BAB I KECERDASAN BUATAN

KECERDASAN BUATAN

Pertemuan I

KOMPETENSI 

Memberikan pemahaman kepada mahasiswa mengenai Kecerdasan Buatan untuk dapat diterapkan dalam pengembangan pengetahuan dan untuk membangun sistem yang kompleks dalam kaitan kemampuan dalam pemrosesan pintar informasi.

Rencana Pembelajaran 

• pendahuluan / pengantar kecerdasan buatan
• domain penelitian dalam kecerdasan buatan
• logika fuzzy
• jaringan syaraf tiruan (Neural Network)
  -Backpropagation
  -Perceptron
• algoritma genetikan (GA)

  PENGANTAR

  KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)

• Dapatkah sebuah mesin berfikir dengan dirinya sendiri?
• Jika benar-benar dapat berfikir sendiri, apakah proses berfikirnya sama dengan kita?
• Bagaimana caranya?
• Seberapa handal?
•  Dan jika tidak bisa, kenapa tidak?

 DEFINISI 

Tidak ada kesepakatan mengenai definisi Kecerdasan Buatan, di antaranya adalah:

a. Sebuah studi tentang bagaimana membuat komputer mengerjakan sesuatu yang dapat dikerjakan manusia (Rich, 1991)

b. Cabang ilmu komputer yang mempelajari otomatisasi tingkah laku cerdas (Setiawan, 1993)

c. Suatu perilaku sebuah mesin yang jika dikerjakan oleh manusia akan disebut cerdas (Turing, et. al, 1996) 

     

      2 ide dasar AI 

1.  Pertama, menyangkut studi proses berfikir manusia.
2.  Kedua, berhubungan dengan merepresentasikan proses tersebut melalui mesin (komputer, robot, dll) 

Kategori Definisi AI Dikelompokkan menjadi 4 macam :

Arti Kecerdasan è kemampuan untuk mengerti/memahami (The faculty of understanding).

Perilaku cerdas dapat ditandai dengan:

a. Belajar atau mengerti dari pengalaman

b.  Memecahkan hal yang  bersifat mendua atau kontradiktif

c.  Merespon situasi baru dengan cepat (fleksibel)

d.  Menggunakan alasan untuk memecahkan problem secara efektif

e.  Berurusan dengan situasi yang membingungkan

f.  Memahami dengan cara biasa/rasional

g.  Menerapkan pengetahuan untuk memanipulasi lingkungan

h.  Mengenali elemen penting pada suatu situasi

 

Konsep Kecerdasan Buatan

l.  Turing Test

        Metode Pengujian Kecerdasan (Alan Turing).

        Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai.

2.  Pemrosesan Simbolik

        Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melakukan proses secara simbolik dan non-algoritmik dalam penyelesain masalah.

3.  Heuristic

        Suatu strategi untuk melakukan proses pencarian (search) ruang problem secara efektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar.

4.  Inferensi (Penarikan Kesimpulan) à AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning), termasuk didalamnya proses (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik, dll

5.  Pencocokan Pola (Pattern Matching) à Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional

TUJUAN KECERDASAN BUATAN

1.    Membuat komputer lebih cerdas

2.    Mengerti tentang kecerdasan

3.    Membuat mesin lebih berguna

4.    Perbandingan antara AI dan pemrograman konvensional

      SEJARAH  KECERDASAN  BUATAN

Jaman “batu” (1943-1956)

a.  Awal kerja JST dan logika

b. Teori Logika (Alan Newell and Herbert Simon)

c.  Kelahiran AI: Dartmouth workshop - summer 1956

d. John McCarthy’s memberi nama bidang: artificial intelligence

Awal antusias, harapan besar (1952-1969)

a.  McCarthy (1958)

- mendefinisikan Lisp

- menemukan time-sharing

- Advice Taker

b.   Pembelajaran tanpa pengetahuan

c.   Pemodelan JST

d.   Pembelajaran Evolusioner

e.   Samuel’s checkers player: pembelajaran

f.   Metode resolusi Robinson.

g.  Minsky: the microworlds (e.g. the block’s world).

h.   Banyak demonstrasi kecil ttg perilaku “intelligent”

i.   Prediksi over-optimistic Simon

 

Masa Gelap (1966-1973)

a.  AI tidak mengalami perkembangan: ledakan perkembangan combinatorial

b.  Fakta bahwa suatu program bisa mendapatkan suatu solusi secara prinsip tidak berarti bahwa program memuat beberapa mekanisme yang dibutuhkan untuk mendapatkannya secara praktis.

c.  Kegagalan dari pendekatan terjemahan bahasa alami berbasis pada grammars sederhana dan kamus kata.

d.  Penterjemahan kembali yang populer English->Russian->English

e.  Penemuan untuk pemrosesan bahasa natural dihentikan.

f.  Kegagalan perceptron untuk belajar dari fungsi sederhana sebagaimana disjunctive/eksclusive OR.

g.  Penelitian pada JST dihentikan.

h.  Realisasi dari kesukaran dalam proses learning dan keterbatasan dari metode yang dieksplorasi

i.  Konsep pembelajaran simbolik (Winston’s influential thesis, 1972)

j.  Renaissance(1969-1979)

k.  Perubahan pada paradigma penyelesaian:

•          Dari penyelesaian masalah berbasis “search-based” menjadi  penyelesaian masalah berbasis pengetahuan

Sistem pakar pertama

a.  Dendral: menginferensi struktur molecular dari informasi yang disediakan oleh spektrometer massa.

b.  Mycin: diagnoses blood infections

c.  Prospector: merekomendasikan eksplorasi pengeboran pada lokasi geologi yang menyediakan suatu deposit mineral  molybdenum.

 

Era Industrial (1980-sekarang)

a.  Sukses pertama Sistem Pakar secara komersial.The Many AI companies.

b.  Eksplorasi dari strategi pembelajaran yang bermacam-macam (Explanation-based learning, Case-based Reasoning, Genetic algorithms, Neural networks, etc.)

Kembalinya neural networks  (1986-sekarang)

a.  Penggalian kembali algoritma learning back propagation untuk neural networks yang pertama dikenalkan dalam tahun 1969 oleh Bryson and Ho.

b.  Banyak aplikasi sukses dari Neural Networks.

c.  Kehilangan respek terhadap sulitnya membangun sistem pakar (macetnya knowledge acquisition).

 

Kematangan  (1987-sekarang)

a.  Perubahan dalam cakupan dan metodologi penelitian bidang Kecerdasan Buatan:

b.   Membangun di atas teori yang ada, bukan cuma              mengusulkan teori baru;

c.   berbasis klaim pada theorema dan eksperimen, bukan pada intuisi;

d.   menunjukkan relevansi ke aplikasi nyata, bukan pada contoh “mainan”.

Agent Cerdas (1995-sekarang)

       * Realisasi  yang pada mulanya dipisahkan dalam sub dari Kecerdasan Buatan (speech recognition, problem solving and planning, robotics, computer vision, machine learning, knowledge representation, etc.) perlu direorganisasi bilamana hasil-hasilnya diikat bersama-sama kedalam suatu desain agent tunggal.

e.  Suatu proses reintegrasi dari sub-area yang berbeda dari KB untuk membentuk “whole agent”:

        - “agent perspective” of AI

        - agent architectures (e.g. SOAR, Disciple);

        - multi-agent systems;

        - agent untuk aplikasi tipe-tipe yang berbeda, web          agents