KECERDASAN BUATAN MANUSIA KULIAH

KECERDASAN BUATAN MANUSIA KULIAH

APA ITU AI

1)      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])

2)      Sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Kinight [1991])

Dua Ide Dasar yang berkaitan dengan AI

1.      Pertama, ide yang melibatkan pembelajaran proses pemikiran manusia (untuk memahami apa yang dimaksud dengan kecerdasan)

-Kecerdasan adalah 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)

2.      Kedua, berkaitan dengan representasi dan duplikasi proses tersebut melalui mesin (misalnya, komputer dan robot).

Konsep Kecerdasan Buatan

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

b)      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.

c)      Heuristic – Menemukan (Yunani)  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.

d)     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

e)      Pencocokan Pola (Pattern Matching)  Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional

TUJUAN KECERDASAN BUATAN

a)      Membuat komputer lebih cerdas

b)      Mengerti tentang kecerdasan

c)      Membuat mesin lebih berguna

Perbedaan Kecerdasan Buatan dengan Kecerdasan Alami

1)      Lebih permanen

2)      Menawarkan kemudahan duplikasi dan penyebaran

3)      Lebih murah daripada kecerdasan alami

4)      Konsisten dan menyeluruh

5)      Dapat didokumentasikan

6)      Dapat mengeksekusi tugas tertentu lebih cepat daripada manusia

7)      Dapat menjalankan tugas tertentu lebih baik darpada banyak atau kebanyakan orang.

Kelebihan Kecerdasan Alami dibanding AI

1)      Bersifat lebih kreatif

2)      Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasi-representasi

3)      Menggunakan fokus yang luas sebagai referensi untuk pengambilan keputusan. Sebaliknya, AI menggunakan fokus yang sempit

Kaidah Produksi

Cara formal untuk merepresentasikan arahan, rekomendasi atau strategi

Bentuk umum if – then

Struktur  Kaidah (adedeji 1992)

-Jika premis maka konklusi

-Jika masukan maka keluaran

-Jika kondisi maka tindakan

-Jika data maka hasil

-Jika tindakan maka tujuan

-Jika aksi maka reaksi

-Jika sebab maka akibat

-Jika gejala maka diagnosa

-Jika anteseden maka konsekuen

Premis -> fakta yang harus benar

Anteseden -> situasi yang terjadi

Contoh

(1)   Jika layar monitor kekuning2an maka periksa kabel warna monitor anda

(2)   Jika nilai rata-rata besar dari 80 maka sebagian besar mahasiswa lulus

(3)   Jika mengalami nyeri pinggang maka kemungkinan gangguan ginjal

(4)   Jika spesifikasi RAM rendah maka kinerja PC akan lambat

Keuntungan dan Kekurangan

1)      Mudah dimengerti

2)      Mudah dimodifikasi

3)      Bisa saling independen / ketergantungan sesuai dengan kebutuhan

4)      Jika pengetahuan yang anda miliki kompleks maka jumlah kaidah yang ditentukan lebih banyak

Sebelum membentuk kaidah produksi bisa dibentuk:

Tabel keputusan

Pohon keputusan

     object               C130               C141            C5A              B747

attribute

engine type                Prop                  Jet               Jet                  Jet

wing position              high                  high             high                low

wing shape            conventional    swept-back    swept-back   swept-back

tail                          conventional         T-tail            T-tail       conventional

bulges                    under wings       aft wings         none            aft cockpit

Kategori Kaidah Produksi

a)Secara Umum dibagi 2 :

-Kaidah pengetahuan / deklaratif

-Kaidah prosedural

b)Berdasarkan derajat :

-Kaidah derajat pertama

-Kaidah metarule

Logika dan Himpunan

1.Logika Proposional

Menggunakan operator logika

2.Logika Predikat

Objek (argumen)

Predikat.

Kuantitas

1)Kuantitas Universal

2 )Kuantitas Eksistensi

Contoh :

-Semua programmer adalah cerdas

-Beberapa software open source

-Tidak ada software MS yang murah

Himpunan

Untuk himpunan sering digambarkan dengan diagram Venn.

Contoh :

1.      Semua program aplikasi adalah software

2.      Beberapa hardware berfungsi sebagai output device

3.      Tidak ada Input device yang termasuk kategori storage

Frame

Minsky 1975

            Dipandang sebagai struktur data yang  digunakan untuk merepresentasikan objek  – objek yang telah dipahami. Frame  berupa ruang – ruang (slots) yang berisi  atribut untuk mendeskripsikan  pengetahuan

ISI SUBLOT

1)      Value   :Menjelaskan tentang nilai dari suatu atribut

2)      Default  : Nilai yang digunakan jika subslot kosong

3)      Range  : Menandakan jenis informasi yang muncul dari slot tersebut adalah interval

4)      If needed : Prosedur yang dijalankan jika sebuah nilai diperlukan namun tidak tersedia atau default tidak sesuai

Hirarki Frame

            Kebanyakan sistem AI menggunakan  kumpulan frame yang terkait satu dengan  yang lainnya secara bersama – sama

Script

1)      Dikembangkan oleh Schank dan Abelson  dari Univ Yale

2)      Frame   Objek

3)      Script   Peristiwa

4)      Informasinya orang, objek dan tindakan  yang terjadi dalam suatu peristiwa

KOMPONEN SCRIPT

1)      Masukan   Situasi yang harus dipenuhi  sebelum terjadi atau berlaku peristiwa  yang ada dalam script

2)      Prop   Mengacu pada objek yang  digunakan dalam urutan peristiwa yang  terjadi

3)      Role   Mengacu pada orang – orang  yang terlibat dalam script

4)      Hasil/Output   adalah kondisi yang ada  sesudah peristiwa dalam script  berlangsung

5)      Track   variasi yang mungkin terjadi  dalam script tertentu. Track mengacu  pada variasi yang mungkin terjadi dalam  script tertentu

6)      Scene   Menggambarkan urutan  peristiwa aktual yang terjadi

Contoh Frame

1)      script  restoran

2)      track  restoran swalayan

3)      role  tamu, pelayan

4)      prop  counter, baki, makanan, tisu, dll

5)      kondisi masukan  tamu lapar, tamu punya uang

6)      adegan (scene 1)  masuk

-tamu parkir mobil

-tamu masuk restoran

-tamu duduk

-tamu baca menu

7)      adegan (scene 2)  memesan

-tamu memesan

-pelayan membawa makanan

-pelayan meletakkan makanan di meja

-tamu membayar

8)      adegan (scene 3)  makan

9)      hasilnya  tamu kenyang, uang tamu berkurang, tamu senang

Definisi AI (KCB)

1.      Merupakan kawasan penelitian dan instruksi yang terkait dengan pemograman komputer untuk melakukan sesuatu hal yang dalam pendangan manusia adalah – cerdas (H. A Simon) [1987])

2.      Sebuah studi tentang bagaimana membuat komputer melakukan hal hal yang pada saat ini dapat dilakukan lebih  baik oleh manusia (rich and knight [1991])

3.      Untuk mengetahui dan memodelkan proses -proses berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia (john McCatty[1956])

4.      Bagian dari Ilmu Komputer yang mempelajari bagaiamana membuat mesin(komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia bahkan bisa lebih baik daripada yang dilakukan manusia

Definisi Kecerdasan Buatan diorganisasikan dalam 4 kategori:

1.      System that think like humans

2.      systems that act like humans

3.      system that think rationally

4.      system that act rationally

Sejarah Kecerdasan Buatan

1)      1950-an Alan Turing mengusulkan tes untuk melihat bisa tidaknya mesin memberikan respon terhadap serangkaian pertanyaan(agar mesin dapat dikatakan cerdas).

2)      Istilah artificial inteligience dimunculkan oleh John McCarthy (MIT), tahun 1956 pada diamonds Conference dalam konferensiitu juga didefinisikan Tujuan AI, yaitu mengetahui dan memodelkan proses-proses berpikir manusia dan mendesain mesin agar dapat menirukan kelakuan manusia tersebut.

3)      Beberapa program AI periode 1956-1966

-Logic Therorist untuk pembuktian teorema matematik

-Sad Sam (oleh robert K.Lindsay, 1960), progtam yang dapat mengetahui kalimat sederhana dalam bahasa inggris dan memberikan jawaban dari fakta yang didengar dalam sebuah percakapan

-ELIZA (joseph weizenbaum, 1967) program untuk tetapi pasien dengan nemberikan jawaban.

TUJUAN KCB menurut winston dan prendergast[1984]

-        Membuat mesin menjadi lebih pintar(tujuan utama)

-        Memahami apa itu kecerdasan buatan (tujuan ilmiah)

-        Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

KCB ditinjau dari berbagai sudut pandang:

1.      Sudut pandangan kecerdasan mesin menjadi cerdas(mampu berbuat apa yang dilakukan oleh manusia)

2.      Sudut pandang penelitian studi bagaimana membuat agar komputer dapat melakukan sesuatu terbaik yang dilakukan manusia.

Domain penelitian dalam kecerdasan buatan

1.      Mundane Task

-Presepsi (vision &speech)

-Bahasa alami(understanding, generation&translation)

-Pemikiran yang bersifat commonsense

-Robot control

2.      Formal Task

-Permainan/Games

-Matematika (geometri, logika , kalkulus, integral, pembuktian)

3.      Expert task

-analisis finansial

-analisis Medikal

-analisis ilmu pengetahuan

-Rekayasa(Desain, pencarian , kegagalan , perenacanaan manufaktur)

-        SUDUT PANDANG BISNIS=kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis

-        Sudut pandang prmograman =studi tentang pemograman simbolik penyelesaian msalah (problem solving) dan pencarian(searching)

REPRESENTASI PENGETAHUAN

Pengetahuan : Pemahaman secara praktis maupun teoritis terhadap suatu obyek atau domain tertentu.

Kategori pengetahuan menurut Epistemology:

Pengetahuan berdasarkan Epistemologi

Pengetahuan Priori

            Pengetahuan yang medahului atau pengetahuan sebelum pengalaman atau tidak alami dan oleh karenanya bebas dari sense. Pengetahuan ini memiliki kebenaran secara universal. Penyangkalan terhadap pengetahuan ini dapat menimbulkan kontradiksi.

Pengetahuan Posteriori

            Pengetahuan yang berasal dari pengalaman dan oleh karenanya melibatkan sense . Nilai kebenaran pengetahuan ini dapat diverifikasi dengan pengalaman indera (sense) manusia. Jenis pengetahuan ini mudah disanggah berdasarkan pengetahuan atau pengalaman yang baru tanpa perlu menimbulkan kontradiksi

HIRARKI PENGETAHUAN

1)      17688218738669534650235345514653

2)      Algoritma :

3)      Kelompokan 2 bilangan sehingga membentuk bilangan 2 digit

4)      Abaikan bilangan 2 digit yang mempunyai nilai lebih kecil dari 32

5)      Ubah dengan karakter ASCII untuk bilangan 2 digit yang tersisa

MODEL REPRESENTASI PENGETAHUAN

1)      Representasi pengetahuan dimaksudkan untuk mengorganisasi pengetahuan dalam bentuk dan format tertentu untuk bisa dimengerti oleh computer, digambarkan sebagai berikut :

2)      Pengetahuan        => Sistem  Representasi Pengetahuan

3)      Beberapa model representasi pengetahuan (Firebaugh 1989) :

4)      Jaringan Semantik ( Semantic Nets)

5)      Bingkai (Frame)

6)      Script

7)      Kaidah Produksi (Production Rule)

8)      Logika Predikat (Predicate Logic)

Jaringan Semantik

1)      Teknik representasi AI yang digunakan untuk informasi yang proposional (Stilling 1987)

2)      Dibangun oleh M.R.Quillian, sebagai model memori manusia.

3)      Direpresentasikan dengan gambar graph berarah

4)      Struktur jaringan semantic terdiri dari simpul (node) dan busur (arc) yang menghubungkannya. Simpul menyatakan onjek, konsep, situasi dan busur sebagai links atau edge atau hubungan (relationship)

5)      Hubungan (relationship) merupakan dasar yang penting dalam jaringan semantic karena menyediakan struktur dasar untuk pengorganisasian pengetahuan. Tanpa hubungan, pengetahuan hanyalah merupakan suatu kumpulan dari fakta yang tidak berelasi dan tidak bermakna. Dengan hubungan pengetahuan merupakan perpaduan struktur dengan pengetahuan lainnya yang dapat diambil kesimpulannya.

6)      Salah satu masalah dalam penggunaan jaringan semantic adalah tidak adanya satu defenisi yang standar penamaan link nya (Barr 1981 Staugaard).

7)       Nodes disebut juga dgn objek, digunakan untuk menunjukkan objek phisik, konsep, situasi

8)      Links atau edges atau arcs, untuk mengekspesikan suatu relasi atau hubungan

TIPE LINK

1)      Secara umum ada 2 tipe yang digunakan untuk menerangkan link yaitu :

2)      IS-A dan A-Kind-Of kadang ditulis ISA dan AKO (Winston 1984)

3)      ISA berarti contoh dari dan merupakan anggota tertentu dari suatu kelas

4)      Kelas direlasikan sebagai himpunan dari suatu group objek.

5)      Suatu himpunan memiliki elemen atau unsur dari berbagai tipe, maka objek dalam suatu kelas mempunyai hubungan antara satu dengan lainnya.

6)      AKO (A Kind Of) digunakan untuk merelasikan suatu kelas dengan kelas lainnya. AKO tidak digunakan untuk merelasikan individu khusus karena untuk relasi individu digunakan ISA.

7)      AKO merelasikan suatu kelas individu ke kelas induk dari kelas – kelas dimana individu tersebut merupakan kelas anak.

8)      Objek dalam suatu kelas mempunyai satu atau lebih atribut. Tiap atribut mempunyai nilai. Kombinasi dari atribut dan nilai adalah property.

9)      Untuk merelasikan / menghubungkan suatu objek ke bagian dari objek digunakan link HAS-A ato HAS

Perluasan Jaringan Semantik

1)      Perluasan Jaringan Semantik

2)      Jaringan semantik dapat diperluas (expanding) dengan menambah node dan menghubungkan node yang bersesuaian pada jaringan semantic

3)      Node dapat berupa objek tambahan atau property tambahan

Cara Memperluas Jaringan Semantik

1)      Perubahan dapat dilakukan dalam 3 cara

2)      Objek yang sama

3)      Objek yang lebih khusus

4)      Objek yang lebih umum

Object Attribute Value (OAV)

1.      Ada 3 hal yang sering digunakan untuk membangun

2.      jaringan semantik

3.       Object, Attribute, Value (OAV)

4.      Objek dapat berupa bentuk fisik atau konsep

5.      Atribut adalah karakteristik atau sifat dari objek tersebut

6.      Value (nilai) besaran/nilai/takaran spesifik dari atribut tersebut pada situasi tertentu. Dapat berupa numerik, string atau boolean

7.      Fakta nilai tunggal (single – valued facts) atribut yang memiliki satu nilai tunggal.

8.      Fakta nilai ganda ( multiple – valued facts) atribut yang memiliki lebih dari satu nilai.