Pengertian Artificial Intelligence (AI) / Kecerdasan Buatan
Menurut saya AI adalah pegembangan kecerdasan buatan yang dibuat secanggih mungkin agar komputer dapat bekerja seperti layaknya manusia, contoh nya seperti robotic, robot di buat secanggih mungkin agar memiliki sifat dan karakter selayaknya manusia sungguhan yang dapat bekerja membantu manusia.
AI (Artificial Intelligence) atau Kecerdasan Buatan merupakan salah satu cabang ilmu computer yang mempelajari bagaimana cara membuat sebuah mesin cerdas, yaitu mesin yang mempunyai kemampuan untuk belajar dan beradaptasi terhadap sesuatu.
Jika diartikan tiap kata, artificial artinya buatan, sedangkan intelligence adalah kata sifat yang berarti cerdas. Jadi artificial intelligence maksudnya adalah sesuatu buatan atau suatu tiruan yang cerdas. Cerdas di sini kemungkinan maksudnya adalah kepandaian atau ketajaman dalam berpikir, seperti halnya otak manusia dalam menyelesaikan suatu masalah.
Tujuan dari riset-riset Artificial Intelligence (AI) / Kecerdasan Buatan adalah bagaimana membuat sebuah mesin bisa berfikir sama halnya dengan manusia yang bisa berfikir. AI digunakan untuk menjawab problem yang tidak dapat diprediksi dan tidak bersifat algoritmik atau prosedural. Sampai saat ini, para peneliti di bidang AI masih banyak menyimpan pekerjaan rumah mereka disebabkan kompleksitas penelitian di bidang Artificial Intelligence (AI) / Kecerdasan Buatan serta faktor dukungan teknologi untuk merealisasikannya. Karena area cakupan yang luas, Artificial Intelligence (AI) / Kecerdasan Buatan dibagi lagi menjadi subsub bagian di mana sub-sub bagian tersebut dapat berdiri sendiri dan juga dapat saling melengkapi satu dengan lainnya.
Perbedaan antara Kecerdasan Buatan (Komputer) dengan Kecerdasan Alami (Manusia)
Kecerdasan Buatan:
Bersifat permanen
Mudah diduplikasi dan disebarluaskan
Dapat lebih murah daripada manusia cerdas
Konsisten dan menyeluruh
Dapat didokumentasikan
Kecerdasan Alami:
Bersifat kreatif
Menggunakan pengalaman panca indra secara langsung
Menalar berdasarkan pemahaman yang luas dari pengalaman
Memiliki tingkat ketrampilan yang luas mulai dari pemula, pemula lanjut, kompeten,
profisien, dan ahli (expert)
Berikut ini adalah 4 Dasar Kategori di Konsep dasar Ai(Kecerdasan Buatan)
1. Acting Humanly
Acting humanly ialah system yang melakukan pendekatan dengan menirukan tingkah laku seperti manusia yang dikenalkan pada tahun 1950 degan cara kerja pengujian melalui teletype yaitu jika penguji (integrator) tidak dapat membedakan yang mengintrogasai antara manusia dan computer maka computer tersebut dikatakan lolos(menjadi kecerdasan buatan).
2. Thinking Humanly
Yaitu system yang dilakukan dengan cara intropeksi yaitu penangkapan pemikiran psikologis
Manusia pada computer,hal ini sering diujikan dengan neuron ke neuron lainnya atau sel otak dengan sel otak lainnya cara pembelajarannya yaitu melalui experiment-experimen.
Ini merupakn system yang sangat sulit ,karena sering terjadi kesalah dala, prinsip dan prakteknya,system ini dikenal dengan penalaran komputasi.
4. Actng Rationaly
Yaitu system yang melakukan aksi dengan cara menciptakan suatu robotika cerdas yang menggantikan tugas manusia.
Disiplin Ilmu AI
Seperti yang telah disebutkan di atas bahwa AI merupakan salah satu cabang Ilmu Komputer. Tapi karena kompleksitas area AI maka dibuat sub-sub bagian yang dapat berdiri sendiri dan dapat saling bekerja sama dengan sub bagian lain atau dengan disiplin ilmu lain. Berikut ini beberapa cabang ilmu sub bagian dari AI :
1. Natural Languange Processing (NLP)
Natural Languange Processing (NLP) atau Pemrosesan Bahasa Alami, merupakan salah satu cabang AI yang mempelajari pembuatan sistem untuk menerima masukan bahasa alami manusia. Dalam perkembangannya, NLP berusaha untuk mengubah bahasa alami komputer (bit dan byte) menjadi bahasa alami manusia yang dapat kita mengerti. NLP merupakan ilmu dasar yang dapat dijadikan jembatan untuk membuat komunikasi antara mesin dengan manusia.
2. Expert System (ES)
Expert System (ES) atau Sistem Pakar, merupakan salah satu cabang AI yang mempelajari pembuatan sebuah sistem yang dapat bekerja layaknya seorang pakar. ES dapat menyimpan pengetahuan seorang pakar dan memberikan solusi berdasarkan pengetahuan yang dimilikinya tadi. ES juga merupakan salah satu cabang AI yang sering melakukan kerja sama dengan disiplin ilmu lain karena sifatnya yang dapat menyimpan pengetahuan.
3. Pattern Recognition (PR)
Pattern Recognition (PR) atau Pengenalan Pola, merupakan salah satu cabang AI yang mempelajari pembuatan sebuah sistem untuk dapat mengenali suatu pola tertentu. Misalnya sistem PR untuk mengenali huruf dari tulisan tangan, walaupun terdapat perbedaan penulisan huruf A dari masing-masing orang tetapi PR dapat mengenali bahwa huruf tersebut adalah huruf A. Beberapa aplikasi dari PR antara lain : voice recognition, Fingerprint Identification, Face Identification, Handwriting Identification, Optical Character Recognition, Biological Slide Analysis, Robot Vision dan lainnya.
4. Robotic
Robotic atau Robotika, merupakan salah satu cabang AI yang menggabungkan cabangcabang AI yang lain termasuk ketiga cabang di atas untuk membentuk sebuah sistem robotik. Keempat cabang AI di atas merupakan cabang umum yang banyak dipelajari, masih banyak cabang-cabang AI yang lainnya. Seiring perkembangan riset dalam AI, dapat dimungkinkan akan muncul cabang-cabang baru yang melengkapi unsur AI sehingga AI menjadi sebuah sistem lengkap dan akan mencapai goal-nya yang sampai sekarang masih belum sempurna.
Contoh-contoh Aplikasi AI
Berikut ini beberapa contoh-contoh aplikasi AI yang sudah diterapkan dan memberikan sumbangsih yang cukup diperhitungkan dalam kemajuan teknologi. Kebanyakan aplikasi AI yang banyak dipakai diambil dari bidang Expert System, diantaranya adalah :
a. Bidang Pertanian
Pada bidang Pertanian, dibuat ES untuk memprediksi kerusakan pada jagung yang disebabkan oleh ulat hitam dan memberikan konsultasi untuk mendiagnosa kerusakan pada kacang kedelai dengan menggunakan pengetahuan tentang gejala kerusakan dan lingkungan tanaman.
b. Bidang Kimia
Pada bidang Kimia, dibuat ES untuk menganalisa struktur DNA dari pembatasan segmentasi data enzim dengan menggunakan paradigmagenerate & test.
c. Bidang Sistem Komputer
Pada bidang Sistem Komputer, dibuat ES untuk membantu operator komputer untuk monitoring dan mengontrol MVS (multiple virtual storage) sistem operasi pada komputer mainframe IBM.
d. Bidang Elektronik
Pada bidang Elektronik, dibuat ES untuk mengidentifikasi masalah pada jaringan telepon, ES untuk simulasi perancangan DLC (digital logic circuits) dan mengajari pelajar bagaimana cara mengatasi masalah pada sirkuit elektronik.
e. Bidang Hukum
Pada bidang Hukum, dibuat ES untuk membantu para auditor profesional dalam mengevaluasi potensi kegagalan pinjaman klien berdasarkan sejarah pinjaman, status ekonomi, kondisi piutang.
f. Bidang Militer
Pada bidang Militer, dibuat ES untuk membantu menganalisa perkiraan situasi pertempuran, memberikan interpretasi taktik laporan sensor intelijen dan memberikan rekomendasi alokasi senjata kepada komandan militer pada saat situasi perang.
Di atas merupakan beberapa contoh dari AI yang sudah diaplikasikan dalam beberapa bidang. Masih banyak aplikas-aplikasi AI yang tidak mungkin disebutkan semua di sini. Beberapa contoh di atas sudah dapat memberikan gambaran bahwa cakupan Artificial Intelligence (AI) / Kecerdasan Buatan tidak hanya dibidang ilmu komputer tetapi bisa bekerja sama dengan bidang lain untuk menciptakan sebuah sistem yang saling mendukung.
B. Dicision Making
Decision Making Game
Untuk memenuhi tugas matakuliah Pengantar Teknologi Game ( Softskill ), saya akan menjelaskan mengenai Decision Making pada game. Dimana saya menggunakan berbagai sumber untuk melakukan penulisan ini. Sebelum saya menjelaskan lebih jauh mengenai Decision Making pada game, kita harus tau terlebih dahulu apa itu teori decision atau Decision Theory ?
Decision Theory
Pengertian decision theory yang saya simpulkan dari sumber bahwa suatu pembuat keputusan akan memiliki beberapa tindakan alternative untuk menghadapi beberapa kemungkinan kejadian yang terjadi dimasa yang akan datang.
Decision Making Game
Pengertian decision making yaitu suatu pemecahan masalah dan pengambilan keputusan. Decision making game merupakan suatu pemecahan masalah dalam pembuatan permainan dan menentukan solusi dari suatu masalah tersebut.
Situasi Decision Making
Decision Making bisa terjadi apabila mengalam 3 situasi diantaranya :
Decision making under certainty. Misal: Linear Programming
Decision making under risk (uncertainty). Misal: Maximax, maximin, dll.
Decision making in conflict. Dengan Game Theory
Sebelum pembuatan game diperlukan suatu perancangan untuk menentukan game apa yang akan dibuat sesuai dengan keperluan masyarakat. Permainan yang baik adalah permainan yang memiliki kegunaan dan dapat mempengaruhi pemain menjadi lebih baik dan nyaman dengan game tersebut..
1. Teori Rasional Komprehensif :
Pembuat keputusan dihadapkan pada suatu masalah tertentu yang dapat dibedakan dari masalah-masalah lain atau setidaknya dinilai sebagai masalah-masakah yang dapat diperbandingkan satu sama lain.
Tujuan-tujuan, nilai-nilai atau sasaran yang mempedomani pembuat keputusan amat jelas dan dapat ditetapkan rangkingnya sesuai dengan urutan kepentingannya.
Berbagai alternative untuk memecahkan masalah
2. Teori Inkremental
3. Teori Pengamatan Terpadu (Mixed Scanning Theory)
Decision Tree
Pohon Keputusan (Decision Tree) merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa alami. Aturan ini juga dapat diekspresikan dalam bentuk bahasa basis data seperti SQL untuk mencari record pada kategori tertentu. Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Karena pohon keputusan memadukan antara eksplorasi data dan pemodelan, pohon keputusan ini sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain (J R Quinlan, 1993).
State Machine
Finite State Machines (FSM) adalah sebuah metodologi perancangan sistem kontrol yang menggambarkan tingkah laku atau prinsip kerja sistem dengan menggunakan tiga hal berikut: State (Keadaan), Event (kejadian) dan Action (aksi). Pada satu saat dalam periode waktu yang cukup signifikan, sistem akan berada pada salah satu state yang aktif. Sistem dapat beralih atau bertransisi menuju state lain jika mendapatkan masukan atau event tertentu, baik yang berasal dari perangkat luar atau komponen dalam sistemnya itu sendiri (misal interupsi timer). Transisi keadaan ini umumnya juga disertai oleh aksi yang dilakukan oleh sistem ketika menanggapi masukan yang terjadi. Aksi yang dilakukan tersebut dapat berupa aksi yang sederhana atau melibatkan rangkaian proses yang relative kompleks. Berdasarkan sifatnya, metode FSM ini sangat cocok digunakan sebagai basis perancangan perangkat lunak pengendalian yang bersifat reaktif dan real time. Salah satu keuntungan nyata penggunaan FSM adalah kemampuannya dalam mendekomposisi aplikasi yang relative besar dengan hanya menggunakan sejumlah kecil item state. Selain untuk bidang kontrol, Penggunaan metode ini pada kenyataannya juga umum digunakan sebagai basis untuk perancangan protokol-protokol komunikasi, perancangan perangkat lunak game, aplikasi WEB dan sebagainya.
Rule System
Rule Based System merupakan metode pengambilan keputusan berdasarkan pada aturan-aturan tertentu yang telah ditetapkan. RBS dapat diterapkan pada agen virtual dalam bentuk kecerdasan buatan sehingga dapat melakukan tindakan tertentu. Tindakan tersebut direpresentasikan oleh set aturan yaitu penyebab tindakan itu terjadi, proses tindakan dan hasil dari tindakan tersebut.
Path Finding
Metode pathfinding paling mudahditemui pada game-game bertipe strategi dimana kita menunjuk satu tokoh untuk digerakkan ke lokasi tertentu dengan mengklik lokasi yang hendak dituju. Si tokoh akan segera bergerak ke arah yang ditentukan, dan secara “cerdas” dapat menemukan jalur terpendek ataupun menghindari dari rintangan-rintangan yang ada. Salah satu algoritma pathfindin yang cukup umum dan yang paling banyak digunakan utnuk mencari jarak terpendek secara efisien adalah algoritma A* (baca: A star). Secara umum, algoritma A* adalah mendefinisikan area pencarian menjadi sekumpulan node-node (tiles). Titik awal dan titik akhir ditentukan terlebih dulu untuk mulai penelusuran pada tiap-tiap node yang memungkinkan untuk ditelusuri. Dari sini, akan diperoleh skor yang menunjukkan besarnya biaya untuk menempuh jalur yang ditemukan, ditambah dengan nilai heuristik yang merupakan nilai biaya estimasi dari node yang ada menuju tujuan akhir. Iterasi akan dilakukan hingga akhirnya mencapai target yang dituju.
Waypoint
Waypoint adalah titik acuan / kumpulan koordinat yang digunakan untuk keperluan navigasi untuk mengidentifikasi sebuah titik di peta. Koordinat-koordinat itu biasanya menyertakan longitude, latitude, dan kadang altitude untuk keperluan navigasi di udara. Waypoint digunakan di berbagai navigasi yang tidak memiliki jalur yang tampak seperti navigasi di udara dan navigasi di laut, juga navigasi di darat yang tidak memiliki jalur yang jelas. Khusus navigasi di darat yang tidak menggunakan manusia sebagai penentu arah melainkan robot, waypoint digunakan meski terdapat jalur yang jelas. Hal ini penting agar robot tetap memiliki rute.
Waypoint dibagi menjadi dua jenis, yaitu waypoint fly by dan waypoint fly over. Waypoint fly by tidak melewati lokasi di atas way point namun tetap menuju ke arah tujuan, sedangkan waypoint fly over melewati lokasi di atas way point. Setelah satu waypoint terlewati, maka pilot harus menetapkan waypoint berikutnya yang disebut dengan waypoint aktif.
Strategic AI
Strategic ai adalah ilmu yang mempelajari tentang pengembangan kecerdasan buatan secara bertahap, pengembangan dilakukan secara bertahap dari generasi ke kegenasi lalu dibandingkan hasil nya untuk memperolah catatan pengembangan ai..
Referensi
Morris W. Firebaugh, “Artifial Intelligence – A Knowledge Based Approach”, 1989, PWS
Publishing Company, Boston.
http://www.academia.edu/9813932/Review_Konsep_PIHI_DecisionMaking_Sebuah_Konsep_Vital_dalam_Hubungan_Internasional
Tidak ada komentar:
Posting Komentar