PENGENALAN SISTEM INTELEGENSIA

1. PENGENALAN SISTEM INTELEGENSIA Diema HS

2. ArtiKecerdasan kemampuanuntuk … • belajarataumengertidaripengalaman, • memahamipesan yang kontradiktifdanambigu, • menanggapidengancepatdanbaikatassituasiyang baru, • menggunakanpenalarandalammemecahkanmasalahsertamenyelesaikannyadenganefektif (Winston danPendergast, 1994)

3. Apa itu AI • Merupakankawasanpenelitian, aplikasidaninstruksi yang terkaitdenganpemrogramankomputeruntukmelakukansesuatuhal - yang dalampandanganmanusiaadalah – cerdas (H. A. Simon [1987]) • Sebuahstuditentangbagaimanamembuatkomputermelakukanhal-hal yang padasaatinidapatdilakukanlebihbaikolehmanusia (Rich and Kinight [1991])

4. Detail KecerdasanBuatan • Sudut Pandang Kecerdasan Kecerdasanbuatanmampumembuatmesinmenjadicerdas (berbuatseperti yang dilakukanmanusia) • Sudut Pandang Penelitian Kecerdasanbuatanadalahstudibagaimanamembuatkomputerdapatmelakukansesuatusebaik yang dilakukanmanusia

5. Sudut Pandang Bisnis Kecerdasanbuatanadalahkumpulanperalatan yang sangat powerful danmetodologisdalammenyelesaikanmasalahbisnis • Sudut Pandang Pemrogram Kecerdasanbuatanmeliputistuditentangpemrogramansimbolik, problem solving, danpencarian (searching)

6. BagianUtama AI • Basis Pengetahuan (knowledge base) berisifakta-fakta, teori, pemikirandanhubungankomponensatudengan yang lainnya • Motor Inferensi (inference engine) Kemampuanmenarikkesimpulanberdasarpengalaman. Berkaitandenganrepresentasidanduplikasi proses tersebutmelaluimesin (misalnya, komputerdan robot).

7. KonsepKecerdasanBuatan • Turing Test MetodePengujianKecerdasan (Alan Turing). Proses ujiinimelibatkanseorangpenanya (manusia) danduaobyek yang ditanyai. • PemrosesanSimbolik Sifatpentingdari AI adalahbahwa AI merupakanbagiandariilmukomputer yang melakukan proses secarasimbolikdan non-algoritmikdalampenyelesainmasalah.

8. Heuristic Suatustrategiuntukmelakukan proses pencarian(search)ruang problem secaraefektif, yang memandu proses pencarian yang kitalakukan di sepanjangjalur yang memilikikemungkinansukses paling besar.

9. Inferensi (PenarikanKesimpulan)  AI mencobamembuatmesinmemilikikemampuanberpikirataumempertimbangkan(reasoning), termasukdidalamnya proses (inferencing)berdasarkanfakta-faktadanaturandenganmenggunakanmetodeheuristik, dll • PencocokanPola(Pattern Matching)  Berusahauntukmenjelaskanobyek, kejadian(events) atau proses, dalamhubunganlogikataukomputasional

10. “State of the Art” AI • Deep Blue mengalahkan Kasparov, juaraduniaCatur. • PEGASUS, suatusistemmemahamiucapan yang mampumenanganitransaksisepertimendapatkaninformasitiketudaratermurah. • MARVEL: suatusistempakar real-time memonitorarus data daripesawat Voyager dansetiapanomalisinyal. • Sistem robot mengemudikansebuahmobildengankecepatan yang cepatpadajalanrayaumum. • Suatudiagnostiksistempakarsedangmengkoreksihasil diagnosis pakar yang sudahpunyareputasi. • Agent pintaruntukbermacam-macam domain yang bertambahpadalaju yang sangattinggi . • Subjekmateripakarmengajarsuatu learning agent penalarannyadalampusatpenentuangravitasi.

11. TujuanKecerdasanBuatan • Membuatkomputerlebihcerdas • Mengertitentangkecerdasan • Membuatmesinlebihberguna

12. KecerdasanBuatanVSKecerdasanAlami

13. PerbedaanKecerdasanBuatandenganKecerdasanAlami • Lebihpermanen • Menawarkankemudahanduplikasidanpenyebaran • Lebihmurahdaripadakecerdasanalami • Konsistendanmenyeluruh • Dapatdidokumentasikan • Dapatmengeksekusitugastertentulebihcepatdaripadamanusia • Dapatmenjalankantugastertentulebihbaikdaribanyakataukebanyakan orang.

14. KelebihanKecerdasanAlamidibanding AI • Bersifatlebihkreatif • Dapatmelakukan proses pembelajaransecaralangsung, sementara AI harusmendapatkanmasukanberupasimboldanrepresentasi-representasi • Menggunakanfokus yang luassebagaireferensiuntukpengambilankeputusan. Sebaliknya, AI menggunakanfokus yang sempit

15. PerbedaanKomputasiKecerdasanBuatan Dan KomputasiKonvensional

17. SejarahKecerdasanBuatanPerkembangandanAplikasinya

18. SejarahKecerdasanBuatan

19. Jaman Batu (1943-1956) • Awalkerja JST danlogika • TeoriLogika (Alan Newell and Herbert Simon) • Kelahiran AI: Dartmouth workshop - summer 1956 • John McCarthy’s memberinamabidang: artificial intelligence

20. Awalantusias, harapanbesar(1952-1969) • McCarthy (1958) - mendefinisikan Lisp - menemukan time-sharing - Advice Taker • Pembelajarantanpapengetahuan • Pemodelan JST • PembelajaranEvolusioner • Samuel’s checkers player: pembelajaran • Metoderesolusi Robinson. • Minsky: the microworlds (e.g. the block’s world). • Banyakdemonstrasikecilttgperilaku “intelligent” • Prediksi over-optimistic Simon

21. MasaGelap (1966-1973) • AI tidakmengalamiperkembangan: ledakanperkembangan combinatorial • Faktabahwasuatu program bisamendapatkansuatusolusisecaraprinsiptidakberartibahwa program memuatbeberapamekanisme yang dibutuhkanuntukmendapatkannyasecarapraktis. • Kegagalandaripendekatanterjemahanbahasaalamiberbasispada grammars sederhanadankamus kata. • Penterjemahankembali yang populer English->Russian->English • Penemuanuntukpemrosesanbahasa natural dihentikan.

22. Kegagalan perceptron untukbelajardarifungsisederhanasebagaimana disjunctive/eksclusive OR. • Penelitianpada JST dihentikan. • Realisasidarikesukarandalam proses learning danketerbatasandarimetode yang dieksplorasi • Konseppembelajaransimbolik (Winston’s influential thesis, 1972)

23. Renaissance (1969-1979) • Perubahanpadaparadigmapenyelesaian: • Dari penyelesaianmasalahberbasis “search-based” menjadipenyelesaianmasalahberbasispengetahuan. • Sistempakarpertama • Dendral: menginferensistruktur molecular dariinformasi yang disediakanolehspektrometermassa. • Mycin: diagnoses blood infections • Prospector: merekomendasikaneksplorasipengeboranpadalokasigeologi yang menyediakansuatu deposit mineral molybdenum.

24. Era Industrial (1980-sekarang) • SuksespertamaSistemPakarsecarakomersial. • TheMany AI companies. • Eksplorasidaristrategipembelajarqanyang bermacam-macam (Explanation-based learning, Case-based Reasoning, Genetic algorithms, Neural networks, etc.)

25. Kembalinya neural networks (1986-sekarang) • Penggaliankembalialgoritma learning back propagation untuk neural networks yang pertamadikenalkandalamtahun 1969 oleh Bryson and Ho. • Banyakaplikasisuksesdari Neural Networks. • Kehilanganrespekterhadapsulitnyamembangunsistempakar (macetnya knowledge acquisition).

26. Kematangan(1987-sekarang) • PerubahandalamcakupandanmetodologipenelitianbidangKecerdasanBuatan: • Membangun di atasteori yang ada, bukancumamengusulkanteoribaru; • berbasisklaimpadatheoremadaneksperimen, bukanpadaintuisi; • menunjukkanrelevansikeaplikasinyata, bukanpadacontoh “mainan”.

27. Agent Cerdas (1995-sekarang) • Realisasi yang padamulanyadipisahkandalam sub dariKecerdasanBuatan (speech recognition, problem solving and planning, robotics, computer vision, machine learning, knowledge representation, etc.) perludireorganisasibilamanahasil-hasilnyadiikatbersama-samakedalamsuatudesain agent tunggal. • Suatu proses reintegrasidari sub-area yang berbedadari KB untukmembentuk “whole agent”: • “agent perspective” of AI • agent architectures (e.g. SOAR, Disciple); • multi-agent systems; • agent untukaplikasitipe-tipe yang berbeda, web agents.

28. Domain Yang SeringDibahas • Mundane Task - Persepsi (vision & speech) - Bahasaalami (understanding, generation & translation) - Pemikiran yang bersifat commonsense - Robot control • Formal Task - Permainan / Games - Matematika (Geometri, logika, kalkulus integral, pembuktian)

29. Expert Task - Analisisfinansial - Analisismedikal - Analisisilmupengetahuan - Rekayasa (design, pencariankegagalan, perencanaanmanufaktur)

30. The End