Pengenalan Kecerdasan Buatan atau Artificial Intelligence (AI)
Pengertian Kecerdasan Buatan
Kecerdasan
buatan, adalah sebuah kecerdasan buatan yang dibuat oleh kita, manusia lalu
diimplementasikan ke sistem komputer yang dimana pula kecerdasan buatan ini selalu
memiliki tujuan untuk membantu manusia menjalankan pekerjaannya.
Banyak cara untuk mendefinisikan kecerdasan buatan,
diantaranya adalah :
·
Suatu studi yang
mengupayakan bagaimana agar komputer berlaku cerdas atau bernalar seperti
hendaknya manusia.
·
Studi yang membuat
komputer dapat menyelesaikan suatu masalah dengan penalaran yang telah
diberikan pada dasar kecerdasan buatan tersebut.
·
Teknologi yang
dapat mensimulasikan bagaimana manusia akan bereaksi terhadap suatu masalah.
Program
komputer standar hanya dapat menyelesaikan persoalan yang deprogram secara
spesifik. Jika terdapat kekurangan pada program tersebut kita harus
memperbaharui program tersebut dengan memprogramnya kembali.
Sebaliknya,
kecerdasan buatan dapat memungkinkan kompuer untuk ‘berpikir secara nalar’
layaknya manusia. Kecerdasan buatan dapat menirukan proses belajar layaknya
manusia sehingga informasi baru dapat diserap dan digunakan sebagai acuan di
masa-masa yang akan datang.
Bidang Ilmu yang menjadi Dasar Kecerdasan Buatan
Bidang ilmu atau biasa disebut dengan knowledge base ini adalah dasar dari
kecerdasan buatan. Tanpa adanya bidang ilmu, kecerdasan buatan tak akan menjadi
‘cerdas’. Terdapat berbagai macam ilmu yang menjadi dasar kecerdasan buatan,
antara lain :
·
Sistem pakar,
·
Algoritma
genetika,
·
Logika fuzzy,
·
Jaringan syaraf
tiruan,
·
Robotika.
Sistem Pakar
Sistem pakar adalah sistem perangkat lunak komputer
yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan
untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh
tenaga ahli dalam bidang yang bersangkutan.
Suatu sistem pakar disusun oleh tiga modul utama,
yaitu :
1.
Modul Penerimaan
Pengetahuan (Knowledge Acquisition Mode)
Modul ini memiliki sistem dimana pada saat ia menerima
pengetahuan dari pakar, maka ia akan mengumpulkan pengetahuan-pengetahuan
tersebut yang nantinya akan digunakan untuk pengembangan sistem. Proses ini dilakukan
dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai
penghubung antara suatu sistem pakar dengan pakarnya
2.
Modul Konsultasi
(Consultation Mode)
Pada modul ini, sistem berada pada posisi memberikan
jawaban atas permasalahan yang diajukan oleh user. Yang berarti pada modul ini.
sistem pakar mejadi dasar dari modul konsultasi. Pada modul ini, user
berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan
oleh sistem
3.
Modul
Penjelasan(Explanation Mode).
Seperti
namanya, modul ini menjelaskan bagaimana hasil akhir yang diperoleh dari
pengolahan dan pengambilan keputusan oleh sistem tersebut..
Modul-modul ini menjelaskan proses pengambilan
keputusan oleh sistem (bagaimana suatu keputusan dapat diperoleh).
Lalu pula, terdapat beberapa komponen utama pada
struktur sistem pakar meliputi:
1.
Basis Pengetahuan
(Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar,
yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun
atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau
situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta
yang sudah diketahui.
2.
Mesin Inferensi
(Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar.
Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu
kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin
inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan
fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau
kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan
strategi pengendalian.
3.
Basis Data
(Database)
Basis data terdiri atas semua fakta yang diperlukan,
dimana fakta-fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah
dalam sistem.
4.
Antarmuka Pemakai
(User Interface)
Fasilitas ini digunakan sebagai perantara komunikasi
antara pemakai dengan sistem.
Algoritma
Genetika
Algoritma Genetika adalah suatu algoritma pencarian yang
meniru mekanisme dari genetika alam. Algoritma Genetika ini banyak dipakai pada
aplikasi bisnis, teknik maupun pada bidang keilmuan. Algoritma ini dapat
dipakai untuk mendapatkan solusi yang tepat untuk masalah optimal dari satu
variabel atau multi variabel.
Sebelum Algoritma ini dijalankan, masalah apa yang ingin
dioptimalkan itu harus dinyatakan dalam fungsi tujuan, yang dikenal dengan
fungsi fitness. Jika nilai fitness semakin besar, maka sistem yang dihasilkan
semakin baik. Operasi yang dilakukan adalah reproduksi, crossover, dan mutasi
untuk mendapatkan sebuah solusi menurut nilai fitnessnya.
Logika
Fuzzy
Logika Fuzzy ( logika samar ) merupakan logika yang
berhadapan langsung dengan konsep kebenaran sebagian, dimana logika klasik
menyatakan bahwa segala hal dapat di ekspresikan dalam binary 0 atau 1. logika
fuzzy memungkinkan nilai keanggotaan antara 0 dan 1. Karena alasan diatas maka
pada penelitian ini akan dibuat perancangan perangkat lunak dan perangkat keras
robot avoider dengan mengunakan aplikasi Fuzzy Logic sebagai kendali system.
Perlu diketahui bahwa Teori Himpunan Samar dan Logika
Samar sangat berkembang pesat pada saat ini. Banyak sekali masalah-masalah
nyata yang lebih tepat diselesaikan menggunakan Teori Himpunan Samar dan Logika
Samar. Banyak sekali muncul teori-teori baru pada saat ini misalnya: Topologi
Fuzzy, Analisa Fuzzy, Aljabar Fuzzy (Fuzzy Semi Group, Fuzzy Ring, Fuzzy Group,
dan sebagainya.
Logika fuzzy telah lama dikenal dan digunakan dalam
berbagai bidang oleh para ahli dan insinyur. Penggunaan logika fuzzy pada
awalnya digunakan untuk beberapa bidang, seperti sistem diagnosa penyakit
(dalam bidang kedokteran); pemodelan sistem pemasaran, riset operasi (dalam
bidang ekonomi); kendali kualitas air, prediksi adanya gempa bumi, klasifikasi
dan pencocokan pola (dalam bidang teknik). Penggunaan logika fuzzy dalam bidang
sistem daya (power system) juga sudah dilakukan, antara lain dalam analisis
kemungkinan, prediksi dan pengaturan beban, identifikasi gangguan pada
generator dan penjadwalan pemeliharaan generator.
Jaringan
Syaraf Tiruan
Jaringan
saraf tiruan (JST) (Bahasa Inggris: artificial neural network (ANN), atau juga
disebut simulated neural network (SNN), atau umumnya hanya disebut neural
network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang
dimodelkan berdasarkan jaringan saraf manusia. JST merupakan sistem adaptif
yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi
eksternal maupun internal yang mengalir melalui jaringan tersebut.
Secara sederhana, JST adalah sebuah alat pemodelan data
statistik non-linier. JST dapat digunakan untuk memodelkan hubungan yang
kompleks antara input dan output untuk menemukan pola-pola pada data.
Robotika
Robotika adalah teknologi yang berhubungan dengan desain,
konstruksi, operasi, disposisi struktural, pembuatan, dan aplikasi dari robot. Robotika
terkait dengan ilmu pengetahuan bidang elektronika, mesin, mekanika, dan
perangkat lunak komputer.
Dengan adanya robotika inilah, kita dapat
mengimplementasikan kecerdasan buatan yang berfungsi dan berguna untuk membantu
kita dalam mengerjakan tugas fisik.
Sejarah Kecerdasan Buatan
Kecerdasan buatan termasuk bidang ilmu yang relative
muda. Pada tahun 1950-an para ilmuwan dan peneliti mulai memikirkan bagaimana
caranya agar mesin dapat melakukan pekerjaannya seperti yang bisa dikerjakan
oleh manusia. Alan Turing, seorang matematikawan inggris pertama kali
mengusulkan adanya tes untuk melihat bisa tidaknya sebuah mesin dikatakan
cerdas. Hasil tes tersebut kemudian dikenal dengan Turing Tes dimana si mesin
tersebut menyamar seolah-olah sebagai seseorang didalam suatu permainan yang
mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing
beranggappan bahwa, jika mesin dapat membuat seseorang percaya bahwa dirinya
mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin
tersebut cerdas (seperti layaknya manusia)
Kecerdasan buatan sendiri dimunculkan oleh seorang
professor dari Massachusetts Institute of Technology yang bernama John McCarthy
pada tahun 1956 pada Dartmouth Conference yang dihadiri oleh para peneliti AI.
Pada konferensi tersebut juga didefinisikan tujuan utama dari kecerdasan buatan
yaitu : mengetahui dan memodelkan proses-proses berfikir manusia dan mendesain
mesin agar dapat menirukan kelakuakan manusia tersebut.
Agen Intelijen
Menurut Russel dan Norvig, pengertian agent adalah segala
sesuatu yang dapat dipandang menangkap/mengetahui/menangapi lingkunganya melalui
sensor dan bertindak terhadap lingkunganya melalui efektor. Maka dari itu,
maksud dari agen intelijen pada kecerdasan buatan ini adalah ‘agen-agen’ yang
berfungsi untuk menangkap segala informasi yang diterima oleh kecerdasan buatan
tersebut.
Dalam agen intelijen ini
terdapat beberapa konsep. Antara lain :
1.
Agen dan Lingkungannya
Dalam kecerdasan buatan, terdapat agen yang berfungsi
untuk menangkap informasi yang berada di ‘sekitar’ kecerdasan buatan. Salah
satunya adalah ‘agen lingkungan’ yang berfungsi untuk merasakan ‘lingkungannya’
melalui peralatan sensor-sensor, dan merespon keadaan lingkungan tersebut
dengan sistem penalaran melalui alat penggerak atau actuator yang sudah ada pada kecerdasan buatan.
Melalui model komputasi
diatas, kita dapat melihat bahwa setiap tindakan atau aktivitas yang dikerjakan
oleh agen adalah untuk memenuhi kondisi lingkungannya.
2.
Konsep
Rasionalitas
Agen intelijen memiliki sebuah konsep, dimana konsep ini
ada untuk mengoptimasikan sebuah nilai ukuran kinerja. Konsep ini disebut
konsep rasionalitas. Untuk setiap deretan persepsi yang mungkin, sebuah agen
rasional hendaklah memilih satu tindakan yang diharapkan memaksimalkan ukuran
kemampuannya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapun
pengetahuan terpasang yang dimiliki agen itu.
Ukuran dari kinerja ini biasanya didefinisikan oleh
perancang agen. Ukuran ini berguna untuk merealisasi semaksimal mungkin apa
yang diharapkan dari dibuatnya kecerdasan buatan tersebut.
3.
Lingkungan Alami
Tentunya keberadaan atau lingkungan dari tiap kecerdasan
buatan tidak selalu sama. Maka dari itu lingkungan ‘alami’ yang ada pada tiap
kecerdasan buatan selalu mempengaruhi hasil. Dalam kecerdasan buatan,
lingkungan alami ini memiliki beberapa sebutan kondisi yang membedakan
tingkatan dari lingkungan yang teramati. Di antaranya adalah :
o Fully Observable –
Partially Observable
Apabila sensor pada sebuah agen dapat
mengakses keseluruhan keadaan pada lingkungan, maka lingkungan itu dapat
dikatakan fully observable terhadap
agen.
Suatu lingkungan bisa menjadi partially observable akibat ada gangguan
dan ketidakakurasian sensor ataupun karena ada bagian keadaan yang hilang dari
data sensor.
o Deterministic – Stochastic
Apabila keadaan lingkungan
selanjutnya sepenuhnya bergantung pada keadaan sekarang dan juga tindakan yang
akan dilakukan oleh agen, maka lingkungan tersebut bersifat deterministic.
Apabila lingkungan bersifat deterministik
(bergantung) tetapi memiliki pengecualian atau dengan kata lain hasil yang
bergantung ini tidak selalu tepat. Maka lingkungan tersebut bersifat stokastik.
o Episodic – Sequential
Untuk lingkungan yang bersifat episodic, pengalaman agen dibagi-bagi
menjadi beberapa episode atau bagian pendek. Tiap episode terdiri dari apa yang
dirasakan agen dan kemudian melakukan satu tindakan tertentu. Kualitas dari
tindakan agen hanya tergantung pada episode itu saja, karena tindakan
selanjutnya tidak tergantung pada tindakan apa yang akan dilakukan di episode
sebelumnya. Lingkungan episodic lebih sederhana karena agen tidak perlu
memikirkan langkah-langkah pada keadaan selanjutnya.
Sedangkan pada lingkungan sequential, tindakan saat sekarang dapat
mempengaruhi tindakan selanjutnya. Permainan Reversi bersifat sequential karena agen berpikir untuk
langkah-langkah selanjutnya dan seluruh langkah yang akan diambil oleh agen
saling bergantung.
o Static – Dynamic
Apabila lingkungan dapat berubah
saat agen sedang mengambil keputusan, maka lingungan tersebut bersifat dynamic, dan jika sebaliknya bersifat static.
Apabila lingkungan tidak berubah
seiring waktu berjalan, namun menyebabkan nilai kemampuan agen berubah-ubah,
maka lingkungan tersebut bersifat semidynamic.
o Discrete –
Continuous
Apabila kesan dan tindakan yang akan diterima dan
dilakukan oleh agen telah ditetapkan dengan jelas, maka lingkungan tersebut
bersifat discrete, dan jika bersifat
tidak memiliki akhir atau terus menerus maka bersifat continuous.
4.
Struktur Agen
Sebuah agent diharapkan melakukan tindakan yang benar
sesuai dengan tujuan diciptakan agent tersebut. Tindakan yang dilakukan oleh
agent tersebut yang akan digunakan sebagai tolak ukur terhadap keberhasilan
sebuah agent.
Berikut 4 buah dasar yang
dapat digunakan untuk menentukan tolak ukur sebuah agent :
1) Performance measure (tolak ukur terhadap kesuksesan
hasil kerja) yang menyatakan derajat kesuksesan.
2) Semua imput yang diterima oleh agent, dapat dilacak
kembali (imput disimpan dalam serangkaian data/memory).
3) Segala sesuatu yang diketahui agen terhadap lingkunganya.
4) Setiap indakan yang akan dilakukan oleh agen.
Pada
umumnya sebuah agent terdiri dari dua buah komponen dasar yaitu suatu program
dan sebuah piranti perangkat keras. Sebagai ilustrasi terhadap hubungan
keduanya, sebuah arsitektur memberikan sebuah percept dari sensor kemudian siap
digunakan kedalam program, menjalankan program dan memberikan pilihan-pilihan
tindakan program ke efektor.
Komentar
Posting Komentar