PENGANTAR TEKNOLOGI SISTEM CERDAS
Disusun Oleh:
Syifa Alya Nabila
16115777
3KA12
Universitas Gunadarma
A. Pengertian Kecerdasan Buatan
Kecerdasan buatan (Artificial Intelligence) adalah kecerdasan
yang ditunjukkan oleh suatu entitas buatan. 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.
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.
Tujuan dari kecerdasan buatan menurut Winston dan Prendergast
(1984):
1. Membuat mesin
menjadi lebih pintar (tujuan utama)
2. Memahami apa
itu kecerdasan (tujuan ilmiah)
3. Membuat mesin
menjadi lebih bermanfaat (tujuan entrepreneurial)
Didefinisikan sebagai kecerdasan yang ditunjukan oleh suatu
entitas buatan. Sistem seperti ini umumnya dianggap computer. Kecerdasan
diciptakan dan dimasukkan dalam suatu mesin atau computer agar dapat melakukan
pekerjaan seperti yang dapat dilakukan manusia. Beberapa bidang yang
menggunakan kecerdasan buatan anatara lain system pakar, permaianan computer,
fuzzy logic, jaringan syaraf tiruan dan robotika.
B. Pengertian Game
Game adalah permainan komputer yang dibuat dengan teknik dan
metode animasi. Permainan game merupakan bidang AI yang sangat populer berupa
permainan antara manusia melawan mesin yang mempunyai intelektual untuk
berpikir. Komputer dapat bereaksi dan menjawab tindakan-tindakan yang diberikan
oleh lawan mainnya.
Salah satu komputer yang ditanamkan AI untuk game bernama
Deep Blue. Deep Blue adalah sebuah komputer catur buatan IBM pertama yang
memenangkan sebuah permainan catur melawan seorang juara dunia (Garry Kasparov)
dalam waktu standar sebuah turnamen catur. Kemenangan pertamanya (dalam
pertandingan atau babak pertama) terjadi pada 10 Februari 1996, dan merupakan
permainan yang sangat terkenal.
Kini telah banyak berkembang game AI yang semakin menarik,
interaktif, dan dengan grafis yang sangat bagus. Ditambah dengan kemajuan
teknologi jaringan komputer yang semakin cepat, sudah banyak terdapat game-game
AI yang berbasiskan online. Tidak sedikit orang yang tertarik dengan game saat
ini. Mereka memainkan game untuk mengisi kekosongan waktu mereka atau pun
melatih skill mereka dalam berpikir.
C. Artificial Intelligence dalam Game
Salah satu unsur yang berperan penting dalam sebuah game
adalah kecerdasan buatan. Dengan kecerdasan buatan, elemen-elemen dalam game
dapat berperilaku sealami mungkin layaknya manusia. Game AI adalah aplikasi
untuk memodelkan karakter yang terlibat dalam permainan baik sebagai lawan,
ataupun karakter pendukung yang merupakan bagian dari permainan tetapi tidak
ikut bermain (NPC = Non Playable Character). Peranan kecerdasan buatan dalam
hal interaksi pemain dengan permainan adalah pada penggunaan interaksi yang
bersifat alami yaitu yang biasa digunakan menusia untuk berinteraksi dengan
sesama manusia. Contoh media interaksi ialah:
• Penglihatan (vision)
• Suara (voice), ucapan (speech)
• Gerakan anggota badan ( gesture)
Untuk pembentukan Artificial Intelligence pada game ternyata
digunakan pula algoritma, yaitu jenis pohon n-ary untuk suatu struktur.
Implementasi pohon (tree) ini biasa disebut game tree. Berdasarkan game tree
inilah sebuah game disusun algoritma kecerdasan buatannya. Artificial
intellegence yang disematkan dalam sebuah game yang membentuk analisis game
tree biasanya merepresentasikan kondisi atau posisi permainan dari game sebagai
suatu node, dan merepresentasikan langkah yang mungkin dilakukan sebagai sisi
berarah yang menghubungkan node kondisi tersebut ke anak (child) sebagaimana
representasi suatu pohon (tree).
Namun, biasanya representasi langsung tersebut mempunyai
kelemahan, yaitu representasi data pohon akan menjadi sangat lebar dan banyak.
Mungkin bagi sebuah mesin komputer mampu melakukan kalkulasi sebanyak apapun
masalah, namun game tree yang lebar dan besar memberikan beberapa masalah,
antara lain konsumsi proses memori, kapasitas penyimpanan yang cukup besar dan
kinerja yang kurang pada konsol game berspesifikasi rendah. Karena itu
dibentuklah beberapa algoritma dan penyederhanaan bagi sebuah game tree.
Pada salah satu contoh game klasik, yaitu tic tac toe,
penyederhanaan dapat dilakukan dengan berbagai metode. Salah satu diantaranya
adalah minimax. Metode ini berhasil diterapkan dan memberikan nilai reduksi
yang cukup signifikan. Dan tidak hanya bisa digunakan secara monoton, minimax
juga bisa digunakan untuk game-game yang lebih rumit seperti catur, tentunya
dengan algoritma dan representasi berbeda.
Minimax yang merupakan salah satu metode penerapan
(implementasi) pohon n-ary pada suatu game, menandakan bahwa implementasi
struktur (pohon khusunya) sangatlah diperlukan pada pembuatan dan penerapan
Artificial Intelligence, dan tidak menutup kemungkinan ilmu dan metode baru
yang lebih canggih akan ditemukan di masa depan.
Beberapa karakteristik dan batasan game untuk game playing :
• Perfect Information Game
Kedua pemain sama-sama memiliki akses pada informasi yang
lengkap tentang keadaan permainan, sehingga tidak ada informasi yang tertutup
bagi lawan mainnya.
• No Determined by Chances
Tidak melibatkan faktor probabilitas, misalnya dengan
menggunakan dadu.
• No Phsychological Factors
Tidak melibatkan faktor psikologi, seperti
"gertakan" (misalnya Poker)
• No Oversight Errors. Smart Opponen
Lawan diasumsikan pintar juga, jadi jangan mengharap lawan
khilaf, sehingga terjadi salah langkah.
Adapun beberapa contoh pada pemanfaatan AI diantaranya:
Dalam bidang game
Setiap game pasti memiliki AI standar, misalnya jika anda
memerintah ini, maka si AI akan menjalankan tugasnya. Bahkan banyak game-game
yang bertemakan sci-fi seperti HALO, Mass Effect, Crysis, dll di dalam game
tersebut masing-masing karakter memiliki AI nya sendiri. Jadi ini bisa
dikatakan AI di dalam AI.
D. Pengembangan Game
Perkembangan Game
yang pesat pada masa ini juga membutuhkan sesuatu yang berbeda pada rule
permainannya. Sebuah sistem game, jika sudah dimainkan sampai tuntas oleh
seorang player, maka ketika player yang sama memulai lagi permainan dari awal,
maka rule permainannya akan sama. namun berbeda untuk game-game yang telah ada
saat ini. sistem dalam game, dapat belajar mengenali pola permainan dari player
dan ketika player tersebut memulai permainan kembali, maka sistem ini akan
menggunakan rule yang berbeda untuk pemain yang sama ini. sehingga game menjadi
lebih menarik dan menantang untuk dimainkan.
Contoh aplikasi kecerdasan buatan dalam bentuk game sangat
banyak sekali, ada yang berbentuk game PC, dan ada pula yang berbentuk game
jaringan. Contoh aplikasi game yaitu game Tic Tac Toe. Game Tic tac toe adalah
sebuah permainan yang menggunakan papan berukuran n baris dan n kolom sehingga
ukuran papan menjadi n x n misalkan 3x3.
Game ini merupakan game yang mengasah kemampuan berpikir
manusia, dimana setiap pemain harus menyusun gambar secara vertikal,
horizontal, miring kiri, dan miring kanan agar memperoleh nilai. Apabila pemain
tidak dapat membentuk formasi gambar yang diinginkan maka permain dinyatakan
kalah. Dan apabila pola gambar seimbang maka permainan dinyatakan drow atau
seri. Permainan ini mengasah kemampuan berpikir sehingga para pemain harus
melakukan tindakan yang baik dan memperhitungkan apa akibat dari tindakan yang
dilakukan tersebut.
A.Minimax Prosedur
The Game of Nim:
Sejumlah token ditempatkan pada meja di antara dua lawan. Pada masing-masing
gerakan pemain harus membagi tumpukan token menjadi dua tumpukan tak kosong
dari berbagai ukuran. Jadi, 6 token dapat dibagi menjadi 5 dan 1, 4 dan 2,
tetapi tidak 3 dan 3. Pemain pertama yang mampu bergerak kehilangan permainan.
Untuk sejumlah kecil token ruang pencarian dapat dicari
secara mendalam. Gambar berikut memberikan ruang lengkap untuk permainan
7-token.
Dalam permainan dua-orang, Anda harus mengasumsikan bahwa
lawan Anda memiliki pengetahuan yang sama yang Anda lakukan dan berlaku sebaik
yang Anda lakukan. Jadi pada setiap tahap permainan Anda harus menganggap lawan
membuat langkah terbaik yang tersedia. Ini adalah dasar dari prosedur minimax.
Dalam minimax, para pemain yang disebut sebagai MAX (pemain)
dan MIN (lawan). Keduanya mencoba untuk memaksimalkan gerakan mereka. MAX
pemain, mencoba untuk memaksimalkan nilainya. Dan MIN adalah lawan mencoba
untuk meminimalkan skor MAX. Prosedur Minimax pada Pencarian Ruang Lengkap
• Label setiap
tingkat dari ruang pencarian sesuai dengan yang bergerak itu di tingkat itu.
• Mulai di node
daun, setiap label simpul daun dengan 1 atau 0 tergantung pada apakah itu
adalah kemenangan bagi MAX (1) atau MIN (0).
• Merambat ke atas:
jika negara induk MAX, memberikan MAX anak-anaknya.
• Merambat ke atas:
jika negara induk MIN, MIN memberikan anak-anaknya.
Pertimbangkan grafik minimax untuk Nim permainan. Nilai di
negara masing-masing mewakili nilai negara terbaik yang pemain ini bisa
berharap untuk mencapai. Nilai-nilai yang diperoleh digunakan untuk memilih di
antara alternatif bergerak.
B.Heuristik Minimax
Untuk permainan
yang paling tidak mungkin untuk memperluas grafik untuk node daun. Sebaliknya
strategi n-pindah melihat-depan adalah digunakan. Ruang negara diperluas ke
tingkat n. Setiap node daun di subgraf ini diberikan nilai sesuai dengan fungsi
evaluasi heuristik. Nilai kemudian disebarkan kembali ke simpul akar. Nilai
disebarkan kembali mewakili nilai heuristik dari negara terbaik yang dapat
dicapai dari simpul tersebut. Contoh: Program catur Samuel menggunakan jumlah
tertimbang sebagai fungsi evaluasi. Ini menggunakan algoritma pembelajaran
sederhana untuk menyesuaikan bobot setelah menang dan kerugian, sehingga
program perbaikan dari waktu ke waktu.
C.Prosedur Alpha-Beta
Alpha-beta pruning
adalah prosedur untuk mengurangi jumlah perhitungan dan mencari selama minimax.
Minimax adalah pencarian dua-pass, satu lulus digunakan untuk menetapkan
nilai-nilai heuristik ke node pada kedalaman ply dan yang kedua digunakan untuk
menyebarkan nilai-nilai sampai pohon.
Alpha-beta hasil pencarian secara mendalam-pertama. Sebuah
nilai alpha adalah nilai awal atau sementara terkait dengan node MAX. Karena
MAX node diberi nilai maksimum antara anak-anak mereka, nilai alpha tidak dapat
menurunkan, hanya bisa naik. Sebuah nilai beta adalah nilai awal atau sementara
terkait dengan node MIN. Karena node MIN diberi nilai minimum antara anak-anak
mereka, nilai beta tidak pernah dapat meningkatkan, hanya bisa turun.
Misalnya, alpha node MAX = 6. Kemudian cari tidak perlu
mempertimbangkan setiap cabang yang berasal dari keturunan MIN yang memiliki
nilai beta yang kurang-dari-atau-sama dengan 6. Jadi, jika Anda tahu bahwa node
MAX memiliki alpha 6, dan Anda tahu bahwa salah satu keturunan MIN yang
memiliki beta yang kurang dari atau sama dengan 6, Anda tidak perlu mencari
lebih jauh di bawah simpul MIN. Ini disebut pemangkasan alpha. Alasannya adalah
bahwa tidak peduli apa yang terjadi di bawah simpul MIN, tidak dapat mengambil
nilai yang lebih besar dari 6. Jadi nilainya tidak dapat diperbanyak sampai
dengan (alpha) orangtua MAX nya.
Demikian pula, jika nilai beta node MIN itu = 6, anda tidak
perlu mencari lebih jauh di bawah MAX keturunan yang telah memperoleh nilai
alpha dari 6 atau lebih. Ini disebut pemangkasan beta. Alasannya lagi adalah
bahwa apa pun yang terjadi di bawah simpul MAX, tidak dapat mengambil nilai
yang kurang dari 6. Jadi nilainya tidak dapat diperbanyak sampai dengan (beta)
MIN orangtua nya. Aturan untuk Alpha-beta Pemangkasan
• Alpha Pemangkasan: pencarian dapat dihentikan di bawah
setiap simpul MIN memiliki nilai beta kurang dari atau sama dengan nilai alpha
dari setiap leluhur MAX nya.
• Pemangkasan beta: Pencarian bisa dihentikan di bawah setiap
simpul MAX memiliki nilai alpha lebih besar dari atau sama dengan nilai beta
dari setiap leluhur MIN nya.
E. Menggunakan Heuristik di Permainan
Game yang penting tes-tempat tidur
untuk algoritma heuristik. Dua-orang game yang lebih rumit dari teka-teki yang
sederhana karena mereka melibatkan lawan tak terduga.
SUMBER:
Tidak ada komentar:
Posting Komentar