#SIP Artificiall Intelegence

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.

A.    Sejarah Kecerdasan Buatan

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)

• 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)

• 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.

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