Pengenalan Kecerdasasan Buatan/ Articial Intelligence (AI)
1.1. Pengertian Kecerdasan Buatan (bertindak dan berpikir seperti manusia dan rasional)
Definisi kecerdasan buatan dapat kita bagi ke dalam empat kategori yaitu:
1. Sebuah sistem yang berpikir seperti manusia
2. Sebuah sistem yang bertindak seperti manusia
3. Sebuah sistem yang berpikir rasional
4. Sebuah sistem yang bertindak rasional
Pendekatan yang berpusat pada manusia merupakan sebuah sains yang empiris, mencakup penegasan hipotesis dan percobaan. Sedangkan pendekatan yang rasional melibatkan sebuah kombinasi dari matematika dan teknik. Peneliti-peneliti dalam tiap kategori kadang saling menjelekkan pencapaian masing-masing, namun kenyataannya, tiap kelompok tersebut telah menghasilkan pengetahuan-pengetahuan yang berharga.
Bertindak seperti manusia : Pendekatan Tes Turing
Pendekatan tes Turing yang ditemukan oleh Alan Turing memberikan definisi yang memuaskan untuk pengertian kecerdasan. Untuk melewati tes tersebut, sebuah komputer harus memiliki kemampuan: pemrosesan bahasa alami, penyajian pengetahuan, automated reasoning, dan machine learning. Ada lagi yang namanya total Turing test, dimana untuk lulus tes ini komputer harus memiliki daya lihat untuk mengenali objek dan robotik untuk bergerak.
Berpikir seperti manusia: Pendekatan Pemodelan Kognitif
Untuk mengatakan sebuah program berpikir seperti manusia, sebelumnya harus ada terlebih dahulu penetapan tentang bagaimana manusia berpikir. Caranya melalui introspeksi atau melalui percobaan psikologi. Cabang ilmu pengetahuan sains kognitif berusaha menggabungkan model komputer dari kecerdasan buatan dan teknik percobaan dari psikologi untuk membentuk suatu teori yang tepat tentang cara kerja pikiran manusia. Sains kognitif yang sejati, mengambil dasar dari penelitian pada manusia atau binatang yang sebenarnya. Oleh karena itu, sains kognitif dan kecerdasan buatan merupakan dua cabang ilmu pengetahuan yang saling mendukung satu sama lain.
Berpikir rasional: Pendekatan Hukum Pikiran
Hukum pikiran berupa silogisme yang telah ditemukan oleh Aristoteles memulai munculnya bidang logika. Bidang logika mencari solusi suatu permasalahan (jika solusinya memang ada) setelah mengubah deskripsi permasalahannya ke dalam bentuk notasi logika. Yang disebut tradisi logika dalam kecerdasan buatan, diharapkan dapat membangun sebuah program untuk menciptakan sistem yang cerdas.
Bertindak rasional: Pendekatan agen rasional
Bertindak rasional berarti bertindak untuk mencapai suatu tujuan, sesuai keyakinannya. Sedangkan agen adalah sesuatu yang merasa dan bertindak. Kecerdasan buatan dipandang sebagai pembelajaran dan pembentukan agen rasional.
Dalam pendekatan hukum pikiran, semua penekanannya adalah pada penarikan kesimpulan yang benar, dan penarikan kesimpulan yang benar kadang juga merupakan bagian dari menjadi seorang agen rasional. Perlu diperhatikan, penarikan kesimpulan yang benar bukan merupakan keseluruhan dari rasionalitas, karena seringnya terjadi situasi dimana tidak ada hal yang benar untuk dilakukan, tapi tetap diharuskan untuk melakukan sesuatu. Juga masih ada cara untuk bertindak secara rasional tanpa perlu melibatkan penyimpulan.
Semua keahlian kognitif yang dibutuhkan untuk tes Turing juga memenuhi tindakan rasional. Dengan begitu, kita membutuhkan kemampuan untuk menjabarkan pengetahuan dan berpikir berdasarkan itu karena hal ini memungkinkan kita untuk mendapatkan keputusan yang bagus dalam berbagai macam situasi.
Studi tentang kecerdasan buatan sebagai agen rasional memiliki dua keuntungan. Pertama, karena pendekatan ini lebih umum daripada pendekatan hukum pikiran, karena penarikan kesimpulan yang benar hanyalah sebuah mekanisme yang berguna untuk mencapai rasionalitas, bukan yang benar-benar dibutuhkan. Kedua, pendekatan ini lebih diterima secara ilmiah daripada pendekatan berdasarkan pikiran atau tingkah laku manusia, sebab standar rasionalistasnya didefinisikan dengan jelas dan benar-benar umum.
Yang perlu dicatat adalah, untuk mencapai rasional yang sempurna—selalu melakukan hal yang benar—tidak mungkin dicapai dalam lingkungan yang rumit.
Perbedaan antara Kecerdasan Buatan (Komputer) dengan Kecerdasan Alami (Manusia)
Kecerdasan Buatan:
- Bersifat permanen
- Mudah diduplikasi dan disebarluaskan
- Dapat lebih murah daripada manusia cerdas
- Konsisten dan menyeluruh
- Dapat didokumentasikan
Kecerdasan Alami:
- Bersifat kreatif
- Menggunakan pengalaman panca indra secara langsung
- Menalar berdasarkan pemahaman yang luas dari pengalaman
- Memiliki tingkat ketrampilan yang luas mulai dari pemula, pemula lanjut, kompeten, profisien, dan ahli (expert)
1.2. Bidang ilmu yang menjadi dasar Kecerdasan Buatan
Sistem pakar
Sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.
Suatu sistem pakar disusun oleh tiga modul utama (Staugaard, 1987), yaitu :
- Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode)
- Modul Konsultasi (Consultation Mode)
- Modul Penjelasan(Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh sistem (bagaimana suatu keputusan dapat diperoleh).
Komponen utama pada struktur sistem pakar (Hu et al, 1987) meliputi:
- Basis Pengetahuan (Knowledge Base)
- Mesin Inferensi (Inference Engine)
- Basis Data (Database)
- Antarmuka Pemakai (User Interface)
Algoritma Genetika
Algoritma Genetika adalah suatu algoritma pencarian yang meniru mekanisme dari genetika alam. Algoritma Genetika ini banyak dipakai pada aplikasi bisnis, teknik maupun pada bidang keilmuan.Algoritma ini dapat dipakai untuk mendapatkan solusi yang tepat untuk masalah optimal dari satu variabel atau multi variabel.
Selanjutnya konstruksi dasar dari Algoritma Genetika adalah sebagai berikut:
- Pendefinisian Chromosome
- Pendefinisian Fungsi Fitness
- Membangkitkan Sebuah Populasi Awal
- Reproduksi
- Crossover
- Mutasi
Logika Fuzzy
Logika Fuzzy (logika samar) merupakan logika yang berhadapan langsung dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat di ekspresikan dalam binary 0 atau 1.
Perlu diketahui bahwa Teori Himpunan Samar dan Logika Samar sangat berkembang pesat pada saat ini. Banyak sekali masalah-masalah nyata yang lebih tepat diselesaikan menggunakan Teori Himpunan Samar dan Logika Samar. Banyak sekali muncul teori-teori baru pada saat ini misalnya: Topologi Fuzzy, Analisa Fuzzy, Aljabar Fuzzy (Fuzzy Semi Group, Fuzzy Ring, Fuzzy Group, dan sebagainya.
Logika fuzzy telah lama dikenal dan digunakan dalam berbagai bidang oleh para ahli dan insinyur. Penggunaan logika fuzzy pada awalnya digunakan untuk beberapa bidang, seperti sistem diagnosa penyakit (dalam bidang kedokteran); pemodelan sistem pemasaran, riset operasi (dalam bidang ekonomi); kendali kualitas air, prediksi adanya gempa bumi, klasifikasi dan pencocokan pola (dalam bidang teknik). Penggunaan logika fuzzy dalam bidang sistem daya (power system) juga sudah dilakukan, antara lain dalam analisis kemungkinan, prediksi dan pengaturan beban, identifikasi gangguan pada generator dan penjadwalan pemeliharaan generator.
Jaringan Syaraf Tiruan
Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial neural network (ANN), atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.
Secara sederhana, JST adalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data.
Robotika
Robotika adalah salah satu wacana teknologi untuk menuju peradaban yang lebih maju. Kebanyakan orang selalu beranggapan bahwa robot adalah kemajuan teknologi yang mampu menggeser tingkah laku seseorang untuk melakukan suatu tindakan. Dengan kemajuan yang pesat, maka kebutuhan akan SDM akan merosot tajam. Layaknya revolusi pada bangsa Eropa.
1.3. Sejarah Kecerdasan Buatan
Kecerdasan buatan termasuk bidang ilmu yang relative muda. Pada tahun 1950-an para ilmuwan dan peneliti mulai memikirkan bagaimana caranya agar mesin dapat melakukan pekerjaannya seperti yang bisa dikerjakan oleh manusia. Alan Tauring, seorang matematikawan inggris pertama kali mengusulkan adanya tes untuk melihat bisa tidaknya sebuah mesin dikatakan cerdas. Hasil tes tersebut kemudian dikenal dengan Turing Tes dimana si mesin tersebut menyamar seolah-olah sebagai seseorang didalam suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing beranggappan bahwa, jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya manusia)
Kecerdasan buatan sendiri dimunculkan oleh seorang professor dari Massachusetts Institute of Technology yang bernama John McCarthy pada tahun 1956 pada Dartmouth Conference yang dihadiri oleh para peneliti AI. Pada konferensi tersebut juga didefinisikan tujuan utama dari kecerdasan buatan yaitu : mengetahui dan memodelkan proses-proses berfikir manusia dan mendesain mesin agar dapat menirukan kelakuakan manusia tersebut.
Beberapa program AI yang mulai dibuat pada tahun 1950-1966, antara lain :
Tahun 1950-an
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 Papertmenerbitkan 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 Werbospada 1974. Pada tahun 1982, para ahli fisika seperti Hopfieldmenggunakan teknik-teknik statistika untuk menganalisis 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 pembelajaran propagansi balik (Back-Propagation learning). Algoritma ini berhasil diimplementasikan ke dalam ilmu komputer dan psikologi.
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.
1.4. Agen intelejen
1.4.1. Agen dan lingkungannya
Didefinisikan sebagai segala sesuatu yang dapat merasakan lingkungannya melalui peralatan sensor-sensor, bertindak sesuai dengan lingkungannya dan dengan mengunakan peralatan penggeraknya /actuator (Russel dan Norvig).
Diperlihatkan abstraksi dari model komputasi sebuah agen. Pada gambar terlihat setiap tindakan atau aktivitas akan dikerjakan oleh agen adalah untuk memenuhi kondisi lingkungannya.
Diperlihatkan komponen internal dari sebuah model agen BDI (belief-desire-intention) yang memiliki :
1. events (pemacu indera)
2. beliefs (pengetahuan)
3. actions (tindakan)
4. goals (tujuan)
5. plans (agenda dan rencana).
Human Agen memiliki :
– Mata, telinga, dan organ sejenisnya sebagai sensor.
– Tangan, kaki, mulut dan anggota tubuh lainnya sebagai effector.
Agent Robot :
– Sensor : kamera, infrared, dll
– Effector : peralatan penggerak.
Agent Software :
– Antarmuka pengguna grafis sebagai sensor dan sekaligus sebagai pengeraknya
1.4.2. Konsep Rasionalitas
- Sebuah agen selalu mencoba untuk mengoptimasikan sebuah nilai ukuran kinerja yang disebut agen memiliki rasional (rational agent).
- Untuk setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih satu tindakan yang diharapkan memaksimalkan ukuran kemampuannya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapun pengetahuan terpasang yang dimiliki agen itu.
- Ukuran kinerja (dari rational agent) biasanya didefinisikan oleh perancang agen dan merefleksikan apa yang diharapkan mampu dilakukan dari agen tersebut.
- Sebuah agen berbasis rasional juga disebut sebuah agen cerdas.
1.4.3. Lingkungan alami
Fully observable – partially observable
- Apabila sensor pada sebuah agen dapat mengakses keseluruhan keadaan pada lingkungan, maka lingkungan itu dapat dikatakan fully observable terhadap agen.
- Suatu lingkungan bisa menjadi partially observable akibat ada gangguan dan ketidakakurasian sensor ataupun karena ada bagian keadaan yang hilang dari data sensor.
Deterministic – stochastic
– Apabila keadaan lingkungan selanjutnya sepenuhnya bergantung pada keadaan sekarang dan juga tindakan yang akan dilakukan oleh agen, maka lingkungan tersebut bersifat deterministic.
– Apabila lingkungan bersifat deterministic terkecuali untuk tindakan dari agen, maka lingkungan tersebut bersifat strategic
.
Episodic – sequential
- Untuk lingkungan yang bersifat episodic, pengalaman agen dibagi-bagi menjadi beberapa epidose pendek.
- Tiap episode terdiri dari apa yang dirasakan agen dan kemudian melakukan satu tindakan tertentu.
- Kualitas dari tindakan agen hanya tergantung pada episode itu saja, karena tindakan selanjutnya tidak tergantung pada tindakan apa yang akan dilakukan di episode sebelumnya.
- Lingkungan episodic lebih sederhana karena agen tidak perlu memikirkan langkah-langkah pada keadaan selanjutnya.
- Sedangkan pada lingkungan sequential, tindakan saat sekarang dapat mempengaruhi tindakan selanjutnya. Permainan Reversi bersifat sequential karena agen berpikir untuk langkah-langkah selanjutnya dan seluruh langkah yang akan diambil oleh agen saling bergantung.
Static – dynamic
- Apabila lingkungan dapat berubah saat agen sedang mengambil keputusan, maka lingungan tersebut bersifat dynamic, sebaliknya bersifat static.
- Apabila lingkungan tidak berubah seiring waktu berjalan, namun menyebabkan nilai kemampuan agen berubah-ubah, maka lingkungan tersebut bersifat semidynamic.
Discrete – continuous
- Apabila kesan dan tindakan yang akan diterima dan dilakukan oleh agen telah ditetapkan dengan jelas, maka lingkungan tersebut bersifat discrete.
1.4.4. Struktur agen
Sebuah agent diharapkan melakukan tindakan yang benar sesuai dengan tujuan diciptakan agent tersebut. Tindakan yang dilakukan oleh agent tersebut yang akan digunakan sebagai tolak ukur terhadap keberhasilan sebuah agent.
Berikut 4 buah dasar yang dapat digunakan untuk menentukan tolak ukur sebuah agent:
- Performance measure (tolak ukur terhadap kesuksesan hasil kerja) yang menyatakan derajat kesuksesan.
- Semua imput yang diterima oleh agent, dapat dilacak kembali (imput disimpan dalam serangkaian data/memory).
- Segala sesuatu yang diketahui agen terhadap lingkunganya.
- Setiap indakan yang akan dilakukan oleh agen.
Pada umumnya sebuah agent terdiri dari dua buah komponen dasar yaitu suatu program dan sebuah piranti perangkat keras (arsitektur/computer). Sebagai ilustrasi terhadap hubungan keduanya, sebuah arsitektur memberikan sebuah percept dari sensor kemudian siap digunakan kedalam program, menjalankan program dan memberikan pilihan-pilihan tindakan program ke efektor.
Dua hal penting dalam proses pembuatan program agent
- Menyatakan mapping (pemetaan) sebagai sebuah fungsi dan urutan precepsi ke tindakan. Program agent hanya menerima sebuah presepsi berdasarkan jangka waktu tertentu. Kemudian menyimpan setiap prepsesi sesuai dengan urutan tertentu kedalam memory .
- Tujuan dan performance tidak termaksud kedalam rangka program.
Terdapat 4 hal yang harus diperhatikan dalam merancang sebuah agent. Yaitu Percept, Action, Goal dan Enviroment. Biasa disingkat PAGE. Aget harus menangapi setiap rangsangan (precpt) yang ada disekitarnya, kemudian memberikan tindakan (action) yang tepat terhadap rangsangan tersebut, dan yang pasti setiap tindakan tersebut harus sesuai dengan tujuan (Goal) awal diciptakanya agent tersebut. Selain itu setiap aksi yang dilakukan aleh agent tersebut harus memperhatikan lingkungan (Environment) dimana agent tersebut di tempatkan.
Tipe Program Agent
Simple Reflex Agent
Merupakan agent yang bekerja berdasarkan reflex. Contohnya, sebuah driver agent (supir taxi otomatis), harus memberikan reflex mengerem ketika terdapat mobil yang berhenti didepanya.
Agent That Keep Track the World
Merupakan agent yang tetap melakukan pengecekan terhadap keadaan lingkungan, sehingga dapat memberikan respon yang tepat.
Goal based agent (Agent berbesis pada tujuan/sasaran)
Merupakan sebuah agent yang mendasarkan setiap tindakannya untuk mencapai tujuan yang telah ditentukan. Setiap agent akan mempertimbangkan setiap kemungkinan yang akan terjadi pada mesa depan berdasarkan tindakan yang akan/telah dilakukanya.
Utility Based Agent
Merupakan sebuah fungsi yang memetakan suatu keadaan kedalam bilangan real, yang menggambarkan derajak kesenangan/kepuasan. Sedikit berbeda dengan Goal Based Agent, tipe ini tidak mengutamakan semua tujua, tetapi akan mengutamakan tujuan mana yang mungkin tercapai berdasarkan kondisi tertentu(tujuan kepuasan, kenyamanan, keefisienan).
Environment (Lingkungan)
Lingkungan sangat lah penting dalam proses perancangan sebuah agent. Hal ini dikarenakan setiap tindakan yang akan dilakukan oleh agent harus mempertimbangkan kondisi lingkungan. Terdapat beberapa kriteria pembegian lingkungan.
1. Accessible (dapat diakses)
Jika sensor agent dapat mendeteksi semua keadaan lingkungan, terutama yang berhubungan dengan pengambilan keputusan.
2. Deterministic
Merupakan suatu lingkungan dimana lingkungan yang akan dating ditentukan oleh keadaan saat ini dan setiap aksi yang dilakukan oleh agen saat ini.
3. Dynamic
Suatu lingkungan yang keadaanya selalu berubah-ubah.
4. Discrete (diskrit)
Keadaan dimana lingkungan saat ini dapat digambarkan dengan pasti, dengan tingkat kesalahan seminimal mungkin.
Keterangan
Nama: Mahmud Yusuf
Kelas: 3KA10
NPM: 14116231
Referensi
- https://humblediary.wordpress.com/2014/10/24/sekilas-tentang-kecerdasan-buatan/
- https://adiazep.wordpress.com/2017/11/12/pengenalan-kecerdasan-buatan-articial-intelligence/
- https://ibneaqiqi.wordpress.com/2010/12/10/agent-dalam-kecerdasan-buatan/
PowerPoint Pengenalan Kecerdasan Buatan atau Articial Intelligence (AI)
Link Download PPT >>> PowerPoint Pengenalan Kecerdasan Buatan atau Articial Intelligence (AI)
EmoticonEmoticon