AI
Definisi Kecerdasan Buatan
Kecerdasan buatan (Artificial Intelligence) merupakan bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik daripada yang dilakukan manusia.
Menurut John McCarthy, 1956, kecerdasan buatan adalah untuk mengetahui dan memodelkan proses- proses berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia. Bagian utama aplikasi berbasis kecerdasan buatan:
- Basis Pengetahuan (Knowledge Base), berisi fakta-fakta, teori, pemikiran, dan hubungan antara satu dg lainnya.
- Mesin Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman atau aturan.
Beda Kecerdasan Buatan dan Program Konvensional
Perbedaan antara kecerdasan buatan dengan komputasi konvensional terlihat pada tabel berikut.
Kecerdasan buatan
|
Program konvensional
| |
Fokus pemrosesan
|
Konsep simbolik / numerik (pengetahuan)
|
Data & informasi
|
Pencarian
|
Heuristik
|
Algoritma
|
Sifat input
|
Bisa tidak lengkap
|
Harus lengkap
|
Keterangan
|
Disediakan
|
Biasanya tidak disediakan
|
Struktur
|
Kontrol dipisahkan dari pengetahuan
|
Kontrol terintegrasi dengan informasi (data)
|
Sifat output
|
Kuantitatif
|
Kualitatif
|
Kemampuan menalar
|
Ya
|
Tidak
|
Sejarah AI
Sebelum 1950, Claude Shannon dan Alan Turing memikirkan kemungkinan mesin dapat ‘berpikir’. Shannon mempublikasikan artikel dengan judul “A Chess-Playing Machine”.
Tahun 1950-1970:
- John McCarthy memunculkan istilah “artificial intelligence” dan membuat bahasa LISP
- Marvin Minsky membuat representasi pengetahuan “frame”
- Edward Feigenbaum membuat DENDRAL
1970-sekarang:
Banyak aplikasi yang dibuat, antara lain: SHAKEY, STUDENT, CHESS 4.5 MYCIN, PROSPECTOR.
Ruang Lingkup AI
Jika dijabarkan secara garis besar, ruang lingkup dalam kecerdasan buatan ada tujuh, yaitu:
- Sistem Pakar (Expert System)
Komputer sebagai sarana untuk menyimpan pengetahuan para pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan meniru keahlian yang dimiliki pakar. Contoh:
- Pengolahan Bahasa Alami (Natural Language Processing)
User dapat berkomunikasi dengan komputer menggunakan bahasa sehari-hari, misal bahasa inggris, bahasa indonesia, bahasa jawa, dll,
Contoh:
- Perintah bahasa alami ”komputer, tolong hapus semua file !” à bahasa formal yang dipahami oleh komputer, yaitu ”delete *.*
”. - Translator bahasa inggris ke bahasa indonesia begitu juga sebaliknya,dll, à tidak hanya menerjemahkan kata per kata, tetapi juga mentranslasikan sintaks dari bahasa asal ke bahasa tujuan
- Pengenalan Ucapan (Speech Recognition)
Manusia dapat berkomunikasi dengan komputer menggunakan suara.
Contoh :
Alat bantu membaca untuk tunanetra, mempunyai masukan berupa teks tercetak (misalnya buku) dan mempunyai keluaran berupa ucapan dari teks tercetak yang diberikan.
- Robotika dan Sistem Sensor
- Sistem sensor pada mesin cuci menggunakan sensor optik. Sistem juga bisa menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci.
- Robotika
- Computer Vision
Menginterpretasikan gambar atau objek-objek tampak melalui komputer
Contoh: Pengenalan pola sidik jari seseorang
- Intelligent Computer-aided Instruction
komputer dapat digunakan sebagai tutor yang dapat melatih & mengajar
Contoh : Learn to speak English
- Game Playing
Games adalah fasilitas menarik di computer. Ide pertama kali muncul dari Calude Shannon (1950) tentang mekanisme permainan catur. Games baik untuk dieksplorasi
- Mudah menentukan ukuran kesuksesan dan kegagalannya
- Tidak membutuhkan terlalu banyak pengetahuan
- Sebagian besar game dapat dimodelkan dengan mudah
- Sangat mungkin dibandingkan dengan kemampuan manusia.
Soft Computing
Soft computing merupakan inovasi baru dalam membangun sistem cerdas yaitu sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan. Soft computing mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dan dikendalikan dengan mudah agar sesuai dengan realita (Prof. Lotfi A Zadeh, 1992).
Metodologi-metodologi yang digunakan dalam Soft computing adalah :
- Sistem Fuzzy (mengakomodasi ketidaktepatan) ⇒ Logika Fuzzy (fuzzy logic)
- Jaringan Syaraf (menggunakan pembelajaran) ⇒ Jaringan Syaraf Tiruan (neurall network)
- Probabilistic Reasoning (mengakomodasi ketidakpastian)
- Evolutionary Computing (optimasi) ⇒ Algoritma Genetika
