1.PENGENALAN
INTELEGENSI BUATAN
DEFINISI
KECERDASAN BUATAN
Kecerdasan Buatan
adalah salah satu cabang Ilmu pengetahuan berhubungan dengan pemanfaatan mesin
untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi. Hal Ini
biasanya dilakukan dengan mengikuti/mencontoh karakteristik dan analogi
berpikir dari kecerdasan/Inteligensia manusia, dan menerapkannya sebagai
algoritma yang dikenal oleh komputer.
Kecerdasan
buatan & kecerdasan alami :
Kecerdasan Alami : kecerdasan yang dimiliki oleh manusia.
Kecerdasan Alami : kecerdasan yang dimiliki oleh manusia.
Keuntungan Kecerdasan
Buatan :
- Kecerdasan buatan lebih bersifat
permanen
- Kecerdasan buatan lebih mudah
diduplikasi dan disebarkan
- Kecerdasan buatan lebih murah
dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih
mudah dan lebih murah dibanding dengan harus mendatangkan seseorang untuk
mengerjakan sejumlah pekerjaan dalam jangka waktu panjang.
- Kecerdasan buatan bersifat
konsisten. Hal ini disebabkan karena kecerdasan busatan adalah bagian dari
teknologi komputer. Sedangkan kecerdasan alami senantiasa berubah-ubah.
- Kecerdasan buatan dapat
didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan
dengan mudah dengan melacak setiap aktivitas dari sistem tersebut.
Kecerdasan alami sangat sulit untuk direproduksi.
- 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. Kemampuan untuk menambah
ataupun memenuhi pengetahuan itu sangat melekat pada jiwa manusia. Pada
kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui
sistem yang dibangun
- Kecerdasan alami memungkinkan orang
untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan
buatan harus bekerja dengan input-input simbolik
- Pemikiran manusia dapat digunakan
secara luas, sedangkan kecerdasan buatan sangat terbatas.
Komputasi
Itelegensi Buatan dan Komputasi Konvensional
·
KOMPUTASI KONVENSIONAL
Teknik pembuatan Program AI sangat berbeda dengan teknik pemrograman menggunakan bahasa konvensional. Dalam software konvensional,kita memerintah komputer bagaimana menyelesaikan suatu masalah. Sebaliknya, dalam AI kita tidak memerintah komputer untuk menyelesaikan masalah, tetapi memeberitahu komputer tentang adanya masalah. Dalam komputasi konvensional, kita memberikan data kepada komputer dan program yang telah kita susun terlebih dahulu dengan langkah demi langkah memspesifikasikan cara data digunakan sampai komputer bisa memberikan solusi. Dalam komputasi AI, komputer mendapatkan pengetahuan tentang suatu wilayah subyek masalah tertentu dengan ditambah kemampuan inferensi. kita tidak memerintahkan komputer untukmemecahkan masalah tetapi sebaliknya komputer dan software-nya yang menentukan metode untuk mencapai suatu solusi.
program komputer konvensional didasarkan pada suatu algoritma yang disusun dengan jelas, rinci, serta langkah sampai pada hasil yang sudah ditentukan sebelumnya. program bisa berupa rumus matematika atau prosedur berurutan yang tersusun dengan jelas yang mengarah ke suatu solusi. algoritma tersebut kemudian dipindahkan ke dalam program komputer. daftar instruksi disusun berurutan untuk mengarahkan komputer agar bisa sampai pada hasil yang didinginkan. selanjutnya, algoritma bisa digunakan untuk mengolah data bilangan, huruf, atau kata lainnya.
Teknik pembuatan Program AI sangat berbeda dengan teknik pemrograman menggunakan bahasa konvensional. Dalam software konvensional,kita memerintah komputer bagaimana menyelesaikan suatu masalah. Sebaliknya, dalam AI kita tidak memerintah komputer untuk menyelesaikan masalah, tetapi memeberitahu komputer tentang adanya masalah. Dalam komputasi konvensional, kita memberikan data kepada komputer dan program yang telah kita susun terlebih dahulu dengan langkah demi langkah memspesifikasikan cara data digunakan sampai komputer bisa memberikan solusi. Dalam komputasi AI, komputer mendapatkan pengetahuan tentang suatu wilayah subyek masalah tertentu dengan ditambah kemampuan inferensi. kita tidak memerintahkan komputer untukmemecahkan masalah tetapi sebaliknya komputer dan software-nya yang menentukan metode untuk mencapai suatu solusi.
program komputer konvensional didasarkan pada suatu algoritma yang disusun dengan jelas, rinci, serta langkah sampai pada hasil yang sudah ditentukan sebelumnya. program bisa berupa rumus matematika atau prosedur berurutan yang tersusun dengan jelas yang mengarah ke suatu solusi. algoritma tersebut kemudian dipindahkan ke dalam program komputer. daftar instruksi disusun berurutan untuk mengarahkan komputer agar bisa sampai pada hasil yang didinginkan. selanjutnya, algoritma bisa digunakan untuk mengolah data bilangan, huruf, atau kata lainnya.
·
KOMPUTASI AI
Sebaliknya, software AI tidak didasarkan pada algoritma, tetapi didadasarkan pada representasi dan manipulasi simbol. Didalam AI, sebuah simbol bisa merupakan huruf, kata, atau bilangan yang digunakan untuk menggambarkan objek, proses, dan huungannya. sumber bisa merupakan cetakan atau elektronik. objek bisa berupa orang, benda, ide, pikiran, peristiwa, atau pernyataan suatu fakta. Dengan menggunakan simbol, komputer bisa menciptakan suatu basis pengetahuan yang menyatakan fakta, pikiran, dan hubungannya satu sama lain. berbagai proses digunakan unutk memanipulasi simbol agar mampu memecahkan masalah. Pengolahannya bersifat kuantitatif, bukan kulaitatif seperti halnya komputasi yang didasarkan pada algoritma.
Sebaliknya, software AI tidak didasarkan pada algoritma, tetapi didadasarkan pada representasi dan manipulasi simbol. Didalam AI, sebuah simbol bisa merupakan huruf, kata, atau bilangan yang digunakan untuk menggambarkan objek, proses, dan huungannya. sumber bisa merupakan cetakan atau elektronik. objek bisa berupa orang, benda, ide, pikiran, peristiwa, atau pernyataan suatu fakta. Dengan menggunakan simbol, komputer bisa menciptakan suatu basis pengetahuan yang menyatakan fakta, pikiran, dan hubungannya satu sama lain. berbagai proses digunakan unutk memanipulasi simbol agar mampu memecahkan masalah. Pengolahannya bersifat kuantitatif, bukan kulaitatif seperti halnya komputasi yang didasarkan pada algoritma.
SEJARAH INTELEGENSI
BUATAN
Teori-teori yang
mengarah ke KB sudah muncul sejak tahun 1941. Berikut ini tahap-tahap sejarah
perkembangan KB :
A. Era Komputer Elektronik (1941)
- Ditemukannya pertama kali alat
penyim-panan dan pemprosesan informasi yang disebut komputer elektronik.
Penemuan ini menjadi dasar pengembangan program yang mengarah ke KB.
B. Masa Persiapan KB (1943 – 1956)
- Tahun 1943, Warren McCulloch dan
Walter Pitts
mengemukakan tiga hal,
yaitu :
a. pengetahuan
fisiologi dasar dan fungsi sel syaraf dalam otak
b. analisis formal tentang logika proposisi (propositional logic)
c. teori komputasi Turing
b. analisis formal tentang logika proposisi (propositional logic)
c. teori komputasi Turing
- Tahun 1950, Norbert Wiener membuat
penelitian mengenai prinsip-prinsip teori feedback. Contoh yang terkenal
adalah thermostat. Penemuan ini juga merupakan awal dari perkembangan KB.
- Tahun 1956, John McCarthy
meyakinkan Minsky, Claude Shannon dan Nathaniel Rochester untuk
membantunya melakukan penelitian dalam bidang Automata, Jaringan Syaraf
dan pembelajaran intelijensia.
Mereka kerjakan projek
ini selama dua tahun di Dartmouth. Hasilnya adalah program yang mampu berpikir
non-numerik dan menyelesaikan masalah pemikiran yang dinamakan Principia
Mathematica. Hal ini menjadikan McCarthy disebut sebagai ”Bapak Kecerdasan
Buatan”.
Lingkup utama
kecerdasan buatan:
- Sustem pakar. Komputer digunakan
sebagai saran untuk menyimpan pengetahuan para pakar. Dengan demikian
komputer akan memiliki keahlian untuk menyelesaikan masalah dengan meniru
keahlian yang dimiliki para pakar
- Pengolahan bahasa alami. Dengan
pengolahan bahasa alami ini diharapkan user mampu berkomunikasi dengan
komputer dengan menggunakan bahasa sehari-hari.
- Pengenalan ucapan. Melalui
pengenalan ucapan diharapkan manusia mampu berkomunikasi dengan komputer
dengan menggunakan suara.
- Robotika dan Sistem sensor
- Computer vision, mencoba untuk
dapat mengintrepetasikan gambar atau objek-objek tampak melalui komputer
- Intelligent Computer aid
Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan
mengajar
SOOFT
COMPUTING
Soft computing adalah 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. Definisi ini pertama kali
diungkapkan oleh Prof. Lotfi A. Zadeh pada tahun 1992.
Unsur Pokok dalam Soft Computing :
1. Sistem Fuzzy (mengakomodasi ketidaktepatan);
2. Jaringan Syaraf (menggunakan pembelajaran);
3. Probabilistic Reasoning (mengakomodasi ketidakpastian);
4. Evolutionary Computing (optimasi).
Unsur Pokok dalam Soft Computing :
1. Sistem Fuzzy (mengakomodasi ketidaktepatan);
2. Jaringan Syaraf (menggunakan pembelajaran);
3. Probabilistic Reasoning (mengakomodasi ketidakpastian);
4. Evolutionary Computing (optimasi).
Karakteristik Soft Computing :
1. Soft computing memerlukan keahlian manusia, apabila direpresentasikan dalam bentuk aturan (IF – THEN).
2. Model komputasinya diilhami oleh proses biologis.
3. Soft computing merupakan teknik optimasi baru.
4. Soft computing menggunakan komputasi numeris.
5. Soft computing memiliki toleransi kegagalan (meskipun kualitasnya berangsur-angsur memburuk).
1. Soft computing memerlukan keahlian manusia, apabila direpresentasikan dalam bentuk aturan (IF – THEN).
2. Model komputasinya diilhami oleh proses biologis.
3. Soft computing merupakan teknik optimasi baru.
4. Soft computing menggunakan komputasi numeris.
5. Soft computing memiliki toleransi kegagalan (meskipun kualitasnya berangsur-angsur memburuk).
2.PENGENALAN INTELIGENT
AGENT
Agent dan Lingkungannya
Agent adalah sesuatu yang dapat mengesan ( percieving ) lingkungan ( environment ) nya
melalui sensors dan bertindak ( Acting ) terhadap lingkungan tersebut melalui actuators.
contoh agent dan lingkungannya :
-Manusia sebagai agent,Sensor nya ada pada mata , telinga , dan sementara actuators ada pada tangan , kaki , mulut.
fungsi agent adalah pemenataan dari urutan persepsi menjadi tindakan ( Actions ).
Agent adalah sesuatu yang dapat mengesan ( percieving ) lingkungan ( environment ) nya
melalui sensors dan bertindak ( Acting ) terhadap lingkungan tersebut melalui actuators.
contoh agent dan lingkungannya :
-Manusia sebagai agent,Sensor nya ada pada mata , telinga , dan sementara actuators ada pada tangan , kaki , mulut.
fungsi agent adalah pemenataan dari urutan persepsi menjadi tindakan ( Actions ).
RASIONALITAS
Agen rasional adalah untuk
setiap deretan persepsi yang mungkin , sebuah agen rasional hendaklah memilih
satu tindakan yang di harapkan memaksimalkan ukuran performancenya dengan adanya bukti yang di berikan oleh
deretan presepsi dan apapun pengetahuan terpasang yang di miliki agen itu.Sebuah
agen haruslah mengarah kepada "lakukan hal yang benar" , berdasarkan
kepada apa yang dapat di pahaminya dan tindakan yang dapat dilakukannya.
Tindakan yang benar adalah tindakan yang akan menyebabkan agen tersebut paling
berhasil.
Rasional tergantung
pada 4 hal :
·
Kemampuan yang terukur,
·
Pengetahuan lingkungan sebelumnya/
terdahulu,
·
Tindakan,
·
Urutan persepsi (sensors).
PEAS
·
PEAS : Perfomance measure , Environment
, Actuators , Sensors
·
Pertama-tama harus menentukan pengaturan
untuk desain agen cerdas
·
Pertimbangkan Mis., tugas merancang
supir taksi otomatis
·
perfomance measure : Aman , cepat ,
legal , perjalanan menyenangkan , maksimumkan keuntungan
·
Environment : jalan , trafik lain ,
pejalan kaki , pelanggan
·
actuators : kemudi , gas , rem , lampu
sign , horn
·
Sensors : kamera , sonar , speedometer ,
GPS , odometer , engine sensors , keyboard
Jenis-Jenis
Lingkungan
1.
Fully observable ( vs. partially
obervable ): Sensor-Sensor Sebuah agen memberinya akses ke keadaan lengkap
lingkungannya pada setiap jangka waktu.
- Determenistic( vs. stochastic ):
Keadaan lingkungan berikutnya sepenuh di tentukan oleh keadaan sekarang
dan tindakan yang di laksanakan oleh agen. ( jika lingkungan itu
determenistik kecuali untuk tindakan agen-agen lain , maka lingkungannya
adalah strategic )
- Episodic( vs.sequential ):
Pengalamn agen dibagi kedalam "episode-episode"atomik ( setiap
episode terdiri dari si agen memahami ( perceiving ) dan kemudian
melaksanakan satu tindakan dan pilihan tindakan dalam tiap episode hanya
tergantung pada episode itu sendiri.
STRUKTUR AGEN
- Perilaku agen : tindakan yang di
lakukan setelah di berikan sembarang sekuen persepsi
- Tugas Al adalah merancang program
agen yang mengimplementasikan , fungsi agen yang memetakan persepsi ke
tindakan
- Diasumsikan program ini berjalan di
beberapa alat komputasi yang di lengkapi sensors dan actuators ( di sebut
arsitektur
- Program yang di pilih harus
sesuai dengan arsitektur tersebut.
PROGRAM-PROGRAM
AGEN
- Empat jenis dasar untuk menambah
generalitas :
- Simple reflex agents
- model-based reflex agents
- goal-based agents
- utility-based agents
3.PENGENALAN
LOGICAL AGENTS
Logic merupakan jantung
dari program, para pemrogram mempunyai keyakinan bahwa sebuah computer dapat
dibuat mengerti logika, maka computer dapat dibuat untuk berfikir, karena
logika kelihatannya menjadi inti dari kecerdasan.
1.
Problem solving agent hanya bisa
menyelesaikan masalah yang lingkungannya accessible
2.
Kita membutuhkan agen yang dapat
menambah pengetahuan dan menyimpulkan keadaan
3.
Agent yang akan membantu seperti ini kita beri
nama knowledge based agent
Knowledge based agent
Komponen utama dari
knowledge based agent adalah knowledge basenya. Knowledge base (KB) adalah
kumpulan representasi fakta tentang lingkungan atau dunia yang berhubungan atau
menjadi daerah bekerjanya agen. Setiap representasi dalam KB disebut sebagai
sebuah sentence yang diekspresikan dalam sebuah bahasa yakni knowledge
representation language.
1. Representasi
Pengetahuan yang bersifat general.
2. Kemampuan beradaptasi sesuai temuan fakta.
3. Kemampuan
menyimpulkan sesuatu dari pengetahuan yang sudah ada.
Logic
Models
Logic Models merupakan cara logis untuk membuat
perencanaan yang mudah dievaluasi dan logis. Logic Models memberikan gambaran
atas suatu program, yang berbentuk grafik dan tulisan yang menunjukan hubungan
antara berbagai aktivitas dalam suatu program dengan hasil dan outcome yang
akan dicapai. Logic Models dapat didefinisikan sebagai alat atau rerangka
konsep yang membantu mengidentifikasi suatu program melalui perencanaan dengan
analisis atas sumber daya (resources), proses dan aktivitas yang akan
dilakukan (activities), Outputs yang ingin dicapai,
orang yang menjadi sasaran program (Customers), dan Outcomes.
Logic Models dapat digunakan untuk mengevaluasi hasil dari suatu program. Tahap pertama dalam mengimplementasi Logic Models terhadap suatu program adalah analisis mengenai How to do the Program. Suatu program akan menggunakan sumber daya tersentu, untuk melakukan suatu proses, yang menghasilkanoutput tertentu, sehingga customer dapat melakukan perubahan sesuai outcome yang ingin dituju. Dengan demikian, hasil dari suatu progam sesuai target.
Logic Models dapat digunakan untuk mengevaluasi hasil dari suatu program. Tahap pertama dalam mengimplementasi Logic Models terhadap suatu program adalah analisis mengenai How to do the Program. Suatu program akan menggunakan sumber daya tersentu, untuk melakukan suatu proses, yang menghasilkanoutput tertentu, sehingga customer dapat melakukan perubahan sesuai outcome yang ingin dituju. Dengan demikian, hasil dari suatu progam sesuai target.
4.METODE
PENCARIAN DAN PELACAKAN 1
Pencarian adalah suatu
proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan
ruang keadaan (state space).
Pelacakan adalah teknik untuk pencarian. Didalam pencarian ada dua kemungkinan hasil yang didapat yaitu menemukan dan tidak menemukan. Sehingga pencarian merupakan teknik yang penting dalam AI. Hal penting dalam menentukan keberhasilan sistem berdasarkan kecerdasan adalah kesuksesan dalam pencarian dan pencocokan.
Pelacakan adalah teknik untuk pencarian. Didalam pencarian ada dua kemungkinan hasil yang didapat yaitu menemukan dan tidak menemukan. Sehingga pencarian merupakan teknik yang penting dalam AI. Hal penting dalam menentukan keberhasilan sistem berdasarkan kecerdasan adalah kesuksesan dalam pencarian dan pencocokan.
Metode
pencarian buta (Blind Search):
·
Pencarian Melebar Pertama (Breadth-First
Search)
1. Semua node pada level n akan dikunjungi terlebih
dahulu sebelum level n+1
2. Mulai dari akar terus ke level 1 dari kiri ke kanan
3. Kemudian ke level selanjutnya hingga solusi ditemukan
Keuntungan
Ø Tidak
akan menemui jalan buntu
Ø Menjamin
ditemukannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti
yang paling baik
Ø Jika
ada satu solusi maka bread-first search akan menemukannya
Kelemahannya
Ø Membutuhkan
memori yang cukup banyak
Ø Membutuhkan
waktu yang cukup lama
2.
Pencarian mendalam pertama (Depth-First
Search)
Proses pencarian dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel.
Keuntungan:
- Memori yang relatif kecil
-Secara kebetulan, akan menemukan solusi tanpa harus menguji lebih banyak lagi
Proses pencarian dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel.
Keuntungan:
- Memori yang relatif kecil
-Secara kebetulan, akan menemukan solusi tanpa harus menguji lebih banyak lagi
Metode
Pencarian Heuristik
Metode heuristic search diharapkan bisa menyelesaikan
permasalahan yang lebih besar.Metode heuristic search menggunakan suatu fungsi
yang menghitung biaya perkiraan (estimasi) dari suatu simpul tertentu menuju ke
simpul tujuan disebut fungsi heuristic.
1.
Pembangkit & Pengujian (Generate and Test)
Pada prinsipnya metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal.
Pada prinsipnya metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal.
2.
Pendakian Bukit (Hill Climbing)
Metode ini hampir sama dengan metode pembangkitan & pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristik.Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari prosedur pengetesan.Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang mungkin.
Metode ini hampir sama dengan metode pembangkitan & pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristik.Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari prosedur pengetesan.Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang mungkin.
Sumber :
http://hadieswd.blogspot.co.id/2015/03/kecerdasan-buatan-intelligent-agents.html
https://rinnooberta.wordpress.com/2013/10/18/2-logical-agents/
https://rinnooberta.wordpress.com/2013/10/18/2-logical-agents/
Tidak ada komentar:
Posting Komentar