Pengenalan Teknologi Sistem Cerdas

PENGENALAN TEKNOLOGI SISTEM CERDAS

1. Pengertian Kecerdasan Buatan

Kecerdasan Buatan adalah salah satu cabang Ilmu pengetahuan berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi. Hal Ini biasanya dilakukan dengan mengikuti/mencontoh karakteristik dan analogi berpikir dari kecerdasan/Inteligensia manusia, dan menerapkannya sebagai algoritma yang dikenal oleh komputer. Dengan suatu pendekatan yang kurang lebih fleksibel dan efisien dapat diambil tergantung dari keperluan, yang mempengaruhi bagaimana wujud dari perilaku kecerdasan buatan.

2. Bidang Ilmu yang menjadi Dasar Kecerdasan Buatan

A. Sistem Pakar

Sistem pakar adalah suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar. Menurut Marimin (1992), 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.

B. 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 fungsitujuan, 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.

Selanjutnya konstruksi dasar dari Algoritma Genetika adalah sebagai berikut:

• Pendefinisian Chromosome

• Pendefinisian Fungsi Fitness

• Membangkitkan Sebuah Populasi Awal

• Reproduksi

• Crossover

• Mutasi

C. 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.

D. 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.

E. Robotika

Robotika adalah salah satu wacana teknologi untuk menuju peradaban yang lebih maju. Kebanyakan orang selalu beranggapan bahwa robot adalah kemajuan teknologi yang mampu menggeser tingkah laku seseorang untuk melakukan suatu tindakan. Dengan kemajuan yang pesat, maka kebutuhan akan SDM akan merosot tajam. Layaknya revolusi pada bangsa Eropa

F. Penalaran komputer berbasis kasus (Case Based Reasoning)

G. Agen Cerdas (Intelligent Software Agents)

H. Data Mining

I.  Teknologi Bahasa (Language Technology)

3. Sejarah Kecerdasan Buatan

Kecerdasan Buatan termasuk bidang ilmu yang relatif 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 mesi dikatakan cerdas. Hasil tes tersebut kemudian dikenal dengan Turing Test, dimana si mesin tersebut menyamar seolah-olah sebagai seseorang di dalam suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing beranggapan 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 profesor 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 rapat menirukan kelakuan manusia tersebut.

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, Case-based 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.

4. Agent Intelligence, meliputi:

a. Agent dan Lingkungannya

· fungsi agent memetakan dari sejarah persepsi dalam tindakan ( Actions )

· program agent berjalan pada arsitektur fisik untuk menghasilkan f

· agen = arsitektur + program

b. Konsep Rasionalitas

untuk setiap deretan persepsi yang mungkin , sebuah agen rasional hendaklah memilih satu tindakan yang di harapkan memaksimalkan ukuran performancenya , dengan adanya bukti yang di berikan oleh deretan presepsi dan apapun pengetahuan terpasang yang di miliki agen itu.

c. Lingkungan Alami

 sangat lah penting dalam proses perancangan sebuah agent.

Hal ini dikarenakan setiap tindakan yang akan dilakukan oleh agent harus mempertimbangkan kondisi lingkungan. Terdapat beberapa kriteria pembegian lingkungan.

· Accessible (dapat diakses)

Jika sensor agent dapat mendeteksi semua keadaan lingkungan, terutama yang berhubungan dengan pengambilan keputusan.

· Deterministic

Merupakan suatu lingkungan dimana lingkungan yang akan dating ditentukan oleh keadaan saat ini dan setiap aksi yang dilakukan oleh agen saat ini.

· Dynamic

Suatu lingkungan yang keadaanya selalu berubah-ubah.

· Discrete (diskrit)

Keadaan dimana lingkungan saat ini dapat digambarkan dengan pasti, dengan tingkat kesalahan seminimal mungkin.

d. Struktur Agent

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 :

· Performance measure (tolak ukur terhadap kesuksesan hasil kerja) yang menyatakan derajat kesuksesan.

· Semua imput yang diterima oleh agent, dapat dilacak kembali (imput disimpan dalam serangkaian data/memory).

· Segala sesuatu yang diketahui agen terhadap lingkunganya.

· 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 (arsitektur/computer). 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.