Anda di halaman 1dari 5

Kecerdasan Buatan (Artificial Intelligent)

Sabila Fitri Afsari


Departemen Teknik Perkapalan, Institut Teknologi Sepuluh Nopember, Surabaya
Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia
e-mail: sabila.fitriafsari@gmail.com

ABSTRAK

Pada era sekarang ini kemajuan teknologi semakin berkembang pesat dan erat
kaitannya dengan kecerdasan yang dibuat oleh manusia dengan menggunakan komputer.
Kecerdasan buatan tersebut dibuat agar mampu meniru pekerjaan seperti yang dilakukan
oleh manusia. Dalam kecerdasan buatan, dari konsep hingga eksekusinya dibuat sedemikian
rupa agar menyerupai manusia, dengan menggunakan komputer. Kecerdasan buatan
merupakan disiplin ilmu dimana teori dan prinsipnya berdasar pada computer science. Teori
pada kecerdasan buatan dinyatakan dalam bahasa pemrograman komputer dan pengujian
verifikasinya diuji melalui eksekusi program komputer. Sedangkan, prinsip kecerdasan
buatan adalah struktur data merupakan gambaran pengetahuan, algoritma merupakan
penerapan ilmu pengetahuan, serta bahasa dan teknik pemrograman merupakan bentuk dari
implementasinya. Dalam paper akan dibahas mengenai definisi, sejarah, serta area aplikasi
kecerdasan buatan. Area aplikasi kecerdasan buatan adalah bermain game, penalaran
otomatis dan membuktikan teorema, expert systems, pemahaman bahasa alami dan
pemodelan sematik, pemodelan kinerja manusia, perencanaan dan robotika, bahasa dan
lingkungan untuk ai, pembelajaran mesin, serta ai dan filosofi.

Kata kunci— Kecerdasan buatan. komputer, manusia

1. PENDAHULUAN
ewasa ini perkembangan teknologi semakin maju dan berkembang dimana hampir

D seluruh aspek dalam kehidupan selalu dimudahkan dengan bantuan teknologi.


Teknologi itu sendiri sering dikaitkan dengan kecerdasan buatan atau artificial
intelligent (AI). Kecerdasan buatan merupakan disiplin ilmu dimana teori dan prinsipnya
berdasar pada computer science. Teori pada kecerdasan buatan dinyatakan dalam bahasa
pemrograman komputer dan pengujian verifikasinya diuji melalui eksekusi program
komputer. Sedangkan, prinsip kecerdasan buatan adalah struktur data merupakan gambaran
pengetahuan, algoritma merupakan penerapan ilmu pengetahuan, serta bahasa dan teknik
pemrograman merupakan bentuk dari implementasinya.
Meskipun kecerdasan buatan terdengar sangat kompleks akan tetapi kecerdasan
buatan ini masih tergolong disiplin ilmu baru dimana struktur, metode, dan keterkaitannya
masih belum kompleks seperti bidang ilmu sains lainnya seperti fisika. Kecerdasan buatan
lebih memperhatikan dan mengedepankan kemampuan komputer dalam menyelesaikan
masalah dan membuat teknik untuk pendekatan masalah tersebut dibandingkan
memperhatikan keterbatasan yang dimiliki.
Kecerdasan buatan dirancang sedemikian rupa untuk melakukan pekerjaan yang
dilakukan oleh manusia dengan mengandalkan komputer sebagai alat atau media pembuatan
perintah-perintah tersebut. Dengan kata lain, komputer merupakan mesin untuk membuat
kecerdasan buatan yang perintahnya dirancang oleh manusia.

2. KECERDASAN BUATAN
2.1 Dari Eden ke ENIAC: Tingkah Laku Kepada Kecerdasan, Pengetahuan, dan
Buatan Manusia
2.1.1 Dasar Sejarah
Bagi Aristotle aspek paling menarik dari alam adalah perubahan. Dalam fisika,
Aristotle mendefinisikan 'filsafat alam' sebagai 'studi tentang hal-hal yang berubah'.
Dalam metafisika, Aristoteles mengembangkan ilmu tentang hal-hal yang tidak pernah
berubah, termasuk kosmologi dan teologinya. Lebih relevan untuk kecerdasan buatan.
Bagaimanapun epistemologi atau ilmu pengetahuan aristotle yang tahu, dibahas dalam
logikanya. Aristoteles mengacu pada logikanya sebagai instrumen (organon), karena
Aristotle merasa bahwa studi tentang pemikiran itu sendiri adalah dasar dari semua
pengetahuan. Dalam logikanya, diselidiki apakah proposisi tertentu dapat dikatakan
'benar' karena berkaitan dengan hal-hal lain yang diketahui benar. Jadi jika kita tahu
bahwa 'semua manusia adalah manusia' dan bahwa 'socrates adalah seorang manusia'
maka kita dapat menyimpulkan bahwa 'socrates adalah manusia'. Argumen ini adalah
contoh dari apa yang disebut Aristotle sebagai silogisme menggunakan deduktif dari
modus ponens.
Kemudian, Descartes adalah tokoh sentral dalam pengembangan konsep
pemikiran dan pikiran modern. dalam meditasinya yang terkenal. Descartes berusaha
menemukan dasar untuk realitas murni melalui introspeksi konitif. Terdapat dua
konsekuensi yang penting untuk analisis kecerdasan buatan ini, yaitu dengan
memisahkan pikiran dan dunia fisik dan keitka pikiran dan tubuh terpisah, para filsuf
merasa perlu menemukan cara untuk menghubungkan kembali keduanya, karena
interaksi antara mental (re cognitans) dan fisik (res extensa) adalah esensial bagi
eksistensi manusia. Lalu, Descartes berpendapat bahwa proses mental dicapai oleh
fisik dan pada akhirnya dapat dicirikan melalui matematika formal
2.1.2 Pengembangan Logika
Pengembangan logika telah dilakukan pada abad ke-18, ke-19, dan awal abad
ke-20 formalisasi ilmu pengetahuan dan matematika menciptakan prasyarat
intelektual untuk studi kecerdasan buatan, tidak sampai abad 21 pengenalan komputer
digital bahwa kecerdasan buatan menjadi disiplin ilmiah yang terus berjalan.
Kebanyakan program kecerdasan buatan mewakili pengetahuan dalam beberapa
bahasa formal yang kemudian dimanipulasi oleh algoritma, menerima pemisahan data
dan program yang mendasar untuk gaya von Neumann dari komputasi.
2.1.3 Turing Test
Turing test adalah mengukur performa mesin dengan dugaan mesin tersebut
lebih cerdas dibandingkan manusia, dapat dikatakan performa mesin yang terbaik dan
sesuai standar yang memiliki perilaku cerdas. Turing atau disebut juga ‘permainan
imitasi’ yaitu menempatkan mesin dan manusia dalam ruangan terpisah, dimana
manusia ditunjuk sebagai ‘interrogator’. Interrogator tersebut tidak dapat melihat dan
berbicara dengan lawannya, jadi tidak dapat mengetahui yang mesin sebenarnya. Jika
interrogator tidak dapat membedakan mesin dan manusia maka mesin dapat
diasumsikan cerdas.
2.1.4 Model Kecerdasan Biologis dan Sosial: Agen
Ketergantungan pada logika sebagai cara merepresentasikan pengetahuan
dan pada inferensi logis sebagai mekanisme utama untuk penalaran cerdas sangat
dominan dalam filsafat barat bahwa 'kebenaran' kecerdasan buatan jelas dan tidak
dapat dibantah. Pendekatan asumsi tersebut mendominasi sains dari kecerdasan buatan
dari awal hingga sekarang ini. Model cerdas berbasis biologis lainnya mengambil
inspirasi dari proses di mana seluruh spesies beradaptasi dengan lingkungannya.
Dalam kehidupan buatan dan algoritma genetika menerapkan prinsip-prinsip
evolusi biologis untuk menemukan solusi untuk masalah yang sulit. Program ini tidak
memecahkan masalah dengan alasan logis akan tetapi dengan mengeluarkan populasi
solusi yang bersaing dan akan menjadi solusi yang lebih baik melalui pola setelah
evolusi biologi.
Sedangkan sistem sosial menyediakan kiasan lain untuk kecerdasan karena
menunjukkan perilaku global yang memungkinkan untuk memecahkan masalah yang
akan mengacaukan salah satu anggota individu mereka. Contoh bagi kedua tema
tersebut adalah pertama, pandangan kecerdasan yang berakar pada budaya dan
masyarakat dan sebagai konsekuensinya, muncul. Kemudian yang kedua, adalah
bahwa kecerdasan direfleksikan oleh perilaku kolektif dari sejumlah individu semi-
autonomous yang berinteraksi sangat sederhana, atau agen. Tema-tema pendukung
pandangan yang berorientasi pada agen dan munculnya kecerdasan adalah:
a. Agen adalah autonomous dan semi- autonomous.
b. Agen ‘berada pada keadaan tertentu’.
c. Agen adalah interaksional.
d. Kumpulan agen terstruktur.
e. Fenomena dari kecerdasan di lingkungan ini ‘muncul’.
Berdasarkan pengamatan, dapat didefinisikan bahwa agen sebagai elemen
masyarakat yang dapat merasakan (meskipun sering terbatas) aspek lingkungannya
baik secara langsung atau melalui kerjasama dengan agen lain.

2.2 Tinjauan Area Aplikasi Kecerdasan Buatan


2.2.1 Bermain Game
Game merupakan ruang penelitian AI yang cukup besar dan cukup kompleks
serta memerlukan teknik yang kuat untuk menentukan alternatif apa yang akan
dieksplorasi dalam masalah tersebut. Teknik tersebut adalah heuristic dan merupakan
bidang utama pada AI. Teknik heuristic sangat berguna akan tetapi dapat
menimbulkan pemecahan masalah yang keliru, contohnya adalah seperti memastikan
bahwa alat yang tidak merespons sebelum mengasumsikan rusak atau menjadi kastil
untuk melindungi raja dalam permainan catur.
2.2.2 Penalaran Otomatis dan Membuktikan Teorema
Teorema pemecahan penelitian bertanggung jawab untuk pekerjaan awal
dalam memformalkan algoritma pencarian dan mengembangkan bahasa representasi
format seperti kalkulus predikat. Usaha untuk membuktikan secara otomatis masalah-
masalah dalam matematika dan logika.
2.2.3 Expert Systems
Expert Systems atau sistem pakar adalah program komputer yang dirancang
untuk bertindak sebagai ahli dalam bidang keahlian tertentu. Dengan sistem ini,
permasalahan yang seharusnya hanya bisa diselesaikan oleh para pakar atau ahli
dibidangnya, dapat diselesaikan oleh orang biasa atau awam.

3
2.2.4 Pemahaman Bahasa Alami dan Pemodelan Sematik
Pemahaman bahasa alami bertujuan agar mesin mengerti informasi atau data
yang tidak lengkap dan tidak terstruktur, karena merancang dan membangun suatu
pemodelan sematik yang akan menganalisis memahami dan menghasilkan bahasa
yang digunakan manusia secara alami. Sehingga dapat diterapkan pada pemahaman
bahasa yang membentuk masalah utama dalam mengotomatisasi pemahaman bahasa
alami.
2.2.5 Pemodelan Kinerja Manusia
Pemodelan kinerja manusia, selain menyediakan kecerdasan buatan dengan
banyak metodologi yang dasarnya telah terbukti menjadi alat yang kuat untuk
merumuskan dan menguji teori pengetahuan manusia. Metodologi pemecahan
masalah yang dikembangkan oleh para ilmuwan komputer telah memberikan kiasan
ilmu psikologi baru untuk menjelajahi pikiran manusia.
2.2.6 Perencanaan dan Robotika
Robotika adalah salah satu bidang penelitian kecerdasan buatan yang
menghasilkan banyak wawasan yang mendukung pemecahan masalah berorientasi
agen. Perencanaan adalah aspek terpenting pendukung untuk mendesain atau
merancang robot-robot dengan kemampuan menyelesaikan suatu tugas dengan tingkat
fleksibilitas dan tanggap. Robot harus merumuskan rencana berdasarkan informasi
yang tidak lengkap dan memperbaiki perilakunya saat menjalankan rencana.
2.2.7 Bahasa dan Lingkungan untuk AI
Lingkungan pemrograman termasuk teknik penataan pengetahuan seperti
pemrograman berorientasi objek dan kerangka kerja sistem pakar. bahasa tingkat
tinggi seperti LISP dan PROLOG yang mendukung pengembangan modular,
membantu mengelola ukuran dan kompleksitas program. Jejak memungkinkan
programmer untuk merekonstruksi pelaksanaan algoritma yang kompleks dan
memungkinkan untuk mengungkap kompleksitas pencarian panduan heuristik. Tanpa
alat dan teknik tersebut, diragukan bahwa banyak sistem AI yang signifikan dapat
dibangun.
2.2.8 Pembelajaran Mesin
Sistem pakar (expert systems) dapat melakukan perhitungan yang luas dan
mahal untuk menyelesaikan suatu masalah dan hal tersebut tidak seperti manusia,
namun jika diberikan masalah yang sama atau serupa untuk kedua kalinya, biasanya
sistem pakar tersebut tidak dapat mengingat kembali solusinya. Kemudian,
pemecahan masalah kembali melakukan urutan perhitungan yang sama lagi. Setiap
pemecahan masalah kedua, ketiga, keempat dan selanjutnya sulit dilakukan ulang oleh
mesin. Selanjutnya, hasil produksi dari mesin-mesin pemecah masalah tersebut yang
akan mengakumulasi pengetahuan melalui contoh-contoh observasi. Keberhasilan
program pembelajaran mesin menunjukkan adanya seperangkat prinsip pembelajaran
umum yang akan memungkinkan untuk pembangunan program dengan kemampuan
untuk belajar dalam wilayah realistis.
2.2.9 Penggambaran Alternatif: Jaringan Saraf dan Algoritma Genetik
Jaringan saraf adalah merupakan salah satu representasi buatan dari otak
manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak
manusia. Jaringan saraf diimplementasikan dengan menggunakan program komputer
yang mampu menyelesaikan sejumlah proses perhitungan dengan algoritma selama
proses pembelajaran. Arsitektur sebuah jaringan akan menentukan keberhasilan target
yang akan dicapai, karena tidak semua permasalahan dapat diselesaikan dengan
arsitektur yang sama.
Jaringan saraf tiruan juga tersusun atas neuron-neuron dan dendrit. Tidak
seperti model biologis, jaringan saraf memiliki struktur yang tidak dapat diubah,
dibangun oleh sejumlah neuron. Jaringan syaraf akan mencoba untuk mensimulasikan
kemampuan otak manusia untuk belajar. Dendrit berfungsi untuk mengirimkan impuls
yang diterima ke badan sel saraf. Axon berfungsi untuk mengirimkan impuls dari
badan sel ke jaringan lain. Sinapsis berfungsi sebagai unit fungsional di antara dua sel
syaraf.
2.2.10 AI dan Filosofi
Isu-isu filosofis muncul dari banyak bidang aplikasi AI, apakah bidang
tersebut membangun sistem pakar untuk berkoordinasi dengan pemecahan masalah
manusia, merancang sistem visi komputer, atau merancang algoritma untuk
pembelajaran mesin.

3. KESIMPULAN
Pada studi kecerdasan buatan ini dapat disimpulkan bahwa kecerdasan buatan
menggambarkan pemahaman dan penerapannya dengan pemecahan masalah kecerdasan,
perencanaan dan kemampuan komunikasi yang luas pada suatu masalah praktis. Terlepas
dari berbagai masalah yang dibahas dalam penelitian kecerdasan buatan, sejumlah fitur
penting muncul yang tampaknya umum untuk semua divisi, yaitu termasuk:
1. Penggunaan komputer untuk melakukan penalaran, pengenalan pola,
pembelajaran, atau beberapa bentuk inferensi lainnya.
2. Fokus pada masalah yang tidak menanggapi solusi algoritmik. Hal ini mendasari
ketergantungan pada pencarian dengan metode heuristic sebagai pemecahan
masalah kecerdasan buatan.
3. Memperhatikan terhadap pemecahan masalah dengan menggunakan informasi
yang tidak tepat, tidak ada, atau kurang jelas dan penggunaan formalisme
representasional yang memungkinkan programmer untuk mengimbangi masalah
tersebut.
4. Penalaran tentang fitur kualitatif yang signifikan dari suatu situasi.
5. Upaya untuk menangani masalah makna sematik serta dalam bentuk sintaksis.
6. Jawaban yang tidak tepat atau optimal, tetapi dalam arti 'cukup' untuk
penyelesaian masalah yang dilakukan.
7. Penggunaan sejumlah pengetahuan khusus dalam memecahkan masalah. ini
adalah berbasis sistem pakar.
8. Penggunaan pengetahuan meta-level untuk mempengaruhi kontrol yang lebih
canggih dari permulaan pemecahan masalah.

Anda mungkin juga menyukai