source
Menjelaskan apa sesungguhnya AI tidaklah mudah. Ada yang berpendapat, AI adalah kemampuan komputer untuk menyelesaikan tugas. Namun ada yang menyatakan, kemampuan belajarnya yang lebih penting. Tapi sebagian besar sepakat, kemampuan komputer untuk berkomunikasi dengan manusia yang paling penting.
Sebutlah Alan Turing, ahli matematika berkebangsaan Inggris, yang dijuluki bapak komputer modern dan pembongkar sandi Nazi dalam PD II. Tahun 1950 ia menetapkan definisi AI: "Kalau komputer tidak dapat dibedakan dengan manusia saat berbincang melalui terminal komputer, maka bisa dikatakan komputer itu cerdas. Ia punya intelgensi." Inilah AI.
Tahun 1990 industriawan terkemuka Dr. Hugh G. Loebner menyediakan hadiah sebesar AS $ 100.000 bagi yang berhasil menciptakan AI menurut deskripsi Alan Turing. Setiap tahun dalam Kompetisi Loebner tentang AI, 10 orang juri duduk di depan terminal komputer dan "ngobrol" tentang topik tertentu dengan 10 "orang" (bisa manusia, bisa komputer). Mereka harus menebak mana yang komputer dan mana yang manusia. Hadiah sebesar itu akan diberikan pada perancang dari program komputer yang dikira manusia. Tapi sampai tahun 1994 belum ada yang menang.
Di dunia sains komputer ada dua aliran: neat (rapi) dan scruffy (jorok). Aliran yang rapi biasanya bergerak di bidang bahasan yang sudah jelas. Tentunya yang sudah mereka pahami. Sedangkan aliran jorok itu sains yang menjelajahi bidang-bidang bahasan yang masih baru, belum dikenal, masih teka-teki. Ilmuwan yang scruffy kadang-kadang tak dapat menerangkan bagaimana karya ciptanya bisa berfungsi, karena ia memang menjelajah wilayah baru. Istilah neat dan scruffy belakang ini banyak muncul di dunia AI.
Banyak teknologi baru yang kini muncul berkat prinsip logika kabur (fuzzy logic). Maksudnya, komputer mengambil keputusan tidak berdasarkan pertimbangan hitam dan putih, tetapi abu-abu. Ini salah satu cara komputer belajar menyamai cara berpikir yang tak pasti, yang justru amat manusiawi.
Expert system, salah satu contoh program komputer yang menganut aliran neat, karena cara kerjanya serba pasti. Beberapa pertanyaan diajukan, kita jawab, lalu program itu memberikan solusi. Jadi program itu berfungsi sebagai tenaga ahli. Program ini banyak digunakan lembaga keuangan untuk membuat prediksi.
Sebaliknya dengan Neural Nets. Ini program yang belajar sendiri. Sirkuitnya didesain mirip dengan sambungan saraf manusia. Program ini mempelajari data mentah, bahkan menyimpulkan sendiri di mana data yang dibutuhkan itu harus dicari, berdasarkan pengalamannya. Bisa dikatakan, program ini bekerja dari nol. Program macam ini digunakan bank untuk melacak pola belanja nasabahnya dan menemukan keanehan yang mungkin terjadi sehingga mereka terhindar dari pemalsuan atau penipuan.
Ada lagi Genetic Algorithms yang mulai bekerja tidak dari nol, tapi sudah dibekali dengan beberapa prinsip dasar. Prinsip-prinsip ini lalu terus dikombinasikan sampai dihasilkan program-program baik yang kemudian akan saling dikawinkan lagi.
Dari proses itu akan diperoleh solusi, misalnya bagaimana membuat Neural Net yang lebih baik atau bagaimana memprediksi pasar saham.
Pelbagai teknologi ini sudah digunakan untuk segala macam tujuan, mulai dari penyelidikan benjolan kanker payudara sampai menyempurnakan video kamera.
Di MIT, Massachussetts Institute of Technology (ITB-nya AS), kini sedang berjalan sebuah proyek ambisius: Intelligent Room Project (Proyek Ruangan Pintar). Proyek yang disponsori oleh Departemen Pertahanan AS ini melakukan riset untuk membuat aplikasi-aplikasi program yang bakal membuat ruangan pintar, antara lain, manajemen proyek riset, proses brainstorming dengan bantuan komputer, penulisan notulen rapat secara otomatis, pengaturan kamera otomatis pada saat rapat jarak jauh, dukungan multimedia sebuah presentasi, penghadiran tokoh virtual secara nyata.
Ruangan pintar juga dapat dilengkapi dengan kemampuan mendeteksi kebohongan, misalnya, sehingga kegiatan spionase tentu akan amat terbantu.
Aplikasi teknologi AI kini sudah banyak diterapkan untuk untuk kegunaan praktis seperti menemukan deposit minyak bumi
Jumat, 26 Oktober 2007
Kecerdasan buatan
source
Menjelaskan apa sesungguhnya AI tidaklah mudah. Ada yang berpendapat, AI adalah kemampuan komputer untuk menyelesaikan tugas. Namun ada yang menyatakan, kemampuan belajarnya yang lebih penting. Tapi sebagian besar sepakat, kemampuan komputer untuk berkomunikasi dengan manusia yang paling penting.
Sebutlah Alan Turing, ahli matematika berkebangsaan Inggris, yang dijuluki bapak komputer modern dan pembongkar sandi Nazi dalam PD II. Tahun 1950 ia menetapkan definisi AI: "Kalau komputer tidak dapat dibedakan dengan manusia saat berbincang melalui terminal komputer, maka bisa dikatakan komputer itu cerdas. Ia punya intelgensi." Inilah AI.
Tahun 1990 industriawan terkemuka Dr. Hugh G. Loebner menyediakan hadiah sebesar AS $ 100.000 bagi yang berhasil menciptakan AI menurut deskripsi Alan Turing. Setiap tahun dalam Kompetisi Loebner tentang AI, 10 orang juri duduk di depan terminal komputer dan "ngobrol" tentang topik tertentu dengan 10 "orang" (bisa manusia, bisa komputer). Mereka harus menebak mana yang komputer dan mana yang manusia. Hadiah sebesar itu akan diberikan pada perancang dari program komputer yang dikira manusia. Tapi sampai tahun 1994 belum ada yang menang.
Di dunia sains komputer ada dua aliran: neat (rapi) dan scruffy (jorok). Aliran yang rapi biasanya bergerak di bidang bahasan yang sudah jelas. Tentunya yang sudah mereka pahami. Sedangkan aliran jorok itu sains yang menjelajahi bidang-bidang bahasan yang masih baru, belum dikenal, masih teka-teki. Ilmuwan yang scruffy kadang-kadang tak dapat menerangkan bagaimana karya ciptanya bisa berfungsi, karena ia memang menjelajah wilayah baru. Istilah neat dan scruffy belakang ini banyak muncul di dunia AI.
Banyak teknologi baru yang kini muncul berkat prinsip logika kabur (fuzzy logic). Maksudnya, komputer mengambil keputusan tidak berdasarkan pertimbangan hitam dan putih, tetapi abu-abu. Ini salah satu cara komputer belajar menyamai cara berpikir yang tak pasti, yang justru amat manusiawi.
Expert system, salah satu contoh program komputer yang menganut aliran neat, karena cara kerjanya serba pasti. Beberapa pertanyaan diajukan, kita jawab, lalu program itu memberikan solusi. Jadi program itu berfungsi sebagai tenaga ahli. Program ini banyak digunakan lembaga keuangan untuk membuat prediksi.
Sebaliknya dengan Neural Nets. Ini program yang belajar sendiri. Sirkuitnya didesain mirip dengan sambungan saraf manusia. Program ini mempelajari data mentah, bahkan menyimpulkan sendiri di mana data yang dibutuhkan itu harus dicari, berdasarkan pengalamannya. Bisa dikatakan, program ini bekerja dari nol. Program macam ini digunakan bank untuk melacak pola belanja nasabahnya dan menemukan keanehan yang mungkin terjadi sehingga mereka terhindar dari pemalsuan atau penipuan.
Ada lagi Genetic Algorithms yang mulai bekerja tidak dari nol, tapi sudah dibekali dengan beberapa prinsip dasar. Prinsip-prinsip ini lalu terus dikombinasikan sampai dihasilkan program-program baik yang kemudian akan saling dikawinkan lagi.
Dari proses itu akan diperoleh solusi, misalnya bagaimana membuat Neural Net yang lebih baik atau bagaimana memprediksi pasar saham.
Pelbagai teknologi ini sudah digunakan untuk segala macam tujuan, mulai dari penyelidikan benjolan kanker payudara sampai menyempurnakan video kamera.
Di MIT, Massachussetts Institute of Technology (ITB-nya AS), kini sedang berjalan sebuah proyek ambisius: Intelligent Room Project (Proyek Ruangan Pintar). Proyek yang disponsori oleh Departemen Pertahanan AS ini melakukan riset untuk membuat aplikasi-aplikasi program yang bakal membuat ruangan pintar, antara lain, manajemen proyek riset, proses brainstorming dengan bantuan komputer, penulisan notulen rapat secara otomatis, pengaturan kamera otomatis pada saat rapat jarak jauh, dukungan multimedia sebuah presentasi, penghadiran tokoh virtual secara nyata.
Ruangan pintar juga dapat dilengkapi dengan kemampuan mendeteksi kebohongan, misalnya, sehingga kegiatan spionase tentu akan amat terbantu.
Aplikasi teknologi AI kini sudah banyak diterapkan untuk untuk kegunaan praktis seperti menemukan deposit minyak bumi
Label:
Kecerdasan Buatan
Langganan:
Posting Komentar (Atom)
Tidak ada komentar:
Posting Komentar