SUB DISIPLIN ILMU DALAM
KECERDASAN BUATAN
Persoalan-persoalan
yang mula-mula ditangani oleh Kecerdasan Buatan adalah pembuktian teorema dan
permainan (game). Seorang periset Kecerdasan Buatan yang bernama Samuel
menuliskan program permainan catur yang tidak hanya sekedar bermain catur,
namun program tersebut juga dibuat agar dapat menggunakan pengalamannya untuk
meningkatkan kemampuannya. Sementara itu, Newell, seorang ahli teori logika
berusaha membuktikan teorema-teorema matematika.
Makin pesatnya
perkembangan teknologi menyebabkan adanya perkembangan dan perluasan lingkup
yang membutuhkan kehadiran Kecerdasan Buatan. Karakteristik cerdas sudah mulai
dibutuhkan di berbagai disiplin ilmu dan teknologi. Kecerdasan Buatan tidak
hanya merambah di berbagai disiplin ilmu yang lain. Irisan antara psikologi dan
kecerdasan buatan melahirkan sebuah area yang dikenal dengan nama cognition
& psycolinguistics. Irisan antara teknik elektro dengan kecerdasan buatan
melahirkan berbagai ilmu seperti: pengolahan citra, teori kendali, pengenalan
pola dan robotika.
Dewasa ini,
Kecerdasan Buatan juga memberikan kontribusi yang cukup besar di bidang
manajemen. Adanya sistem pendukung keputusan, dan Sistem Informasi Manajemen
juga tidak lepas dari andil Kecerdasan Buatan.
Adanya irisan
penggunaan Kecerdasan Buatan di berbagai disiplin ilmu tersebut menyebabkan
cukup rumitnya untuk mengklasifikasikan Kecerdasan Buatan menurut disiplin ilmu
yang menggunakannya. Untuk memudahkan hal tersebut, maka pengklasifikasian
lingkup Kecerdasan Buatan didasarkan pada output yang diberikan yaitu pada
aplikasi komersial (meskipun sebenarnya Kecerdasan Buatan itu sendiri bukan
merupakan medan
komersial).
Lingkup utama dalam Kecerdasan
Buatan adalah:
- Sistem Pakar (Expert System). Disini komputer digunakan sebagai
sarana untuk menyimpan pengetahuan para pakar. Dengan demikian komputer
akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru
keahlian yang dimiliki
oleh pakar.
- Pengolahan Bahasa Alami (Natural Language Processing). Dengan pengolahan
bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer
dengan menggunakan bahasa sehari-hari.
- Pengenalan Ucapan (Speech Recognition). Melalui pengenalan
ucapan diharapkan manusia dapat berkomunikasi dengan komputer menggunakan
suara.
- Robotika & Sistem Sensor (Robotics & Sensory Systems).
- Computer Vision, mencoba untuk dapat menginterpretasikan gambar
atau obyek- obyek tampak melalui komputer.
- Intelligent Computer-aided Instruction. Komputer dapat
digunakan sebagai tutor yang dapat melatih dan mengajar.
- Game playing.
Seiring dengan
perkembangan teknologi, muncul beberapa teknologi yang juga bertujuan untuk
membuat agar komputer menjadi cerdas sehingga dapat menirukan kerja manusia
sehari-hari.
Teknologi ini
juga mampu mengakomodasi adanya ketidakpastian dan ketidaktepatan data input.
Dengan didasari pada teori himpunan, maka pada tahun 1965 muncul Logika Fuzzy.
Kemudian pada tahun 1975 John Holland mengatakan bahwa setiap problem berbentuk
adaptasi (alami maupu buatan) secara umum dapat diformulasikan dalam
terminologi genetika. Algoritma Genetika ini merupakan simulasi proses evolusi Darwin dan operasi
genetika atas kromosom.
LINGKUP KECERDASAN BUATAN PADA APLIKASI
KOMERSIAL
Sejalan dengan berkembangnya permasalahan manusia,
maka manusia harus menggunakan sumber daya secara eficien. Untuk melakukan hal
tersebut, maka kita membutuhkan bantuan dengan kualitas yang tinggi dari
komputer. Dalam kehidupan manusia, komputer dapat membantu dalam bidang:
- Pertanian,
komputer dapat mengkontrol robot yang melakukan kontrol terhadap hama, pemangkasan
pohon, pemilihan hasil panen.
- Pabrik,
komputer dapat menkontrol robot yang harus mengerjakan pekerjaan berbahaya
dan membosankan, inspeksi dan melakukan maintenance pekerjaan.
- Kesehatan,
komputer dapat membantu untuk mendiagnosis penyakit, melakukan monitoring
kondisi pasien, memberikan treatment yang cocok.
- Pekerjaan
Rumah Tangga, komputer dapat memberikan nasihat dalam memasak dan
berbelanja, membantu membersihkan lantai, memotong rumput, mencuci pakaian,
dan melakukan maintenance terhadap pekerjaan.
KECERDASAN BUATAN DAN KECERDASAN ALAMI
Jika dibanding kecerdasan alami, kecerdasan buatan
memiliki keuntungan komersial, antara lain:
- Kecerdasan
buatan lebih bersifat permanen.
- Kecerdasan
alami akan cepat mengalami perubahan.
- Kecerdasan
buatan lebih mudah diduplikasi dan disebarkan.
- Kecerdasan
buatan bersifat konsisten.
- Kecerdasan
buatan dapat didokumentasi.
- Kecerdasan
buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan
alami.
- Kecerdasan
buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan
alami.
Keuntungan Kecerdasan alami:
- Kreatif.
- Kecerdasan
alami memungkinkan orang untuk menggunakan pengalaman secara langsung.
Sedang pada kecerdasan buatan hams bekerja dengan input-input simbolik.
- Pemikiran
manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat
terbatas.
RINGKASAN
- Kecerdasan
Buatan adalah studi yang berusaha membuat komputer menjadi cerdas.
- Tujuan
dari sisi teknologi dari
Kecerdasan Buatan adalah untuk
menyelesaikan permasalahan nyata.
- Dari
sisi ilmiah tujuan Kecerdasan Buatan adalah untuk menjelaskan variasi
kecerdasan
- Kecerdasan
Buatan dapat membantu kita untuk menyelesaikan kesulitan, permasalahan
nyata, menciptakan kesempatan baru dalam bisnis, teknologi dan area
aplikasi yang lain. o Kecerdasan
Buatan merupakan gudang untuk
menjawab pertanyaan tradisional yang biasa ditanyakan pada
ahli bahasa, philosophi, dokter dsb. Sehingga dengan demikian dapat
membantu kita untuk menjadi semakin pintar.
Kecerdasan
Buatan
Definisi
- Bagian dari
ilmu komputer yang membuat aga mesin (komputer) dapat melakukan pekerjaan
seperti dan sebaik yang dilakukan oleh manusia.
- Komputer
tidak hanya digunakan sbg alat hitung tapi diharapkan untuk dapat
diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh
manusia
Komputer harus dibekali pengetahuan dan kemampuan
untuk menalar agar dapat bertindak seperti dan sebaik manusia.
Sudut Pandang Pengertian AI
Sudut Pandang Kecerdasan
Kecerdasan buatan akan membuat
mesin menjadi ‘cerdas’ (mampu berbuat seperti apa yang dilakukan oleh manusia)
Sudut pandang penelitian
Kecerdasan buatan adlh suatu studi
bgm membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh
manusia.
Domain yang sering dibahas oleh para peneliti:
a. Mundane Task
- Persepsi
(vision & speech)
- Bahasa
alami (understanding, generation & translation)
- Pemikiran
yang bersifat commonsense
- Robot
control
b. Formal Task
- Permainan/games
- Matematika
(geometri, logika, kalkulus integral, pembuktian)
c. Expert Task
- Analisis
finansial
- Analisis
medikal
- Analisis
ilmu pengetahuan
- Rekayasa
(desain, pencarian gagal, perencanaan manufaktur)
Sudut pandang bisnis
Kecerdasan buatan adalah kumpulan
peralatan yang sangat powerful dan metodologis dalam menyelesaikan
masalah-masalah bisnis.
Sudut pandang pemrograman
Kecerdasan buatan meliputi studi
tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan
pencarian (searching)
Dua bagian utama dalam aplikasi kecerdasan buatan:
- Basis
Pengetahuan (Knowledge Base), berisi fakta-fakta teori, pemikiran dan
hubungan
antara satu dengan lainnya.
- Motor
Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan
berdasarkan pengalama
Kecerdasan
Buatan Vs Kecerdasan Alami
Keuntungan Kecerdasan
Buatan:
- Lebih
bersifat permanen, sdgkan kec. alami akancepat mengalami perubahan. Faktor
sifat manusiayang pelupa.
- Lebih
mudah diduplikasi dan disebarkan, sdgkan mentransfer pengetahuan manusia
dari satu org ke org lain membutuhkan proses yg sangat lama.
- Lebih
murah dibanding dengan kec. alami.
- Menyediakan
layanan komputer akan lebih mudah dan lebih murah dibandingkan dengan
mendatangkan seseorang utk mengerjakan sejumlah pekerjaan dalam jangka
waktu lama
- Bersifat
konsisten, krn merupakan bagian dari teknologi komputer sdgkan kec. alami
akan senantiasa berubah-ubah
- Dapat
didokumentasikan, keputusan yang dibuat oleh komputer dapat
didokumentasikan dengan mudah melalui log systemnya sdgkan kec. alami
sangat sulit untuk direproduksi
- Dapat
mengerjakan pekerjaan lebih cepat Dapat mengerjakan pekerjaan lebih baik
Keuntungan Kecerdasan Alami:
- Kreatif,
kemampuan untuk menambah ataupun memenuhi pengetahuan sangat melekat di
jiwa manusia.
- Memungkinkan
untuk menggunakan pengalaman secara langsung
- Pemikiran
manusia dapat digunakan secara luas, sdgkan kec. buatan sangat terbatas
Pemrograman Kec. Buatan Vs Konvesional
Dimensi
|
Kec. Buatan
|
Konvesional
|
Pemrosesan
|
Mengandung konsep-konsep simbolik
|
Algoritmik
|
Sifat Input
|
Bisa tidak lengkap
|
Harus Lengkap
|
Pencarian
|
Kebanyakan bersifat heuristik
|
Biasanya didasarkan pada
algoritma
|
Keterangan
|
Disediakan
|
Biasanya tidak disediakan
|
Fokus
|
Pengetahuan
|
Data & informasi
|
Struktur
|
Kontrol dipisahkan dari
pengetahuan
|
Kontrol terintegrasi dgn
informasi
|
Sifat output
|
Kuantitatif
|
Kualitatif
|
Pemeliharaan & update
|
Relatif mudah
|
Sulit
|
Kemampuan menalar
|
Ya
|
tidak
|
Lingkup Kec. Buatan pada Aplikasi
Komersial
Lingkup Utama:
-
Sistem Pakar (Expert System)
-
Pengolahan Bahasa Alami (Natural Language Processing)
-
Pengenalan Ucapan (Speech Recognition)
-
Robotika&Sistem Sensor (Robotics&Sensory Systems)
-
Computer Vision
-
Intelligent Computer-aided Instruction
-
Game Playing
Soft Computing
Definisi
Koleksi dari beberapa metodologi
yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan,
ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dengan mudah,
robustness, dan biaya penyelesaiannya murah.
Unsur-unsur pokok dalam Soft Computing
-
Sistem Fuzzy (mengakomodasi ketidaktepatan)
-
Jaringan Syaraf (mengakomodasi pembelajaran)
-
Probabilistic Reasoning (mengakomodasi ketidakpastian)
-
Evolutionary Computing (optimasi)
Karakteristik Soft Computing:
-
Memerlukan keahlian manusia, apabila direpresentasikan dalam bentuk aturan
(IF-THEN)
-
Model komputasinya diilhami oleh proses biologis
-
Merupakan teknik optimasi baru
-
Menggunakan komputasi numeris
-
Memiliki toleransi kegagalan (meskipun kualitasnya berangsur-angsur memburuk)
Based
Knowledge System
Dua pendekatan basis
pengetahuan yang sangat umum digunakan,yaitu:
Penalaran berbasis aturan (Rule-Based Reasoning)
- Pengetahuan
direpresentasikan dengan menggunakan aturan berbentuk:IF-THEN.
- Bentuk ini
digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu
permasalahan tertentu,dan si pakar dapat menyelesaikan masalah tersebut
secara berurutan.
Penalaran berbasis kasus (Case-Based Reasoning)
- Basis
pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya,kmd
akan diturunkan suatu solusi untuk keadaan yg terjadi sekarang (fakta yang
ada).
Motor Inferensi (Inference Engnine)
Ada
2 cara dalam melakukan inferensi :
Forward Chaining
Pencocokan fakta atau pernyataan
dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai
dari fakta terlebih dahulu untuk menguji kebenaran hipotesis
Backward Chaining
Pencocokan fakta atau pernyataan
dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran
dimulai dari hipotesis terlebih dahulu,dan untuk menguji kebenaran hipotesis
tersebut dicari, harus dicari fakta-fakta yang ada dalam basis pengetahuan
Expert
System
Ciri-ciri sistem pakar:
- Memiliki
fasilitas informasi yang handal
- Mudah
dimodifikasi
- Dapat
digunakan dalam berbagai jenis komputer.
- Memiliki
kemampuan untuk belajar beradaptasi
Permasalahan yang disentuh oleh Sistem Pakar:
- Interpretasi.
Pengambilan keputusan dari hasil observasi,misal: pengawasan, pengenalan
ucapan, analisis citra, interpretasi sinyal.
- Prediksi.
Misal: peramalan, prediksi demografis, peramalan ekonomi, prediksi
lalulintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan.
- Diagnosa.
Misal: medis, elektronis, mekanis, dan diagnosis perangkat lunak.
- Perancangan.
Misal: layout sirkuit dan perancangan bangunan.
- Perencanaan.
Misal: perencanaan keuangan, komunikasi, militer, pengembangan produk,
routing,
dan manajemen proyek.
- Monitoring.
Misal: Computer-Aided Monitoring System.
- Debugging,
memberikan resepobat terhadap suatu kegagalan
Perbaikan.
- Instruksi.
Melakukan instruksi untuk diagnosis, debugging, dan perbaikan kinerja.
- Kontrol.
Melakukan kontrol terhadap interpretasi, prediksi, perbaikan,dan
monitoring kelakuan sistem.
Garis besar pengembangan sistem pakar:
- Mengidentifikasi
masalah dan kebutuhan
- Menentukan
masalah yang cocok
- Mempertimbangkan
alternatif, menggunakan system pakar atau komputer tradisional
- Menghitung
pengembalian investasi
- Memilih
alat pengembangan
- Rekayasa
Pengetahuan
- Merancang
sistem
- Melengkapi
pengembangan
- Menguji
dan mencari kesalahan sistem
- Memelihara
system
PARADIGMS
Tipe-Tipe
Classification
- Paradigma
yang paling mudah untuk digunakan karena tujuan dari klaisifikasi ini
hanya mengidentifikasikan pola umum atau trennya saja, bukan secara
detail.
- Disebut
sebagai one-to-many-to-one selection exercise.
- Contoh:
Validasi hubungan kekeluargaan, general cek repair autocar.
Diagnosis
- Sedikit
lebih susah dibandingkan dengan klasifikasi karena tujuan utamanya adalah
mengidentifikasikan secara detail pola hubungan penyebab dan efek/akibat
nya dalam berbagai macam kemungkinan.
- Disebut
sebagai one-to-many-to-one exercise
- Biasanya
direpresentasikan dengan cara pohon keputusan and/or tabel pohon.
Hypothesize and Test
- Sebuah
paradigma untuk mengidentifikasikan tindakan terbaik dari sebuah ujicoba,
kemudian melakukan evaluasi walaupun tindakan yang dilakukan tersebut
tidak mendapat hasil sesuai yang diinginkan.
- Bila tidak
sukses akan dilakukan ujicoba lagi.
- Secara
operasional merupakan gabungan antara klasifikasi dan diagnosa.
Collisions
- sebuah
identifikasi ketentuan/batasan dalam paradigma untuk menentukan pola yang
tidak diinginkan.
- Analisa
Collision ini seperti tujuan yang harus dilakukan oleh seorang tester.
Design and Configuration
- Merupakan
kumpulan dari berbagai paradigma dan akitifitas.
- Salah satu
contoh alat yang digunakan adalah MICON (Microprosessor Configurer), yang
terdiri dari Logic Knowledge, Refinement Knowledge, Component Knowledge,
Component Knowledge, Problem-solving Knowledge.
Planning And Scheduling
- Secara
umum berkaitan dengan jejaring dari bermacam paradigma lainnya.
- Hasil
akhir yang diharapkan dalam hal ini adalah bukan yang ‘salah satu’ terbaik
dari perencanaan atau penjadwalan, tetapi salah satu yang bisa mengakomodasi
semua batasan2/ketentuan yang diinginkan oleh user dan cukup memuaskan
bagi user