Disusun Oleh :
2010
KOMPONEN UTAMA PADA KECERDASAN BUATAN
(MAJOR COMPONENT OF AI)
Pada prinsipnya bahasa alami adalah suatu bentuk representasi dari suatu
pesan yang ingin dikomunikasikan antar manusia. Bentuk utama representasinya
adalah berupa suara/ucapan (spoken language), tetapi sering pula dinyatakan dalam
bentuk tulisan.
Inti dari pemrosesan bahasa alami adalah penguraian kalimat atau sering
disebut dengan parser. Parser berfungsi untuk membaca kalimat, kata demi kata dan
menentukan jenis kata apa saja yang boleh mengikuti kata tersebut.
Pengolahan bahasa alami terdiri dari dua bagian utama, yaitu : parser, sistem
representasi pengetahuan dan pengolahan output.
a. Parser
c. Output Translator
b. Morfologi
Pengetahuan tentang kata dan bentuknya dimanfaatkan untuk membedakan satu
kata dengan yang lainnya. Pada tingkat ini jg dapat dipisahkan antara kata dan
elemen lain seperti tanda baca. Contoh : kata Going èGo(root), ing(suffix).
c. Sintaksis
Pemahaman urutan kata dalam pembentukkan kalimat dan hubungan antara kata
tersebut dalam proses perubahan bentuk dari kalimat menjadi bentuk yang
sistematis. Meliputi proses pengaturan tata letak suatu kata dalam kalimat yang
akan membentuk kalimat yang dapat dikenali.
d. Semantik
Pemetaa bentuk struktur sintaksis dengan memanfaatkan tiap kata ke dalam
bentuk yang lebih mendasar dan tidak tergantung struktur kalimat. Dalam
tingkatan ini belum mencakup konteks dari kalimat tersebut.
e. Pragmatik
Pengetahuan pada tingkatan ini berhubungan dengan konteks yang berbeda – beda
tergantung pada situasi dan tujuan pembuatan system.
f. Discourse Knowledge
Melakukan suatu pengenalan apakah suatu kalimat yang sudah dibaca atau
dikenali sebelumnya akan mempengaruhi arti dari kalimat selanjutnya. Informasi
ini penting diketahui untuk melakukan pengolahan arti terhadap kata ganti orang
dan untuk mengartikan aspek sementara dari informasi.
g. World Knowledge
Mencakup arti sebuah kata secara umum dan apakah ada arti khusus pada suatu
kata dalam percakapan dengan konteks tertentu.
Namun masih ada satu masalah yang terjadi dalam bidang ini yaitu terjadinya
ambiguitas ( makna ganda dari suatu kata atau kalimat).
c. Semantic Net
Semantic Net (Jaringan Semantik) merupakan gambaran pengetahuan
secara grafis, yang menunjukkan hubungan antar berbagai obyek. Jaringan
semantik terdiri dari lingkaran-lingkaran yang menunjukkan obyekobyek dan
informasi tentang obyek-obyek tersebut. Obyek disini dapat berupa benda atau
peristiwa. Antara 2 obyek dihubungkan dengan arc yang menunjukkan hubungan
antar obyek.
• Katagori
Obyek-obyek yang mempunyai kemiripan karakteristik dapat
digolongkan dalam katagori tertentu. Katagori merupakan
pengorganisasian obyek yang merupakan representasi pengetahuan yang
vital dalam semantic net. Sebagai contoh: jika ada dua obyek ”elang” dan
”perkutut”, maka kedua obyek tersebut dapat diturunkan dari katagori
”burung”.
• Obyek
Obyek merupakan individu tersendiri yang mempunyai sifat-sifat
karakteristik yang spesifik. Dalam kaitan dengan katagori, jika sebuah
obyek diturunkan dari katagori, maka obyek akan mempunyai sifat dari
katagori secara keseluruhan dan juga mempunyai sifat spesifik obyek itu
sendiri.
3. Automated Reasoning
Contohnya:
• Logika Pemrograman
• Aljabar Komputer Deduktif
• Verifikasi Formal Perangkat Keras
4. Machine Learning
Secara umum 'Machine Learning' punya pengertian sebagai suatu sistem yang
mempunyai kemampuan untuk 'learn' atau belajar. Machine disini adalah machine dalam
pengertian lebih mendekati 'sistem', bukan dalam arti mesin mekanik. Karena
implementasi sistem berkemampuan learn yang ada sekarang adalah sistem berbasis
komputer, dan kita tahu bahwa hardware semakin menjadi platform generik, sedangkan
fungsi lebih ditentukan oleh software, sehingga implementasi kemampuan Learning
tersebut menjadi dominan ditentukan oleh kemampuan software atau algoritmanya.
Dengan demikian muncul satu kecenderungan bahwa Machine Learning = algoritma.
Dengan adanya mechine learning, kita dapat menggabungkan dua buah mesin
dengan programming meta level untuk memudahkan dalam mengoptimalisasikan sebuah
penyusunan rencana keputusan, untuk itu dibutuhkan :
1. Kemampuan ahli dalam memecahkan masalah
2. Menjawab pertanyaan dari teori objek. Filosofi yang baik mampu
melakukan:
• Memperbaiki segala keadaan yang ditimbulkan contoh negatif diluar
atribut.
Keadaan ini sangatlah mungkin karena Memperbaiki struktur
rancangan keputusan yang dibuat oleh analisis sendiri
• Memperbaiki struktur rancangan keputusan yang ditimbulkan dari
kebiasaan positif contoh.
5. Computer vision
Computer Vision adalah salah satu bentuk aplikasi teknologi komputer dalam
kehidupan dunia nyata (real world). Konsep dasar yang melandasi computer vision
adalah computer becomes seeing machines, menjadikan komputer sebagai mesin yang
mampu menangkap informasi visual yang ada di lingkungannya.
Proses yang ada computer vision adalah menjadikan computer acts like human
sight, sehingga mendekati kemampuan manusia dalam menangkap informasi visual.
Untuk mendukung proses ini, maka dalam computer vision dilakukan dalam empat
tahapan utama yaitu :
5.1 Image acquisition (proses penangkapan informasi visual dan proses pengubahan
sinyal analog menjadi data digital, yang siap untuk diporoses oleh komputer)
5.2 Image Processing (proses pengolahan informasi image yang telah diidgitalisasi
oleh converter analog ke digital)
5.3 Image Analysis (proses analisa terhadap image visual yang telah di proses
sebelumnya)
5.4 Image Understanding (dengan menerapkan konsep-konsep kecerdasan buatan -
artificial intelligent-untuk memahami data visual yang ditangkapnya)
a. Image Acqusition
Image Acqusition pada manusia dimulai dengan mata, kemudian
informasi visual diterjemahkan ke dalam suatu format yang kemudian dapat
dimanipulasi oleh otak. Senada dengan proses itu, computer vision membutuhkan
sebuah mata untuk menangkap sebuah sinyal visual. Umumnya mata pada
computer vision adalah sebuah kamera video. Kamera menerjemahkan sebuah
scene atau image Kemudian sinyal listrik ini diubah menjadi bilangan biner yang
akan digunakan oleh komputer untuk pemrosesan. Keluaran dari kamera adalah
berupa sinyal analog, dimana frekuensi dan amplitudonya (frekuensi berhubungan
dengan jumlah sinyal dalam satu detik, sedangkan amplitude berkaitan dengan
tingginya sinyal listrik yang dihasilkan) merepresentasikan detail ketajaman
(brightness) pada scene. Kamera mengamati sebuah kejadian pada satu jalur
dalam satu waktu, memindainya dan membaginyamenjadi ratusan garis horizontal
yang sama. Tiap‐tiap garis membuat sebuah sinyal analog yang amplitudonya
menjelaskan perubahan brightness sepanjang garis sinyal tersebut.
Karena komputer tidak bekerja dengan sinyal analog, maka sebuah
analog‐to‐digital converter (ADC), dibutuhkan untuk memproses semua sinyal
tersebut oleh komputer. ADC ini akan mengubah sinyal analog yang
direpresentasikan dalam bentuk informasi sinyal tunggal ke dalam sebuah aliran
(stream) sejumlah bilangan biner. Bilangan biner ini kemudian disimpan di dalam
memori dan akan menjadi data raw yang akan diproses.
b. Image Processing…
Tahapan berikutnya computer vision akan melibatkan sejumlah
manipulasi utama (initial manipulation) dari data binary tersebut. Image
processing membantu peningkatan dan perbaikan kualitas image, sehingga dapat
dianalisa dan di olah lebih jauh secara lebih efisien.
Image processing akan meningkatkan perbandingan sinyal terhadap noise
(signal‐to‐noise ratio = s/n). Sinyal‐sinyal tersebut adalah informasi yang akan
merepresentasikan objek yang ada dalam image. Sedangkan noise adalah segala
bentuk interferensi, kekurang pengaburan, yang terjadi pada sebuah objek.
c. Image Analysis
Image analysis akan mengeksplorasi scene ke dalam bentuk karateristik
utama dari objek melalui suatu proses investigasi. Sebuah program komputer akan
mulai melihat melalui bilangan biner yang merepresentasikan informasi visual
untuk mengidentifikasi fitur‐fitur spesifik dan karekteristiknya. Lebih khusus lagi
program image analysis digunakan untuk mencari tepi dan batas‐batasan objek
dalam image.
Sebuah tepian (edge) terbentuk antara objek dan latar belakangnya atau
antara dua objek yang spesifik. Tepi ini akan terdeteksi sebagai akibat dari
perbedaan level brightness pada sisi yang berbeda dengan salah satu batasnya.
d. Image Understanding
Ini adalah langkah terakhir dalam proses computer vision, yang mana
sprsifik objek dan hubungannya di identifikasi. Pada bagian ini akan melibatkan
kajian tentang teknikteknik artificial intelligent. Understanding berkaitan dengn
template matching yang ada dalam sebuah scene. Metoda ini menggunakan
program pencarian (search program)dan teknik penyesuaian pola (pattern
matching techniques).
6. Robotik
Robot adalah sebuah alat mekanik yang dapat melakukan tugas fisik, baik
menggunakan pengawasan dan kontrol manusia, ataupun menggunakan program yang
telah didefinisikan terlebih dulu (kecerdasan buatan). Robot biasanya digunakan untuk
tugas yang berat, berbahaya, pekerjaan yang berulang dan kotor. Biasanya kebanyakan
robot industri digunakan dalam bidang produksi. Penggunaan robot lainnya termasuk
untuk pembersihan limbah beracun, penjelajahan bawah air dan luar angkasa,
pertambangan, pekerjaan “cari dan tolong” (search and rescue), dan untuk pencarian
tambang.
Belakangan ini robot mulai memasuki pasaran konsumen di bidang hiburan, dan
alat pembantu rumah tangga, seperti penyedot debu, dan pemotong rumput
Robot yang selama ini kita kenal adalah sebuah mesin berbentuk manusia
yang dapat berbicara dan berjalan layaknya manusia. Robot tersebut adalah salah satu
dari jenis robot berdasarkan bentuknya yaitu kategori Android. Berdasarkan bentuk,
robot terdiri dari kategori:
a. Turtle
Diciptakan tahun 1970 an dan nama Turtle diambil dari bentuknya yang mirip
rumah kura-kura
b. Vehicle
Robot jenis ini berbentuk seperti kendaraan yang dilengkapi dengan roda dan
bergerak seperti sebuah mobil. Perbedaan dengan mobil adalah kemampuan
programmablenya
c. Rover
Bentuk robot ini cenderung pendek dan juga dilengkapi roda seperti jenis
vehicle seperti pada R2-D2 dalam film Star Wars. Robot jenis ini juga
dilengkapi beberapa fungsi contohnya kemampuan untuk mendeteksi api atau
mendeteksi obyek.
d. Walker
Robot jenis ini tidak dilengkapi dengan roda seperti jenis vehicle dan rover
melainkan bergerak dengan menggunakan kaki. Biasanya robot ini berbentuk
mirip serangga dan dilengkapi dengan 6 kaki.
e. Appendage
Robot ini berupa lengan yang biasanya digunakan untuk mengambil dan
memindahkan barang. Lengan ini dapat terpasang pada robot yang bergerak
atau pada sebuah tempat yang statis.
f. Android
• Automatic Robot
Automatic Robot bergerak berdasarkan perintah-perintah yang
telah diprogramkan sebelumnya atau berdasarkan masukan dari sensor-
sensornya
• Teleoperated
Robot jenis ini bergerak berdasarkan perintah-perintah yang
dikirimkan secara manual baik melalui remote control, PC atau joystick.
c. Prab Model 4200: robot ini dibuat oleh Prab Robots, Inc. dengan daya
angkatnya sebesar 75 pound (sekitar 34,02 Kg). Lengan robot ini dapat
berputar secara horisontal sebesar 250 derajat.
e. Pra FC: Robot ini mempunyai daya angkat sebesar 1 ton. Kemampuan ini
dapat digunakan untuk memindahkan sebuah mesin mobil atau benda
berat lainnya selama proses produksi.
f. Cybotech P15: Robot ini diproduksi oleh Cybotech Corporation dan dapat
mengangkat seberat 15 Kg. Robot ini banyak digunakan utuk pekerjaan
mengecat.
g. Puma Model 500: Robot ini merupakan produksi dari Unimation, Inc.
yang kemudian perusahaan tersebut dibeli oleh Westinghouse. Puma
Model 500 merupakan robot elektronik teknologi tinggi yang dapat
bergerak dalam 5 sumbu, yaitu putaran pinggang (waist rotation), putaran
bahu (shoulder rotation), putaran siku (elbow rotation), anggukan
pergelangan tangan (wrist bend) dan putaran pinggiran roda (flange
rotation).
h. IBM Assembly Robots: IBM memproduksi dua macam robot dan
menggunakannya untuk proses produksi komputer IBM dan produk-
produk lainnya. Robot ini digunakan untuk memasukkan komponen ke
dalam suatu lubang atau memasang komponen satu yang dilekatkan
dengan komponen lainnya. Robot yang kedua berupa robot yang lebih
kecil yang dapat diprogram dengan komputer IBM PC yang digunakan
untuk memprogram dapat dilepas dan digunakan untuk keperluan lainnya.
i. GMF Robots: Robot ini dibuat oleh General Motors Corporation dan
Fanuc Machine Works dari Jepang. Kedua perusahaan tersebut bekerja
sama memproduksi GMF robots untuk dijual dan digunakan sendiri untuk
kedua perusahaan tersebut.
- Robot Pendidikan : ditujukan untuk membantu dalam mengajar
tentang operasi dan penggunaan dari robot industri. Contoh :
- Rhino Robot XR-2 System: Robot ini dibuat oleh Rhino, Inc., dan
digunakan untuk simulasi tentang operasi dari robot-robot industri. Rhino
XR-2 dapat diprogram melalui komputer Apple dan programnya dapat
disimpan di disk.
Bagian-bagian Robot
Gambar di atas menunjukkan bagian-bagian robot secara garis besar. Tidak
seluruh bagian ada pada setiap robot, hal ini dibedakan berdasarkan fungsinya saja.
Contohnya, sistem kendali hanya digunakan pada robot yang kategori
teleoperated saja. Tak ada manusia yang berharap dunia di masa depan akan dikuasai
oleh komputer atau AI (artificial intelligence, kecerdasan buatan) seperti dalam The
Matrix atau film-film fiksi sains lainnya. Tapi anehnya, para ilmuwan komputer dan mind
philosopher berlomba membuat mesin yang mampu berpikir seperti manusia. Riset-riset
mereka didanai dan didukung oleh pihak yang dalam film fiksi sains Hollywood akan
menjadi musuh utama AI: angkatan bersenjata Amerika Serikat.
Menurut Marvin Minsky, ilmuwan komputer dan matematika yang membuat
Laboratorium AI di MIT, setidaknya ada dua alasan kenapa para ilmuwan ingin
mewujudkan mimpi ini. Pertama, kita yakin mesin cerdas akan berguna. Hal ini
didasarkan atas pengalaman kita pada mesin-mesin yang lebih dulu diciptakan untuk
meringankan pekerjaan otot manusia. "Begitu otot manusia digantikan oleh mesin pada
revolusi industri pertama, otak manusia akan digantikannya pada revolusi kedua," kata
Clive Sinclair, penemu dari Inggris. Kedua, ada "alasan negatif" di baliknya, yaitu
kenyataan bahwa konsep tradisional psikologi tidak lagi mampu memberi jawaban
terhadap misteri cara kerja otak. Psikologi eksperimental tak pernah lagi memberi
jawaban yang meyakinkan terhadap soal-soal, seperti bagaimana manusia mengenali
sesuatu? Bagaimana otak kita membuat keputusan? Bagaimana kita menciptakan ide
baru? Bagaimana kita belajar dari pengalaman? Semua pertanyaan lain yang terkait
dengan cara berpikir, berkesadaran, dan berperasaan.
Sejak beberapa dekade terakhir ini, peran robot dalam industri maupun kehidupan
sehari-hari semakin meningkat. Hampir tidak ada cabang industri teknologi tinggi yang
tidak dibantu robot. Dalam kehidupan sehari-hari, berbagai bentuk robot diciptakan untuk
membantu atau memudahkan aktivitas manusia. Tapi robot-robot yang dimaksud jangan
dibayangkan bentuknya seperti robot dalam film. Banyak robot industrial yang bentuknya
hanya seperti lengan mekanis. Atau robot rumah tangga untuk membersihkan lantai, yang
bentuknya hanya seperti cakram.
Semakin canggih dan berbahaya pekerjaan di sebuah industri, pemanfaatan alat
bantu robot makin tidak dapat dihindarkan. Misalnya saja robot pengelas di industri
mobil, robot untuk mencari dan memusnahkan ranjau, robot di perusahaan pertambangan
bawah tanah atau pengeboran minyak, serta robot yang bekerja menangani bahan kimia
beracun dan berbahaya.
Para ilmuwan bidang teknologi robotik menyebutkan, berbagai robot cerdas
diciptakan untuk membuat pekerjaan tertentu menjadi lebih manusiawi. Kedengarannya
ironis. Di satu sisi penggunaan robot akan mendesak lapangan kerja bagi manusia Di sisi
lainnya, ternyata pemanfaatan robot memang membuat pekerjaan menjadi lebih
manusiawi. Misalnya saja di pabrik mobil. Sejak beberapa dekade terakhir, semakin
banyak robot pengelas digunakan untuk menggantikan manusia. Seperti diungkapkan
Hubert Grosser, kepala bagian Humas Institut Fraunhofer untuk teknik produksi dan
otomatisasi di Stuttgart, pekerjaan mengelas body mobil tergolong pekerjaan tidak
manusiawi. Teknisi hanya bekerja secara monoton dan rutin, mengelas bagian-bagian
body, menjadi body mobil utuh. Begitu setiap hari, selama bertahun-tahun.Tentu saja
sesuai perkembangan teknologi, semakin banyak robot yang cerdas dikembangkan.
Dalam hal ini teknologi kecerdasan buatan memainkan peranan menentukan.
DAFTAR PUSTAKA
http://repository.gunadarma.ac.id:8000/SIT_04_787.pdf
http://blog.math.uny.ac.id/nurmanita/2010/01/15/natural-language-processing/
http://lecturer.eepis-
its.edu/~kangedi/materi%20kuliah/Kecerdasan%20Buatan/Bab%205%20Natural%20Lan
guage%20Processing.pdf
http://www.total.or.id
http://imammahdi.blog.upi.edu/files/2009/07/karya-ilmiah.pdf
http://lecturer.ukdw.ac.id/anton/download/AI/Representasi%20Pengetahuan.ppt
http://www.opensubscriber.com/message/delphindo@yahoogroups.com/8827703.html
http://muhammadadri.net/wp-content/uploads/2009/04/computer-vision-01.pdf
http://yanesta-qorry.blogspot.com/2009/07/robot-dan-komputer-vision.html