BAB I
PENDAHULUAN
- Latar Belakang Masalah
Di
masa kini, Kecerdasan Buatan (Artificial Intelligence, AI) telah menjadi wacana
umum yang sangat penting dan jamak dijumpai. Namun masih banyak menyisakan
pertanyaan skeptis tentang ‘mesin berfikir’: “Betulkah sebuah mesin dapat
benar-benar berfikir dengan dirinya sendiri?”, atau “Jika benar-benar dapat
berfikir sendiri, apakah proses berfikirnya sama dengan kita?”, dan “Seberapa
handal?”.
Namun dalam makalah ini kami tidak membahas secara rinci.
Yang kami bahas hanya mengenai kecerdasan buatan saja.
- Rumusan Masalah
Berdasarkan latar belakang di atas yang
menjadi rumusan masalah dalam penulisan makalah ini yaitu :
- Apa
yang dimaksud dengan Kecerdasan Buatan?
- Apa
saja yang membedakan kecerdasan manusia dengan kecerdasan buatan?
- Hipotesis
- Yang dimaksud dengan Kecerdasan
Buatan (Artificial Intelligence) adalah kawasan penelitian, aplikasi
dan instruksi yang terkait dengan pemrograman komputer untuk melakukan
sesuatu hal yang dalam pandangan manusia adalah cerdas.
- Jika
Kecerdasan Buatan Lebih bersifat
permanen. Kecerdasan alami bisa berubah karena sifat manusia pelupa.
Kecerdasan buatan tidak berubah selama sistem komputer & program tidak
mengubahnya sedangkan kecerdasan manusia (alami) Memungkinkan orang
untuk menggunakan pengalaman atau pembelajaran secara langsung. Sedangkan
pada kecerdasan buatan harus mendapat masukan berupa input-input
simbolik.Pemikiran manusia dapat digunakan secara luas, sedangkan
kecerdasan buatan sangat terbatas.
BAB
II
PEMBAHASAN
KECERDASAN
BUATAN
- Dasar
Kecerdasan Buatan
Kecerdasan buatan atau Artificial Intelligence (AI) istilah yang
mungkin akan mengingatkan kita akan kehebatan optimus prime dalam film The
Transformers. Kecerdasan buatan memang kerap diidentikkan dengan kemampuan
robot yang dapat berperilaku seperti manusia. Definisi Kecerdasan Buatan,
Berbagai definisi diungkapkan oleh para ahli untuk dapat memberi gambaran
mengenai kecerdasan buatan beberapa diantaranya :
Kecerdasan
Buatan (Artificial Intelligence) merupakan kawasan penelitian, aplikasi dan
instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal
yang dalam pandangan manusia adalah cerdas (H. A. Simon [1987]).
Kecerdasan
Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan
hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia
(Rich and Knight [1991]).
Kecerdasan
Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi
pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan,
dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan
sejumlah aturan (Encyclopedia Britannica).
Sejarah
Kecerdasan Buatan
Berbagai litelatur mengenai kecerdasan buatan menyebutkan bahwa ide
mengenai kecerdasan buatan diawali pada awal abad 17 ketika Rene Descartes
mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin
yang rumit. Kemudian Blaise Pascal yang menciptakan mesin penghitung digital
mekanis pertama pada 1642. Selanjutnya pada abad 19, Charles Babbage dan Ada
Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Perkembangan
terus berlanjut, Bertrand Russell dan Alfred North Whitehead menerbitkan
Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter
Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas” pada
1943 yang meletakkan pondasi awal untuk jaringan syaraf.
Tahun 1950-an
adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis
pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester
(UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey
dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy
membuat istilah “Kecerdasan Buatan” pada konferensi pertama pada tahun 1956,
selain itu dia juga menemukan bahasa pemrograman Lisp. Alan Turing
memperkenalkan “Turing test” sebagai sebuah cara untuk mengoperasionalkan test
perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang
menerapkan psikoterapi Rogerian.
Selama tahun
1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan
simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program
berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin
Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas
jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer
Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk
representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang
diyakini sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan
terkendali komputer pertama untuk mengatasi jalan yang mempunyai rintangan
secara mandiri.
Kemampuan untuk problem solving adalah salah satu cara untuk mengukur kecerdasan dalam berbagai konteks. Terlihat di sini bahwa mesin cerdas akan diragukan untuk dapat melayani keperluan khusus jika tidak mampu menangani permasalahan remeh/kecil yang biasa dikerjakan orang secara rutin. Terdapat beberapa alasan untuk memodelkan performa manusia dalam hal ini:
a. Untuk menguji teori psikologis dari performa manusia
b. Untuk membuat komputer dapat memahami penalaran (reasoning) manusia
c. Untuk membuat manusia dapat memahami penalaran computer
d. Untuk mengeksploitasi pengetahuan apa yang dapat diambil dari manusia
Menurut Winston dan Prendergast (1984), tujuan dari Kecerdasan Buatan adalah:
a. Membuat mesin menjadi lebih pintar.
b. Memahami apakah kecerdasan (intelligence) itu.
c. Membuat mesin menjadi lebih berguna.
3. Kecerdasan
Dari kamus, arti kecerdasan adalah: kemampuan untuk mengerti/memahami (The faculty of understanding). Perilaku cerdas dapat ditandai dengan:
a. Belajar atau mengerti dari pengalaman
b.Memecahkan hal yang bersifat mendua atau kontradiktif
c. Merespon situasi baru dengan cepat (fleksibel)
d. Menggunakan alasan untuk memecahkan problem secara efektif
e. Berurusan dengan situasi yang membingungkan
f. Memahami dengan cara biasa/rasional
g. Menerapkan pengetahuan untuk memanipulasi lingkungan
h. Mengenali elemen penting pada suatu situasi
Sebuah ujian yang dapat dilakukan untuk menentukan apakah sebuah komputer/ mesin menunjukkan perilaku cerdas didesain oleh Alan Turing. Tes Turing menyatakan sebuah mesin dikatakan pintar hanya apabila seorang pewawancara (manusia) yang berbicara dengan orang lain dan mesin yang dua-duanya tidak terlihat olehnya, tidak mampu menentukan mana yang manusia dan mana yang mesin, meskipun dia telah berulang-ulang melontarkan pertanyaan yang sama.
- Perbandingan
Kecerdasan Buatan Dengan Kecerdasan Manusia
Menurut Kaplan, diutarakan oleh Turban, McLean dan
Wetherbe tahun 1999, pada halam 478, AI atau Artificial Intelligence mempunyai
beberapa kelebihan dibandingkan dengan kecerdasan alami (Kecerdaran Manusia).
Kelebihan tersebut dipaparkan sebagai berikut:
- AI Lebih Bersifat Permanen
- AI Menawarkan Kemudahan untuk
digandakan dan disebarkan
- AI dapat lebih murah daripada
kecerdasan Alami
- AI bersifat konsisten dan teliti
- AI dapat didokumentasi
Penjabaran
dari kelima kelebihan AI adalah:
#
AI Lebih bersifat Permanen
Berbeda dengan AI, kecerdasan Alami yang dipunyai
oleh seseorang tidak dapat disimpan. Ketika orang tersebut pindah kerja,
pengetahuan yang dimilikinya ikut terbawa. AI lebih bersifat Permanen karena
tetap ada sepanjang sistem komputer dan
program
masih terpelihara.
#
AI Menawarkan Kemudahan untuk digandakan dan disebarkan
Pemindahan
pengetahuan dari satu orang ke orang lain memerlukan waktu yang panjang dan
bahkan mungkin pengetahuan itu tidak dapat diduplikasi secara lengkap. Adapun
pengetahuan dalam sistem komputer mudah sekali untuk disalin dan dipidahkan ke
sistem lain.
#
AI dapat lebih murah daripada kecerdasan alami
Telah
banyak dibuktikan bahwa biaya membeli jasa dengan komputer lebih murah daripada
biaya untuk membiayai manusia yang melaksanakan tugas yang sama.
#
AI bersifat Konsisten dan Teliti
Hal
ini berbeda dengan manusia yang sering tak menentu atau tidak konsisten.
# AI dapat didokumentasi
Keputusan
yang dibuat oleh komputer dapat didokumentasi dengan mudah dengan cara mencatat
semua kegiatan yang dilakukan sistem. Kecerdasan alami sulit untuk
didokumentasi. Sebagai contoh, seseorang bisa jadi melakukan penyimpulan,
tetapi pada saat yang lain mungkin tidak dapat melakukan kembali proses
penalaran yang membimbingnya ke kesimpulan ataupun mengingat kembali
asumsi-asumsi yang mendasari keputusan.
- Bidang-Bidang
Aplikasi Kecerdasan Buatan
Sejauh ini AI telah dipakai untuk melakukan berbagai
hal. Dengan segala keterbatasannya, AI telah dipergunakan untuk:
- Membuat Aplikasi komputer yang
sangat mudah bagi pemakai
- Meningkatkan pemecahan masalah
secara cepat dan konsisten
- Membantu menyelesaikan masalah yang
mengandung data yang tidak lengkap atau kurang jelas
- Menangani informasi yang berlebihan
(dengan cara melakukan pengikhtisaran atau penginterprestasian informasi
- Meningkatkan produktivitas dalam
melaksanakan banyak tugas
- Membantu melakasanakan pencarian
data atau suatu pola berdasarkan jumlah data yang sangat besar
Beberapa contoh Penerapan AI:
- Deep Blue adalah program catur yang
pada tahun 1997 dapat mengalahkan pecatur dunia Garry Kasparov dengan
kedudukan 3,5 - 2,5
- Logic Theorist adalah program yang
mampu membuktikan beberapa teorema yang terdapat pada bab pertama Principia
Matematica karya Whitehead dan Russell
- SYSTRAN adalah perangkat lunak yang
dapat dipakai untuk melakukan penerjemahan dari dan kebahasa-bahasa
berikut: Jerman, Prancis, Italia, Jepang, Korea, Rusia, Portugis dan
Spanyol
- Delco Electronics menciptakan
sebuah mobil yang dapat mengemudi sendiri. Mobil ini menggunakan
pendeteksi tepi untuk tetap bertahan di jalan
- Volkswagen AG (Jerman) menciptakan
sistem pengemudi kendaraan otomatis
AI (Artificial Intelligence) ini
diaplikasikan dalam 3 bagian utama yaitu:
- Aplikasi Pengetahuan Kognitif
- Aplikasi Robotika
- Aplikasi Antarmuka Alami
1)
Pengolahan Bahasa Alami
Natural Language
Processing atau Pemrosesan Bahasa Alami
merupakan salah satu tujuan jangka panjang dari Artficial Intelegence(kecerdasan buatan) yaitu
pembuatan program yang memiliki kemampuan untuk memahami bahasa manusia.
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.
Dalam pemahaman
suatu bahasa ada beberapa bidang yang harus disertakan yaitu morfologi,
sintaksis, semantik, pragmatik, fonologi, dan pengetahuan tentang dunia
sekitar.
Komponen
Utama Bahasa Alami
Pengolahan
bahasa alami terdiri dari dua bagian utama, yaitu : parser, sistem representasi
pengetahuan dan pengolahan output.
a.Parser
Suatu sistem yang mengambil kalimat input bahasa alami dan menguraikannya ke
dalam beberapa bagian gramatikal (kata benda, kata kerja, kata sifat, dan
lain-lain).
b.Sistem
Representasi Pengetahuan
Suatu sistem
yang menganalisis output parser untuk menentukan maknanya.
c.Output
Translator
Suatu
terjemahan yang merepresentasikan sistem pengetahuan dan melakukan langkah-
langkah yang bisa berupa jawaban atas bahasa alami atau output khusus yang
sesuai dengan program komputer lainnya.
Kategori
Aplikasi Pengolahan Bahasa Alami
Teknologi
Natural Language Processing (NLP) atau
Pemrosesan Bahasa Alami adalah teknologi yang memungkinkan untuk melakukan
berbagai macam pemrosesan terhadap bahasa alami yang biasa digunakan oleh
manusia. Sistem ini biasanya mempunyai masukan dan keluaram berupa bahasa
tulisan (teks). NLP mempunyai aplikasi yang sangat luas. Beberapa diantara
berbagai kategori aplikasi NLP adalah sebagai berikut menurut
irdaloves.blogspot.com:
1. Natural
Language Translator, yaitu translator dari satu bahasa alami ke bahasa
alami lainnya, misalnya translator bahasa Inggris ke bahasa Indonesia, Bahasa
Indonesia ke Bahasa Jawa dan sebagainya. Translator bahasa alami bukan hanya
kamus yang menerjemahkan kata per kata, tetapi harus juga mentranslasikan
sintaks dari bahasa asal ke bahasa tujuannya.
2. Translator
bahasa alami ke bahasa buatan, yaitu translator yang mengubah
perintah-perintah dalam bahasa alami menjadi bahasa buatan yang dapat
dieksekusi oleh mesin atau komputer. Sebagai contoh, translator yang
memungkinkan kita memberikan perintah bahasa alami kepada komputer. Dengansistem
seperti ini, pengguna sistem dapat memberikan perintah dengan bahasa
sehari-hari, misalnya, untuk menghapus semua file, pengguna cukup memberikan
perintah ”komputer, tolong hapus semua file !” Translator akan mentranslasikan
perintah bahasa alami tersebut menjadi perintah bahasa formal yang dipahami
oleh komputer, yaitu ”dir *.* ”.
3. Text
Summarization, yaitu suatu sistem yang dapat ”membuat ringkasan”
hal-hal yang penting dari suatu wacana yang diberikan.
Dalam dunia
kecerdasan buatan pengolahan bahasa alami merupakan aplikasi terbesar setelah
sistem pakar. Banyak para ahli Artificial Intelligence berpendapat bahwa bidang
yang penting yang dapat dipecahkan oleh Artificial Intelligence adalah Natural
Language Processing (Pengolahan Bahasa Alami).
Dasar Teori
Riset ini
dilaksanakan dengan tujuan untuk menerjemahkan kalimat dalam bahasa inggris ke
dalam struktur kalimat berbahasa Indonesia, jadi yang ditekankan dalam riset
ini lebih banyak pada struktur kalimatnya dan bukan hanya pada sintaks kalimat
saja. Dalam riset ini kamu memakai beberapa referensi sebagai dasar
percobaannya. Referensi tersebut memuat komponen-komponen yang digunakan dalam
riset, antara lain :
- Metode parsing kalimat.
- Membuat link grammar.
- Algoritma parsing dan link grammar.
Seperti yang
telah diketahui bahwa susunan kalimat bahasa inggris sedikit berbeda dengan
bahasa Indonesia, maka dari itu dengan riset ini kami mencoba mengatasi
permasalahan tersebut.
2)
Visi Komputer
Visi Komputer
adalah ilmu dan teknologi mesin yang melihat, di mana lihat dalam hal ini
berarti bahwa mesin mampu mengekstrak informasi dari gambar yang diperlukan
untuk menyelesaikan tugas tertentu. Sebagai suatu
disiplin ilmu, visi komputer berkaitan dengan teori di balik sistem buatan
bahwa ekstrak informasi dari gambar. Data gambar dapat mengambil banyak bentuk,
seperti urutan video, pandangan dari beberapa kamera, atau data multi-dimensi
dari scanner medis.
Sebagai disiplin teknologi, visi komputer berusaha untuk
menerapkan teori dan model untuk pembangunan sistem visi komputer. Contoh
aplikasi dari visi komputer mencakup sistem untuk:
- Pengendalian
proses (misalnya, sebuah robot industri atau kendaraan otonom).
* Mendeteksi peristiwa (misalnya, untuk pengawasan visual atau orang
menghitung).
* Mengorganisir informasi (misalnya, untuk pengindeksan database foto dan
gambar urutan).
- * Modeling
benda atau lingkungan (misalnya, inspeksi industri, analisis citra medis).
Interaksi (misalnya, sebagai input ke
perangkat untuk interaksi komputer-manusia).
Komputer visi berkaitan erat dengan kajian visi biologis. Bidang studi visi
biologis dan model proses fisiologis di balik persepsi visual pada manusia dan
hewan lainnya. Komputer visi, di sisi lain, studi dan menggambarkan proses
diimplementasikan dalam perangkat lunak dan perangkat keras di belakang sistem
visi buatan. pertukaran Interdisipliner antara visi biologi dan komputer telah
terbukti bermanfaat bagi kedua bidang.
Komputer visi, dalam beberapa hal, invers grafis
komputer. Sementara komputer grafis menghasilkan data gambar dari model 3D,
visi komputer sering menghasilkan model 3D dari data citra. Ada juga
kecenderungan kombinasi dari dua disiplin, misalnya, sebagaimana dibahas dalam
realitas ditambah.
Sub-domain dari visi komputer termasuk adegan rekonstruksi, deteksi event,
pelacakan video, pengenalan obyek, belajar, indexing, estimasi gerak, dan
pemulihan citra.
3)
Pengenalan Percakapan
Sebelumnya yang dimaksud
dalam Speech Recognition adalah sebuah teknologi komputer yang mengutilisasi
audio input untuk memasukkan data atau perintah dibandingkan dengan menggunakan
keyboard atau alat input lainnya. Speech Recognition software dirancang dengan
sebuah internal database dari kata atau phrase yang dapat dikenal. Program akan
dijalankan sesuai dengan audio signature dari speech yang menggunakan
corresponding entries didalam database.
Bidang ini juga masih dikembangkan
dan terus dilakukan penelitiannya. Kalau bidang ini berhasil dengan baik dan
sempurna, alangkah hebatnya komputer. Kita dapat berkomunikasi dengan komputer
hanya dengan bicara, kita bisa mengetik sebuah buku hanya dengan bicara, dan
selanjutnya komputer yang akan menampilkan tulisan hasil pembicaraan kita. Akan
tetapi bidang ini masih belum sempurna seperti yang diharapkan. Hal ini
dikarenakan jenis suara manusia berbeda-beda.
Suatu alat recognizer dapat
ditambahkan pada komputer mikro sehingga dapat digunakan untuk speech
recognition, diantaranya yaitu:
-
Voice Recognition
Module (VRM) buatan Interstate Electronic.
-
Voice Data Entry System
(VDEC) buatan Interstate Electronic.
-
SpeechLab
buatan Heuristics Inc.
-
Voice Entry Terminal
(VET) buatan Scott Instruments.
-
Cognivox
buatan Voicetek.
4)
Robotika
Robot berasal dari kata Robota, dari bahasa
Chekoslavia yang berarti tenaga kerja. kata ini digunakan oleh dramawan Karel
Capek pada tahun 1920 pada sandiwara fiksinya, yaitu R.U.R (Rossum’s
Universal Robots).
Robot adalah suatu mesin yang dapat diarahkan untuk
mengerjakan bermacam-macam tugas tanpa campur tangan lagi dari manusia. Secara
ideal robot diharapkan dapat melihat, mendengar, menganalisa lingkungannya dan
dapat melakukan tindakan-tindakan yang terprogram. Dewasa ini robot digunakan
untuk maksud-maksud tertentu dan yang paling banyak adalah untuk keperluan
industri. Diterapkannya robot untuk industri terutama untuk pekerjaan 3D yaitu Dirty,
Dangerous, atau difficult (kotor, berahaya dan pekerjaan yang
sulit). Negara yang banyak menggunakan robot untuk industri adalah Jepang,
Amerika Serikat dan Jerman Barat.
8.1 Penggolongan Robot
Ada beberapa cara menggolongkan robot. Ada yang
menggolongkan robot menurut sumber tenaganya (secara elektronik, hidrolik, dan
pneumatik). Ada yang menggolongkan ke dalam kerumitannya (robot yang sederhana
hanya dapat bergerak dalam satu, dua atau tiga jurusan saja, sedang robot yang
canggih dapat bergerak puluhan sudut secara serentak). Robot dapat juga
digolongkan dalam daya angkatnya (ada robot yang hanya dapat mengangkat
benda-benda yang ringan saja sampai yang berat). Ada yang menggolongkan dalam
kecepatan geraknya, ketepatannya serta metode penggunaannya. Berdasarkan
penggunaannya robot dapat digolongkan sebagai:
- Robot pribadi (personal robots)
Juga disebut dengan home robots (robot rumah
tangga), karena terutama ditujukan untuk membantu pekerjaan-pekerjaan rumah
tangga menjadi lebih otomatis.
- Robot industri (industrial robots)
Robot industri merupakan robot yang digunakan untuk
membantu di dalam proses produksi, misalnya untuk menangani material, mengelas,
mengecat, memasang komponen dan lain sebagainya. Contoh robot yang digunakan
pada industri:
a.
Motionmate:
merupakan robot industri yang paling sederhana untuk melakukan proses mengambil
dan meletakkan komponen-komponen di dalam proses produksi. Robot ini dapat
mengangkat komponen sebesar 5 pound (sekitar 2,268 Kg).
b.
The Rhino Charger:
robot ini dibuat oleh pabrik Rhino Robots, Inc. dan dengan menggunakan komputer
Apple serta disk drive dapat untuk mengontrol gerak dalam 6 arah sumbu.
Dengan daya angkatnya sampai dengan 50 pound (sekitar 22,68 Kg) dan tingkat
gerak maksimumnya adalah 200 inches per detik.
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.
d.
Cincinnati/Milacron T3:
Robot ini oleh Cincinnati/Milacron Corporation dengan daya angkatnya sebesar
100 pound (sekitar 45,36 Kg). Robot ini sangat fleksibel dalam arah geraknya.
Dapat bergerak dalam 6 arah sumbu.
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 (educational robots).
Robot
pendidikan ini dikembangkan untuk tujuan membantu di dalam mengajar tentang
operai dan penggunaan dari robot industri. Contoh robot yang digunakan dalam
bidang pendidikan:
1.
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.
2.
Microbot:
Microbot mempunyai dua macam robot, yaitu Microot Minimower dan Microbot
Teachmower. Minimower dapat diprogram dengan komputer Apple atau TRS-80.
Teachmower digunakan untuk simulasi robot industri dan menggunakan teach
pendant untuk memprogramnya serta dapat digunakan komputer Apple atau
TRS-80 untuk menyimpan program.
3.
Hero-1:
Robot ini dibuat oleh Heath/Zenith, merupakan robot yang dapat bergerak dan
dirancang untuk membantu mempelajari robot industri. Robot ini mempunyai
beberapa unit sensor. Unit sensor ini dapat mendeteksi gerak, mengukur jarak
sampai 15 feet, mendeteksi perubahan tinggkat cahaya, membedakan dua buah suku
kata dan menggunakan speech synthesizer, sehingga dapat berbicara.
Hero-1 juga dilengkapi dengan teach pendant.
5)
Sistem Pakar
Kemampuan, keahlian dan pengetahuan tiap orang
berbeda-beda. Komputer dapat diprogram untuk berbuat seperti orang yang ahli
dalam bidang tertentu. Komputer yang demikian dapat dijadikan seperti konsultan
atau tenaga ahli di bidang tertentu yang dapat menjawab pertanyaan dan
memberikan nasehat-nasehat yang dibutuhkan. Sistem demikian disebut Expert
System (Sistem Pakar).
Salah
satu expert system yang pertama adalah:
1.
MACSYMA, yang digunakan
untuk tugas-tugas matematika.
2.
MYCIN, untuk
mendiagnosa penyakit infeksi pada darah.
3.
CADUCEUS, untuk
mendeteksi penyakit.
4.
PUFF, untuk mengukur
fungsi dari paru-paru.
5.
PROSPECTOR, digunakan
perusahaan DEC untuk menggamarkan konfigurasi dari sistem komputer bagi para
langganannya.
6.
DENDRAL, untuk
mengidentifikasikan struktur molekul suatu komposisi kimia dan lain sebagainya.
Untuk
mengembangkan expert system, harus diciptakan terlebih dahulu suatu knowledge
base yang dibutuhkan oleh aplikasinya. Suatu knowledge base terdiri dari
kumpulan data tertentu untuk permasalahan yang spesifik dan aturan-aturan
bagaimana memanipulasi data yang disimpan tersebut.
Berbeda
dengan database biasa, knowledge base mungkin dapat juga terdiri
dari asumsi-asumsi, kepercayaan-kepercayaan, pendugaan-pendugaan dan
metode-metode heuristic. Untuk membuat knowledge base perencanaan
sistem harus bekerja sama atau meminta nasehat dari ahli di bidangnya. Orang
yang menciptakan expert system disebut dengan knowledge engineer.
6)
Logika Kabur
Kata fazi berarti kabur atau
samar-samar. Logika fuzzy merupakan suatu cabang logika yang
menggunakan derajat keanggotaan kebenaran (dari nol sampai dengan satu),
sedangkan logika klasik hanya mengelompokan derajat keanggotaan kebenaran
menjadi dua nol (salah) atau satu (benar). Dengan menggunakan sistem inferensi
Fuzzy yang didasarkan pada konsep teori fuzzy, aturan fuzzy if-then,
dan logika fuzzy, maka diperoleh solusi yang baik dan yang mampu mengikuti
perubahan variabel bebas secara halus sekali.
7)
Jaringan Saraf
Jaringan saraf tiruan (JST) (Bahasa
Inggris: artificial neural network (ANN), atau juga
disebut simulated neural network (SNN), atau umumnya hanya disebut neural
network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang
dimodelkan berdasarkan jaringan saraf manusia.
JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan
masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui
jaringan tersebut.
Secara
sederhana, JST adalah sebuah alat pemodelan data statistik
non-linier. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara
input dan output untuk menemukan pola-pola pada data.
8)
Algoritma Genetika
Algoritma genetika adalah
algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi biologis.
Prinsip evolusi berbasis “survival of the fittest” (yang menang/bertahan
adalah yang kuat/mampu menyesuaikan diri) dimanfaatkan dalam GA. GA cocok
sekali untuk persoalan optimasi dengan banyak alternatip solusi. Misalnya
menyusun suatu ramuan obat dari berbagai unsur dengan kemungkinan yang banyak
sekali. Pada algoritma ini, teknik pencarian dilakukan sekaligus atas sejumlah
solusi yang dikenal dengan istilah populasi. Individu yang terdapat dalam satu
populasi disebut dengan istilah string (string) atau kromosom (chromosome).
Cara mendapatkan solusi optimal adalah menghitung nilai fitness dari
setiap individu. Fungsi untuk menghitung nilaifitness disebut
fungsi fitness yang dapat berupa fungsi matematika atau fungsi
lainnya dengan melihat kriteria tertentu dari permasalahan yang hendak
diselesaikan. Dengan fungsi fitness yang menghasilkan
nilai fitness dari suatu kromosom maka dapat dibedakan antara
kromosom yang berkualitas baik dengan kromosom yang berkualitas buruk dalam
populasi tersebut. Kromosom berkualitas baik mempunyai kemungkinan yang lebih
besar untuk terpilih sebagai induk. Jika algoritma genetik tersebut belum
mencapai kondisi untuk berhenti maka akan dibentuk generasi berikutnya yang
dikenal dengan istilah anak (offspring), terbentuk dari gabungan 2
kromosom generasi sekarang yang bertindak sebagai induk (parent) dengan
menggunakan operator penyilangan (crossover). Bila crossover tidak
menghasilkan solusi, maka dipakai operator mutasi.
9)
Sistem Al Hibrida
10)
Agen Cerdas
- Topik-Topik
Lain
1)
Cyborg
2)
Artificial Life
3)
Pembelajaran Mesin
Salah satu kemampuan penting yang dibutuhkan oleh baik organisme hidup
maupun organisme buatan agar disebut berintelegensia adalah kemampuan belajar
dari hasil interaksinya dengan lingkungan. Salah satu ciri utama dalam kemapuan
belajar itu adalah kemampuan menghasilkan (acquire) aturan-aturan
pengklasifikasi konsep dari data yang tersedia dan atau dari interaksi dengan
lingkungan.
Dalam intelegensia buatan, pembelajaran mesin merupakan salah satu area
yang sangat aktif diteliti akhir-akhir ini. Disiplin ini berhubungan dengan
pengembangan metode-metode, teknik-teknik serta peralatan-peralatan (tools)
pembelajaran yang dapat mengakumulasi pengetahuan dan menghasilkannya dalam
suatu bentuk yang dapat dimengerti oleh para pakar atau dapat digunakan dalam sistem
cerdas.
Pembelajaran merupakan faktor penting dalam membangun suatu mesin
berintelegensia sendiri. Suatu mesin tidak dapat dikatakan berintelegensia
sendiri kalau mesin itu tidak mampu belajar mengerjakan hal-hal baru dan
beradaptasi dengan situasi-situasi yang baru. Mesin-mesin yang hanya dapat
mengerjakan pekerjaan yang itu-itu saja dari waktu ke waktu tidak bisa
dikatakan berintelegensia sendiri. Mesin seperti itu adalah mesin yang
diprogram (programmed machine) dan berkerja berdasarkan instruksi. Tanpa
instruksi mesin itu tidak dapat mengambil keputusan sendiri. Meskipun
mesin-mesin itu dapat diprogram berulang-ulang (programmable machines) namun
pengetahuan mereka bersifat statis dan terbatas pada instruksi-instruksi yang
dimasukkan. Untuk mesin-mesin seperti itu penalaran (reasoning) dilakukan oleh
manusia sedangkan mesin hanya digunakan karena alasan kecepatan, kapasitas dan
sifat monotonitas pemrosesannya. Suatu mesin yang berintelegensia sendiri harus
mampu belajar meningkatkan pengetahuannya, dalam arti menemukan sendiri
metode-metode mana yang tepat untuk digunakan menyelesaikan suatu persoalan.
Pembelajaran menurut Simon (1983) adalah perubahan dalam sistem yang secara
adaptif memampukan sistem tersebut mengerjakan tugas-tugas yang sama atau tugas
dalam jenis yang sama secara lebih efektif pada waktu berikutnya. Kemampuan
belajar ini meliputi dua hal yaitu:
? Kemampuan meningkatkan ketrampilan (skill refinement).
? Kemampuan mengakuisisi pengetahuan (knowledge acquisition).
Kemampuan mengakusisi pengetahuan ini yang menjadi fokus perhatian utama
dalam pembelajaran mesin dan pengembangan sistem cerdas (expert systems).
Alasan utama timbul dari kenyataan bahwa akusisi pengetahuan dari seorang pakar
adalah salah satu dari kesulitan utama pengembangan sistem-sistem cerdas
(Barr and Feigenbaum, 1982; Duda and Shortliffe, 1983). Secara tradisional,
pengetahuan seorang pakar diperoleh menggunakan kuesioner, analisa protokol,
dan kombinasi dari kedua hal tersebut. Pengetahuan yang didapat ini kemudian
diterjemahkan menjadi aturan-aturan dari suatu sistem cerdas. Bila pengetahuan
sistem cerdas ini ingin ditingkatkan, maka prosedur ini diulang kembali.
Metode-metode akusisi pengetahuan secara tradisional ini sangat
menghabiskan waktu dan tenaga dan sering tidak terlalu efektif (Michalski
Chilauski, 1980). Alasannya adalah bahwa para pakar sering mengalami kesulitan
menjelaskan keputusan-keputusan yang mereka ambil (Michalski and Chilauski,
1980; Bobrow, Mittal and Stefik, 1986). Para pakar biasanya lebih yakin
menerapkan kepakarannya dari pada menjelaskannya. Selain itu, kalau akusisi
pengetahuan itu dapat diautomatiskan maka waktu yang dibutuhkan untuk memperoleh
pengetahuan para pakar menjadi lebih cepat (Michalski Chilauski, 1980; Quinlan,
1986; Biggs et al., 1987; Carter and Carlett, 1987; Greene, 1987).
BAB
III
KESIMPULAN
Berdasarkan beberapa uraian diatas maka dapat kami
simpulkan sebagai berikut :
- Yang dimaksud dengan Kecerdasan
Buatan (Artificial Intelligence) adalah kawasan penelitian, aplikasi
dan instruksi yang terkait dengan pemrograman komputer untuk melakukan
sesuatu hal yang dalam pandangan manusia adalah cerdas.
- Jika
Kecerdasan Buatan Lebih bersifat
permanen. Kecerdasan alami bisa berubah karena sifat manusia pelupa.
Kecerdasan buatan tidak berubah selama sistem komputer & program tidak
mengubahnya sedangkan kecerdasan manusia (alami) Memungkinkan orang
untuk menggunakan pengalaman atau pembelajaran secara langsung. Sedangkan
pada kecerdasan buatan harus mendapat masukan berupa input-input
simbolik.Pemikiran manusia dapat digunakan secara luas, sedangkan
kecerdasan buatan sangat terbatas.
DAFTAR PUSTAKA
Kadir,
Abdul ; Pengenalan Sistem Informasi ; Yogyakarta : Penerbit Andi ; 2003.
Andi,
dkk ; Kecil Wadah, Isi Melimpah pada Majalah Komputer Aktif ; No.55 ;
Maret 2003.
Heizer,
Jay ; Render, Barry ; Operations Management ; New Jersey : Prentice-Hall
; 2001.