Kecerdasan buatan
adalah suatu ilmu yang mempelajari cara membuat komputer melakukan seperti yang
dilakukan manusia. Definisi lain diungkapkan oleh H.A. Simon bahwa kecerdasan
buatan atau artificial intellegence merupakan
kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman
komputer untuk melakukan sesuatu yang dalam pandangan manusia dapat dikatakan
cerdas.
Ada 3 tujuan dari
kecerdasan buatan, yaitu :
a)
Membuat komputer menjadi lebih cerdas
b)
Mengerti tentang kecerdasan
c)
Membuat mesin menjadi lebih berguna
Maksud dari kecerdasan
disini adalah kemampuan untuk belajar atau mengerti dari pengalaman, memahami
pesan yang kontradiktif dan ambigu, menangggapi dengan cepat dan baik atas
situasi baru, menggunakan penalaran dalam penyelesaian masalah serta
menyelesaikannya dengan efektif.
Namun ada 3 elemen yang
dasar agar sebuah program dapat dikatakan merupakan program kecerdasan buatan
atau artificial intelegence, yaitu:
a)
Program tersebut harus menarik
kesimpulan yang logis dan sebgain besar berasal dari fakta.
b)
Program harus dapat memperbaharui
pengetahuannya.
c)
Program dapat mengingat apa yang pernah
dialaminya.
Perkembangan dan Aplikasinya
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)
(1980-sekarang)
- Sukses pertama Sistem Pakar secara komersial.The.
- Many AI companies.
- Eksplorasi dari strategi pembelajarqan yang
bermacam-macam (Explanation-based
learning, Case-based Reasoning, Genetic algorithms, Neural networks, etc.)
Kembalinya neural networks
(1986-sekarang)
(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)
(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.
Domain Yang Sering Dibahas
- Mundane
Task
-
Persepsi (vision & speech)
-
Bahasa alami (understanding, generation
& translation)
-
Pemikiran yang bersifat commonsense
-
Robot control
- Formal
Task
-
Permainan / Games
-
Matematika (Geometri, logika, kalkulus integral, pembuktian)
- Expert
Task
-
Analisis finansial
-
Analisis medikal
-
Analisis ilmu pengetahuan
-
Rekayasa (design, pencarian kegagalan, perencanaan
manufaktur)
B. Hubungan AI dengan Kognisi Manusia
Definisi kognisi itu sendiri adalah suatu kegiatan
pikiran, saat seseorang sadar akan objek suatu pemikiran atau persepsi. Kognisi
mencakup semua pikiran dan memori. Hubungan AI dengan kognisi manusia adalah
program yang dibentuk berdasarkan struktur kognisi yang mirip dengan manusia. Seperti
yang telah disebutkan diatas bahwa suatu program dapat disebut cerdas apabila
dapat menarik kesimpulan yang logis dan berasal dari fakta, harus dapat
memperbaharui pengetahuannya, program juga harus dapat mengingat
apa yang pernah dialaminya. Hal ini tentu saja berkaitan dengan kognisi manusia
mengenai pikiran dan memori manusia.
Sumber :
Herianto,
T. (1993). Teknik pengembangan turbo
prolog tingkat lanjut. Jakarta: Andi Offset
Kusrini.
(2006). Sistemn pakar teori dan aplikasi.
Yogyakarta : Andi Offest
Sri
Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, 2003,
Yogyakarta
William
Siler and James J. Buckley, “Fuzzy Expert System and Fuzzy Reasoning”,
Wiley-Interscience, 2005
Laurene
Fauset, “Fundamental of Neural Network”, Prentice Hall, 2000
0 komentar:
Posting Komentar