misalnya : Pada saat menyusun puzzle, kita biasanya melihat dahulu gambar dari puzzle tersebut. kemudian kita mengacak puzzle nya. setelah itu kita mencoba satu per satu dari puzzle yang sesuai dengan gambar awal dari puzzle hingga pada akhirnya kita berhasil membentuk puzzle sesuai dengan yang diinginkan. Ditahap ini kita sebenarnya melakukan searching secara konvensional dan searching seperti ini bisa memakan waktu yang lama dan menghabiskan tenaga yang besar. Komputer juga demikian, jika dalam sistem komputer tersebut diterapkan AI konvensional maka sebuah proses membutuhkan alokasi memory yang sangat besar dan ini tentunya tidak menguntungkan bagi kita.
- AI Modern merupakan AI yang dapat melakukan proses lebih cepat. karena dalam AI modern diterapkan sistem untuk menghasilkan suatu proses yang efektif dan efisien. Misalnya : Jika kita menggunakan AI modern, pada saat kita menyusun puzzle kita cukup melihat gambar tersebut dan kita tidak melakukan searching satu per satu, melainkan kita melakukan pergantian tempat pada puzzle - puzzle yang ada hingga membentuk gambar awal. Dengan AI modern kita dapat melakukan proses lebih efektif dan efisien
SEJARAH ARTIFICIAL INTELEGENT (AI)
Di awal
abad 20, seorang penemu Spanyol, Torres y Quevedo, membuat sebuah mesin yang
dapat men’skak-mat’ raja lawannya dengan sebuah ratu dan raja. Perkembangan
secara sistematis kemudian dimulai segera setelah diketemukannya komputer
digital. Artikel ilmiah pertama tentang Kecerdasan Buatan ditulis oleh Alan
Turing pada tahun 1950, dan kelompok riset pertama dibentuk tahun 1954 di
Carnegie Mellon University oleh Allen Newell and Herbert Simon. Namun bidang
Kecerdasan Buatan baru dianggap sebagai bidang tersendiri di konferensi
Dartmouth tahun 1956, di mana 10 peneliti muda memimpikan mempergunakan
komputer untuk memodelkan bagaimana cara berfikir manusia. Hipotesis mereka
adalah: “Mekanisme berfikir manusia dapat secara tepat dimodelkan dan
disimulasikan pada komputer digital”, dan ini yang menjadi landasan dasar
Kecerdasan Buatan.
1. Definisi
AI
Tidak ada kesepakatan mengenai definisi Kecerdasan Buatan, di antaranya adalah:
Tidak ada kesepakatan mengenai definisi Kecerdasan Buatan, di antaranya adalah:
1. Sebuah studi tentang bagaimana
membuat komputer mengerjakan sesuatu yang dapat dikerjakan manusia (Rich, 1991)
2. Cabang ilmu komputer yang
mempelajari otomatisasi tingkah laku cerdas (Setiawan, 1993)
3. Suatu perilaku sebuah mesin yang
jika dikerjakan oleh manusia akan disebut cerdas (Turing, et. al, 1996)
Kebanyakan ahli setuju bahwa
Kecerdasan Buatan berhubungan dengan 2 ide dasar. Pertama, menyangkut studi
proses berfikir manusia, dan kedua, berhubungan dengan merepresentasikan proses
tersebut melalui mesin (komputer, robot, dll)
Kemampuan untuk problem solving adalah salah satu cara untuk mengukur kecerdasan dalam berbagai konteks. Terlihat di sini bahwa mesin cerdas akan diragukan untuk dapat melayani keperluan khusus jika tidak mampu menangani permasalahan remeh/kecil yang biasa dikerjakan orang secara rutin. Terdapat beberapa alasan untuk memodelkan performa manusia dalam hal ini:
a. Untuk menguji teori psikologis dari performa manusia
b. Untuk membuat komputer dapat memahami penalaran (reasoning) manusia
c. Untuk membuat manusia dapat memahami penalaran komputer
d. Untuk mengeksploitasi pengetahuan apa yang dapat diambil dari manusia
Menurut Winston dan Prendergast (1984), tujuan dari Kecerdasan Buatan adalah:
a. Membuat mesin menjadi lebih pintar.
b. Memahami apakah kecerdasan (intelligence) itu.
c. Membuat mesin menjadi lebih berguna.
Kemampuan untuk problem solving adalah salah satu cara untuk mengukur kecerdasan dalam berbagai konteks. Terlihat di sini bahwa mesin cerdas akan diragukan untuk dapat melayani keperluan khusus jika tidak mampu menangani permasalahan remeh/kecil yang biasa dikerjakan orang secara rutin. Terdapat beberapa alasan untuk memodelkan performa manusia dalam hal ini:
a. Untuk menguji teori psikologis dari performa manusia
b. Untuk membuat komputer dapat memahami penalaran (reasoning) manusia
c. Untuk membuat manusia dapat memahami penalaran komputer
d. Untuk mengeksploitasi pengetahuan apa yang dapat diambil dari manusia
Menurut Winston dan Prendergast (1984), tujuan dari Kecerdasan Buatan adalah:
a. Membuat mesin menjadi lebih pintar.
b. Memahami apakah kecerdasan (intelligence) itu.
c. Membuat mesin menjadi lebih berguna.
HUBUNGAN ARTIFICIAL INTELLIGENCE DENGAN KOGNISI MANUSIA
Hubungan Artificial Intelligence dan Kognisi manusia terlihat dari tujuan Artificial Intelligence, arah Artificial Intelligence dan karakteristik Artificial Intelligence
Tujuan Artificial Intelligence
Menurut Lenat dan Feigenbaum terdapat 9 tujuan Artificial Intelligence, yaitu :
Mengembangkan metode & sistem untuk menyelesaikan masalah AI :
1. Tanpa mengikuti cara manusia menyelesaikannya (sistem pakar / expert systems)
2. Melalui pemodelan cara berpikirnya manusia, atau cara bekerjanya otak manusia (neural networks).
Karakteristik Artificial Intelligence
Karakteristik didasarkan pada pandangan bahwa AI ada 4 (empat) kategori yaitu :
apakah yang diinterogasi manusia atau komputer, maka komputer berintelegensia tersebut lolos dari uji Turing (Turing Test). Untuk lolos dari sistem uji Turing (Turing Test) ini diperlukan : Natural Language Processing, Knowledge Representation, Automated Reasoning, dan Machine Learning.
Membuat inferensi yang benar, kadang-kadang merupakan bagian dari suatu rational agent, karena satu cara untuk rational agent, karena itu merupakan salah satu cara untuk melakukan aksi secara rasional. Aksi secara rasional adalah menalar secara logika untuk mendapatkan kesimpulan bahwa aksi yang diberikan akan mencapai tujuan, dan kemudian melakukan aksi atas kesimpulan tersebut.
SISTEM PAKAR
Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.
Ciri-Ciri Sistem Pakar
Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut :
• Memiliki informasi yang handal.
• Mudah dimodifikasi.
• Dapat digunakan dalam berbagai jenis komputer.
• Memiliki kemampuan untuk belajar beradaptasi.
Keuntungan Sistem Pakar
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reabilitas.
10. Meningkatkan kapabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam penyelesaian masalah.
14. Menghemat waktu dalam pengambilan keputusan
Kelemahan Sistem Pakar
Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :
1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.
3. Sistem Pakar tidak 100% bernilai benar.
Alasan Pengembangan Sistem Pakar
Sistem pakar sendiri dikembangkan lebih lanjut dengan alasan :
• Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.
• Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar.
• Seorang pakar akan pensiun atau pergi.
• Seorang pakar adalah mahal.
• Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat.
Modul Penyusun Sistem Pakar
Menurut Staugaard (1987) suatu sistem pakar disusun oleh tiga modul utama yaitu :
1. Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode) Sistem berada pada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya.
2. Modul Konsultasi (Consultation Mode)
Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang diajukan oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.
3. Modul Penjelasan (Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh system (bagaimana suatu keputusan dapat diperoleh).
Struktur Sistem Pakar
Komponen utama pada struktur sistem pakar menurut Hu et al (1987) meliputi:
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui.
2. Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua teknik pengendalian tersebut.
3. Basis Data (Data Base)
Basis data terdiri atas semua fakta yang diperlukan, dimana fakta fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.
4. Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.
KECERDASAN BUATAN
(Artificial Intelligence)
Definisi Kecerdasan Buatan
• H. A. Simon [1987] :
“ Kecerdasan buatan (artificial intelligence) merupakan kawasan
penelitian, aplikasi dan instruksi yang terkait dengan pemrograman
komputer untuk melakukan sesuatu hal yang -dalam pandangan
manusia adalah- cerdas”
• Rich and Knight [1991]:
“Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana
membuat komputer melakukan hal-hal yang pada saat ini dapat
dilakukan lebih baik oleh manusia.”
• Encyclopedia Britannica:
“Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang
dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk
simbol-simbol daripada bilangan, dan memproses informasi berdasarkan
metode heuristic atau dengan berdasarkan sejumlah aturan”
Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984]:
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)
AI dapat dipandang dalam berbagai perspektif.
• Dari perspektif Kecerdasan (Intelligence)
AI adalah bagaimana membuat mesin yang “cerdas” dan dapat
melakukan hal-hal yang sebelumnya dapat dilakukan oleh manusia
• Dari perspektif bisnis, AI adalah sekelompok alat bantu (tools) yang
berdaya guna, dan metodologi yang menggunakan tool-tool tersebut
guna menyelesaikan masalah-masalah bisnis.
• Dari perspektif pemrograman (Programming), AI termasuk didalamnya
adalah studi tentang pemrograman simbolik, pemecahan masalah,
proses pencarian (search)
o Umumnya program AI lebih fokus pada simbol-simbol daripada
pemrosesan numerik (huruf, kata, angka untuk
merepresentasikan obyek, proses dan hubungannya).
o Pemecahan masalah -> pencapaian tujuan
o Search -> jarang mengarah langsung ke solusi. Proses search
menggunakan beberapa teknik.
DOMAIN PENELITIAN DALAM KECERDASAN BUATAN
• Formal tasks (matematika, games)
• Mundane task (perception, robotics, natural language, common sense,
reasoning)
• Expert tasks (financial analysis, medical diagnostics, engineering,
scientific analysis, dll)
PERMAINAN (Game)
• Kebanyakan permainan dilakukan dengan menggunakan sekumpulan
aturan.
• Dalam permainan digunakan apa yang disebut dengan pencarian ruang.
• Teknik untuk menentukan alternatif dalam menyimak problema ruang
merupakan sesuatu yang rumit.
• Teknik tersebut disebut dengan HEURISTIC.
• Permainan merupakan bidang yang menarik dalam studi heuristic
NATURAL LANGUAGE
Suatu teknologi yang memberikan kemampuan kepada komputer untuk memahami bahasa manusia sehingga pengguna komputer dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari -hari.
ROBOTIK DAN SISTEM SENSOR
Sistem sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan
sinyal jika dikombinasikan dengan AI, dapat dikategorikan kedalam suatu
sistem yang luas yang disebut sistem robotik.
EXPERT SYSTEM
Sistem pakar (Expert System) adalah program penasehat berbasis komputer
yang mencoba meniru proses berpikir dan pengetahuan dari seorang pakar
dalam menyelesaikan masalah-masalah spesifik.
KONSEP DAN DEFINISI DALAM KECERDASAN BUATAN
TURING TEST – Metode Pengujian Kecerdasan
• Turing Test merupakan sebuah metode pengujian kecerdasan yang
dibuat oleh Alan Turing.
• Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek
yang ditanyai. Yang satu adalah seorang manusia dan satunya adalah
sebuah mesin yang akan diuji.
• Penanya tidak bisa melihat langsung kepada obyek yg ditanyai
• Penanya diminta untuk membedakan mana jawaban komputer dan
mana jawaban manusia berdasarkan jawaban kedua obyek tersebut.
• Jika penanya tidak dapat membedakan mana jawaban mesin dan mana
jawaban manusia maka Turing berpendapat bahwa mesin yang diuji
tersebut dapat diasumsikan CERDAS.
PEMROSESAN SIMBOLIK
• Komputer semula didisain untuk memproses bilangan/angka-angka
(pemrosesan numerik).
• Sementara manusia dalam berpikir dan menyelesaikan masalah lebih
bersifat simbolik, tidak didasarkan kepada sejumlah rumus atau
melakukan komputasi matematis.
• Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu
komputer yang melukan proses secara simbolik dan non-algoritmik
dalam penyelesaian masalah.
HEURISTIC
• Istilah Heuristic diambil dari bahasa Yunani yang berarti menemukan
• Heuristic merupakan suatu strategi untuk melakukan proses pencarian
(search) ruang problema secara selektif, yang memandu proses
pencarian yang kita lakukan disepanjang jalur yang memiliki
kemungkinan sukses paling besar.
PENARIKAN KESIMPULAN (INFERENCING)
• AI mecoba membuat mesin memiliki kemampuan berpikir atau
mempertimbangkan (reasoning)
• Kemampuan berpikir (reasoning) termasuk didalamnya proses penarikan
kesimpulan (inferencing) berdasarkan fakta-fakta dan aturan dengan
menggunakan metode heuristik atau metode pencarian lainnya.
PENCOCOKAN POLA (PATTERN MATCHING)
• AI bekerja dengan metode pencocokan pola (pattern matching) yang
berusaha untuk menjelaskan obyek, kejadian (events) atau proses,
dalam hubungan logik atau komputasional.
Perbandingan Kecerdasan Buatan dengan Kecerdasan Alamiah
Keuntungan Kecerdasan Buatan dibanding kecerdasan alamiah:
• lebih permanen
• memberikan kemudahan dalam duplikasi dan penyebaran
• relatif lebih murah dari kecerdasan alamiah
• Konsisten dan teliti
• Dapat didokumentasi
• Dapat mengerjakan beberapa task dengan lebih cepat dan lebih baik
dibanding manusia
Keuntungan Kecerdasan Alamiah dibanding kecerdasan buatan
• Bersifat lebih kreatif
• Dapat melakukan proses pembelajaran secara langsung, sementara AI
harus mendapatkan masukan berupa simbol dan representasirepresentasi
• Fokus yang luas sebagai referensi untuk pengambilan keputusan
sebaliknya AI menggunakan fokus yang sempit
Komputer dapat digunakan untuk mengumpulkan informasi tentang obyek,
kegiatan (events), proses dan dapat memproses sejumlah besar
informasi dengan lebih efisien dari yang dapat dikerjakan manusia, tetapi
disisi lain manusia –dengan menggunakan insting- dapat melakukan hal yang
sulit untuk diprogram pada komputer, yaitu: manusia dapat mengenali
(recognize) hubungan antara hal-hal tersebut, menilai kualitas dan
menemukan pola yang menjelaskan hubungan tersebut.
Tahapan Pembuatan Sistem Pakar
Dalam mengembangkan sistem pakar ada 5 (lima) tahapan yang harus dilakukan menurut Sri Kusumadewi (2003), yaitu :
a. Tahapan Identifikasi : Tahapan identifikasi merupakan tahapan untuk menganalisa permasalahan yang ada. Ditentukan batasan masalah yang akan dianalisa, sistem pakar yang terlibat, sumber daya yang diperlukan dan tujuan yang akan dicapai.
b. Tahapan Konseptualisasi : Tahapan konseptualisasi merupakan tahapan dimana pengetahuan dan pakar menentukan konsep yang kemudian dikembangkan menjadi suatu sistem pakar. Dari konsep tersebut unsur – unsur yang terlibat akan dirinci dan dikaji hubungan antara unsur serta mekanisme pengendalian yang diperlukan untuk mencapai sebuah solusi yang terbaik.
c. Tahapan formalisasi : Tahapan formalisasi merupakan tahapan dimana hubungan antara unsur – unsur digambarkan dalam bentuk format yang biasa digunakan dalam sistem pakar. Tahap ini juga menentukan alat pembangunan sistem, teknik inferensi dan struktur data yang digunakan pada sistem pakar.
d. Tahapan Implementasi : Tahapan implementasi merupakan tahap yang sangat penting karena disinilah sistem pakar yang dibuat akan diterapkan dalam bentuk program komputer.
e. Tahapan Pengujian : Tahapan pengujian merupakan tahap dimana sistem akan dipakai dan diuji keakuratannya serta kinerja sistemnya, sehingga didapat hasil yang efisien.
Hubungan Artificial Intelligence dan Kognisi manusia terlihat dari tujuan Artificial Intelligence, arah Artificial Intelligence dan karakteristik Artificial Intelligence
Tujuan Artificial Intelligence
Menurut Lenat dan Feigenbaum terdapat 9 tujuan Artificial Intelligence, yaitu :
- Memahami kognisi manusia, mencoba untuk mendapatkan pengetahuan ingatan manusia yang mendalam, kemampuan problem solving, belajar, membuat keputusan, dll.
- Otomatisasi biaya-efektif, menggantikan manusia dalam tugas tugas intelegensi manusia dalam tugas-tugas intelegensi, mempunyai program yang performa-nya sebaik manusia dalam mengerjakan pekerjaan
- Penguatan intelegensi biaya-efektif, membangun sistem untuk membantu manusia membangun sistem untuk membantu manusia berpikir lebih baik, lebih cepat, lebih dalam, dan lain-lain. Contoh : sistem untuk membantu diagnosa penyakit.
- Intelegensi manusia super, membangun program yang mempunyai kemampuan untuk melebihi intelegensi manusia
- Problem-solving umum, sistem penyelesaian berbagai masalah yang luas sistem iniberbagai masalah yang luas, sistem ini mempunyai kelebaran pikiran.
- Wacana koheren, Komunikasi dengan manusia menggunakan bahasa alami, contoh : dialog cerdas yang ada dalam Turing Test.
- Belajar (induksi), sistem sebaiknya dapat untuk memperoleh data sendiri dan tahu bagaimana memperolehnya, sistem dapat menyamaratakan, membuat hipotesis, penerapan atau pembelajaran secara heuristik, membuat alasan dengan analogi.
- Otonomi, mempunyai sistem intelegensi yang beraksi atas inisiatif sendiri Harus bereaksi beraksi atas inisiatif sendiri. Harus bereaksi dengan dunia nyata
- Informasi, simpan informasi dan mengetahui cara untuk mengambil informasi
Mengembangkan metode & sistem untuk menyelesaikan masalah AI :
1. Tanpa mengikuti cara manusia menyelesaikannya (sistem pakar / expert systems)
2. Melalui pemodelan cara berpikirnya manusia, atau cara bekerjanya otak manusia (neural networks).
Karakteristik Artificial Intelligence
Karakteristik didasarkan pada pandangan bahwa AI ada 4 (empat) kategori yaitu :
- Sistem yang dapat berpikir seperti manusia (Thinking Humanly)
- Melalui introspeksi : mencoba menangkap pemikiran-pemikirannya sendiri pada saat berpikir
- Melalui eksperimen-eksperimen psikologi.
- Sistem yang dapat beraksi seperti manusia (Acting Humanly)
apakah yang diinterogasi manusia atau komputer, maka komputer berintelegensia tersebut lolos dari uji Turing (Turing Test). Untuk lolos dari sistem uji Turing (Turing Test) ini diperlukan : Natural Language Processing, Knowledge Representation, Automated Reasoning, dan Machine Learning.
- Sistem yang dapat berpikir secara rasional (Thinking Rationally)
- Tidak mudah membuat pengetahuan informal dan menyatakan dalam formal term yang diperlukan oleh notasi logika khususnya jikadiperlukan oleh notasi logika, khususnya jika pengetahuan memiliki ketidakpastian < 100%
- Terdapat perbedaan besar antara dapat memcahkan masalah dalam “prinsip” dan memecahkannya dalam “praktek”
- Sistem yang dapat bertingkah laku secara rasional (Acting Rationally)
Membuat inferensi yang benar, kadang-kadang merupakan bagian dari suatu rational agent, karena satu cara untuk rational agent, karena itu merupakan salah satu cara untuk melakukan aksi secara rasional. Aksi secara rasional adalah menalar secara logika untuk mendapatkan kesimpulan bahwa aksi yang diberikan akan mencapai tujuan, dan kemudian melakukan aksi atas kesimpulan tersebut.
SISTEM PAKAR
Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.
Ciri-Ciri Sistem Pakar
Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut :
• Memiliki informasi yang handal.
• Mudah dimodifikasi.
• Dapat digunakan dalam berbagai jenis komputer.
• Memiliki kemampuan untuk belajar beradaptasi.
Keuntungan Sistem Pakar
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reabilitas.
10. Meningkatkan kapabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam penyelesaian masalah.
14. Menghemat waktu dalam pengambilan keputusan
Kelemahan Sistem Pakar
Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :
1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.
3. Sistem Pakar tidak 100% bernilai benar.
Alasan Pengembangan Sistem Pakar
Sistem pakar sendiri dikembangkan lebih lanjut dengan alasan :
• Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.
• Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar.
• Seorang pakar akan pensiun atau pergi.
• Seorang pakar adalah mahal.
• Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat.
Modul Penyusun Sistem Pakar
Menurut Staugaard (1987) suatu sistem pakar disusun oleh tiga modul utama yaitu :
1. Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode) Sistem berada pada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya.
2. Modul Konsultasi (Consultation Mode)
Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang diajukan oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.
3. Modul Penjelasan (Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh system (bagaimana suatu keputusan dapat diperoleh).
Struktur Sistem Pakar
Komponen utama pada struktur sistem pakar menurut Hu et al (1987) meliputi:
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui.
2. Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan dari kedua teknik pengendalian tersebut.
3. Basis Data (Data Base)
Basis data terdiri atas semua fakta yang diperlukan, dimana fakta fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.
4. Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.
KECERDASAN BUATAN
(Artificial Intelligence)
Definisi Kecerdasan Buatan
• H. A. Simon [1987] :
“ Kecerdasan buatan (artificial intelligence) merupakan kawasan
penelitian, aplikasi dan instruksi yang terkait dengan pemrograman
komputer untuk melakukan sesuatu hal yang -dalam pandangan
manusia adalah- cerdas”
• Rich and Knight [1991]:
“Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana
membuat komputer melakukan hal-hal yang pada saat ini dapat
dilakukan lebih baik oleh manusia.”
• Encyclopedia Britannica:
“Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang
dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk
simbol-simbol daripada bilangan, dan memproses informasi berdasarkan
metode heuristic atau dengan berdasarkan sejumlah aturan”
Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984]:
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)
AI dapat dipandang dalam berbagai perspektif.
• Dari perspektif Kecerdasan (Intelligence)
AI adalah bagaimana membuat mesin yang “cerdas” dan dapat
melakukan hal-hal yang sebelumnya dapat dilakukan oleh manusia
• Dari perspektif bisnis, AI adalah sekelompok alat bantu (tools) yang
berdaya guna, dan metodologi yang menggunakan tool-tool tersebut
guna menyelesaikan masalah-masalah bisnis.
• Dari perspektif pemrograman (Programming), AI termasuk didalamnya
adalah studi tentang pemrograman simbolik, pemecahan masalah,
proses pencarian (search)
o Umumnya program AI lebih fokus pada simbol-simbol daripada
pemrosesan numerik (huruf, kata, angka untuk
merepresentasikan obyek, proses dan hubungannya).
o Pemecahan masalah -> pencapaian tujuan
o Search -> jarang mengarah langsung ke solusi. Proses search
menggunakan beberapa teknik.
DOMAIN PENELITIAN DALAM KECERDASAN BUATAN
• Formal tasks (matematika, games)
• Mundane task (perception, robotics, natural language, common sense,
reasoning)
• Expert tasks (financial analysis, medical diagnostics, engineering,
scientific analysis, dll)
PERMAINAN (Game)
• Kebanyakan permainan dilakukan dengan menggunakan sekumpulan
aturan.
• Dalam permainan digunakan apa yang disebut dengan pencarian ruang.
• Teknik untuk menentukan alternatif dalam menyimak problema ruang
merupakan sesuatu yang rumit.
• Teknik tersebut disebut dengan HEURISTIC.
• Permainan merupakan bidang yang menarik dalam studi heuristic
NATURAL LANGUAGE
Suatu teknologi yang memberikan kemampuan kepada komputer untuk memahami bahasa manusia sehingga pengguna komputer dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari -hari.
ROBOTIK DAN SISTEM SENSOR
Sistem sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan
sinyal jika dikombinasikan dengan AI, dapat dikategorikan kedalam suatu
sistem yang luas yang disebut sistem robotik.
EXPERT SYSTEM
Sistem pakar (Expert System) adalah program penasehat berbasis komputer
yang mencoba meniru proses berpikir dan pengetahuan dari seorang pakar
dalam menyelesaikan masalah-masalah spesifik.
KONSEP DAN DEFINISI DALAM KECERDASAN BUATAN
TURING TEST – Metode Pengujian Kecerdasan
• Turing Test merupakan sebuah metode pengujian kecerdasan yang
dibuat oleh Alan Turing.
• Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek
yang ditanyai. Yang satu adalah seorang manusia dan satunya adalah
sebuah mesin yang akan diuji.
• Penanya tidak bisa melihat langsung kepada obyek yg ditanyai
• Penanya diminta untuk membedakan mana jawaban komputer dan
mana jawaban manusia berdasarkan jawaban kedua obyek tersebut.
• Jika penanya tidak dapat membedakan mana jawaban mesin dan mana
jawaban manusia maka Turing berpendapat bahwa mesin yang diuji
tersebut dapat diasumsikan CERDAS.
PEMROSESAN SIMBOLIK
• Komputer semula didisain untuk memproses bilangan/angka-angka
(pemrosesan numerik).
• Sementara manusia dalam berpikir dan menyelesaikan masalah lebih
bersifat simbolik, tidak didasarkan kepada sejumlah rumus atau
melakukan komputasi matematis.
• Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu
komputer yang melukan proses secara simbolik dan non-algoritmik
dalam penyelesaian masalah.
HEURISTIC
• Istilah Heuristic diambil dari bahasa Yunani yang berarti menemukan
• Heuristic merupakan suatu strategi untuk melakukan proses pencarian
(search) ruang problema secara selektif, yang memandu proses
pencarian yang kita lakukan disepanjang jalur yang memiliki
kemungkinan sukses paling besar.
PENARIKAN KESIMPULAN (INFERENCING)
• AI mecoba membuat mesin memiliki kemampuan berpikir atau
mempertimbangkan (reasoning)
• Kemampuan berpikir (reasoning) termasuk didalamnya proses penarikan
kesimpulan (inferencing) berdasarkan fakta-fakta dan aturan dengan
menggunakan metode heuristik atau metode pencarian lainnya.
PENCOCOKAN POLA (PATTERN MATCHING)
• AI bekerja dengan metode pencocokan pola (pattern matching) yang
berusaha untuk menjelaskan obyek, kejadian (events) atau proses,
dalam hubungan logik atau komputasional.
Perbandingan Kecerdasan Buatan dengan Kecerdasan Alamiah
Keuntungan Kecerdasan Buatan dibanding kecerdasan alamiah:
• lebih permanen
• memberikan kemudahan dalam duplikasi dan penyebaran
• relatif lebih murah dari kecerdasan alamiah
• Konsisten dan teliti
• Dapat didokumentasi
• Dapat mengerjakan beberapa task dengan lebih cepat dan lebih baik
dibanding manusia
Keuntungan Kecerdasan Alamiah dibanding kecerdasan buatan
• Bersifat lebih kreatif
• Dapat melakukan proses pembelajaran secara langsung, sementara AI
harus mendapatkan masukan berupa simbol dan representasirepresentasi
• Fokus yang luas sebagai referensi untuk pengambilan keputusan
sebaliknya AI menggunakan fokus yang sempit
Komputer dapat digunakan untuk mengumpulkan informasi tentang obyek,
kegiatan (events), proses dan dapat memproses sejumlah besar
informasi dengan lebih efisien dari yang dapat dikerjakan manusia, tetapi
disisi lain manusia –dengan menggunakan insting- dapat melakukan hal yang
sulit untuk diprogram pada komputer, yaitu: manusia dapat mengenali
(recognize) hubungan antara hal-hal tersebut, menilai kualitas dan
menemukan pola yang menjelaskan hubungan tersebut.
Tahapan Pembuatan Sistem Pakar
Dalam mengembangkan sistem pakar ada 5 (lima) tahapan yang harus dilakukan menurut Sri Kusumadewi (2003), yaitu :
a. Tahapan Identifikasi : Tahapan identifikasi merupakan tahapan untuk menganalisa permasalahan yang ada. Ditentukan batasan masalah yang akan dianalisa, sistem pakar yang terlibat, sumber daya yang diperlukan dan tujuan yang akan dicapai.
b. Tahapan Konseptualisasi : Tahapan konseptualisasi merupakan tahapan dimana pengetahuan dan pakar menentukan konsep yang kemudian dikembangkan menjadi suatu sistem pakar. Dari konsep tersebut unsur – unsur yang terlibat akan dirinci dan dikaji hubungan antara unsur serta mekanisme pengendalian yang diperlukan untuk mencapai sebuah solusi yang terbaik.
c. Tahapan formalisasi : Tahapan formalisasi merupakan tahapan dimana hubungan antara unsur – unsur digambarkan dalam bentuk format yang biasa digunakan dalam sistem pakar. Tahap ini juga menentukan alat pembangunan sistem, teknik inferensi dan struktur data yang digunakan pada sistem pakar.
d. Tahapan Implementasi : Tahapan implementasi merupakan tahap yang sangat penting karena disinilah sistem pakar yang dibuat akan diterapkan dalam bentuk program komputer.
e. Tahapan Pengujian : Tahapan pengujian merupakan tahap dimana sistem akan dipakai dan diuji keakuratannya serta kinerja sistemnya, sehingga didapat hasil yang efisien.
SUMBER
http://id.wikipedia.org/wiki/Kecerdasan_buatan
http://adi-nuralim.blogspot.com/2011/02/intelejensi-buatan-artificial.html
http://muhtarul12.blogspot.com/2010/02/sistem-pakar-dan-kecerdasan-buatan.html
http://psikologioke.wordpress.com/2012/10/28/sejarah-aiai-dan-kognisi-ai-dan-sistem-pakar/
http://freezcha.wordpress.com/2010/02/27/sistem-pakar/
http://dewimulyaniitdanbahasajepang.blogspot.com/2012/05/sejarah-artificial-intelegent-ai.html
Tidak ada komentar:
Posting Komentar