1.
Pengertian Artificial Intelligence
Artificial Intelligence (AI) atau
kecerdasan buatan merupakan cabang dari ilmu computer yang khusus ditujukan
untuk membuat software dan hardware yang sepenuhnya bisa menirukan fungsi otak
manusia.
2.
Perbedaan Kecerdasan Buatan dengan Kecerdasan
Alami
Ada
beberapa keunggulan kecerdasan buatan dibanding kecerdasan alamiah, yaitu:
1. Lebih permanen
2. Memberikan kemudahan dalam duplikasi dan penyebaran
3. Relatif murah dari kecerdasan alamiah
4. Dapat didokumentasi
5. Konsisten dan teliti
6. Dapat mengerjakan beberapa task dengan lebih
cepat dan lebih baik dibanding manusia
Sedangkan kecerdasan alamiah memiliki beberapa
keuntungan, yaitu :
1. Lebih kreatif
2. Dapat melakukan proses pembelajaran secara
langsung, sementara AI harus mendapatkan masukan berupa symbol dan representasi
3. Focus yang luas sebagai referensi untuk
pengambilan keputusan, sebaliknya AI menggunakan focus yang sempit
3.
Sejarah Kecerdasan Buatan
Berdasarkan Buku Artificial
Intelligence : A Modern Approach Third Edition (2003). Sejarah AI (kecerdasan
buatan) diceritakan sebagai berikut :
a) Masa Persiapan Kecerdasan Buatan (1943–1955)
b) Kelahiran Kecerdesan Buatan (1956)
c) Antusiasme Awal, Harapan Besar (1952-1969)
4.
Kategori Konsep Dasar Artificial Intelligence
AI memiliki 4 dasar kategori konsep dasar,
yaitu:
1)
Acting Humanly
: Pedekatan Uji Turing
Saat ini,
pemrograman komputer melalui uji tersebut membutuhkan banyak kerja. Komputer
membutuhkan kemampuan berikut:
1.
Natural
Language Processing
(Pemrosesan Bahasa Alami) untuk dapat berkomunikasi dengan baik dalam bahasa
Inggris atau bahasa lainnya.
2.
Knowledge
Representation (Representasi
Pengetahuan) untuk menyimpan informasi yang disediakan sebelum atau sampai
dengan dijalankan.
3.
Automated
Reasoning (Penalaran
Otomatis), menggunakan informasi yang telah disimpan untuk menjawab pertanyaan
dan menggambarkan kesimpulan terbaru.
4.
Machine
Learning (Mesin
Pembelajaran) untuk menyesuaikan keadaan dan mendeteksi serta memperhitungkan
pola.
2)
Thinking Humanly :
Pendekatan Model Kognitif
Jika kita
ingin mengatakan bahwa suatu program dapat berpikir seperti manusia maka ada
beberapa cara untuk menyatakannya, yaitu:
1.
Melalui
introspeksi
2.
Melalui
eksperimen-eksperimen psikologi.
3)
Thinking Rationally :
The Laws of Thought Approach
Ada dua
masalah dalam pendekatan ini, yaitu:
1.
Tidak
mudah untuk membuat pengetahuan informal dan menyatakannya dalam formal term
yang diperlukan oleh notasi logika, khususnya ketika pengetahuan tersebut
memiliki kepastian kurang dari 100%.
2.
Terdapat
perbedaan besar antara dapat memecahkan masalah “dalam prinsip” dan
memecahkannya dalam praktik.
Dari
beberapa perspektif, AI dapat dipandang sebagai:
1. Dari
perspektif kecerdasan (Intelligence), AI adalah bagaimana membuat mesin
yang “cerdas” dan dapat melakukan hal-hal yang sebelumnya hanya dapat dilakukan
oleh manusia.
2. Dari
perspektif bisnis, AI adalah sekelompok alat bantu (tools) yang
berdayaguna, dan metodologi yang menggunakan tool-tool tersebut untuk
menyelesaikan masalah-masalah bisnis.
3. Dari
perspetif pemorgraman (Programming) , AI juga meliputi studi tentang
pemorgraman simbolik, pemecahan masalah, proses pencarian (search).
4. Dari
perspektif penelitian (research), ”Artificial Intelligence” adalah nama
pada akar dari studi area.
5.
Disiplin Ilmu Sub Bagian dalam Artificial
Intelligence
Lingkup utama
dalam Kecerdasan Buatan adalah :
1.
Sistem
Pakar (Expert System), komputer digunakan sebagai sarana untuk menyimpan kemampuan
para pakar. Dengan demikian computer akan memiliki keahlian untuk menyelesaikan
suatu masalah dengan meniru keahlian yang dimiliki para pakar.
2.
Pengolahan
Bahasa Alami (Natural Language Processing), diharapkan computer dapat
berkomunikasi dengan user dengan menggunakan bahasa sehari-hari.
3.
Pengenalan
Ucapan (Speech Recognition), diharapkan komputer dapat berkomunikasi langsung
dengan manusia menggunakan suara.
4.
Robotika
& Sistem Sensor (Robotic & Sensory System) komputer digunakan untuk
membantu pekerjaan manusia sehari hari dengan menggunakan teknologi robot dan
sensor.
5.
Computer
Vision, untuk menginterpretasikan citra atau objek-objek tampak melalui
komputer.
6.
Intelligent
Computer-aided Instruction, komputer dapat digunakan sebagai tutor yang dapat
mengajar dan melatih.
7.
Game
Playing, komputer digunakan sebagai salah satu sarana hiburan manusia.
6.
Definis Perencanaan Klasik
Perencanaan
klasik berkonsentrasi pada masalah-masalah yang mana kebanyakan tindakan
meninggalkan hal-hal yang kebanyakan tidak berubah. Serangkaian tindakan (variabel-free) tanah
dapat diwakili oleh skema tindakan.
6.1. Contoh:
Transportasi kargo udara
6.1 angka
menunjukkan masalah transportasi kargo udara melibatkan pemuatan dan
pembongkaran kargo dan terbang dari satu tempat ke tempat. Masalah dapat
didefinisikan dengan tiga tindakan: memuat, membongkar, dan terbang.
6.2. Contoh: Masalah ban serep
Mempertimbangkan
masalah mengganti ban yang kempes. Tujuannya adalah untuk memiliki ban cadangan
yang baik benar dipasang pada as roda mobil, di mana keadaan awal memiliki ban
kempes pada as roda dan ban cadangan yang baik di bagasi. Hanya ada empat
tindakan: menghapus cadangan dari bagasi, menghapus ban dari as roda,
menempatkan cadangan pada as roda, dan meninggalkan mobil tanpa pengawasan
semalam.
6.3. Contoh: Blok dunia
Salah satu
yang paling terkenal perencanaan domain dikenal sebagai dunia blok. Domain ini
terdiri dari satu set blok berbentuk kubus duduk di tabel. Blok dapat ditumpuk, tetapi hanya satu blok
bisa muat langsung di atas yang lain. Sebuah lengan robot dapat mengambil blok dan memindahkannya ke posisi lain,
baik di atas meja atau di atas blok lain. lengan dapat mengambil hanya satu
blok pada suatu waktu, sehingga tidak dapat mengambil blok yang memiliki satu
sama lain di atasnya.
6.4. Kompleksitas klasik perencanaan
PlanSAT
adalah pertanyaan apakah ada rencana yang memecahkan masalah perencanaan.
PlanSAT dibatasi oleh NP-lengkap sementara PlanSAT p; dengan kata lain,
perencanaan optimal biasanya sulit, tapi sub-optimal perencanaan kadang-kadang
mudah.
7.
Algoritma
Untuk Perencanaan Sebagai Ruang Negara-Cari
Sekarang kita mengalihkan perhatian
kita untuk perencanaan algoritma. Kami melihat bagaimana Deskripsi masalah
perencanaan defines Cari masalah: kita dapat mencari dari keadaan awal melalui
ruang Serikat, mencari tujuan. Salah satu keuntungan baik dari representasi
deklaratif tindakan skema bisa begitu wecan juga mencari fromthegoal mundur,
mencari keadaan awal.
7.1. Cari ruang negara-maju (kemajuan)
Pencarian
pertama, maju rentan terhadap menjelajahi tindakan-tindakan yang tidak relevan.
Kedua,
perencanaan masalah yang sering memiliki ruang besar negara.
7.2. Mundur
(regresi) Cari relevan-negara
Dalam pencarian Regresi yang
dimulai dari tujuan dan menerapkan tindakan mundur, sampai ditemukannya urutan
langkah-langkah untuk pencapaian negara yang relevan. Secara umum, pencarian
backward bekerja ketika kita tahu bagaimana untuk mundur dari suatu keadaan.
PDDL dirancang untuk membuat mudah tindakan kemunduran, jika sebuah domain
dapat dinyatakan dalam PDDL, maka kita dapat melakukan regresi.
7.3.
Heuristik
untuk perencanaan
Menurut
definisi heuristik, tidak ada cara untuk menganalisis keadaan atom, dan dengan
demikian memerlukan beberapa kecerdikan oleh seorang analis manusia untuk
menentukan heuristik domain-spesifik baik untuk masalah pencarian dengan
negara-negara atom.
8.
Perencanaan
Graf
Graph Plan
adalah algoritma yang diterapkan ke salah satu teknik pencarian. Untuk mencari
solusi atas ruang yang dibentuk oleh grafik perencanaan.
9.
Pendakatan
Perencanaan Klasik Lainnya
Saat ini
pendekatan yang paling populer dan efektif untuk perencanaan otomatis adalah menerjemahkan ke satisfiability
Boolean masalah (SAT), teruskan pencarian negara-ruang dengan heuristik dengan
hati-hati (Pasal 10.2), cari menggunakan grafik perencanaan.
9.1. Perencanaan klasik sebagai Boolean
satisfiability
Terjemahan
adalah serangkaian langkah-langkah sederhana, langkah-langkah sederhana terdiri
dari propositionalize tindakan, tentukan keadaan awal, propositionalize tujuan,
tambahkan aksioma penerus-negara, tambahkan aksioma prasyarat, tambahkan
aksioma tindakan pengecualian.
9.2. Perencanaan
sebagai urutan pertama Logis pemotongan: Situasi kalkulus
Kalkulus
Situasi PDDL adalah bahasa yang dengan
hati-hati menyeimbangkan ekspresi bahasa dengan kompleksitas algoritma yang
beroperasi di atasnya. Logika representasi proporsional dari masalah
perencanaan juga memiliki keterbatasan, seperti fakta bahwa gagasan waktu
terikat langsung ke fluents. Misalnya, South2 berarti "Agent menghadap
selatan pada waktu 2." Dengan representasi itu, tidak ada cara untuk
mengatakan " agent akan menghadap ke selatan pada waktu 2 jika dijalankan
berbelok ke kanan pada saat 1; selain itu akan menjadi menghadap ke timur.
"Pertama-order logic memungkinkan kita menyiasati keterbatasan ini dengan
mengganti gagasan waktu linier dengan gagasan bercabang situasi,
menggunakan representasi situasi kalkulus yang bekerja seperti ini:
·
Keadaan
awal disebut situasi.
·
Sebuah fungsi atau hubungan yang dapat
bervariasi dari satu situasi ke yang berikutnya adalah fasih.
·
Setiap
tindakan dari prasayarat dijelaskan
dengan kemungkinan axioma mengatakan ketika tindakan dapat diambil.
·
Masing-masing
fasih digambarkan dengan bagian penerus axioma yang mengatakan apa yang terjadi
dengan fasih tersebut, tergantung pada tindakan yang harus dilakukan. Axioma
tersebut diambil dari.
Tindakan
yang mungkin ⇒
(fasih
adalah benar di bagian hasil ⇔
efek dari tindakan tersebut membuat fasih teresebut benar ∨ fasih tersebut adalah benar sebelumnya dan
tindakan tersebut meninggalkannya sendirian)
·
Kita
membutuhkan tindakan axioma yang berbeda, jadi agen dapat menyimpulkannya.
·
Sebuah
solusi adalah situasi(urutan dari tindakan) yang memenuhi tujuan.
9.3. Perencanaan
sebagai kendala kepuasan
Kita telah melihat bahwa kepuasan kendala memiliki
banyak kesamaan dengan Boolean
Satisfiability, dan kita telah
melihat bahwa CSP teknik efektif untuk penjadwalan masalah, sehingga tidak
mengherankan bahwa CSP mungkin untuk merumuskan masalah perencanaan yang
dibatasi (yaitu, masalah dalam mencari rencana panjang k) sebagai sebuah CSP.
9.4. Perencanaan
sebagai penyempurnaan sebagian memerintahkan rencana
Semua
pendekatan untuk membangun rencana yang benar-benar terdiri dari urutan
tindakan ketat.
10.
Analisis Pendekatan Perencanaan
Perencanaan
menggabungkan dua bidang utama dari AI yaitu pencarian dan logika. Sebuah
perencanaan dapat dilihat baik sebagai sebuah program yang mencari solusi atau
sebagai salah satu yang membuktikan solusi. Perencanaan adalah latihan dalam
mengendalikan ledakan kombinatorial. Sebuah perencana yang menggunakan trik
bawah-ke-atas dapat memecahkan masalah dalam dunia blok tanpa backtracking.
sumber :
Tidak ada komentar:
Posting Komentar