Pengertian kecerdasan
buatan
Kecerdasan buatan adalah suatu ilmu yang mempelajari cara
membuat komputer melakukan sesuatu seperti yang dilakukan oleh manusia (minsky,
1989). Definisi lai di ungkapkan oleh H. A simon [1987]. kecerdasan buatan
(artifical inteligence) merupakan kawasan penilitian, aplikasi dan intruksi
yang terkait dengan pemograman komputer untuk melakukan sesuatu hal yang dalam
pandangan manusia adalah cerdas
Rich and Knight [1991] mendefinisikan kecerdasan buatan
sebagai sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang
pada saat ini dapat dilakukan lebih baik oleh manisia.
Sementara ensiklopedi Britannica mendifinisikan kecerdasana buatan sebagai cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan sejumlah aturan.
Ada tiga tujuan kecerdasan buatan, yaotu : membuat komputer
lebih cerdas, mengerti tentang kecerdasan, membuat mesin lebih berguna. Yang dimaksud
kecerdasan adalah kemampuan untuk belajar atau mengerti dari pengalaman,
memahami pesan yang kontradiktif dan ambigu, menanggapi dengan cepat danbaik
atas situasi yang baru menggunakan penalaran dalam memecahkan masalah serta
menyelesaikan dengan efektif (Winston dan Prendergast, 1994)
Kecerdasan buatan berbeda dengan program konvensional. Pemograman
konvesional dapat menggunakan rumus matematika atau prosedur sekuensial untuk menghasilkan
solusi. Lain halnya dengan pemograman dalam kecerdasan buatan yang berbasis
pada representasi simbol dan manipulasi. Dalam kecerdasan buatan, sebuah simbol
dapat berupa kalimat, kata, atau angka yang digunakan untuk merepresentasikan
obyek, proses dan hubungannya. Obyek dapat berupa manusia, benda, ide, konsep,
kegiatan, atau pernyataan dari suatu fakta. Proses digunakan untuk memanipulasi
simbol untuk menghasilkan saran atau pemecahan masalah. Selain itu kecerdasan
buatan dapa melakukan penalaran terhadap data yang tidak komplit. Hal ini
sangat mustahil dilakukan oleh pemrograman konvensional. Kemampuan penalan dan
penjelasan terhadap setiap langkah dalam
pengambilan keputusan menjadi kelebihan dari kecerdasan buatan (Turban,
1995)
Domain penelitian
dalam kecerdasan buatan
Beberapa bidang penelitian kecerdasan buatan di antaranya :
- Formals tasks (matematika, games)
- Mundane task (peception, robotics, natural language, common sense, reasoning)
- Expert tasks (financial analysis, medical diagnostics, engineering, scientifc analysis, dll)
Input – output kecerdasan
buatan
Apa saja yang dikerjakan dalam bagian-bagian AI berikut ini:
Machine Vision :
Bertujuan pada pengenalan pola dalam beberapa jalan yang sama sebagai kegiatan
sistem visual/indera manusia.
Robotics :
Difokuskan pada produksi alat-alat mekanik yang dapat mengendalikan gerak.
Sebagai contoh: sebuah robot sederhana mampu atau dapat bergerak/pindah ke
depan, belakang, kanan atau kiri atau pindah tempat ke ruangan berbeda. Sebuah
robot sebenarnya buta akan bentuk urutan dari aksi bila tanpa usaha untuk mengganti
komponennya atau bisa mendeteksi dan memperbaiki kesalahan dalam rencananya
akan menjadi sulit bila tanpa kecerdasan. Sering sebuah robot akan
diformulasikan pada sebuah rencana dasar pada informasi yang tidak lengkap dan
benar dalam menjalankan sebuah rencana
Speech Processing
: Bertujuan pada pengenalan dan sintesa pem-bicaraan manusia.
Theorem Proving :
Usaha untuk membuktikan secara otomatis masalah-masalah dalam matematika dan
logika.
General Problem
Solving : Bertujuan pada pemecahan kelas-kelas dari masalah-masalah yang
ditekankan dalam sebuah bahasa formal.
Pattern Recognation
: Difokuskan pada pengenalan dan klasifikasi dari pola-pola.
Game Playing :
Pembuatan program-program bermain permainan.
Machine Learning
: Bertujuan pada produksi mesin-mesin yang mengakumulasi pengetahuan
dengan contoh-contoh observasi.
Learning merupakan
sebuah persoalan sulit untuk program AI, dalam mencapai kesuksesan diperlukan
dalam pemecahan persoalan. Bagian kemampuan untuk mempelajari komponen
terpenting dari tindak tanduk/jalan kecerdasan.Sebuah sistem pakar harus
berkemampuan ekstensif dan dapat menghitung kerugian dalam memecahkan sebuah
persoalan. Tidak seperti manusia, bilamana jika ia diberikan persoalan yang
serupa pada waktu berikutnya, dia tidak akan ingat solusinya. Dia membentuk
urutan yang sama untuk menghitung lagi. Learning merupakan sebuah area yang
sulit diteliti, beberapa program te-lah ditulis dengan tujuan bahwa ini bukan
merupakan hasil(goal) yang diinginkan.
Planning : aspek
terpenting pendukung untuk mendesain atau merancang robot-robot dengan
kemampuan menyele-saikan tugas mereka dengan tingkat fleksibelitas dan tanggap
terhadap dunia luar.Planning merupakan masalah sulit dari sejumlah alasan yang
tidak lebih dari ukuran tempat kosong(space) yang mungkin diu-rutkan dan
dipindahkan.
Neural Network atau
Parallel Distributed : teknik-teknik terbaik untuk merepresentasikan
pengetahuan dan merancang algoritma pencarian yang hati-hati untuk implementasi
kecerdasan.- “Sistem Pakar, teori dan aplikasi”, yogyakarta : kusrini, S.kom Hal 3-5
- E-book STMIK Budi Luhur, Siswanto
0 komentar:
Posting Komentar