(ARTIFICIAL INTELLIGENCE)
(ARTIFICIALINTELLIGENCE)
Agenda
DefinisiKecerdasanBuatan
KecerdasanBuatanVSKecerdasanAlami
Kecerdasan Buatan VS Kecerdasan Alami
SejarahKecerdasanBuatan,Perkembangan,
d A lik i
danAplikasinya
LingkupKecerdasanBuatan
g p
DEFINISI
KECERDASAN BUATAN
Pengantar
Bisakahmesinberpikir?
Jika bisa, bagaimana caranya?
Jikabisa,bagaimanacaranya?
Danjikatidakbisa,kenapatidak?
Danapayangdikatakansebagaipikiran
(
(mind)?
)
Arti Kecerdasan
ArtiKecerdasan
kkemampuanuntuk
k
belajar ataumengerti daripengalaman,
memahamipesan yangkontradiktif danambigu,
menanggapidengancepatdanbaikatas
situasiyangbaru,
e ggu a a pe a a a da a
e eca a
menggunakanpenalarandalammemecahkan
masalah sertamenyelesaikannyadenganefektif
(WinstondanPendergast,1994)
Kategori Definisi AI
KategoriDefinisiAI
Dikelompokkanmenjadi4macam:
Systemsthatthinklike
humans
Systemsthatthink
rationally
Systemsthatactlike
humans
SudutPandangBisnis
Kecerdasanbuatanadalahkumpulanperalatanyang
sangatpowerfuldanmetodologisdalam
menyelesaikanmasalahbisnis
SSudutPandangPemrograman
d tP d
P
Kecerdasanbuatanmeliputistuditentang
pemrogramansimbolik,problemsolving,dan
pencarian(searching)
2 B i Ut
2BagianUtamaAI
AI
BasisPengetahuan(knowledgebase)
b i if k f k
berisifaktafakta,teori,pemikirandanhubungan
i
iki
d h b
komponensatudenganyanglainnya
MotorInferensi(inferenceengine)
Kemampuan menarik kesimpulan berdasar
Kemampuanmenarikkesimpulanberdasar
pengalaman.Berkaitandenganrepresentasidan
duplikasiprosestersebutmelaluimesin(misalnya,
komputerdanrobot).
Heuristic
S at strategi nt k melak kan proses pencarian
Suatustrategiuntukmelakukanprosespencarian
(search) ruangproblemsecaraefektif,yang
memandu proses pencarian yang kita lakukan di
memanduprosespencarianyangkitalakukandi
sepanjangjaluryangmemilikikemungkinansukses
paling besar
palingbesar.
Inferensi(PenarikanKesimpulan) AImencoba
membuat mesin memiliki kemampuan berpikir atau
membuatmesinmemilikikemampuanberpikiratau
mempertimbangkan(reasoning),termasuk
didalamnya proses (inferencing) berdasarkanfakta
didalamnyaproses(inferencing)
berdasarkan fakta
faktadanaturandenganmenggunakanmetode
heuristik dll
heuristik,dll
PencocokanPola(PatternMatching)
(
g) Berusaha
untukmenjelaskanobyek,kejadian(events)atau
p
proses,dalamhubunganlogikataukomputasional
g
g
p
State
StateoftheArt
of the ArtAI
AI
DeepBlue
D
Bl mengalahkan
l hk Kasparov,juara
K
j
d i Catur.
dunia
C t
PEGASUS,suatu sistem memahami ucapan yangmampu
menangani transaksi seperti mendapatkan informasi tiket udara
termurah.
MARVEL:suatu sistem pakar realtimememonitor arus datadari
pesawatt Voyagerdan
V
d setiap
ti anomalili sinyal.
i l
Sistem robotmengemudikan sebuah mobil dengan kecepatan
yangcepat pada jalan raya umum GoogleCars
T j
TujuanKecerdasanBuatan
K
d
B t
Membuatkomputerlebihcerdas
Mengerti tentangkecerdasan
tentang kecerdasan
Membuatmesinlebihberguna
KECERDASAN BUATAN VS
KECERDASAN ALAMI
PerbedaanKecerdasanBuatandengan
Perbedaan
Kecerdasan Buatan dengan
KecerdasanAlami
Kecerdasan Buatan
Kecerdasan Alami
Bersifat permanen
Lebih murah
Lebih mahal
Konsisten
Dapat didokumentasi
Sulit didokumentasi
Lebih cepat
Lebih lambat
Teliti
Kurang teliti
KelebihanKecerdasanAlami
Kelebihan
Kecerdasan Alami
dibandingAI
Bersifatlebihkreatif
Dapatmelakukanprosespembelajaransecara
D
l k k
b l j
langsung,sementaraAIharusmendapatkan
masukanberupasimboldanrepresentasi
k b
i b ld
i
representasi
Menggunakanfokusyangluassebagaireferensi
untukpengambilankeputusan.Sebaliknya,AI
menggunakanfokusyangsempit
SEJARAH KECERDASANBUATAN,
PERKEMBANGAN DAN APLIKASINYA
PERKEMBANGAN,DAN
SejarahKecerdasanBuatan
h
d
Jaman batu (1943-1956)
AwalkerjaJSTdanlogika
TeoriLogika(AlanNewellandHerbertSimon)
KelahiranAI:Dartmouthworkshop summer1956
JohnMcCarthysmemberinamabidang:artificial
intelligence
McCarthy(1958)
McCarthy (1958)
mendefinisikanLisp
menemukantimesharing
AdviceTaker
Pembelajarantanpapengetahuan
Pemodelan JST
PemodelanJST
PembelajaranEvolusioner
p y p
j
Samuelscheckersplayer:pembelajaran
MetoderesolusiRobinson.
Minsky:themicroworlds(e.g.theblocksworld).
Banyakdemonstrasikecilttgperilakuintelligent
kd
k l
l k
ll
PrediksioveroptimisticSimon
MasaGelap(19661973)
AItidakmengalamiperkembangan:ledakan
perkembangan combinatorial
perkembangancombinatorial
Faktabahwasuatuprogrambisamendapatkan
suatusolusisecaraprinsiptidakberartibahwa
p
p
programmemuatbeberapamekanismeyang
dibutuhkanuntukmendapatkannyasecara
praktis.
Kegagalandaripendekatanterjemahanbahasa
alamiberbasispadagrammarssederhanadan
kamus kata
kamuskata.
Penterjemahankembaliyangpopuler
English>Russian>English
g
g
Penemuanuntukpemrosesanbahasanatural
dihentikan.
K
Kegagalanperceptronuntukbelajardarifungsi
l
kb l j d if
i
sederhanasebagaimanadisjunctive/eksclusiveOR.
PenelitianpadaJSTdihentikan.
P li i
d JST dih ik
Realisasidarikesukarandalamproseslearningdan
k
keterbatasandarimetodeyangdieksplorasi
b
d i
d
di k l
i
Konseppembelajaransimbolik(Winstonsinfluential
thesis,1972)
h i 1972)
R i
Renaissance(19691979)
(1969 1979)
Perubahanpadaparadigmapenyelesaian:
b h
d
d
l
Daripenyelesaianmasalahberbasissearchbasedmenjadi
penyelesaianmasalahberbasispengetahuan.
Sistempakarpertama
Dendral:menginferensistrukturmolecular
Dendral: menginferensi struktur molecular
dariinformasiyangdisediakanoleh
spektrometermassa.
Mycin:diagnosesbloodinfections
M i di
bl d i f ti
Prospector:merekomendasikaneksplorasi
pengeboran pada lokasi geologi yang
pengeboranpadalokasigeologiyang
menyediakansuatudepositmineral
molybdenum.
EraIndustrial
(1980sekarang)
SuksespertamaSistemPakarsecarakomersial.
ManyAIcompanies.
Eksplorasidaristrategipembelajarqanyqang
bermacammacam
bermacam
macam(Explanation
(Explanationbased
basedlearning,
learning,
CasebasedReasoning,Geneticalgorithms,Neural
networks,etc.)
e o s, e c )
Kembalinyaneuralnetworks
(1986sekarang)
Penggaliankembalialgoritmalearningback
p p g
propagationuntukneuralnetworksyang
y g
pertamadikenalkandalamtahun1969oleh
BrysonandHo.
BanyakaplikasisuksesdariNeural
Networks.
Networks
Kehilanganrespekterhadapsulitnya
membangunsistempakar(macetnya
knowledgeacquisition).
Kematangan
Kematangan
(1987sekarang)
Perubahandalamcakupandanmetodologi
penelitianbidangKecerdasanBuatan:
Membangundiatasteoriyangada,bukancuma
mengusulkanteoribaru;
berbasisklaimpadatheoremadaneksperimen,
bukanpadaintuisi;
menunjukkanrelevansikeaplikasinyata,bukan
padacontohmainan.
AgentCerdas(1995sekarang)
Realisasiyangpadamulanyadipisahkandalam
subdariKecerdasanBuatan(speech
recognition problem solving and planning
recognition,problemsolvingandplanning,
robotics,computervision,machinelearning,
knowledgerepresentation,etc.)perlu
direorganisasibilamanahasilhasilnyadiikat
bersama sama kedalam suatu desain agent
bersamasamakedalamsuatudesainagent
tunggal.
Suatu proses reintegrasi dari subarea
areayang
yang
Suatuprosesreintegrasidarisub
berbedadariKBuntukmembentukwhole
agent:
agentperspectiveofAI
agent perspective of AI
agentarchitectures(e.g.SOAR,Disciple);
multiagentsystems;
agentuntukaplikasitipetipeyangberbeda,
agent untuk aplikasi tipetipe yang berbeda
webagents.
LINGKUPAI
P
Pengolahan
l h Bahasa
B h
Al i (NaturalLanguageProcessing)
Alami
(N t l L
P
i )
Diharapkan userdapat berkomunikasi dengan komputer menggunakan
bahasa seharihari
Pengenalan
l Ucapan (SpeechRecognition)
(
h
)
Userdapat berkomunikasi dengan komputer menggunakan suara
GamePlaying
DomainYangSeringDibahas
i
i
ib h
MundaneTask
M d
T k
Persepsi(vision&speech)
Bahasaalami(understanding,generation&
B h
l i ( d t di
ti &
translation)
Pemikiranyangbersifatcommonsense
Pemikiran ang bersifat commonsense
Robotcontrol
FormalTask
Permainan/Games
Matematika(Geometri,logika,kalkulusintegral,
pembuktian)
ExpertTask
Analisisfinansial
Analisismedikal
Analisis medikal
Analisisilmupengetahuan
Rekayasa(design,pencariankegagalan,
perencanaan
perencanaan
manufaktur)
Twitter
Trendingtopics
Trending topics
GooglePageRank
Onlineadvertisement
O li
d ti
t
RecommendedArticle