“Membersihkan hati dari kedengkian, dendam dan hasad serta jeleknya keyakinan atau akhlak agar dengan itu dapat menerima ilmu dan menghafalnya dengan baik.”
“Memiliki niat yang baik dalam tholabul ilmi dengan bertujuan meraih keridhoan Alloh Ta’ala dan mengamalkanya serta menghidupkan sunnah, menerangi hatinya dan mengisi batinnya.”
“Bersegera untuk mencapai ilmu di waktu muda, jangan terpengaruh dengan tipuan orang-orang yang mengulur-ngulur (waktunya) karena setiap waktu yang telah lewat dari umur tidak ada penggantinya.”
“Membagi waktu malamnya dan siangnya, serta memanfaatkan sisa umurnya, sebab umur yang tersisa itu tiada taranya.
Waktu yang paling baik untuk menghafal adalah waktu sahur (menjelang subuh), dan untuk mempelajari sesuatu adalah pagi-pagi, adapun untuk menulis adalah pertengahan siang sedang untuk menela’ah dan mengulang pelajaraan adalah malam hari.”
“Diantara sebab terbesar yang dapat membantu agar (selalu) sibuk dengan ilmu dan tidak bosan ialah makan dengan kadar yang ringan dari yang halal, karena banyak makan dapat mendorong untuk banyak minum kemudian menyebabkan banyak tidur dan kebodohan.”
“Menjauhi perkara yang sia-sia dan main-main serta majlis-majlis yang dipenuhi dengan tertawa dan hal yang tiada guna. Tidak mengapa untuk menghibur jiwa, hati dan pandangannya dengan bertamasya ke suatu tempat, tidak mengapa pula menyegarkan kaki dan berolah raga badan.” dipenuhi dengan tertawa dan hal yang tiada guna. Tidak mengapa untuk menghibur jiwa, hati dan pandangannya dengan bertamasya ke suatu tempat, tidak mengapa pula menyegarkan kaki dan berolah raga badan.”
—1956 (Allen Newel dkk), pada awal perkembangannya AI secara konsisten diarahkan untuk melakukan simulasi “Neural Network” dengan model numeric saraf yang disebut “percepton”.
—Awal 60-an Newel dkk mengerjakan program komputer “Logical Theorist” & memperkenalkan pemrosesan simbolik. Dalam pendekatan simbolik, pengetahuan diekspresikan sebagai aturan
—LANJUTAN
—Th 70-an, kemajuan ini terjadi dalam interpretasi input visual, representasi kemampuan memahami bahasa, sistem pengenal ucapan, kemampuan untuk mengidentifikasi kata-kata dan sistem pakar
—Mesin-mesin AI juga mengalami perkembangan yang cukup panjang
—DEFINISI
—Kecerdasan Buatan (AI) 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.
—LANJUTAN
—Sub-bidang pengetahuan komputer yang khusus ditujukan untuk membuat SW dan HW yang sepenuhnya bisa menirukan beberapa fungsi otak manusia
—Cabang ilmu pengetahuan komputer yang mempelajari otomatisasi tingkah-laku cerdas (intelligent), algoritma yang diperlukan dalam penerapan pengetahuan, serta teknik-teknik bahasa dan pemrograman yang dipakai dalam implementasinya
—LANJUTAN
—Dunia psikologi: AI merupakan suatu studi kecakapan mental melalui penggunaan model-model komputasi
Dunia ilmu komputer, pertama AI adalah bidang studi penyelidikan untuk menjelaskan dan menandingi perilaku cerdas dalam wilayah proses-proses komputasi. Kedua AI adalah suatu usaha tentang bagaimana menghasilkan representasi dan prosedur yang secara otomatis menyelesaikan masalah-masalah sebagaimana penyelesaian yang dilakukan manusia. Termasuk aspek knowledge representation & manipulasinya.
—Pengertian AI
—Kecerdasan, yaitu AI akan membuat mesin menjadi “cerdas”
—Penelitian, yaitu AI adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia
—Bisnis, yaitu AI adalah kumpulan peralatan yang sangat powerful dan metodologis dalam meyelesaikan masalah –masalah bisnis
—Pemrograman, yaitu AI meliputi studi tentang pemrograman simbolik, penyelesaian masalah dan searching.
—FAHAM PEMIKIRAN
—AI Konvensional , melibatkan metoda2 yang sekarang diklasifikasikan sebagai pembelajaranmesin (formalisme & analisisstatistik). Dikenal juga sebagai AI simbolis, AI logis.Contoh: Sistem Pakar
—LANJUTAN
—KecerdasanKomputasional (CI, Computational Intelligence) Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis. Contoh: JaringanSyaraf, Sistem Fuzzy, KomputasiEvolusioner
—Strategi pengendalian/inferensi (proses deduksi fakta-fakta baru dari penyimpulan fakta-fakta lain yang ada
—Kemampuan untuk belajar/beradaptasi
—Searching & matching
—hasilkan & uji (generate & test)
— BIDANG APLIKASI
—Robotika
—Sistem Pakar (expert system)
—Permainan (Game playing)
—Bahasa Alami ( Natural Language)
—Teori pembuktian (Theorem proving)
—Computer-assisted education/learning
—Logika Kabur
—Jaringan Saraf
—Algoritma Genetika
—Pembuatan keputusan otomatik
—KECERDASAN ALAMI
vs
KECERDASAN BUATAN
—Cepat mengalami perubahan
—Kreatif
—Memungkinkan orang untuk menggunakan pengalaman secara langsung
—Pemikiran manusia dapat digunakan secara luas
—Sulit didokumentasikan
—Lebih bersifat permanen
—Mudah diduplikasikan & disebarluaskan
—Lebih murah untuk aplikasi pekerjaan yang besar
—Konsisten & teliti
—Dapat didokumentasikan
—Mengerjakan pekerjaan bisa lebih cepat dan hasilnya lebih baik
—SOFT COMPUTING
—Koleksi dari beberapa metodologi yang bertujuan mengeksploitasi adanya toleransi terhadap ketidakpastian, ketidaktepatan dan kebenaran parsial untuk dapat diselesaikan dengan mudah dan biaya penyelesaian murah
—Merupakan gabungan ANN (artificial neural network), logika kabur, algoritma genetika dan teknik AI konvensional
—LANJUTAN
—Karakteristik Soft Computing:
—Memerlukan keahlian manusia, apabila direpresentasikan dalam bentuk aturan (IF – THEN)
Kuliah ini memberikan prinsip-prinsip dasar dan metode utama dari Kecerdasan Buatan, menyiapkan mahasiswa untuk membangun sistem yang kompleks dalam kaitan kemampuan dalam pemrosesan pintar informasi.
nDefinisi
Kecerdasan Buatan
nPengantar
nBisakah mesin berpikir?
nJika bisa, bagaimana caranya?
nDan jika tidak bisa, kenapa tidak?
nDan apa yang dikatakan sebagai pikiran (mind)?
nArti Kecerdasan
kemampuan untuk…
nbelajar atau mengerti dari pengalaman,
nmemahami pesan yang kontradiktif dan ambigu,
nmenanggapi dengan cepat dan baik atas
situasi yang baru,
nmenggunakan penalaran dalam memecahkan masalah serta menyelesaikannya dengan efektif
(Winston dan Pendergast, 1994)
nApa itu AI?
nMerupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal - yang dalam pandangan manusia adalah – cerdas (H. A. Simon [1987])
nSebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Kinight [1991])
nKategori Definisi AI
nDikelompokkan menjadi 4 macam :
nDetail Kecerdasan Buatan
nSudut Pandang Kecerdasan
Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat seperti yang dilakukan manusia)
nSudut Pandang Penelitian
Kecerdasan buatan adalah studi bagaimana membuat komputer dapat melakukan sesuatu sebaik yang dilakukan manusia
nSudut Pandang Bisnis
Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah bisnis
nSudut Pandang Pemrogram
Kecerdasan buatan meliputi studi tentang pemrograman simbolik, problem solving, dan pencarian (searching)
n2 Bagian Utama AI
nBasis Pengetahuan (knowledge base)
berisi fakta-fakta, teori, pemikiran dan hubungan komponen satu dengan yang lainnya
nMotor Inferensi (inference engine)
Kemampuan menarik kesimpulan berdasar pengalaman. Berkaitan dengan representasi dan duplikasi proses tersebut melalui mesin (misalnya, komputer dan robot).
nKonsep Kecerdasan Buatan
nTuring Test
Metode Pengujian Kecerdasan (Alan Turing).
Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai.
nPemrosesan Simbolik
Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melakukan proses secara simbolik dan non-algoritmik dalam penyelesain masalah.
nHeuristic
Suatu strategi untuk melakukan proses pencarian (search) ruang problem secara efektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar.
nInferensi (Penarikan Kesimpulan) à AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning), termasuk didalamnya proses (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik, dll
nPencocokan Pola (Pattern Matching) à Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional
n“State of the Art” AI
nDeep Blue mengalahkan Kasparov, juara dunia Catur.
nPEGASUS, suatu sistem memahami ucapan yang mampu menangani transaksi seperti mendapatkan informasi tiket udara termurah.
nMARVEL: suatu sistem pakar real-time memonitor arus data dari pesawat Voyager dan setiap anomali sinyal.
nSistem robot mengemudikan sebuah mobil dengan kecepatan yang cepat pada jalan raya umum.
nSuatu diagnostik sistem pakar sedang mengkoreksi hasil diagnosis pakar yang sudah punya reputasi.
nAgent pintar untuk bermacam-macam domain yang bertambah pada laju yang sangat tinggi .
nSubjek materi pakar mengajar suatu learning agent penalarannya dalam pusat penentuan gravitasi.
nTujuan Kecerdasan Buatan
nMembuat komputer lebih cerdas
nMengerti tentang kecerdasan
nMembuat mesin lebih berguna
nKecerdasan Buatan
VS
Kecerdasan Alami
nPerbedaan Kecerdasan Buatan dengan Kecerdasan Alami
nLebih permanen
nMenawarkan kemudahan duplikasi dan penyebaran
nLebih murah daripada kecerdasan alami
nKonsisten dan menyeluruh
nDapat didokumentasikan
nDapat mengeksekusi tugas tertentu lebih cepat daripada manusia
nDapat menjalankan tugas tertentu lebih baik dari banyak atau kebanyakan orang.
nKelebihan Kecerdasan Alami dibanding AI
nBersifat lebih kreatif
nDapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasi-representasi
nMenggunakan fokus yang luas sebagai referensi untuk pengambilan keputusan. Sebaliknya, AI menggunakan fokus yang sempit
nSejarah
Kecerdasan Buatan
Perkembangan dan
Aplikasinya
nSejarah Kecerdasan Buatan
nAwal kerja JST dan logika
nTeori Logika (Alan Newell and Herbert Simon)
nKelahiran AI: Dartmouth workshop - summer 1956
nJohn McCarthy’s memberi nama bidang: artificial intelligence
nAwal antusias, harapan besar
(1952-1969)
nMcCarthy (1958)
- mendefinisikan Lisp
- menemukan time-sharing
- Advice Taker
nPembelajaran tanpa pengetahuan
nPemodelan JST
nPembelajaran Evolusioner
nSamuel’s checkers player: pembelajaran
nMetode resolusi Robinson.
nMinsky: the microworlds (e.g. the block’s world).
nBanyak demonstrasi kecil ttg perilaku “intelligent”
nPrediksi over-optimistic Simon
nMasa Gelap (1966-1973)
nAI tidak mengalami perkembangan: ledakan perkembangan combinatorial
nFakta bahwa suatu program bisa mendapatkan suatu solusi secara prinsip tidak berarti bahwa program memuat beberapa mekanisme yang dibutuhkan untuk mendapatkannya secara praktis.
nKegagalan dari pendekatan terjemahan bahasa alami berbasis pada grammars sederhana dan kamus kata.
nPenterjemahan kembali yang populerEnglish->Russian->English
nPenemuan untuk pemrosesan bahasa natural dihentikan.
nKegagalan perceptron untuk belajar dari fungsi sederhana sebagaimana disjunctive/eksclusive OR.
nPenelitian pada JST dihentikan.
nRealisasi dari kesukaran dalam proses learning dan keterbatasan dari metode yang dieksplorasi
nPenggalian kembali algoritma learning back propagation untuk neural networks yang pertama dikenalkan dalam tahun 1969 oleh Bryson and Ho.
nBanyak aplikasi sukses dari Neural Networks.
nKehilangan respek terhadap sulitnya membangun sistem pakar (macetnya knowledge acquisition).
nKematangan
(1987-sekarang)
nPerubahan dalam cakupan dan metodologi penelitian bidang Kecerdasan Buatan:
nMembangun di atas teori yang ada, bukan cumamengusulkan teori baru;
nberbasis klaim pada theorema dan eksperimen, bukan pada intuisi;
nmenunjukkan relevansi ke aplikasi nyata, bukan pada contoh “mainan”.
nAgent Cerdas (1995-sekarang)
•Realisasi yang pada mulanya dipisahkan dalam sub dari Kecerdasan Buatan (speech recognition, problem solving and planning, robotics, computer vision, machine learning, knowledge representation, etc.) perlu direorganisasi bilamana hasil-hasilnya diikat bersama-sama kedalam suatu desain agent tunggal.
nSuatu proses reintegrasi dari sub-area yang berbeda dari KB untuk membentuk “whole agent”:
n“agent perspective” of AI
nagent architectures (e.g. SOAR, Disciple);
nmulti-agent systems;
nagent untuk aplikasi tipe-tipe yang berbeda, web agents.
nDomain Yang Sering Dibahas
nMundane Task
- Persepsi (vision & speech)
- Bahasa alami (understanding, generation & translation)
- Pemikiran yang bersifat commonsense
- Robot control
nFormal Task
- Permainan / Games
- Matematika (Geometri, logika, kalkulus integral, pembuktian)
nWilliam Siler and James J. Buckley, “Fuzzy Expert System and Fuzzy Reasoning”, Wiley-Interscience, 2005
nLaurene Fauset, “Fundamental of Neural Network”, Prentice Hall, 2000
—BAB2
—MASALAH,
—RUANG KEADAAN
—&
—PENCARIAN
—Membangun sistem yang menggunakan AI, ada 2 bagian utama
—Basis Pengetahuan (Knowledge Base), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.
—Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.
—Input yang diberikan pada sistem yang menggunakan AI berupa masalah & pada sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan.
—Sistem harus memiliki inference engine agar mampu mengambil kesimpulan berdasarkan fakta atau pengetahuan.
—Output yang diberikan berupa solusi masalah sebagai hasil dari inferensi.
—Suatu sistem yang mampu menyelesaikan masalah:
—Mendefinisikan masalah dengan tepat yang mencakup spesifikasi mengenai keadaan awal dan solusi yang diharapkan.
—Menganalisis masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai.
—Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah.
—Memilih teknik penyelesaian masalah yang baik
◦MENDEFINISIKAN MASALAH SEBAGAI SUATU RUANG KEADAAN
—Misalkan permasalahan “Papan Catur”
◦Posisi awal pada papan catur
◦Aturan-aturan untuk melakukan gerakan secara legal
◦Tujuan (Goal)
—Contoh tersebut menunjukkan representasimasalah dalam Ruang Keadaan (State Space), yaitusuatu ruang yang berisi semua keadaan yang mungkin
—Untuk mendeskripsikan masalah dengan baik harus
—Mendefinisikan suatu ruang keadaan
—Menetapkan satu atau lebih keadaan awal
—Menetapkan satu atau lebih tujuan
—Menetapkan kumpulan aturan
—Cara untuk merepresentasikan
Ruang Keadaan
◦Graph Keadaan, Graph terdiri dari node-node yang menunjukkan keadaan yaitu keadaan awal dan keadaan baru yang akan dicapai dengan menggunakan operator. Node-node dalam graph keadaan saling dihubungkan dengan menggunakan arc (busur) yang diberi panah untuk menunjukkan arah dari suatu keadaan ke keadaan berikutnya
—Lanjutan
◦Pohon Pelacakan, yaitu untuk menghindari kemungkinan adanya prosespelacakan suatu node secara berulang, maka digunakan struktur pohon (menggambarkan keadaan secara hirarkis).
◦Lanjutan
—Pohon terdiri-dari beberapa node, yang terletak pada level-0 disebut “akar”
—Node akar memiliki beberapa percabangan yang sering disebut dengan nama “anak” dan merupakan node-node perantara
—Node-node yang tidak memiliki anak sering disebut dengan nama node “daun” yang menunjukkan akhir dari suatu pencarian
◦METODE PENCARIAN & PELACAKAN
Pencarian Buta (Blind Search)
◦Pencarian Melebar Pertama (Breadth-First Search)
◦Pencarian Mendalam Pertama (Depth-First Search)
◦Pencarian Heuristik (Heuristic Search)
—Lanjutan
—Ada 4 metode pencarian heuristic:
◦Pembangkit & Penggujian (Generate and Test)
◦Pendakian Bukit (Hill Climbing)
–Simple Hill Climbing
–Steepest-Ascent Hill Climbing
◦Pencarian Terbaik Pertama (Best First Search)
—Best First Search
—Membangkitkan simpul berikutnya dari sebuah simpul terbaik diantara semua leaf nodes (simpul-simpul pada level terdalam) yang pernah dibangkitkan.
—Penentuan simpul terbaik dapat dilakukan dengan menggunakan informasi berupa biaya perkiraan dari suatu simpul menuju ke goal atau gabungan antara biaya sebenarnya dan biaya perkiraan.
—AlgoritmaBest First Search
—OPEN berisi initial state dan CLOSED masih kosong.
—Ulangi sampai goal ditemukan atau sampai tidak ada nodes di dalam OPEN
◦Ambil simpul terbaik di dalam OPEN
◦Jika simpul tersebut sama dengan goal maka sukses, jika tidak masukkan simpul tersebut ke dalam CLOSED
◦Bangkitkan semua suksesor dari simpul tersebut
—LANJUTAN
◦Jika suksesor belum pernah dibangkitkan, evaluasi kemudian tambahkan ke OPEN dan catat parent (orang tuanya)
◦Jika suksesor sudah pernah dibangkitkan, ubah parentnya jika jalur melalui parent ini lebih baik daripada jalur melalui parent sebelumnya. Perbarui biaya untuk suksesor tersebut dan nodes lain yang berada di level bawahnya.
◦LANJUTAN
—OPEN adalah senarai (list) yang digunakan untuk menyimpan simpul2 yang pernah dibangkitkan dan nilai heuristiknya telah dihitung tetapi belum pernah terpilih sebagai simpul terbaik, jadi simpul-simpul yang masih memiliki peluang (peluangnya masih terbuka) untuk terpilih sebagai simpul terbaik.
—CLOSED adalah senarai untuk menyimpan simpul2 yang sudah pernah dibangkitkan dan sudah pernah terpilih sebagai simpul terbaik. Artinya CLOSED berisi simpul-simpul yang tidak mungkin terpilih sebagai simpul terbaik (peluang untuk terpilih sudah tertutup).
—LANJUTAN
—Greedy Best-First Search merupakan algoritma yang paling sederhana dengan hanya memperhitungkan biaya perkiraan saja, yaitu f(n) = h(n). Biaya yang sebenarnya tidak diperhitungkan. Algoritma ini menyebabkan hasil perhitungan menjadi tidak optimal karena hanya memperhitungkan biaya perkiraan yang belum tentu kebenarannya.
—LANJUTAN
—A* (A Bintang). Biaya yang diperhitungkan didapat dari biaya sebenarnya ditambah dengan biaya perkiraan, yaitu f(n) = g(n) + h(n).Dengan demikian, algoritma A* adalah complete dan optimal. BAB2
—MASALAH,
—RUANG KEADAAN
—&
—PENCARIAN
—Membangun sistem yang menggunakan AI, ada 2 bagian utama
—Basis Pengetahuan (Knowledge Base), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.
—Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.
—Input yang diberikan pada sistem yang menggunakan AI berupa masalah & pada sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan.
—Sistem harus memiliki inference engine agar mampu mengambil kesimpulan berdasarkan fakta atau pengetahuan.
—Output yang diberikan berupa solusi masalah sebagai hasil dari inferensi.
—Suatu sistem yang mampu menyelesaikan masalah:
—Mendefinisikan masalah dengan tepat yang mencakup spesifikasi mengenai keadaan awal dan solusi yang diharapkan.
—Menganalisis masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai.
—Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah.
—Memilih teknik penyelesaian masalah yang baik
—MENDEFINISIKAN MASALAH SEBAGAI SUATU RUANG KEADAAN
—Misalkan permasalahan “Papan Catur”
—Posisi awal pada papan catur
—Aturan-aturan untuk melakukan gerakan secara legal
—Tujuan (Goal)
—Contoh tersebut menunjukkan representasimasalah dalam Ruang Keadaan (State Space), yaitusuatu ruang yang berisi semua keadaan yang mungkin
—Untuk mendeskripsikan masalah dengan baik harus
—Mendefinisikan suatu ruang keadaan
—Menetapkan satu atau lebih keadaan awal
—Menetapkan satu atau lebih tujuan
—Menetapkan kumpulan aturan
—Cara untuk merepresentasikan
Ruang Keadaan
—Graph Keadaan, Graph terdiri dari node-node yang menunjukkan keadaan yaitu keadaan awal dan keadaan baru yang akan dicapai dengan menggunakan operator. Node-node dalam graph keadaan saling dihubungkan dengan menggunakan arc (busur) yang diberi panah untuk menunjukkan arah dari suatu keadaan ke keadaan berikutnya
—Lanjutan
—Pohon Pelacakan, yaitu untuk menghindari kemungkinan adanya prosespelacakan suatu node secara berulang, maka digunakan struktur pohon (menggambarkan keadaan secara hirarkis).
—Lanjutan
—Pohon terdiri-dari beberapa node, yang terletak pada level-0 disebut “akar”
—Node akar memiliki beberapa percabangan yang sering disebut dengan nama “anak” dan merupakan node-node perantara
—Node-node yang tidak memiliki anak sering disebut dengan nama node “daun” yang menunjukkan akhir dari suatu pencarian