SAP SISTEM CERDAS Pertemuan Minggu ke-1 dan Minggu ke-2
1. Pengenalan Intelegensi Buatan (KB)
1.1
Pengertian
Intelegensi Buatan
Kecerdasan
Buatan atau kecerdasan
yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah
atau Intelegensi Artifisial (Artificial Intelligence atau hanya
disingkat 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.
1.2
Intelegensi
Buatan dan Intelegensi Alami
-
Intelegensi Alami
Kecerdasan
yang dimiliki oleh manusia.
1. Bersifat
lebih kreatif.
2. Dapat
melakukan proses pembelajaran secara langsung.
3. Fokus
yang luas referensi untuk pengambilan keputusan.
-
Intelegensi Buatan
Kecerdasan
yang diciptakan dan dimasukkan kedalam suatu mesin (komputer).
1. Al lebih bersifat permanen.
2. Al menawarkan kemdaha untuk
digandakan dan disebarkan.
3. Al dapat lebih murah daripada
kecerdasan alami.
4. Al bersifat konsisten dan
teliti.
5. Al dapat didokumentasi.
1.3
Komputasi
Intelegensi Buatan dan Komputasi Konvensional
Data
yang diproses oleh komputer konvensional dapat dilihat pada tabel berikut ini:
Table 1.2 Pemrosesan data komputer konvensional
Proses
|
Tugas
|
K Kalkulasi
|
Mengerjakan
operasi-operasi matematis seperti: +, -, x, :, atau mencari akar persamaan,
menyelesaikan rumus/persamaan
|
Logika
|
Mengerjakan
operasi logika seperti and, or, invert
|
Pe Penyimpanan
|
Menyimpan
data dan gambar pada file
|
Retrieve
|
Mengakses
data yang disimpan pada file
|
Translate
|
Mengonversi
data dari satu bentuk ke bentuk yang lain
|
Sort
|
Memeriksa
data dan menampilkan dalam urutan yang diinginkan
|
Edit
|
Melakukan perubahan, penambahan penghapusan pada data
|
Monitor
|
Mengamati
event eksternal dan internal serta melakukan tindakan jika kondisi tertentu
tercapai
|
Kontrol
|
Memberikan
perintah atau mengendalikan peralatan luar
|
1.4
Sejarah
Intelegensi Buatan
Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan
bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital
mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung
mekanis yang dapat diprogram.
Bertrand
Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas"
pada 1943 yang meletakkan pondasi untuk jaringan syaraf.
Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI
pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK) : sebuah program permainan naskah yang ditulis
oleh Christopher Strachey dan program permainan catur yang
ditulis oleh Dietrich Prinz. John McCarthy membuat istilah "kecerdasan buatan" pada
konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia
juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan "Turing test" sebagai sebuah cara untuk
mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan
pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam
bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas
jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang
kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali
komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas
dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai
perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam
aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur,
mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game
yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan
melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama
telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada
pemerintah AS.
Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut
hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan
dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.
1.5
Lingkup
Intelegensi Buatan
-
Sustem pakar. Komputer digunakan sebagai saran untuk
menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki
keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki para
pakar
-
Pengolahan bahasa alami. Dengan pengolahan bahasa alami ini
diharapkan user mampu berkomunikasi dengan komputer dengan menggunakan bahasa
sehari-hari.
-
Pengenalan ucapan. Melalui pengenalan ucapan diharapkan
manusia mampu berkomunikasi dengan komputer dengan menggunakan suara.
-
Robotika dan Sistem sensor
-
Computer vision, mencoba untuk dapat mengintrepetasikan
gambar atau objek-objek tampak melalui komputer
-
Intelligent Computer aid Instruction. Komputer dapat
digunakan sebagai tutor yang dapat melatih dan mengajar.
1.6
Soft
Computing
-
Pengertian Soft Computing
Kumpulan teknik – teknik perhitungan dalam ilmu komputer,
inteligensia semu, machine learning dan beberapa disiplin ilmu teknik lainnya,
yang berusaha untuk mempelajari, memodelkan, dan menganalisa fenomena yang
sangat rumit : untuk metoda yang lebih konvensional yang tidak memberikan biaya
rendah, analitis dan solusi lengkap. Soft computing berusaha untuk mengintegrasikan
beberapa paradigma model perhitungan meliputi artificial neural network, fuzzy logic dan genetic algorithms.
Soft Computing adalah segolongan metoda yang mampu mengolah
data dengan baik walaupun didalamnya terdapat ketidakpastian, ketidakakuratan
maupun kebenaran parsial (Prof. Lotfi A Zadeh, 1992).
Soft Computing dicetus pertama kali pada tahun 1990
sehubungan dengan ide untuk mendirikan BISC (Berkeley Initiative in Soft Computer) oleh Prof.
L.A.Zadeh dari BerkeleyUniversity. Soft
computing,
berbeda dengan conventional (hard) computing, memungkinkan toleransi terhadap
input, proses dan output yang bersifat tidak akurat(imprecision), tidak pasti (uncertainty) dan setengah benar (partial
truth).
-
Tujuan Soft Computing
Tujuan soft computing adalah
terbentuknya High Machine
Intelligence Quotient (HMIQ), suatu system yang mampu
mengolah informasi seperti cara berpikir manusia, mempunyai kemampuan untuk
menyelesaikan permasalahan non-linier dan tidak ada model matematisnya (tractability), serta dapat
diimplementasikan dengan biaya rendah.
Adapun tujuan metode soft
computing
adalah :
- Non-linearitas dan kompleksitas problema. Kemampuan menyelesaikan problematika yang sulit dan tidak bisa diselesaikan dengan metoda biasa
- Kemampuan memanipulir parameter yang tidak pasti (sesuatu yang tidak bisa diukur secara pasti, misalnya mengukur kadar cinta)
- Kemampuan men-generalisir solusi
- Kemampuan klasifikasi dan kuantifikasi data, misalnya dengan lebih mudahnya pengerjaan kasus regresi linier dengan teknologi ini daripada dengan fuzzy logic.
- Kemampuan mengatasi keterbatasan data, misalnya pada dunia statistic.
-
Bagian-bagian dari Soft Computing
:
1.
Fuzzy
Logic
Suatu representasi dari
pengetahuan yang direkonstruksi dengan if-then rules. Sederhananya, Fuzzy Logic
adalah suatu metode untuk mengontrol sesuatu. Misalnya rekonstruksi if-then,
"Jika cuaca panas, Maka turunkan suhu AC". Disinilah Fuzzy Logic
berperan dalam Teknologi Komputer nantinya.
2.
Neural
Networks
Tiruan dari jaringan saraf-saraf
manusia yang terhubung dan membentuk sistem. Jadi metode ini ditujukan untuk
meniru saraf manusia yang kompleks dan dapat menyimpan memori.
3.
Probabilistic
Reasoning
Metode Soft Computing juga untuk
membuat komputer atau suatu device mengambil keputusan layaknya makhluk hidup.
Jadi, dari semua data-data yang sudah dimiliki, metode ini memberikan pola-pola
tertentu untuk mengambil keputusan.
1.7
Definisi
Masalah dan Ruang Masalah
-
Definisi Masalah
a. Mendefinisikan
masalah dengan tepat
b. Menganalisis
masalah tersebut serta mencari beberapa teknik penyelesaian masalah yang sesuai
c. Merepresentasikan
pengetahuan yang perlu untuk menyelesaikan masalah tersebut
d. Memilih
teknik penyelesaian masalah yang terbaik
-
Ruang Masalah
Suatu
ruang yang berisi semua keadaan yang mungkin.
a. Mendefinisikan
suatu ruang keadaan(state space)
b. Menetapkan
satu atau lebih keadaan awal(initial space)
c. Menetapkan
satu atau lebih tujuan(goal state)
d. Menetapkan
kumpulan aturan
2.
Pengenalan Intelligent Agents
Dalam
kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom
yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen)
dan mengarahkan aktivitasnya untuk mencapai tujuan yaitu rasional. Intelligent
agen juga dapat belajar atau menggunakan pengetahuan untuk mencapai tujuan
mereka. Russell & Norvig (2003) mengartikan Rational Agent
yang mengerjakan segala sesuatu hal dengan benar.
-
Kelebihan Intelligent Agent
a.
Kecerdasan buatan akan terus mengingat dan menjalakan sistem
dan perintah sesuai dengan apa yang sudah diprogramkan secara permanen.
b.
Kecerdasan buatan lebih mudah diduplikasi dan disebarkan.
Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan
waktu lama. Sedangkan jika pengetahuan terletak pada suatu sistem komputer,
pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari
satu komputer ke komputer lain
c.
Kecerdasan buatan lebih murah dibanding dengan kecerdasan
alami. Menyediakan layanan komputer akan lebih mudah dan murah dibanding
dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam
jangka waktu yang sangat lama.
d.
Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat
dibanding dengan kecerdasan alami.
-
Karakteristik Dalam Intelligent Agent
a.
Autonomous : Berkemampuan
dalam menjalani tugas dan mengambil keputusan secara mandiri (otomatis).
b.
Reaktif :
Kemampuan agen utuk cepat dalam beradaptasi dengan informasi yang berada disekitar
lingkunagnnya.
c.
Proaktif :
Kemampuan agen dalam mengambil inisiatif dengan sangat cepat demi mencapai
tujuan yang diharapkan.
d.
Fleksibel :
Agen memiliki beberapa cara demi mencapai tujuannya.
e.
Robust : Agen
harus dapat kembali seperti semula jika mengalami kegagalan dam menjalan kan
rencana yang diharapkan.
-
Fungsi Global Intelegant Agent
Intelligent agent bisa dikatakan juga sebagai software yang
mempelajari tentang bagaimana manusia melakukan tugas-tugasnya dan kemudian
software tersebut memberikan bantuan pada tugas-tugas tersebut. Ada banyak
jenis intelligent agents. Di dalam masalah yang ditemukan intelligent agents
bisa membantu dalam berbagai bentuk. Pada umumnya, digunakan untuk memperoleh
dan mengidentifikasi knowledge. Intelligent Agent lebih dikaitkan dengan dunia
kerja yang sangat membantu dalam proses pengerjaannya terhadap suatu pekerjaan.
2.1
Agen
dan Lingkungannya
Agen adalah segala sesuatu
yang dapat merasakan lingkungannya melalui sensor dan bertindak atas lingkungan
yang melalui efektor.
-
Seorang agen
manusia memiliki organ sensorik seperti mata, telinga, hidung, lidah dan
sejajar kulit ke sensor, dan organ lainnya seperti tangan, kaki, mulut, untuk
efektor.
-
Seorang agen
robot menggantikan kamera dan pejejak infra merah untuk sensor, dan berbagai
motor dan aktuator untuk efektor.
-
Seorang agen perangkat
lunak telah dikodekan string bit sebagai program dan tindakan.
2.2
Rasionalitas
Rasionalitas hanyalah status menjadi wajar,
masuk akal, dan memiliki rasa yang baik penghakiman. Rasionalitas berkaitan
dengan tindakan yang diharapkan dan hasil tergantung pada apa agen telah
dirasakan. Melakukan tindakan dengan tujuan memperoleh informasi yang berguna
adalah bagian penting dari rasionalitas.
2.3
PEAS
(Performance measure, Environment, Actuators, Sensors)
To design a rational agent we must
specify its task environment. PEAS description of the environment :
-
Performance
-
Environment
-
Actuators
-
Sensors
Contoh :
1.
Agent : Sistem
Diagnosis Medis
-
Performance measure : Kesembuhan pasien, biaya minim,
sengketa.
-
Environment : Pasien, pegawai rumah
sakit.
-
Sensors : Keyboard
(gejala, temuan, pertanyaan pasien)
2.4
Tipe-tipe
Lingkungan Agen
Environment (Lingkungan)
Lingkungan 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 datang
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.
-
Diamati
Jika mungkin untuk
menentukan keadaan lengkap lingkungan pada setiap titik waktu dari persepsi itu
diamati.
-
Tunggal
agen
Lingkungan mungkin berisi
agen lain yang mungkin dari jenis yang sama atau berbeda seperti yang dari
agen.
-
Episodik
Dalam lingkungan episodik,
setiap episode terdiri dari agen menerima dan bertindak. Kualitas tindakan tergantung
hanya pada episode itu sendiri. episode berikutnya tidak bergantung pada
tindakan dalam episode sebelumnya. lingkungan episodik yang lebih sederhana
karena agen tidak harus berpikir ke depan.
2.5 Tipe-tipe Agen
-
Simple Reflex Agent
Merupakan agent yang bekerja berdasarkan reflex. Contohnya,
sebuah driver agent(supir taxi otomatis), harus memberikan reflex mengerem
ketika terdapat mobil yang berhenti didepanya.
-
Agent That Keep Track the World
Merupakan agent yang tetap melakukan pengecekan terhadap
keadaan lingkungan, sehingga dapat memberikan respon yang tepat.
-
Goal Based Agent(Agent berbesis pada tujuan/sasaran)
Merupakan sebuah agent yang mendasarkan setiap tindakannya
untuk mencapai tujuan yang telah ditentukan. Setiap agent akan mempertimbangkan
setiap kemungkinan yang akan terjadi pada mesa depan berdasarkan tindakan yang
akan/telah dilakukanya.
-
Utility Based Agent
Merupakan sebuah fungsi yang memetakan suatu keadaan kedalam
bilangan real, yang menggambarkan derajak kesenangan/kepuasan. Sedikit berbeda
dengan Goal Based Agent, tipe ini tidak mengutamakan semua tujua, tetapi akan
mengutamakan tujuan mana yang mungkin tercapai berdasarkan kondisi
tertentu(tujuan kepuasan, kenyamanan, keefisienan).
Sumber :
-
http://artikel-teknologi-informasi.blogspot.co.id/2012/11/pengertian-agent-pada-ai-artificial.html
-
http://www.w3ii.com/id/artificial_intelligence/artificial_intelligence_agents_and_environments.html
Comments (0)