Pertemuan 2 Konsep Kecerdasan Buatan Mata Kuliah Pengantar

Pertemuan 2 Konsep Kecerdasan Buatan Mata Kuliah : Pengantar Intelegensi Buatan Betha Nurina Sari, M. Kom

Konsep Kecerdasan Buatan vs Kecerdasan Alami Komputasi Kecerdasan Buatan vs Komputasi Konvensional Lingkup Kecerdasan Buatan Intelligent Agent (Agen Cerdas)

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan Alami Kecerdasan buatan lebih bersifat permanen. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa dan bisa belajar untuk menambah pengetahuan.

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan Alami Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebut dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap.

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah. Kecerdasan Alami Harus mendatangkan seseorang pakar/ahli untuk mengerjakan sejumlah pekerjaan (lebih mahal).

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan buatan bersifat konsisten. Hal ini disebabkan karena kecerdasan buatan adalah bagian dari teknologi komputer. Kecerdasan Alami Sedangkan kecerdasan alami senantiasa berubah-ubah (bisa berkembang, meningkat, menurun)

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan Alami Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sulit untuk didokumentasikan, melacaknya terkadang sulit karena lupa.

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan Alami Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dan lebih baik dibanding dengan kecerdasan alami dalam bidang tertentu. Kecerdasan alami dapat mengerjakan pekerjaan dengan terbatas, karena adanya keterbatasan kemampuan, pengetahuan, dll.

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Pada kecerdasan buatan harus bekerja dengan input-input simbolik Kecerdasan Alami Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung.

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan Alami Kemampuan berpikir kecerdasan buatan terbatas, sesuai dengan bekal pengetahuan yang ada pada sistem. Pemikiran manusia dapat digunakan secara luas, karena pengetahuannya bisa dikembangkan dengan belajar.

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Pada kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui upgrade sistem yang dibangun. Kecerdasan Alami Kreatif. Kemampuan untuk menambah ataupun memenuhi pengetahuan itu sangat melekat pada jiwa manusia.

Komputasi Kecerdasan Buatan vs Komputasi Konvensional Aspek Kecerdasan Buatan Konvensional Pemrosesan Sebagian besar simbolik Algoritmik Input Tidak harus lengkap Harus lengkap Pencarian Sebagian besar heuristik Algoritma Penjelasan/keterangan tersedia Biasanya tidak tersedia Fokus Pengetahuan Data Struktur Kontrol dipisahkan dari pengetahuan Kontrol terintegrasi dengan informasi (data) Sifat Output Kuantitatif Kualitatif Pemeliharaan dan peningkatan (update) Relatif mudah Biasanya sulit Kemampuan menalar Ada Tidak ada

Lingkup utama kecerdasan buatan Sistem Pakar (Expert System) • Komputer digunakan sebagai saran untuk menyimpan pengetahuan para pakar. • Komputer akan memiliki keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki para pakar. • Expert system • Contoh sistem pakar : diagnosa sakit gigi Bagaimana cara mengembangkan sistem pakar ?

Lingkup utama kecerdasan buatan Nature Language Processing (NLP) • Pengolahan bahasa alami • Dengan pengolahan bahasa alami ini diharapkan user mampu berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari. • Contoh aplikasi NLP : Chatting with Nicole – Simi simi, berbagai macam aplikasi chat box – http: //alice. pandorabots. com/ : alice chatbox

Lingkup utama kecerdasan buatan Pengenalan ucapan (Voice Recognition) • Melalui pengenalan ucapan diharapkan manusia mampu berkomunikasi dengan komputer dengan menggunakan suara. • Contoh : Google Voice, Elevator Voice Recognition

Lingkup utama kecerdasan buatan Robotika dan Sistem Sensor • Sistem atau alat yang digunakan untuk menggantikan kinerja manusia secara otomatis • Contoh : • A Robot That Cooks Japanese Okonomiyaki Pancakes - Dig. Info

Lingkup utama kecerdasan buatan Computer Vision • Mencoba untuk dapat mengintrepetasikan gambar atau objek-objek tampak melalui komputer • Contoh : Computer Vision Applications Seene - Oe - Realtime Augmented Reality Technology

Lingkup utama kecerdasan buatan Intelligent Computer aid Instruction • Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar • Contoh : CALL CAI software; educational software

Lingkup utama kecerdasan buatan Game Playing • Merancang game yang cerdas dan menarik, membuat non-player/komputer memiliki strategi cerdas untuk mengalahkan player/manusia. – Board Games, Card Games, Atheletic Games – Children Games, Computer Games, Game Online • Contoh : Deep Learning AI Plays 2048 Crave - Super Mario with AI plays the game his own way, Ep. 188 Mar. I-O - Machine Learning for Video Games

Lingkup Kecerdasan Buatan pada Aplikasi Komersial • Bidang Komunikasi : Microsoft Voice, Microsoft Dictation • Bidang Kesehatan : Diagnosis penyakit, monitoring kondisi pasien, treatment yang sesuai • Bidang Lalu Lintas : Intelligence Traffic Analytics, Air Traffic Controllers (ATC) • Bidang Pertanian : pemilihan hasil panen, pemantauan hama, Robot menyiram tanaman • Pabrik : mesin/robot yg melakukan pekerjaan yg berbahaya, memerlukan ketelitian tinggi, dst

SEJENAK UJI KECERDASAN

LOGIC GAME Tes Game level 1 Help The Man Tes Game level 2 Missionaries Tes Game level 3 Cross the Bridge

TOPIK INTELLIGENT AGENT

Intelligent Agent (Agen Cerdas) (Slide Chastine Fatichah, ITS, 2012)

Intelligent Agent (Agen Cerdas) • Rational : Melakukan hal yang terbaik • Harus didefinisikan tujuan dari agent • Goal (tujuan) : Performance Measure Goal Performance Measure Lulus Kuliah IPK Kaya Gaji bulanan Juara liga sepakbola Posisi klasemen • Rational Agent : Suatu Agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang ligkungan dan pengetahuan lain yang dimilikinya

PEAS : Performance Measure, Environment, Actuators, Sensors • Ketika merancang sebuah agent, harus mendefinisikan lingkungan masalah (task environment) • Performance Measure : Apa saja komponen keberhasilan si agent? • Environment : Kondisi apa saja yang ada di sekitar si agent • Actuators : Apa saja yang bisa dilakukan si agent • Sensors : Apa saja yang menjadi input si agent

Contoh : Taksi Otomatis • Agent taksi otomatis menerima penumpang dan mengantarkannya ke tujuan • Performance Measure : sampai tujuan, tidak melanggar aturan lalu lintas, perjalanan nyaman, hemat bensin • Environment : jalan, lalu lintas, pejalan kaki, penumpang • Actuators : arah setir, gas, rem, klakson, sinyal kiri atau kanan, lampu taksi • Sensors : video, speedometer, GPS, keyboard

Medical Diagnosis System • Sebuah Agent Medical diagnosis system yang mendiagnosa pasien secara otomatis. • Performance Measure : pasien sembuh, biaya murah, diagnosis benar • Environment : pasien, rumah sakit, perawat, dokter • Actuators : layar monitor (pertanyaan, tes, diagnosa treatment, petunjuk) • Sensors : keyboard (input jawaban pasien tentang gejala penyakit)

Interactive English Tutor • Sebuah Agen Tutor yang memberikan latihan english secara interaktif • Performance Measure : Nilai skor maksimal • Environment : siswa • Actuators : layar monitor (latihan, saran, koreksi) • Sensors : keyboard

Jenis Environment • Fully Observable vs Partially Observable Apakah semua info relevan diketahui? • Deterministic vs Stochastic Apakah next state = current state + action? • Episodic vs sequential Apakah tergantung pada pengalaman, action sebelumnya?

Jenis Environment • Static vs Dinamic • Apakah environment berubah setelah agent bertindak / proses ? • Discrete vs Continuous • Sifat state, percept, action : diskrit atau kontinyu • Single agent vs Multi agent • Apakah agent bertindak sendiri atau ada lawan?

Contoh : Jenis Environment Jenis Agent Environment Catur dengan Catur tanpa waktu Fully Ya Ya Observable Deterministic Ya, Strategic Episodic Tidak Static Semi Ya Dicrete Ya Ya Single Agent Tidak Taxi driving Tidak Tidak

Contoh : Jenis Environment

Jenis Environment • Jenis environment menentukan desain seorang agent • Di dunia nyata pada umumnya – Partially observable – Stochastic – Sequential – Dynamic – Continous – Multi agent

Struktur Sebuah Agent • Agent Function : Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action) F : P* A • Sebuah program yang mengimplementasikan fungsi f di atas arsitektur • Agent = Arsitektur + Program • Agent program menerima input percept terakhir (mungkin ia menyimpan percept sequence di dalam memorinya)

Contoh Agent : Vacuum Cleaner • Performance Measure : menjaga kebersihan • Environment : Ruangan A dan B beserta debu • Actuators : Do. Ke. Kiri, Do. Ke. Kanan, Do. Bersih, Do. Santai • Sensors : Lokasi dan Status dari sensor Contoh : [A, Kotor] sequence : {[A, Kotor], [A, Bersih], [B, Kotor], …}

Contoh : Agen. Rajin Agent function Agen. Rajin f({…, [*, Kotor]}) Do. Bersih f({…, [A, Bersih]}) Do. Ke. Kanan f({…, [B, Bersih]}) Do. Ke. Kiri Agent program Agen. Rajin Function Agen. Rajin (lokasi, status) returns action if status = kotor then return Do. Bersih else if lokasi = A then return Do. Ke. Kanan else return Do. Ke. Kiri

Jenis-jenis Agent Program Simple reflex agents Bertindak berdasarkan percept/ input sensor terakhir saja. Model-based reflex agents -Bertindak berdasarkan input saat ini dan menggunakan histori input sebelumnya sebagai informasi pelengkap. -Merekam histori kondisi lingkungan, tindakan yang diambil oleh agen serta dampak dari tindakan tersebut. -Rekaman histori kondisi lingkungan tersebut disebut model Goal-based agents Memiliki informasi mengenai tujuan, memilih tindakan yang mencapai tujuan

Jenis-jenis Agent Program • Utility-based agents - Melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan – utility function. -Agen melakukan perhitungan terhadap kinerja/kualitas tindakan yang diambil untuk mencapai tujuan • Learning agents Belajar dari pengalaman, bisa meningkatkan kinerja agen