Tugas Denny Trias Weblog

Kerjakan dengan sungguh-sungguh, bagikan ilmu dengan ikhlas, nanti Allah akan menambahkan keberkahan

Febrianto Lingga A. / E3211703

Nama : Febrianto Lingga A.
Nim : E3211703
A.    Apa itu AI ?

Hecht-Nielsend (1988), “Suatu neural network (NN), adalah suatu struktur pemroses informasi yang terdistribusi dan bekerja secara paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal searah yang disebut koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal yang bercabang (fan out) ke sejumlah koneksi kolateral yang diinginkan (setiap koneksi membawa sinyal yang sama dari keluaran elemen pemroses tersebut). Keluaran dari elemen pemroses tersebut dapat merupakan sebarang jenis persamaan matematis yang diinginkan. Seluruh proses yang berlangsung pada setiap elemen pemroses harus benar-benar dilakukan secara lokal, yaitu keluaran hanya bergantung pada nilai masukan pada saat itu yang diperoleh melalui koneksi dan nilai yang tersimpan dalam memori lokal”.

Ada beberapa definisi kecerdasan buatan yang membedakan dua dimensi yang utama. Definisi satu dikaitkan dengan proses pemikiran dan penalaran, dan yang satu lagi dikaitkan dengan perilaku. Defenisi tersebut menjelaskan kinerja manusia dan konsep ideal kecerdasan, yang biasa disebut dengan konsep rasionalitas. Sebuah sistem dikatakan sukses jika sistem tersebut melakukan hal yang benar.  Kecerdasan buatan dapat didefinisikan dengan 4 cara, yaitu :

  1. Sistem yang berperilaku seperti manusia

Allan Turing mendesain sebuah test yang akhirnya disebut The Turing Test . Sebuah komputer akan dapat melewati test ini jika responnya sesuai dengan yang diinginkan. Komputer harus memiliki kemampuan memproses bahasa alami, representasi ilmu pengetahuan , kemampuan adaptasi mesin, dan automated reasoning untuk menjawab pertanyaan atau menggambarkan suatu keputusan. Untuk dapat melewati test ini suatu komputer membutuhkan Computer vision dan juga robotic.

  1. Sistem yang berpikir seperti manusia

Suatu program jika dikatakan dapat berpikir seperti manusia maka kita juga harus dapat menjabarkan bagaimana manusia berpikir. Kita perlu untuk melihat bagaimana sebenarnya cara kerja pikiran manusia. Ada dua cara untuk ini, melalui introspeksi dan melalui pengalaman psikologi.

  1. Sistem yang berpikir rasional

Berpikir rasional maupun berpikir yang benar dapat dikatakan memiliki kunci yang bernama logika. Implementasi dari ini sudah terdapat pada CPU yaitu ALU(Unit Aritmatika dan Logika).

  1. Sistem yang berperilaku rasional

Sistem yang berperilaku rasional. Semua kemampuan komputer yang diperlukan untuk the Turing Test membutuhkan perilaku yang rasional untuk melewatinya.

  1. Bidang-bidang ilmu yang mendasari AI
  • Filsafat

Socrates menanyakan tentang langkah-langkah untuk membedakan antara piety dengan non-piety. Lalu Aristotle pergi untuk mencoba merumuskan secara tepat dalam mengatur bagian rasional dari pikiran. Dia mengembagkan sistem informal dari syllogisma untuk kesimpulan yang tepat, dimana mengijinkan satu asas dari menghasilkan kesimpulan secara mekanik, yang disebut dengan premis. Aristotle tidak percaya bahwa semua bagian dari pikiran telah diatur oleh logika, dia juga mempunyai satu dugaan dengan alasan intuitif.

Sekarang kita mempunyai ide dari sekumpulan peraturan yang bisa menggambarkan cara kerja pikiran, langkah selanjutnya adalah menganggap pikiran seperti sistem fisik. Meskipun Descartes mendukung pemikiran dengan penalaran akan tetapi dia tetap pendukung paham dualism. Jadi unsur dari filsafat dari pikiran adalah hubungan antara pengetahuan dengan tindakan. Apakah hubungan ini dibawa, dan bagaimana tindakan itu bisa tepat? Pertanyaan ini sangat penting untuk Kecerdasan Buatan, karena hanya dengan pemahaman bagaimana aksi tersebut dibenarkan dapat kita pahami bagaimana caranya membangun satu agen yang tindakannya dapat masuk akal,atau dapat dipertimbangkan.

  • Matematika

Banyak ahli filsafat yang menyumbangkan ide penting tentang AI, tetapi untk membuat langkah ilmu pengetahuan yang formal diperlukan level dari formalitas matematika dalam tiga area utama, yaitu perhitungan/komputasi, logika, dan kemungkinan-kemungkinan. Ide utama komputasi berasal dari al-Khowarazami dimana adanya perumusan komputasi pikiran, batasan komputasi (Godel), representasi fakta lengkap teori probabilitas (kemungkinan).

  1. Sejarah kecerdasan buatan

1)      Awal kemunculan Kecerdasan Buatan (1943-1956)

Karya pertama yang saat ini dikenal sebagai kecerdasan buatan pertama kali diprakarsai oleh Warren McCulloch dan Walter Pitts(1943). Mereka membuatnya berdasarkan tiga sumber, yaitu pengetahuan dari psikologi dasar dan fungsi dari neuron pada otak; analisis formal dari logika proporsional karya Russell dan Whitehead; dan Teori Turing tentang komputasi. Pada awal 1950-an, Claude Shannon (1950) dan Alan Turing (1953) membuat chess program (program catur) untuk von Neumann komputer. Pada saat yang sama, dua mahasiswa Princeton jurusan matematika, Marvin Minsky dan Dean Endmonds, membangun komputer neural network untuk pertama kalinya pada tahun 1951. Mereka menyebutya The SNARC, komputer ini menggunakan 3000 tabung vakum dan mekanisme pilot otomatis dari B-24 untuk mensimulasikan jaringan saraf tiruan dari 40 neuron.

2)      Awal antusiasme dengan harapan besar (1952-1969)

Kesuksesan awal Newell dan Simon diikuti oleh GPS (General Problem Solver). Tidak seperti Teori Logic, program ini didesain dari awal untuk meniru tingkah laku manusia dalam memecahkan masalah. Jadi, GPS kemungkinan besar merupakan program pertama untuk mewujudkan pendekatan “berpikir seperti manusia”.

3)      IBM Research

Di IBM, Nathaniel Rochester dan rekannya membuat beberapa program kecerdasan buatan. Herbert Gelenter (1959) membuat Pembuktian Teorema Geometri. Seperti Teori Logic, teorema ini dibuktikan menggunakan aksioma yang direpresentasikan secara eksplisit. Gelenter kemudian menemukan bahwa terdapat terlalu banyak kemungkinan path untuk ditelusuri, kebanyakan akan berakhir dengan jalan buntu.Untuk membantu fokus pada penelitian ini, dia menambahkan kemampuan untuk membuat diagram representasi numerik.

Dimulai pada tahun 1952, Arthur Samuel membuat sejumlah program checkers (masih berupa konsep) yang pada akhirnya dapat belajar memainkan dan ikut bergabung dalam turnament checker. Sepanjang penelitiannya, dia membantah bahwa komputer hanya dapat melakukan apa yang diperintahkan kepadanya, karena programnya dengan cepat dapat belajar untuk bermain lebih baik dari penciptanya.

4)      LISP

John McCarthy pindah dari Dartmouth ke MIT dan dia memberikan beberapa kontribusi yang krusial. Pada tahun 1958. Di MIT AI Lab Memo no.1, McCarthy membuat high-level bahasa pemrograman LISP, yang merupakan bahasa pemrograman yang sering digunakan untuk kecerdasan buatan. Lalu, Pada tahun yang sama,1958. McCarthy mempublikasikan sebuah paper berjudul Programs with Common Sense, yang berisi penjelasan tentang sistem pengambil keputusan, sebuah hypothetical program yang dapat dianggap sebagai sistem pertama kecerdasan buatan yang lengkap.

  1. Microworlds

Minsky memimpin jajaran mahasiswa yang memilih “masalah terbatas” sebagai bagian dari kecerdasan buatan untuk dipecahkan. Masalah-masalah yang terbatas ini dikenal sebagai microworlds. Roseblatt membuktikan teorema konvergensi perceptron yang terkenal, dia menunjukan bahwa algoritma pembelajarannya (learning algorithm) dapat mengatur kekuatan hubungan antara perceptron dengan semua input data.

  1. Catatan Atau Dokumen Kenyataan (1966-1974)

Dari awal, peneliti AI ingin membuat prediksi tentang kesuksesan komputer yang akan datang. Pernyataan ini diikuti oleh Herbert Simon tahun 1957 , kutipannya yaitu : “ tujuan saya bukan untuk membuat kamu terkejut namun cara sederhana dengan meringkas adalah untuk mengatakan bahwa sekarang semua ada di dunia mesin yang berpikir yaitu yang belajar dan yang menciptakan. Selain itu, kemampuan mereka untuk melakukan hal-hal yang akan meningkat dengan cepat sampai di masa depan yang akan terlihat. Berbagai masalah mereka dapat menanganinya dengan rentang pikiran manusia yang telah diterapkan”.

Meskipun orang mungkin mengatakan bahwa istilah-istilah seperti “masa depan yang terlihat” bisa ditafsirkan dalam berbagai cara, beberapa prediksi Simon lebih konkret. Tahun 1958, ia meramalkan bahwa dalam waktu 10 tahun komputer akan menjadi juara catur dan teorema matematika yang penting baru akan diberikan oleh mesin. Hambatan yang dihadapi hampir semua proyek penelitian AI adalah metode yang cukup untuk demonstrasi pada satu atau dua contoh sederhana ternyata gagal, ketika mencoba pada pilihan yang lebih luas dari masalah dan satu jenis masalah yang lebih sulit.

Jenis pertama kesulitan muncul karena program awal sering kali berisi sedikit atau tidak ada pengetahuan subjek mereka, dan berhasil dengan cara manipulasi sintaksis sederhana. Weizenbaum’s ELIZA Program (1965), yang ternyata bisa terlibat dalam percakapan serius tentang topik apapun, sebenarnya hanya meminjam dan memanipulasi kalimat diketik ke dalamnya oleh manusia. Jenis kedua adalah kesulitan dari banyak masalah yang ingin berusaha diselesaikan dengan kecerdasan buatan (AI).

Program AI paling awal bekerja dengan mewakili fakta-fakta dasar tentang masalah dan mencoba serangkaian langkah-langkah untuk mengatasi hal itu, menggabungkan berbagai kombinasi langkah-langkah sampai benar ditemukan. Fakta bahwa sebuah program dapat menemukan solusi pada dasarnya tidak berarti bahwa program ini berisi salah satu mekanisme yang diperlukan untuk menemukannya. Ilusi kekuasaan terbatas komputasi ketika pada pemecahan masalah-program tidak terbatas. Gagasan itu untuk mencoba mutasi acak dan menerapkan proses seleksi untuk melestarikan mutasi yang tampaknya untuk memperbaiki perilaku. Kesulitan ketiga muncul karena beberapa keterbatasan fundamental pada struktur dasar yang digunakan untuk menghasilkan perilaku yang cerdas.

  1. Sistem Berbasis Pengetahuan (1969-1979)

Gambar pemecahan masalah yang muncul selama dekade pertama penelitian AI adalah mekanisme pencarian umum untuk keperluan dalam mencoba langkah-langkah penalaran bersama kalimat dasar untuk menemukan solusi lengkap. Program DENDRAL (Buchanan et al., 1969) adalah contoh awal dari pendekatan ini. Peran penting dari DENDRAL adalah bahwa hal itu dibilang sistem pengetahuan-intensif pertama yang sukses yaitu keahlian yang berasal dari sejumlah besar pendekatan peraturan. Tujuan khusus yaitu untuk diagnosa medis.

Pentingnya pengetahuan domain juga terlihat di bidang memahami bahasa alam. meskipun sistem Winograd’s SHRDLU untuk memahami bahasa alam telah ditimbulkan banyak kegembiraan, ketergantungan pada analisis syntatic menyebabkan beberapa masalah yang sama seperti yang terjadi di awal pekerjaan penerjemahan mesin. Di Yale, ahli bahasa (linguis) berbalik menekan peneliti AI Roger Schank dengan cara mengklaim. “Tidak ada hal-hal seperti sintaks,” ahli bahasa banyak yang marah, tapi tidak untuk memulai suatu diskusi. Pertumbuhan luas dari aplikasi untuk soal cerita nyata menyebabkan concomitan dalam kebutuhan untuk skema representasi pengetahuan yang bisa diterapkan.

  1. Kecerdasan Buatan (AI) Menjadi Sebuah Industri

Sistem pakar pertama yang sukses komersial, R1, mulai beroperasi di Digital Equipment Corporation (McDermott, 1982). Program ini membantu mengkonfigurasi pesanan untuk sistem komputer baru, dan pada tahun 1986, ia menyimpan sebuah perusahaan yang diperkirakan $ 40 Million setahun. Hampir setiap perusahaan besar di Amerika Serikat memiliki kelompok AI sendiri, baik menggunakan atau ivestigasi teknologi sistem pakar.

Pada tahun 1981, Jepang mengumumkan proyek “Generasi Kelima”, rencananya 10 tahun untuk membangun kecerdasan komputer untuk menjalankan program Prolog dalam banyak cara yang sama seperti komputer biasa menjalankan kode mesin. Proyek ini bertujuan untuk mencapai pemahaman bahasa alam skala penuh, antara tujuan yang ambisius lainnya. Proyek Generasi Kelima memicu minat pada AI, dan dengan mengambil keuntungan dari ketakutan dominasi Jepang, peneliti dan perusahaan mampu menghasilkan dukungan untuk investasi yang sama di Amerika Serikat.

AI booming industri juga termasuk perusahaan seperti Carnegie Group, Inference, Intellicorp, dan Teknowledge yang menawarkan software untuk membangun sistem pakar, dan perusahaan hardware seperti Lisp Mesin Inc, Texas Instrument, Symbolics, dan Xerox yang membangun daerah kerja (workstation) yang dioptimalkan untuk pengembangan program Lisp. Secara keseluruhan, dari beberapa juta dalam penjualan pada tahun 1980 industri menjadi $2 milyar pada 1988.

  1. Keuntungan Dari Jaringan Sistem Syaraf Tiruan

Meskipun ilmu komputer telah mengabaikan bidang jaringan syaraf setelah buku Minsky Perceptrons Papert, pekerjaan telaah lanjutan di bidang lain, khususnya fisika. koleksi besar neuron sederhana dapat dipahami dalam banyak cara yang sama seperti kumpulan besar atom dalam zat padat. Pada waktu yang sama, beberapa kekecewaan tentang penerapan teknologi sistem pakar yang berasal dari jenis sistem MYCIN terjadi. Banyak perusahaan dan kelompok peneliti menemukan bahwa membangun sistem pakar yang sukses melibatkan lebih dari hanya membeli sistem penalaran dan mengisinya dengan aturan.

  1. H.    Keterbatasn Jaringan Syaraf Tiruan
  • Ketidak akuratan hasil yang diperoleh.
  • Bekerja berdasarkan pola yang terbentuk pada inputnya.

Single Post Navigation

Tinggalkan Balasan

Please log in using one of these methods to post your comment:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google+

You are commenting using your Google+ account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s

%d blogger menyukai ini: