My Link

Photobucket

Artificial Intelligence

Kecerdasan Buatan (Artificial Intelligence) didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapamacam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar,permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunakkomputer rumah dan video game. 'Kecerdasan buatan' ini bukan hanya ingin mengertiapa itu sistem kecerdasan, tapi juga mengkonstruksinya. Tidak ada definisi yang memuaskan untuk 'kecerdasan':

1. kecerdasan: kemampuan untuk memperoleh pengetahuan dan menggunakannya

2. atau kecerdasan yaitu apa yang diukur oleh sebuah 'Test Kecerdasan' Secara garis besar, AI terbagi ke dalam dua faham pemikiran yaitu AI Konvensional danKecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metoda-metoda yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metoda- metodanya meliputi:

1. Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat pemproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.

2. Petimbangan berdasar kasus

3. Jaringan Bayesian

4. AI berdasar tingkah laku: metoda modular pada pembentukan sistem AI secara manual Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam Sistem koneksionis. Pembelajaran mini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak. Metoda-metoda pokoknya meliputi:

1. Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat

2. Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.

3. Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik. Metoda-metoda ini terutama dibagi menjadi algoritma evolusioner (misalnya algoritma genetik) dan kecerdasan berkelompok (misalnya algoritma semut) Dengan sistem cerdas hibrid, percobaan- percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan syaraf atau aturan produksi dari pembelajaran statistic seperti dalam ACT-R. Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.

Metode pencarian

Metode pencarian dalam tugas akhir ini menggunakan metode yang telah diusulkan oleh beberapa kalangan yang telah kompeten di bidangnya, dan telah dituangkan dalam beberapa buku. Semua metode yang ada dapat dibedakan kedalam dua jenis : pencarian buta/tanpa informasi (blind atau un-informed search) dan pencarian heuristik/dengan informasi (heuristic atau informed search). Setiap metode mempunyai karakteristik yang berbeda-beda dengan kelebihan dan kekurangannya masing-masing. Dalam makalah ini memakai metode Generate-and-Test (GT).

Generate-and-Test (GT) adalah metode yang paling sederhana dalam teknik pencarian heuristik. Jika pembangkitan sebuah solusi yang mungkin (apossible solution) dikerjakan secara sistematis, maka prosedur ini menjamin akan menemukan solusinya. Tetapi, jika ruang masalahnya sangat luas, mungkin memerlukan waktu yang sangat lama. Algoritma GT menggunakan prosedur Depth First Search (DFS) karena suatu solusi harus dibangkitkan secara lengkap sebelum dilakukan Test. Algoritma ini berbentuk sistematis, pencarian sederhana yang mendalam dari suatu ruang permasalahan. GT juga dapat dilakukan pembangkitan secara acak, tetapi tidak ada jaminan solusinya dapat ditemukan. Di dalam GT terdapat dua prosedur penting : Pembangkit (membangkitkan solusi yang mungkin) dan Tes (menguji solusi yang dibangkitkan tersebut). Dengan menggunakan memori yang sedikit, DFS bias digunakan sebagai prosedur Pembangkit yang menghasilkan suatu solusi. Prosedur Tes bisa menggunakan fungsi heuristik.

Depth-First Search (DFS), Pencarian dilakukan pada suatu simpul dalam setiap level dari yang paling kiri. Jika pada level yang terdalam belum ditemukan, maka pencarian dilanjutkan pada simpul sebelah kanan dan simpul sebelah kiri dapat dihapus dari memori. Jika pada level yang paling dalam tidak ditemukan solusi, maka pencarian dapat dilanjutkan pada level sebelumnya. Demikian seterusnya sampai ditemukan solusinya.

0 komentar: