kecerdasan buatan ( a rtificial i ntelligence ( ai ))
DESCRIPTION
Kecerdasan Buatan ( A rtificial I ntelligence ( AI )). Rahmat D.R. Dako , ST., M.Eng. Definisi AI. Bidang Studi yang berusaha menerangkan dan meniru perilaku cerdas dalam bentuk proses komputasi ( Schalkoff , 1990) - PowerPoint PPT PresentationTRANSCRIPT
Kecerdasan Buatan(Artificial Intelligence (AI))
Rahmat D.R. Dako, ST., M.Eng
Definisi AI
Bidang Studi yang berusaha menerangkan dan meniru perilaku cerdas dalam bentuk proses komputasi (Schalkoff, 1990)
Studi tentang cara membuat komputer melakukan sesuatu yang, sampai saat ini, orang dapat melakukannya dengan baik (Rich dan Knight, 1991)
Cabang ilmu komputer yang berhubungan dengan otomasi perilaku yang cerdas (Luger dan Stubblefield, 1993)
Bidang studi yang berhubungan dengan penangkapan, pemodelan, dan penyimpanan kecerdasan manusia dalam sebuah sistem teknologi informasi sehingga sistem tersebut dapat memfasilitasi proses pengambilan keputusan yang biasanya dilakukan oleh manusia (Haag dan Keen, 1996)
Tujuan AI
Winston dan Prendergast mengungkapkan tujuan AI meliputi :
1. Membuat mesin lebih pintar.2. Memahami kecerdasan, dan3. Membuat mesin lebih berguna
Namun, seiring perkembangan tujuan AI tidak hanya membuat komputer berpikir, tetapi juga bisa melihat, mendengar dan berjalan, bahkan bermain dan merasakan.
Perbandingan Kecerdasan Buatan dan Kecerdasan Manusia
Menurut Kaplan yang diutarakan oleh Turban, McLean dan Wheterbe (1999), AI memiliki “kelebihan” :
1. AI lebih bersifat permanen2. AI menawarkan kemudahan untuk digandakan
dan disebarkan3. AI dapat lebih murah daripada kecerdasan
alami.4. AI bersifat konsisten dan teliti5. AI dapat didokumentasi
Bidang-Bidang Aplikasi AI
AI telah dipergunakan untuk :1. Membuat aplikasi komputer yang sangat mudah bagi pemakai2. Meningkatkan pemecahan masalah secara tepat dan konsisten3. Membantu menyelesaikan masalah yang tidak dapat
dipecahkan secara konvensional4. Membantu menyelesaikan masalah yang mengandung data
yang tidak lengkap atau kurang jelas.5. Menangani informasi yang berlebihan (pengikhtisaran dan
peinginterpretasian informasi)6. Meningkatkan produktifitas dalam melaksanakan banyak
tugas.7. Membantu melaksanakan pencarian data atau suatu pola
berdasarkan jumlah data yang sangat besar
Domain Tugas-Tugas AI (Rich dan Knight, 1991)
Tugas-Tugas Biasa- Persepsi
Visi Percakapan
- Bahasa AlamiPemahamanPembangkitanPenerjemahan
- Penalaran- Pengontrolan robot
Domain Tugas-Tugas AI (2)
Tugas-Tugas Formal- Permainan Catur
CaturBackgammonCheckerGo
- MatematikaGeometriLogikaKalkulus (diferensial/integral)
Domain Tugas-Tugas AI (3)
Tugas-Tugas Ahli- Keteknikan
PerancanganPenemuan KesalahanPerencanaan manufaktur
- Analisis Pengetahuan- Diagnosa Pengobatan- Analisis Keuangan
Domain Aplikasi Utama AI (O’Brien, 2001)
AI
Aplikasi Pengetahuan
Kognitif
Aplikasi Robotika
Aplikasi Antarmuka
Alami
Sistem Pakar Sistem Belajar Logika Kabur Algoritma Genetika Jaringan saraf Agen Cerdas
Persepsi Visual Rangsangan Ketangkasan Daya Penggerak Navigasi
Bahasa Alami Pengenalan percakapan Antarmuka multisensor Virtual Reality
Pengolahan Bahasa Alami (Natural Language Processing NLP)Bidang Ilmu AI yang berurusan dengan pemahaman
bahasa manusia.
Pengolahan Bahasa Alami (Natural Language Processing NLP) (2)Inti pengolahan bahasa alami “PARSER”
Parser : bagian yang membaca kalimat dari bahasa sumber dan menguraikan serta menganalisis kata-kata yang terdapat dalam kalimat tersebut dan mencocokkannya dengan tata bahasa yang benar.
Pendukung parser adalah kamus (kosa kata)Keluaran parser representase pengetahuan
(mengartikan kalimat masukan)
Visi Komputer
Bidang AI pengenalan objek yang selanjutnya untuk pengambilan keputusan
Program AI
Keputusan
Robotika
Robot Peranti elektromekanik yang dapat diprogram untuk melakukan otomasi terhadap suatu tugas yang biasa dilakukan manusia.
Robotika ilmu yang berhubungan dengan pembuatan robot.
AI robot menjadi cerdas (Android & Animatronic)
Android (humanoid) orangAnimatronic binatang.
Sistem PakarSistem yang meniru kepakaran (keahlian) seseorang
dalam bidang tertentu dalam menyelesaikan suatu permasalahan (Horn, 1986)
Weiss & Kulikowski (1984) menyatakan :- Menangani masalah-masalah kompleks dan nyata
yang memerlukan interpretasi seorang pakar.- Menyelesaikan masalah-masalah tersebut dengan
menggunakan model yang memakai penalaran manusia ahli yang menghasilkan kesimpulan yang sama dengan kesimpulan yang akan dicapai manusia ahli jika menghadapi masalah-masalah yang sama.
Contoh sistem pakarBERT, sistem pakar untuk merancang bangunan.
DART/DASD, untuk mediagnosis kerusakan komputer
DELTA, sistem pakar mengdiagnosis kerusakan pada mesin-mesin diesel pada General Electric.
DENDRAL, sistem pakar untuk menganalisis struktur molekul suatu senyawa kimia.
EL, sistem pakar untuk menganalisis rangkaian elektronika yang mengandung transistor, dioda dan resistor
FOLIO, sistem pakar untuk mengevaluasi investasi pengetahuan
HEATINGS, sistem pakar untuk mengendalikan proses pembakaran batubara.
Etc,…
Model konseptual sistem pakarModel konseptual sistem pakar yang paling umum
mengandung :- Basis pengetahuan (Knowledge base)- Mesin Inferensi (Inference engine)- Fasilitas Penjelas- Antarmuka pemakai
Basis PengetahuanKomponen yang berisi pengetahuan-pengetahuan
yang berasala dari pakar, berisi sekumpulan fakta (fact) dan aturan (rule).
FaktaBerupa situasi masalah dan teori tentang area
masalah
AturanSuatu arahan yang menggunakan pengetahuan
untuk memecahkan masalah pada bidang tertentu.
Contoh Basis PengetahuanJeruk : - Buah berbentuk bulat- Warna hijau ketika muda dan kuning ketika sudah tua- Berbatang- Batang berduri
Apel :- Buah berbentuk bulat- Warna hijau ketika muda dan merah ketika sudah tua- Berbatang.
Jika pertanyaan, Apakah buah berbentuk bulat ? Dijawab dengan “YA” oleh pemakai, maka pemakai memberikan ?
fakta.
Mesin Inferensi, Fasilitas Penjelas dan Antarmuka pemakaiMesin Inferensi : otak dari sistem pakar dan
merupakan komponen yang berfungsi melakukan penalaran dan mengambil kesimpulan.
Fasilitas Penjelas : memberikan penjelasan kepada pemakai yang memintanya.
- Antarmuka : bagian yang menjembatani antara sistem dan pemakai.
Logika Kabur (fuzzy Logic) Suatu teknik untuk menangani ketidakpastian pada masalah-masalah
yang banyak memiliki jawaban.
Logika kabur pertama kali diformulasikan dalam sebuah seminar oleh Lotfi A Zadeh dari University of Califonia, Berkeley tahun 1965
Metode ini diformulasikan dalam rangka mencari nilai tengah antara bilangan Aristoteles 0 dan 1
Logika fuzzy merupakan peningkatan dari logika boolean
Menggantikan kebenaran boolean dengan tingkat kebenaran
Dasar logika fuzzy adalah memformulasikan bilangan antara 0 dan 1 atau lebih tepat 0.0 dan 1.0
Aplikasi Logika Kabur (fuzzy Logic) Mesin cuci satu tabung
◦ Masukkan baju, tekan tombol◦ Mengisi air dengan jumlah yang cukup◦ Mengisi deterjen dan mencuci dengan waktu yang sesuai.◦ Mesin ini bekerja meniru cara ibu rumahtangga mencuci dengan
mesin cuci konvensional.◦ Jika pakaian lebih kotor maka timer dibuat lebih lama.
Di sinilah contohnya metode logika fuzzy dipakai, dengan menjawab pernyataan jika dan maka (IF THEN).
Jika pakaian yang dicuci tidak terlalu kotor maka mencuci mestinya harus lebih cepat.
Dengan menimbang tingkat kekotoran kain yang direalisasikan dengan mengukur tingkat kekeruhan air cucian dengan sensor cahaya, mesin dapat memutuskan berapa lama harus mencuci pakaian supaya lebih hemat dan efisien.
Jaringan Saraf (Neurall Network)
Sering pula disebut Artificial Neural Network (ANN) atau komputasi saraf (Neural computing).
Suatu bidang AI yang meniru pola pemrosesan dalam otak manusia yang berbasiskan pada pengenalan pola.
Contoh aplikasi ANN:- Validasi tanda tangan- Data mining (yaitu menemukan pola pada sekumpulan data
yang besar)- Pengenalan wajah- Pemilihan saham dan obligasi.
Model Jaringan Saraf (Neurall Network)
Algoritma Genetika Sering pula disebut komputasi adaptif (adaptive computing) John H.
Holland (1975)
Suatu pendekatan yang meniru pada mahluk hidup dalam beradaptasi terhadap lingkungan sehingga terbentuk proses evolusi untuk mengatasi masalah lebih baik.
Algoritma Genetika aturan-aturan proses matematika yang dipakai untuk menentukan cara kombinasi dari komponen-komponen proses dibentuk
Tiga cara yang digunakan :- Mutasi, mencoba kombinasi proses secara acak dan mengevaluasi hasilnya.- Crossover, mengkombinasi bagian dari hasil yang baik, harapannya
memperoleh hasil yang lebih baik.- Seleksi, memilih proses yang baik dan membuang yang jelek.
Contoh aplikasi Algoritma Genetika
Para insinyur di General Electric menggunakannya untuk merancang mesih pesawat terbang berturbin jet, yang melibatkan persamaan-persamaan dengan kurang lebih 100 variabel dan 50 kekangan.
Departemen psikologi pada New Mexico State University mengembangkan algoritma genetika untuk mengidentifikasi tersangka berdasarkan gambar rekaan dari saksi.
Sistem AI Hibrida (Hybrid Intelligent System)Sistem yang menggabungkan beberapa
teknologi AI untuk memanfaatkan dan memadukan keunggulan masing-masing teknologi.
Soft Computing, menggabungkan ANN, logika kabur, algoritma genetika, dan teknik konvensional AI.
Neurofuzzy, menggabungkan pemakaian ANN logika kabur diterapkan oleh Matsushita dan Sharp pada mesin cuci dan kulkas.
Agen Cerdas (intelligent agent)
Agen segala sesuatu yang dapat dipandang menangkap lingkungannya melalui sensor dan bertindak terhadap lingkungan melalui efektor (Russell dan Norvig, 1995)
Sensor bagian yang merangsang tindakan agen.
Efektor bagian yang digunakan oleh agen untuk melakukan tindakan
Agen yang berupa perangkat lunak agen cerdas
Next Week…• Software Engineering (Rekayasa
Perangkat Lunak)