KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) PENGANTAR

KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) PENGANTAR KECERDASAN BUATAN Part 1

PEMBAHASAN Kontrak Perkuliahan Pemahaman Tujuan Perkuliahan Pengantar Kecerdasan Buatan - Definisi kecerdasan buatan - Kecerdasan buatan vs kecerdasan alami - Sejarah kecerdasan buatan - Perkembangan dan aplikasinya

KONTRAK PERKULIAHAN Berisi: -Materi kuliah -aturan perkuliahan -aturan penilaian -daftar pustaka

PEMAHAMAN TUJUAN PERKULIAHAN Kuliah ini memberikan prinsip-prinsip dasar dan metode utama dari Kecerdasan Buatan, menyiapkan mahasiswa untuk membangun sistem yang kompleks dalam kaitan kemampuan dalam pemrosesan pintar informasi.

DEFINISI KECERDASAN BUATAN

PENGANTAR Bisakah mesin berpikir? Jika bisa, bagaimana caranya? Dan jika tidak bisa, kenapa tidak? Dan apa yang dikatakan sebagai pikiran (mind)?

ARTI KECERDASAN kemampuan untuk belajar atau mengerti dari pengalaman, memahami pesan yang kontradiktif dan ambigu, menanggapi dengan cepat dan baik atas situasi yang baru, menggunakan penalaran dalam memecahkan masalah serta menyelesaikannya dengan efektif (Winston dan Pendergast, 1994)

APA ITU AI? Merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal - yang dalam pandangan manusia adalah – cerdas (H. A. Simon [1987]) Sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Kinight [1991])

KATEGORI DEFINISI AI Dikelompokkan menjadi 4 macam :

DETAIL KECERDASAN BUATAN Sudut Pandang Kecerdasan Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat seperti yang dilakukan manusia) Sudut Pandang Penelitian Kecerdasan buatan adalah studi bagaimana membuat komputer dapat melakukan sesuatu sebaik yang dilakukan manusia

Sudut Pandang Bisnis Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah bisnis Sudut Pandang Pemrogram Kecerdasan buatan meliputi studi tentang pemrograman simbolik, problem solving, dan pencarian (searching)

2 BAGIAN UTAMA AI Basis Pengetahuan (knowledge base) berisi fakta-fakta, teori, pemikiran dan hubungan komponen satu dengan yang lainnya Motor Inferensi (inference engine) Kemampuan menarik kesimpulan berdasar pengalaman. Berkaitan dengan representasi dan duplikasi proses tersebut melalui mesin (misalnya, komputer dan robot).

KONSEP KECERDASAN BUATAN Turing Test Metode Pengujian Kecerdasan (Alan Turing). Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai. 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.

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.

Inferensi (Penarikan Kesimpulan) AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning), termasuk didalamnya proses (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik, dll Pencocokan Pola (Pattern Matching) Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional

“STATE OF THE ART” AI Deep Blue mengalahkan Kasparov, juara dunia Catur. PEGASUS, suatu sistem memahami ucapan yang mampu menangani transaksi seperti mendapatkan informasi tiket udara termurah. MARVEL: suatu sistem pakar real-time memonitor arus data dari pesawat Voyager dan setiap anomali sinyal. Sistem robot mengemudikan sebuah mobil dengan kecepatan yang cepat pada jalan raya umum. Suatu diagnostik sistem pakar sedang mengkoreksi hasil diagnosis pakar yang sudah punya reputasi. Agent pintar untuk bermacam-macam domain yang bertambah pada laju yang sangat tinggi . Subjek materi pakar mengajar suatu learning agent penalarannya dalam pusat penentuan gravitasi.

TUJUAN KECERDASAN BUATAN Membuat komputer lebih cerdas Mengerti tentang kecerdasan Membuat mesin lebih berguna

KECERDASAN BUATAN VS KECERDASAN ALAMI

PERBEDAAN KECERDASAN BUATAN DENGAN KECERDASAN ALAMI Lebih permanen Menawarkan kemudahan duplikasi dan penyebaran Lebih murah daripada kecerdasan alami Konsisten dan menyeluruh Dapat didokumentasikan Dapat mengeksekusi tugas tertentu lebih cepat daripada manusia Dapat menjalankan tugas tertentu lebih baik dari banyak atau kebanyakan orang.

KELEBIHAN KECERDASAN ALAMI DIBANDING AI Bersifat lebih kreatif Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasi-representasi Menggunakan fokus yang luas sebagai referensi untuk pengambilan keputusan. Sebaliknya, AI menggunakan fokus yang sempit

SEJARAH KECERDASAN BUATAN PERKEMBANGAN DAN APLIKASINYA

SEJARAH KECERDASAN BUATAN Jaman “batu” (1943-1956) Awal kerja JST dan logika Teori Logika (Alan Newell and Herbert Simon) Kelahiran AI: Dartmouth workshop - summer 1956 John McCarthy’s memberi nama bidang: artificial intelligence

AWAL ANTUSIAS, HARAPAN BESAR (1952-1969) McCarthy (1958) - mendefinisikan Lisp - menemukan time-sharing - Advice Taker Pembelajaran tanpa pengetahuan Pemodelan JST Pembelajaran Evolusioner Samuel’s checkers player: pembelajaran Metode resolusi Robinson. Minsky: the microworlds (e.g. the block’s world). Banyak demonstrasi kecil ttg perilaku “intelligent” Prediksi over-optimistic Simon

MASA GELAP (1966-1973) AI tidak mengalami perkembangan: ledakan perkembangan combinatorial Fakta bahwa suatu program bisa mendapatkan suatu solusi secara prinsip tidak berarti bahwa program memuat beberapa mekanisme yang dibutuhkan untuk mendapatkannya secara praktis. Kegagalan dari pendekatan terjemahan bahasa alami berbasis pada grammars sederhana dan kamus kata. Penterjemahan kembali yang populer English- Russian- English Penemuan untuk pemrosesan bahasa natural dihentikan.

Kegagalan perceptron untuk belajar dari fungsi sederhana sebagaimana disjunctive/eksclusive OR. Penelitian pada JST dihentikan. Realisasi dari kesukaran dalam proses learning dan keterbatasan dari metode yang dieksplorasi Konsep pembelajaran simbolik (Winston’s influential thesis, 1972)

RENAISSANCE (1969-1979) Perubahan pada paradigma penyelesaian: Dari penyelesaian masalah berbasis “search-based” menjadi penyelesaian masalah berbasis pengetahuan. Sistem pakar pertama Dendral: menginferensi struktur molecular dari informasi yang disediakan oleh spektrometer massa. Mycin: diagnoses blood infections Prospector: merekomendasikan eksplorasi pengeboran pada lokasi geologi yang menyediakan suatu deposit mineral molybdenum.

ERA INDUSTRIAL (1980-SEKARANG) Sukses pertama Sistem Pakar secara komersial.The. Many AI companies. Eksplorasi dari strategi pembelajarqan yqang bermacam-macam (Explanation-based learning, Casebased Reasoning, Genetic algorithms, Neural networks, etc.)

KEMBALINYA NEURAL NETWORKS (1986-SEKARANG) Penggalian kembali algoritma learning back propagation untuk neural networks yang pertama dikenalkan dalam tahun 1969 oleh Bryson and Ho. Banyak aplikasi sukses dari Neural Networks. Kehilangan respek terhadap sulitnya membangun sistem pakar (macetnya knowledge acquisition).

KEMATANGAN (1987-SEKARANG) Perubahan dalam cakupan dan metodologi penelitian bidang Kecerdasan Buatan: Membangun di atas teori yang ada, bukan cuma mengusulkan teori baru; berbasis klaim pada theorema dan eksperimen, bukan pada intuisi; 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. 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.

DOMAIN YANG SERING DIBAHAS Mundane Task - Persepsi (vision & speech) - Bahasa alami (understanding, generation & translation) - Pemikiran yang bersifat commonsense - Robot control Formal Task - Permainan / Games - Matematika (Geometri, logika, kalkulus integral, pembuktian)

Expert Task - Analisis finansial - Analisis medikal - Analisis ilmu pengetahuan - Rekayasa (design, pencarian kegagalan, perencanaan manufaktur)

TUGAS Cari contoh aplikasi kecerdasan buatan, dan jelaskan fungsi dari aplikasi tersebut di masyarakat !

SUMMARY Kecerdasan buatan terdiri dari knowledge base dan motor inference Digunakan untuk membantu menyelesaikan permasalahan manusia Kecerdasan buatan mengalami perkembangan terus menerus sampai saat ini Semakin banyak objek yang mampu diselesaikan oleh Kecerdasan buatan

DAFTAR PUSTAKA Sri Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, 2003, Yogyakarta William Siler and James J. Buckley, “Fuzzy Expert System and Fuzzy Reasoning”, Wiley-Interscience, 2005 Laurene Fauset, “Fundamental of Neural Network”, Prentice Hall, 2000

DEFINISI KECERDASAN BUATAN Part 2

DEFINISI KECERDASAN BUATAN H. A. Simon [1987] : “ Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah- cerdas” Rich and Knight [1991]: “Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.”

DEFINISI KECERDASAN BUATAN Encyclopedia Britannica: “ Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan”

TUJUAN DARI KECERDASAN BUATAN 1. Membuat mesin menjadi lebih pintar (tujuan utama) 2. Memahami apa itu kecerdasan (tujuan ilmiah) 3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

ARAH AI Mengembangkan metode dan sistem untuk menyelesaikan masalah AI tanpa mengikuti cara manusia menyelesaikannya (sistem pakar / expert systems) Mengembangkan metode dan sistem untuk menyelesaikan masalah AI melalui pemodelan cara berpikirnya manusia, atau cara bekerjanya otak manusia (neural networks).

AI DAPAT DIPANDANG DALAM BERBAGAI PERSPEKTIF. Dari perspektif Kecerdasan (Intelligence) AI adalah bagaimana membuat mesin yang “cerdas” dan dapat melakukan hal-hal yang sebelumnya dapat dilakukan oleh manusia Dari perspektif bisnis AI adalah sekelompok alat bantu (tools) yang berdaya guna, dan metodologi yang menggunakan tool-tool tersebut guna menyelesaikan masalah-masalah bisnis. Dari perspektif pemrograman (Programming), AI termasuk didalamnya adalah studi tentang pemrograman simbolik, pemecahan masalah, proses pencarian (search)

WHAT IS AI ? Sistem yang berpikir seperti manusia Thinking humanly Sistem yang berpikir secara rasional Thinking rationally Sistem yang bertindak seperti manusia Acting humanly Sistem yang bertindak secara rasional Acting rationally

BERFIKIR SEPERTI MANUSIA 1. Diperlukan suatu cara untuk mengetahui bagaimana manusia berfikir 2. Diperlukan pemahaman tentang bagaimana pikiran manusia bekerja Bagaimana caranya? 3. Melalui introspeksi atau mawas diri; mencoba menangkap bagaimana pikiran kita berjalan 4. Melalui percobaan psikologis

UJI TURING DARI AI BERTINDAK SEPERTI MANUSIA

BERFIKIR RASIONAL Cara berfikirnya memenuhi aturan logika yang dibangun oleh Aristotles Pola struktur argumentasi yang selalu memberi konklusi yang benar bila premis benar Menjadi dasar bidang logika Tradisi logicist dalam AI adalah membangun program yang menghasilkan solusi berdasarkan logika Problem: Pengetahuan informal sukar diuraikan dan dinyatakan dalam bentuk notasi logika formal Penyelesaian secara prinsip vs. praktis

BERTINDAK RASIONAL Bertindak secara rasional artinya bertindak didalam upaya mencapai goal Didalam lingkungan yang rumit tidaklah mungkin mendapatkan rasionalisasi sempurna yang selalu melakukan sesuatu dengan benar Rasionalisasi terbatas

PERBEDAAN ANTARA PEMROGRAMAN AI DAN KONVENSIONAL AI Komputasi Konvensional Representasi dan Manipulasi simbol Algoritama Memberitahu komputer tentang suatu masalah Memerintah komputer untuk menyelesaikan masalah Komputer diberi Memberi data kepada pengetahuan dan komputer dan kemampuan inferensi program

KELEBIHAN KECERDASAN BUATAN Lebih bersifat permanen. Lebih mudah diduplikasi & disebarkan. Lebih murah. Bersifat konsisten dan teliti karena kecerdasan buatan adalah bagian dari teknologi komputer sedangkan kecerdasan alami senantiasa berubah-ubah Dapat didokumentasi.Keputusan yang dibuat komputer dapat didokumentasi dengan mudah dengan cara melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi. Dapat mengerjakan beberapa task lebih cepat dan lebih baik dibanding manusia

KELEBIHAN KECERDASAN ALAMI 1. 2. 3. Kreatif : manusia memiliki kemampuan untuk menambah pengetahuan, sedangkan pada kecerdasan buatan untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun. Memungkinkan orang untuk menggunakan pengalaman atau pembelajaran secara langsung. Sedangkan pada kecerdasan buatan harus mendapat masukan berupa input-input simbolik. Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.

WILAYAH AI AI diterapkan didunia bisnis dalam bentuk sistem pakar, jaringan saraf tiruan, algoritme genetik, dan agen cerdas. Sistem Pakar (expert system) adalah program komputer yang berusaha untuk mewakili pengetahuan keahlian manusia dalam bentuk heuristik. Istilah heuristik berasal dari kata yunani eureka, yang berarti menemukan. Heuristik adalah aturan yang menjadi patokan atau aturan untuk menebak dengan baik. Jaringan Saraf Tiruan (Neutral Networks) meniru fisiologi otak manusia. Jaringan ini mampu menemukan dan membedakan pola, sehingga membuatnya amat berguna dalam bisinis siwilayah pengenalan suara dan pengenalan karakter optis.

Algoritme genetik (genetic algorithms) menerapkan proses “yang terkuat yang selamat” untuk memungkinkan para pemecah masalah agar menghasilkan solusi masalah yang semakin lebih baik. sebagai contoh, bankir investasi dapat menggunakan nya untuk memilih portfolio investasi yang terbaik bagi kliennya. Agen cerdas (intelligent agent) digunakkan untuk melakukan tugas yang berkaitan dengan komputer yang berulang-ulang. Salah satu contoh adalah data, dimana penemuan pengetahuan memungkinkan sistem gudang data untuk mengidentifikasi hubungan data yang sebelumnya tidak di kenal.

KONFIGURASI SISTEM PAKAR Sistem pakar tediri dari empat bagian utama antaralain : 1. 2. 3. 4. Antarmuka Pengguna Basis Pengetahuan (knowledge basis) Mesin Inferensi (inference engine) Mesin Pengembangan

1. ANTARMUKA PENGGUNA Memungkinkan manajer untuk memasukan instruksi dan informasi kedalam sistem pakar yang menerima informasi dari sistem tersebut. Intruksi ini menentukan parameter yang mengarahkan sistem pakar dalam prosespemikirannya. Input informasi berbentuk nilai yang dikaitkan dengan penjelasan. Terdapat dua penjelasan : penjelasan dari pertanyaan yang diberikan manajer dan penjelasan mengenai solusi masalah

2. BASIS PENGETAHUAN (KNOWLEDGE BASIS). Berisikan fakta yang menggambarkan masalah serta tekhnik penggambaran pengetahuan yang menjelaskan bagaimana fakta bersentuhan secara logis. Istilah Domain masalah (problaim domain) digunakan untuk menggambarkan area permasalahan.

3. MESIN INFERENSI (INFERENCE ENGINE) Bagian dari sistem pakar yang melakukan pemikiran dengan cara menggunakan isi basis pengetahuan dalam urutan tertentu. Selama konsultasi, mesin inferensi memeriksa aturan-aturan basis peengetahuan satu demi satu, dan jika persyaratan satu aturan benar, maka suatu tindakan dilaksanakan . Dalam terminologi sistem pakar, aturan diberhentikan jika tindakan diambil.

4. MESIN PENGEMBANGAN Sistem pengembangan, yang digunakan untuk membuat sistem pakar. Ada dua pendekatan yang tersedia : bahasa pemograman dan kerangka sistem pakar. Kerangka sistem pakar (expert system shell) adalah prosesor siap pakai dan dapat disesuaikan untuk masalah tertentu dengan cara menambahkan basis pengetahuan yang sesuai. Cara pikir berbasis kasus (casebased reasoning – CBR) pendekatan ini menggunakan data historis sebagai dasar untuk pengidentifikasian masalah dan merekomendasikan solusi.

CONTOH ARTIFICAL INTELEGENCE DAN SISTEM PAKAR Pembuatan produk makanan dan minuman seperti Coca cola dan Mie Instan yang ditangani mesin produksi Pembuatan Mobil dalam prosesnya dibantu oleh robot mekanik untuk mempercepat proses pembuatannya.