KECERDASAN BUATAN

BAB I

PENDAHULUAN

1. 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.

2. Rumusan Masalah

Berdasarkan latar belakang di atas yang menjadi rumusan masalah dalam penulisan makalah ini yaitu :

1. Apa yang dimaksud dengan Kecerdasan Buatan?
2. Apa saja yang membedakan kecerdasan manusia dengan kecerdasan buatan?

3. Hipotesis

1. 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.
2. 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

1. 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.

2. 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:

1. AI Lebih Bersifat Permanen
2. AI Menawarkan Kemudahan untuk digandakan dan disebarkan
3. AI dapat lebih murah daripada kecerdasan Alami
4. AI bersifat konsisten dan teliti
5. 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.

3. 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:

1. Aplikasi Pengetahuan Kognitif
2. Aplikasi Robotika
3. 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

4. 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.