AI

DEFINISI AI

Kecerdasan Buatan (bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.

Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola.

Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.

'Kecerdasan buatan' ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tapi juga mengkonstruksinya.

Tidak ada definisi yang memuaskan untuk 'kecerdasan':

1. kecerdasan: kemampuan untuk memperoleh pengetahuan dan menggunakannya
2. atau kecerdasan yaitu apa yang diukur oleh sebuah 'Test Kecerdasan'

Secara garis besar, AI terbagi ke dalam dua faham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metoda-metoda yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metoda-metodanya meliputi:

1. Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
2. Petimbangan berdasar kasus
3. Jaringan Bayesian
4. AI berdasar tingkah laku: metoda modular pada pembentukan sistem AI secara manual

Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak. Metoda-metoda pokoknya meliputi:

1. Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
2. Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
3. Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.

Metoda-metoda ini terutama dibagi menjadi algoritma evolusioner (misalnya algoritma genetik) dan kecerdasan berkelompok (misalnya algoritma semut)

Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan syaraf atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R. Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.

• AI konvensional merupakan AI yang dapat menghasilkan lebih besar memory. karena dalam AI konvensional ini proses terjadi sangat lambat dan tidak efektif serta efisien. Misalnya : Pada saat menyusun puzzle, kita biasanya melihat dahulu gambar dari puzzle tersebut. kemudian kita mengacak puzzle nya. setelah itu kita mencoba satu per satu dari puzzle yang sesuai dengan gambar awal dari puzzle hingga pada akhirnya kita berhasil membentuk puzzle sesuai dengan yang diinginkan. Ditahap ini kita sebenarnya melakukan searching secara konvensional dan searching seperti ini bisa memakan waktu yang lama dan menghabiskan tenaga yang besar. Komputer juga demikian, jika dalam sistem komputer tersebut diterapkan AI konvensional maka sebuah proses membutuhkan alokasi memory yang sangat besar dan ini tentunya tidak menguntungkan bagi kita.

• AI Modern merupakan AI yang dapat melakukan proses lebih cepat. karena dalam AI modern diterapkan sistem  untuk menghasilkan suatu proses yang efektif dan efisien. Misalnya : Jika kita menggunakan AI modern, pada saat kita menyusun puzzle kita cukup melihat gambar tersebut dan kita tidak melakukan searching satu per satu, melainkan kita melakukan pergantian tempat pada puzzle - puzzle yang ada hingga membentuk gambar awal. Dengan AI modern kita dapat melakukan proses lebih efektif dan efisien

 SEJARAH ARTIFICIAL INTELEGENT (AI)

Di awal abad 20, seorang penemu Spanyol, Torres y Quevedo, membuat sebuah mesin yang dapat men’skak-mat’ raja lawannya dengan sebuah ratu dan raja. Perkembangan secara sistematis kemudian dimulai segera setelah diketemukannya komputer digital. Artikel ilmiah pertama tentang Kecerdasan Buatan ditulis oleh Alan Turing pada tahun 1950, dan kelompok riset pertama dibentuk tahun 1954 di Carnegie Mellon University oleh Allen Newell and Herbert Simon. Namun bidang Kecerdasan Buatan baru dianggap sebagai bidang tersendiri di konferensi Dartmouth tahun 1956, di mana 10 peneliti muda memimpikan mempergunakan komputer untuk memodelkan bagaimana cara berfikir manusia. Hipotesis mereka adalah: “Mekanisme berfikir manusia dapat secara tepat dimodelkan dan disimulasikan pada komputer digital”, dan ini yang menjadi landasan dasar Kecerdasan Buatan.

1.      Definisi AI
Tidak ada kesepakatan mengenai definisi Kecerdasan Buatan, di antaranya adalah:

1.      Sebuah studi tentang bagaimana membuat komputer mengerjakan sesuatu yang dapat dikerjakan manusia (Rich, 1991)

2.      Cabang ilmu komputer yang mempelajari otomatisasi tingkah laku cerdas (Setiawan, 1993)

3.      Suatu perilaku sebuah mesin yang jika dikerjakan oleh manusia akan disebut cerdas (Turing, et. al, 1996)

Kebanyakan ahli setuju bahwa Kecerdasan Buatan berhubungan dengan 2 ide dasar. Pertama, menyangkut studi proses berfikir manusia, dan kedua, berhubungan dengan merepresentasikan proses tersebut melalui mesin (komputer, robot, dll)
Kemampuan untuk problem solving adalah salah satu cara untuk mengukur kecerdasan dalam berbagai konteks. Terlihat di sini bahwa mesin cerdas akan diragukan untuk dapat melayani keperluan khusus jika tidak mampu menangani permasalahan remeh/kecil yang biasa dikerjakan orang secara rutin. Terdapat beberapa alasan untuk memodelkan performa manusia dalam hal ini:
a. Untuk menguji teori psikologis dari performa manusia
b. Untuk membuat komputer dapat memahami penalaran (reasoning) manusia
c. Untuk membuat manusia dapat memahami penalaran komputer
d. Untuk mengeksploitasi pengetahuan apa yang dapat diambil dari manusia

Menurut Winston dan Prendergast (1984), tujuan dari Kecerdasan Buatan adalah:
a. Membuat mesin menjadi lebih pintar.
b. Memahami apakah kecerdasan (intelligence) itu.
c. Membuat mesin menjadi lebih berguna.

HUBUNGAN ARTIFICIAL INTELLIGENCE DENGAN KOGNISI MANUSIA
Hubungan Artificial Intelligence dan Kognisi manusia terlihat dari tujuan Artificial Intelligence, arah Artificial Intelligence dan karakteristik Artificial Intelligence
 Tujuan Artificial Intelligence
Menurut Lenat dan Feigenbaum terdapat 9 tujuan Artificial Intelligence, yaitu :

1. Memahami kognisi manusia,  mencoba untuk mendapatkan pengetahuan ingatan manusia yang mendalam, kemampuan problem solving, belajar, membuat keputusan, dll.
2. Otomatisasi biaya-efektif, menggantikan manusia dalam tugas tugas intelegensi manusia dalam tugas-tugas intelegensi, mempunyai program yang performa-nya sebaik manusia dalam mengerjakan pekerjaan
3. Penguatan intelegensi biaya-efektif, membangun sistem untuk membantu manusia membangun sistem untuk membantu manusia berpikir lebih baik, lebih cepat, lebih dalam, dan lain-lain. Contoh : sistem untuk membantu diagnosa penyakit.
4. Intelegensi manusia super, membangun program yang mempunyai kemampuan untuk melebihi intelegensi manusia
5. Problem-solving umum, sistem penyelesaian berbagai masalah yang luas sistem iniberbagai masalah yang luas, sistem ini mempunyai kelebaran pikiran.
6. Wacana koheren, Komunikasi dengan manusia menggunakan bahasa alami, contoh : dialog cerdas yang ada dalam Turing Test.
7. Belajar (induksi), sistem sebaiknya dapat untuk memperoleh data sendiri dan tahu bagaimana memperolehnya, sistem dapat menyamaratakan, membuat hipotesis, penerapan atau pembelajaran secara heuristik, membuat alasan dengan analogi.
8. Otonomi, mempunyai sistem intelegensi yang beraksi atas inisiatif sendiri Harus bereaksi beraksi atas inisiatif sendiri. Harus bereaksi dengan dunia nyata
9. Informasi, simpan informasi dan mengetahui cara untuk mengambil informasi

 Arah Artificial Intelligence

Mengembangkan metode & sistem untuk menyelesaikan masalah AI :
1. Tanpa mengikuti cara manusia menyelesaikannya   (sistem pakar / expert systems)
2. Melalui pemodelan cara berpikirnya manusia, atau cara bekerjanya otak manusia (neural networks).

Karakteristik Artificial Intelligence
Karakteristik didasarkan pada pandangan bahwa AI ada 4 (empat) kategori yaitu :

1. Sistem yang dapat berpikir seperti manusia (Thinking Humanly)

Thinking Humanly merupakan pendekatan model kognitif.  Dikatakan bahwa program dapat berpikir seperti manusia, maka ada beberapa cara untuk menyatakannya, yaitu :

• Melalui introspeksi : mencoba menangkap pemikiran-pemikirannya sendiri pada saat berpikir
• Melalui eksperimen-eksperimen psikologi.

Sistem ini menggunakan teori pemikiran presisi untuk diekspresikan sebagai program komputer. Sistem Newell & Simon’s GPS (general problem solver) mencari penyelesaian masalah “jalan yang dilakukan manusia” Sistem ini menggunakan gabungan antara model komputer AI dan teknik psikologi

1. Sistem yang dapat beraksi seperti manusia (Acting Humanly)

Acting Humanly merupakan pendekatan Uji Turing. Turing mendefinisikan tingkah laku yang cerdas sebagai suatu kemampuan untuk meniru manusia dalam semua tugas kognitif, mencukupi untuk “fool interrogator”. Uji yang dilakukan Turing merupakan komputer yang akan dijalankan oleh manusia melalui teletype. Jika interrogator tidak dapat membedakan
apakah yang diinterogasi manusia atau komputer, maka komputer berintelegensia tersebut lolos dari uji Turing (Turing Test). Untuk lolos dari sistem uji Turing (Turing Test) ini diperlukan : Natural Language Processing, Knowledge Representation, Automated Reasoning, dan Machine Learning.

1. Sistem yang dapat berpikir secara rasional (Thinking Rationally)

Thinking Rationally : The Laws of Thought Approach

• Tidak mudah membuat pengetahuan informal dan menyatakan dalam formal term yang diperlukan oleh notasi logika khususnya jikadiperlukan oleh notasi logika, khususnya jika pengetahuan memiliki ketidakpastian < 100%
• Terdapat perbedaan besar antara dapat memcahkan masalah dalam “prinsip” dan memecahkannya dalam “praktek”

1. Sistem yang dapat bertingkah laku secara rasional (Acting Rationally)

Acting Rationally : The Rational Agent Approach
Membuat inferensi yang benar, kadang-kadang merupakan bagian dari suatu rational agent, karena satu cara untuk rational agent, karena itu merupakan salah satu cara untuk melakukan aksi secara rasional. Aksi secara rasional adalah menalar secara logika untuk mendapatkan kesimpulan bahwa aksi yang diberikan akan mencapai tujuan, dan kemudian melakukan aksi atas kesimpulan tersebut.