Pendahuluan, Pengantar kecerdasan buatan

4. Pendahuluan, Pengantar kecerdasan buatan

5. Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Pengertian Cabang AI 

6. Sistemcerdas (intelligent system) adalahsistem yang dibangundenganmenggunakanteknik-teknikartificial intelligence. Pengertian Cabang AI

7. Sudut pandang kecerdasan • Kecerdasan Buatan akan membuat mesin menjadi ‘cerdas’ (mampu berbuat seperti apa yang dilakukan oleh manusia) • Sudut pandang penelitian. • Kecerdasan Buatan adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia

8. Sudut pandang bisnis. • Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis. • Sudut pandang pemrograman. • Kecerdasan buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).

9. belajar atau memahami dari pengalaman • menemukan inti dari pesan yang ambigu atau bertentangan • merespon dengan cepat dan tepat pada situasi baru • menggunakan pertimbangan dalam memecahkan persoalan atau mengarahkan tindakan secara efektif

10. menghadapi situasi yang membingungkan • memahami dan menyimpulkan dengan cara rasional biasa • menerapkan pengetahuan untuk memanipulasi lingkungan • berfikir dan mempertimbangkan

11. Kecerdasan buatan lebih bersifat permanen • Kecerdasan buatan lebih mudah diduplikasi & disebarkan • Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami • Kecerdasan buatan bersifat konsisten

12. Kecerdasan buatan dapat didokumentasi • Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami • Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami

13. Kreatif • Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik. • Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas

14. Pengertian Cabang AI Cabang-cabang AI • Logical AI • Logika (matematis) yang merepresentasikansekumpulanfaktadantujuan ---> RUANG KEADAAN: • Graph • Tree 

15. Pengertian Cabang AI • Search • Pencarian keadaan baru dari keadaan sekarang yang akan menentukan pergerakan: • Blind Search • Depth-First Search • Breadth-Firsh Search • Heuristic Search • Generate & Test • Hill Climbing • Best-First search • Simulated-Annealing • Tabu Search • Algoritma Genetika 

16. Pengertian Cabang AI • Representation • Representasi fakta-fakta (pengetahuan) dalam ruang keadaan: • Logika (proposisi & predikat) • Tree • Jaringan Semantik • Frame • Naskah • Kaidah Produksi 

17. Pengertian Cabang AI • Pattern Recognition • Pengenalan & pencocokan suatu pola terhadap sekumpulan pola. • Pengolahan Bahasa Alami • Jaringan Syaraf Tiruan 

18. Pengertian Cabang AI • Inference • Kemampuan untuk menarik kesimpulan berdasarkan pengetahuan. • Forward Reasoning • Backward Reasoning • Fuzzy Inference System (FIS) 

19. Pengertian Cabang AI • Learning from Experience • Melakukan proses pembelajaran (pelatihan) dari pengetahuan atau pengalaman yang ada pada basis pengetahuan. • Jaringan Syaraf Tiruan

20. Representasi pengetahuan Pertemuan IV

21. REPRESENTASI PENGETAHUAN (KNOWLEDGE REPRE-SENTATION) • Dimaksudkanuntukmenangkapsifat-sifatpentingmasalahdanmembuatinfomasidapatdiaksesolehprosedurpemecahanmasalah. • Bahasarepresentasiharusdapatmembuatseorang programmer mampumengekspresikanpengetahuanuntukmendapatkansolusisuatumasalah.

22. REPRESENTASI PENGETAHUAN 1. RepresentasiLogika • Representasiinimenggunakanekspresi-ekspresidalamlogika formal untukmerepresentasikan basis pengetahuan. 2.Representasi Prosedural • Menggambarkanpengetahuansebagaisekumpulaninstruksiuntukmemecahkansuatumasalah. Dalamsistem yang berbasisaturan, aturanif-thendapatditafsirkansebagaisebuahproseduruntukmencapaitujuanpemecahanmasalah.

23. REPRESENTASI PENGETAHUAN 3. Representasi Network • Menyatakanpengetahuansebagaisebuahgrafdimanasimpul-simpulnyamenggambarkanobyekataukonsepdalammasalah yang dihadapi, sedangkanlengkungannyamenggambarkanhubunganantarmereka. • Contohnyaadalahjaringansemantik.

24. REPRESENTASI PENGETAHUAN 4.Representasi Terstruktur • Memperluas network dengancaramembuatsetiapsimpulnyamenjadisebuahstruktur data kompleks yang berisitempat-tempatbernama slot dengannilai-nilaitertentu. Nilai-nilaiinidapatmerupakan data numerikatausimboliksederhana, pointer kebingkai (frame) lain, ataubahkanmerupakanproseduruntukmengerjakantugastertentu. • Contoh : skrip (script), bingkai (frame) danobyek (object).

25. Representasi Pengetahuan • Logika • Pohon • JaringanSemantik • Frame • Naskah (script) • KaidahProduksi

27. Klasifikasi Logika • Terdapat 5 jenis logika: • Logika Proposisi (proportional logic) • Logika Predikat (first-order logic) • Logika Temporal (temporal logic) • Teori probabilitas (probability theory) • Logika Fuzzy (fuzzy logic)

28. PenalaranDeduktif • PenalaranInduktif

29. PenalaranDeduktif • Penalarandimulaidariprinsipumumuntukmendapatkankonklusi yang lebihkhusus. • Contoh: Premis Mayor : Jikaharihujan, sayatidakakanberangkat kuliah. Premis Minor : Hariinihujanturun. Konklusi : Hariinisayatidakakanberangkatkuliah.

30. PenalaranInduktif • Penalarandimulaidarifakta-faktakhususuntukmendapatkankesimpulanumum. • Contoh: Premis-1 : Aljabaradalahpelajaran yang sulit. Premis-2 : Geometriadalahpelajaran yang sulit. Premis-3 : Kalkulusadalahpelajaran yang sulit. Konklusi : Matematikaadalahpelajaran yang sulit. • Munculnyapremisbarubisamengakibatkangugurnyakonklusi yang sudahdiperoleh.

31. Teori Logika • Logika Proposisi • Logika paling sederhana dengan satu proposisi (fakta) yang bisa bernilai benar atau salah tapi tidak kedua-duanya. • Simbol proposisi bisa dihubungkan dengan Boolean Connectives sehingga membentuk suatu kalimat • Berkorespondensi dengan 1 dan 0 dalam dunia digital.

32. Contoh Proposisi “Gajah lebih besar daripada kucing.” Ini suatu pernyataan ? yes Ini suatu proposisi ? yes Apa nilai kebenaran dari proposisi ini ? true

33. Contoh Proposisi (2) “1089 < 101” Ini pernyataan ? yes Ini proposisi ? yes Apa nilai kebenaran dari proposisi ini ? false

34. Contoh proposisi (3) “y > 15” Ini pernyataan ? yes Ini proposisi ? no Nilai kebenarannya bergantung pada nilai y, tapi nilai ini tidak spesifik. Kita katakan tipe pernyataan ini adalahfungsi proposisiataukalimat terbuka.

35. Contoh proposisi (4) “Bulan ini Februari dan 24 < 5.” Ini pernyataan ? yes Ini proposisi ? yes Nilai kebenaran dari proposisi tersebut ? false

36. Contoh proposisi (5) “Jangan tidur di kelas.” Ini pernyataan ? no Ini permintaan. Ini proposisi ? no Hanya pernyataan yang dapat menjadi proposisi.

37. Contoh proposisi (6) “Jika gajah berwarna merah, mereka dapat berlindung di bawah pohon cabe.” Ini pernyataan ? yes Ini proposisi ? yes Apa nilai kebenaran proposisi tersebut ? probably false

38. Contoh proposisi (7) Ini pernyataan ? yes “x < y jika dan hanya jika y > x.” Ini proposisi ? yes … sebab nilai kebenarannya tidak bergantung pada nilai x dan y. Apa nilai kebenaran dari proposisi tsb ? true

39. Menggabungkan proposisi Seperti dalam contoh sebelumnya, satu atau lebih proposisi dapat digabung membentuk sebuah proposisi majemuk (compound proposition). Selanjutnya, notasi proposisi diformalkan dengan menggunakan alfabet seperti p, q, r, s, dan dengan memperkenalkan beberapa operator logika.

40. Operator Logika • Negasi (NOT) • Konjungsi - Conjunction (AND) • Disjungsi - Disjunction (OR) • Eksklusif Or (XOR) • Implikasi (JIKA – MAKA) • Bikondisional (JIKA DAN HANYA JIKA) Tabel kebenaran dapat digunakan untuk menunjukkan bagaimana operator-operator tsb menggabungkan proposisi-proposisi.

41. Negasi (NOT) Operator Uner, Simbol: 

42. Conjunction (AND) Operator Biner, Simbol: 

43. Conjunction (AND) • Hasil yang diperolehakanbernilaibenarjikakeduaproposisibernilaibenar, danakanbernilaisalahjikasalahsatudarikeduaproposisibernilaisalah.

44. Disjunction (OR) Operator Biner, Simbol: 

45. Disjunction (OR) • Hasil yang diperolehakanbernilaibenarjikasalahsatudarikeduaproposisibernilaibenar, danakanbernilaisalahjikakeduaproposisibernilaisalah

46. Exclusive Or (XOR) Operator Biner, Simbol: 

47. P Q PQ true true true true false false false true true false false true Implikasi (JIKA - MAKA) Implikasipq adalah proposisi yang bernilai salah jika p benar dan q salah, dan bernilai benar jika lainnya.

48. Jika p, maka q Jika p, q p mengakibatkan q p hanya jika q p cukup untuk q Syarat perlu untuk p adalah q q jika p q ketika p q diakibatkan p q setiap kali p q perlu untuk p Syarat cukup untuk q adalah p Implikasipq

49. P  Q • P : Besok cuaca cerah • Q : Aku akan datang ke rumahmu.

50. Contoh Implikasi Implikasi “Jika hari ini hari Jumat maka 2+3 > 7.” bernilai benar untuk semua hari kecuali hari Jumat, walaupun 2+3 > 7 bernilai salah. Kapan pernyataan berikut bernilai benar? “Jika hari tidak hujan maka saya akan pergi ke Lembang.”