Nama : Dimas Putra Ramadhan Mendrofa

NPM : 1914370571
Kelas : V REG II CLUSTER II PPLM A
Judul Human-Centric AI for Trustworthy IoT Systems With Explainable Multilayer Perceptrons
Penulis IVÁN GARCÍA-MAGARIÑO , RAJARAJAN MUTTUKRISHNA (Senior Member, IEEE),
AND JAIME LLORET , (Senior Member, IEEE)1Department of Software Engineering and Artificial
Intelligence, Complutense

Tahun, Volume 7, Agustus 26, 2019, Halaman 125562 - 125574

Halaman
Topik Internet of Things (IoT) banyak menggunakan analisis data dengan teknik kecerdasan buatan
(AI)
untuk belajar dari tindakan pengguna, mendukung keputusan, melacak aspek pengguna yang
relevan, dan memberi tahu tertentu
peristiwa bila sesuai. Namun, sebagian besar teknik AI didasarkan pada model matematika
yang sulit untuk
dipahami oleh masyarakat umum, sehingga kebanyakan orang menggunakan teknologi
berbasis AI. teknik yang bertujuan untuk menjelaskan setiap estimasi berdasarkan analisis
kasus pelatihan. Pendekatan ini telah diilustrasikan dalam konteks dapur IoT pintar yang
mendeteksi depresi pengguna berdasarkan makanan yang digunakan untuk masing-masing
makan, menggunakan simulator untuk tujuan ini.
Latar Internet of Things (IoT) banyak menggunakan analisis data dengan teknik kecerdasan buatan
Belakang (AI) untuk belajar dari tindakan pengguna, mendukung keputusan, melacak aspek pengguna
yang relevan, dan memberi tahu tertentu peristiwa bila sesuai. Namun, sebagian besar teknik
AI didasarkan pada model matematika yang sulit untuk dipahami oleh masyarakat umum,
mengusulkan untuk melangkah maju dalam penggunaan AI di IoT, dan mengusulkan
pendekatan baru dalam bidang AI yang berpusat pada manusia untuk menghasilkan penjelasan
tentang pengetahuan yang dipelajari oleh jaringan saraf (khususnya perceptron multilayer)
dari lingkungan IoT. Lagi secara konkret, karya ini mengusulkan dua teknik berdasarkan analisis
bobot neuron buatan, dan satu lagi teknik yang bertujuan untuk menjelaskan setiap estimasi
berdasarkan analisis kasus pelatihan. Pendekatan ini telah diilustrasikan dalam konteks dapur
IoT pintar yang mendeteksi depresi pengguna berdasarkan makanan yang digunakan untuk
masing-masing makan, menggunakan simulator untuk tujuan ini. Hasilnya mengungkapkan
bahwa sebagian besar penjelasan yang dibuat secara otomatis dibuat masuk akal dalam
konteks ini (yaitu 97,0%), dan waktu eksekusi rendah (yaitu 1,5 ms atau lebih rendah) bahkan
mempertimbangkan konfigurasi umum bervariasi secara independen jumlah neuron per
lapisan tersembunyi (hingga 20), jumlah lapisan tersembunyi (hingga 20) dan jumlah kasus
pelatihan (hingga 4.000).
Makalah ini bertujuan untuk memberikan perspektif unik tentang subjek agen AI di dunia
virtual. Tujuan utamanya bukan untuk menjembatani kesenjangan antara akademisi AI dan
industri game berbasis komersial, melainkan untuk mengumpulkan wawasan penting yang
datang dari kedua belah pihak, mengevaluasinya secara kritis, menghubungkannya, dan
 menunjukkan kekayaan multidisiplin dan potensi penelitian dari masalah yang diuraikan. . Oleh
karena itu, penulis berharap penelitian ini dapat menjadi sumber informasi yang berharga bagi
berbagai pakar. Penekanan khusus dari makalah ini adalah pada penelitian AI tingkat manusia
dalam konteks agen cerdas di dunia virtual. Ketika datang ke masalah agen AI yang dapat
diselidiki di dunia virtual, jumlah aplikasi yang mungkin dibatasi hanya oleh imajinasi
komunitas riset [131], dan keterbatasan teknis saat ini. Oleh karena itu, penting untuk
disebutkan bahwa penerapan teknik dan teori yang disajikan dalam makalah ini sering
terkendala dengan sumber daya CPU. Hal ini terutama berkaitan dengan beberapa masalah
terkait waktu nyata, yang sering ditemui oleh agen [132]. Masalah teknis seperti itu dikenali,
tetapi tidak dianalisis secara rinci, karena tidak menjadi fokus utama makalah ini. Setelah
semua, mengikuti hukum Moore, kendala ini berkurang secara signifikan selama bertahun-
tahun, dan karena itu tidak mengorbankan nilai teoritis dari menggarisbawahi ide-ide
penelitian.
Metode Dalam peneitian ini penggunaan AI, IOT dilkukan berdasarkan pengelaman dan kejadian
Penelitian bebebrapa kasus bahwa hal ini dapat berjalan secara otomatisasi tetapi perlu pengeawasan
manusia untuk akurasi nya seperti contoh yang dijabarkan tentang input sensor IoT ketika ini
dikaitkan dengan fitur target tertentu. Misalnya dalam bidang pertanian, algoritma AI dapat
belajar dari gambar yang diambil oleh IoT benda-benda yang terkait dengan kebutuhan irigasi
atau pestisida yang diketahui.Mereka memeriksa apakah itu berfungsi dengan akurasi yang
masuk akal tanpa memahami alasan di balik setiap keputusan, dan akhirnya pengguna mulai
mempercayai pengetahuan IoT yang cerdas bahwa ada persentase kesalahan yang dapat
diterima.
Maka metode di lakukan dalam pengawasan seperti dalam beberapa aplikasi domain di bidang
seperti sebagai obat, kesehatan, keselamatan dan keamanan, cerdas Sistem IoT dapat
membantu manusia dalam mengambil keputusan, tetapi beberapa tindakan tidak dapat
langsung diambil tanpa pengawasan manusia.
pendekatan HAI yang diusulkan terdiri dari tiga auto- HAI teknik penjelasan generasi,
menentukan algoritma mereka ritmis di antara aspek-aspek lainnya. Bagian IV
menggambarkan arus pendekatan dalam konteks dapur IoT cerdas untuk mendeteksi
mengatasi depresi dengan simulator yang dikembangkan untuk tujuan ini.mengevaluasi
pendekatan saat ini dengan smart Simulator dapur IoT, menilai penjelasan dan kinerja teknik
HAI dalam hal eksekusi waktu.membahas aspek yang paling relevan tentang penelitian ini dan
hasilnya, dan bagian VII menyebutkan kesimpulan dan jalur penelitian masa depan kami yang
paling relevan.
Hasil dan Dalam pemanfaatan AI dan IOT dimana IOT yang mengumpulkan data dari google dan di
Kesimpulan proses oleh AI secara otomatis dimana ada beberapa sample yang menunjukan keakurasian
tentang makanan yang sehat maupun tidak ,seperti menggunakan 30 makanan dari entri
Google pertama diambil oleh kata-kata 'makanan depresi' yang sebenarnya pro- memberikan
daftar bahan yang paling cocok dengan kategori kami, dan 30 makanan dari entri Google
pertama yang diambil oleh kata 'makanan sehat' dengan kondisi yang sama. Kami berlari-
domly mengocok makanan dari setiap kategori.Kami membagi data dalam tiga kelompok,
sehingga masing-masing memiliki 20 makanan depresi dan 20 makanan sehat. Kami secara
acak mengocok lagi setiap kelompok. Kami melakukan validasi silang 3 kali lipat, di mana di
setiap putaran, kami melatih sistem dengan dua kelompok dan divalidasi dengan yang tersisa.
Kami mengulangi ini tiga kali jadi bahwa kelompok validasi berbeda di setiap kelompok.
Dengan demikian, kami memiliki data dari 60 prediksi tentang kedua depresi dan makanan
sehat, di mana setiap prediksi dilakukan dengan makanan yang tidak diketahui oleh sistem
yang terlatih, jadi dalam panduan ini ner kita bisa menilai kapasitas pendekatan HAI di
 memprediksi dan menjelaskan data yang tidak diketahui. Dengan cara ini, lintas- validasi
menghindari bias hasil karena overfitting sebagai umum dilakukan dalam literatur Setelah
melatih model di setiap putaran dengan dua pertiga dari dataset, sistem memberikan
penjelasan yang ditunjukkan pada tabel sebagai gabungan dari jalur terbobot dan penjelasan
kombinasi terbobot paling banyak. Pengguna manusia menunjukkan bahwa ketiga pasang
penjelasan negara masuk akal mengingat set data pelatihan yang digunakan di masing-masing
negara bulat, dan mudah dipahami. Dalam estimasi kasus, kami mengumpulkan 60 penjelasan
negara untuk 60 estimasi yang dihasilkan dari 3-kali lipat validasi silang.
Pandangan Walaupun sangat bermanafaat dimana kita bisa secara otomatisasi memilah makanan yang
dan saran baik, tetapi dalam hasil evaluasi penelitian tahap pertama dimana pemilihan berdasarkan data
dari Google dengan memanfaatkan IOT , semestinya data berdasarkan IOT bisa membaja
secara biologi tentang padangan makanan yang secara otomatisasi di pilah melalui kecerdasan
buatan, fakta dalam pembuata penelitian ini juga memiliki keraguan karna hasil dari IOT tidak
bisa di bilang akurat , karna juga sadar kemampuan IOT dalam penelitian tidak bisa semaksimal
mungkin dan tetap perlu di awasi.
Meski begitu pemanfaatan teknologi ini sangat berguna dan menjadikan AI sebagai
otomastisasi yang tidak merepotkan dan mempermudah dalam memilah makanan yang baik.
 Judul Artificial Intelligence and Virtual Worlds – Toward Human-Level AI Agents

Penulis Vladimir M. Petrović

Tahun , Volume 6, 13 July 2018, 39976 - 39988

Halaman
Topik Makalah ini membahas persimpangan AI dan dunia virtual, dengan fokus pada agen AI dan
mengeksplorasi implikasi potensial terhadap AI tingkat manusia. Ini menawarkan pendekatan
multidisiplin yang unik untuk subjek, untuk memberikan pandangan yang komprehensif
tentang masalah yang diuraikan dan cara mereka saling terkait. Manfaat yang datang dari studi
luas semacam ini ada dua: di satu sisi, penelitian tentang agen AI tingkat lanjut di dunia virtual
adalah bahan yang diperlukan untuk evolusi lebih lanjut mereka; dan di sisi lain, dunia maya
mewakili platform yang sangat baik untuk penelitian tentang berbagai masalah yang terkait
dengan bidang AI yang menantang.
Latar Gagasan tentang realitas buatan atau virtual (sebuah dunia simulasi di mana orang dapat
Belakang berinteraksi), telah menarik banyak perhatian beberapa dekade yang lalu. Pada saat itu, virtual
reality didefinisikan sebagai HCI (human-computer interface) yang mencakup simulasi dan
interaksi secara real-time, menggunakan beberapa sensor dengan tujuan untuk memberikan
eksitasi yang tepat dari indera manusia (penglihatan, pendengaran, sentuhan, penciuman, dan
rasa) [1]. Tampilan yang dipasang di kepala, suara 3-D, sarung tangan penginderaan, umpan
balik sentuhan paksa, dll., diimplementasikan untuk membuat ilusi kehadiran yang realistis di
beberapa lokasi virtual dan untuk memberi pengguna perasaan mendalam [2]–[ 3][4][5].
Namun, harapan dan tuntutan yang datang dari konsep virtual reality jauh lebih tinggi daripada
kemampuan teknologi saat itu [6], [7].
Metode Melakukan pemahaman bahwa VR adalah HCI yang real-time menggunakan beberapa sensor
Penelitian dengan tujuan untuk memberikan eksitasi yang tepat dari indera manusia (penglihatan,
pendengaran, sentuhan, penciuman, dan rasa) jadi kemampuan teknologi memang di terapkan
untuk waktu yang memang di sediakan.
Serta malukan riset terhadap game dengan konsep MMORGP, dan riset apakah penambahan
fitur perkembangan terknologi dapat miningkatkan minat dalam game ini seperti 3D dengan
begitu juga mengaitkannya dengan AI, ada juga NPC, dan lain – lain.
Memahami game sebagai mahakarya illustrasi dari pemikiran manusia yang real time
(mendekati nyata)
Hasil dan jelas dari bagian makalah sebelumnya bahwa dunia virtual memang memberi kita
Kesimpulan kemungkinan untuk secara efektif meneliti berbagai masalah yang terkait dengan agen cerdas,
dan akibatnya segmen yang berbeda dari masalah AI tingkat manusia. Pada saat yang sama
sifat mekanisme di mana dunia virtual dibangun, dapat memberlakukan batasan yang parah
untuk pemanfaatan penuh potensi mereka pada subjek ini. Lebih lanjut dalam teks beberapa
aspek saran Laird akan dianalisis, bersama dengan kemungkinan implikasinya. Untuk lebih
memahami potensi dunia maya pada hal-hal sebelumnya, pertanyaan tentang AI tingkat
manusia dari perspektif teori yang dipilih harus secara singkat ditambahkan
Pandangan Memanfaatkan teknologi yang merupakan buatan manusia untuk memahami manusia dengan
dan Saran memperhatikan perkembangan yang di buat manusia mungkin sangat tepat, karna dari situ
juga kita bisa melihat gimana kecerdasan buatan terlihat benar ada di buat dengan
mengillustrasikan manusia tersebut,
Dalam penelitian ini memasuki konsep, fitur teknologi terhadap mahakarya manusia dalam
bentuk digital dan seacra tidak langsung menampilkan AI nya seperti 3D , NPC dan lain
 sebagainya yang diperkirakan akan mempunyai potensi itu juga merupakan illustrasi manusia
yang tertinggal dan berusaha memahami konsep tersebut dalam penerepan yang ada sehingga
kita bisa melihat efek dan dampak seperti apa yang ada pada game tersebut yang secara tidak
langsung dampak nya kemanusia juga