KECERDASAN BUATAN 2 SILABUS MATA KULIAH Pendahuluan 2

KECERDASAN BUATAN

2 SILABUS MATA KULIAH Pendahuluan 2. Pengertian Kecerdasan Buatan 3. Komputasi Kecerdasan Buatan 4. Arsitektur dan Lingkungan Sistem Kecerdasan Buatan 5. Representasi Pengetahuan 6. Problema dan Pendekatan Penyelesaian Masalah 7. Sistem Pakar (Expert System) 8. Sistem Samar (Fuzzy System) 9. Jaringan Syaraf Tiruan (Neural Network) 10. Algoritma Genetik (Genetic Algorithm) 11. Pemrograman Kecerdasan Buatan 1.

3 TUJUAN PERKULIAHAN • Mempelajari pengertian dan konsep kecerdasan buatan (artificial intelligence) berikut bidang kecerdasan buatan, seperti: sistem pakar (expert system), robotic, logika samar (fuzzy logic), dan jaringan syaraf tiruan (neural network). Diakhiri dengan pembahasan mengenai soft computing, kemudian menerapkannya dalam berbagai bidang disiplin ilmu dengan membentuk pemrograman yang spesifik menggunakan bahasa pemrograman logika.

4 PENDAHULUAN • Musim panas tahun 1956 sekelompok pakar komputer, pakar dan peneliti dari disiplin ilmu lain dari berbagai akademi, industri serta berbagai kalangan berkumpul di Dartmouth College untuk membahas potensi komputer dalam rangka menirukan atau mensimulasi kepandaian manusia. • Beberapa ilmuwan yang terlibat adalah Allen Newel, Herbert Simon, Marvin Miskey, Oliver Selfridge, dan John Mc. Carthy • Menjelang akhir tahun 1970 -an dan awal tahun 1980 -an, mulai dikembangkan secara penuh dan hasilnya secara berangsur-angsur mulai dipasarkan

5 Revolusi Pengolahan Data oleh Komputer

6 Revolusi Pengolahan Data oleh Komputer • Teknik yang membuat komputer mampu mengolah pengetahuan ini dinamakan teknik kecerdasan buatan (artificial intelligence technique). • Dengan pendekatan ini manusia mencoba membuat komputer dapat berpikir seperti cara yang dipakai manusia dalam memecahkan masalah.

7 Apakah Komputer Dapat Berpikir ? • Terdapat beberapa tingkat kecerdasan seperti yang diilustrasikan oleh gambar berikut

8 Beberapa pertanyaan seputar Kecerdasan Buatan yang diterapkan pada komputer • Dengan diterapkannya Kecerdasan Buatan, apakah kemudian komputer menjadi lebih pintar? • Apakah benar, komputer sekarang mempunyai kecerdasan seperti yang dimiliki manusia dalam melaksanakan tugasnya? • Apabila kecepatan dan kemudahan serta peningkatan produktivitas kerja dan kemampuannya melakukan pekerjaan dengan baik sudah tercapai? • Apakah dengan demikian komputer itu sudah bisa dikatakan mempunyai tingkat kecerdasan tertentu? • Bagaimana kita bisa menyatakan bahwa komputer itu memiliki kecerdasan? • Kriteria apakah yang bisa digunakan untuk sampai pada kesimpulan itu?

9 Faktor Pendorong Perkembangan Kecerdasan Buatan Pesatnya perkembangan teknologi perangkat keras, khususnya processor. 2. Pengembangan perangkat lunak Kecerdasan Buatan. 3. Perkembangan khusus komputer pribadi (Personal Computer / PC) dan komputer jinjing (Laptop). 4. Turut andilnya para investor dalam mendanai penelitian dan pengembangan teknologi Kecerdasan Buatan. 1.

10 QUO VADIS AI • Masalah utama Kecerdasan Buatan adalah sulitnya merumuskan dan memvisualisasi inteligensia itu sendiri, karena mempunyai arti yang banyak. • Hubert Dreyfus – ahli filsafat dari Universitas California di Berkeley – berpendapat bahwa masyarakat sekarang ini sedang dikacaukan oleh pengertian Kecerdasan Buatan yang mengira seolah-olah kegunaannya sangat berlebihan dan tidak mungkin bisa mencapai tujuan. • Dreyfus berkata: Kita tidak akan pernah bisa membuat suatu kaidah untuk semua cara kita berfikir, karena hal itu sangat kompleks.

11 QUO VADIS AI • Para peneliti yang ahli akan lebih bisa mendekati pada komputer pintar, tapi masih banyak masalah yang harus dijawab. Misalnya, bagaimana kita bisa mencerminkan keterampilan dalam menangani masalah manusia, kemampuan belajar, selera, imajinasi, emosi, kreativitas dan ‘rasa berani’. Untuk menjawab masalah-masalah tersebut di atas, para ahli kembali pada bidang yang berkaitan, seperti: filosofi, psikologi, linguistik dan sains syaraf (neuro science) dan tentu saja sains komputernya itu sendiri. Dengan demikian akan lahir bidang sains kognitif antar disiplin ilmu tersebut. • Kita membuat komputer pintar bukan untuk menggantikan manusia tapi hanya sekedar untuk menjadi alat bantu manusia

12 SOFT COMPUTING • Soft computing menjadi bagian formal dari ilmu komputer sejak awal tahun 1990 an • Lotfi A. Zadeh (1992) melalui makalah yang disusunya ttg himpunan fuzzy, tahun 1973 ttg analisis proses-proses sistem kompleks dan keputusan, dan laporan th 1979 (makalah th 1981) ttg kemungkinan analisis teori fuzzy dan soft data.

13 Apakah Soft Computing itu • Soft computing merupakan inovasi baru dalam membangun sistem cerdas. Sistem cerdas ini merupakan sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan.

14 Komponen Soft Computing • SC dapat dipandang sebagai suatu komponen dasar untuk medan kemunculan konsepsi kecerdasan: 1. Sistem Fuzzy (Fuzzy System / FS) 2. Jaringan Syaraf (Neural Networks / NN) 3. Penalaran Probabilistik (Probabilistic Reasoning / PR) 4. Evolutionary Computing (EC) 5. Machine Learning (ML)

15 Komponen Soft Computing • FS mengakomodasi ketidaktepatan (imprecision), • PR mengakomodasi ketidakpastian (uncertainity), • NN menggunakan pembelajaran untuk meminimalisir kebenaran parsial (partial truth) dan perkiraan untuk mencapai tractability, • EC untuk mencapai optimasi dalam rangka ketahanan (robustness) dan biaya penyelesaian murah

16 Komponen Soft Computing • Ke-4 unsur dalam SC (FS, PR, NN, EC) bukan merupakan kompetisi melainkan saling melengkapi. Bahkan dalam kenyataanya, keempatnya digunakan secara sinergis ketimbang digunakan dikerjakan secara sendiri.

17 Komponen Soft Computing • Pekerjaan dari teknik-teknik SC mendorong ke arah sistem-sistem yang memiliki MIQ (Machine Intelligence Quotient) tinggi. Dalam ukuran besar, ini adalah MIQ tinggi dari sistem yang mendasarkan pada SC (SC-based system) yang meliputi pertumbuhan cepat dalam jumlah dan macam aplikasi-aplikasi soft computing.

18 Hubungan dan Perbandingan Antar Komponen SC Komponen FS / PR NN EC AI Conventional Ekstraksi Pembelajaran Pengetahuan tidak ya ya tidak ya Operasi Real-time ya ya tidak

19 Hubungan dan Perbandingan Antar Komponen SC Komponen FS / PR NN EC AI Conventional Representasi Pengetahuan simbolik / numerik simbolik / numerik Optimasi tidak ya tidak

20 Karakteristik SC 1. memerlukan keahlian manusia, apabila direpresentasikan dalam bentuk aturan (if_then) 2. Model komputasinya diilhami oleh proses biologis 3. merupakan teknik optimasi baru 4. menggunakan komputasi numeris 5. memiliki toleransi kegagalan (meskipun kualitasnya berangsur-angsur memburuk)

21 The end and 10_Q