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

Kecerdasan Buatan pada Angkatan Udara AS

source

Angkatan Udara AS (USAF) kini tengah m,engembangkan sistem kendali penerbangan untuk pesawat militer dan rudal dengan kecerdasan buatan atau artificial intelligence. Tujuannya adalah membantu kestabilan terbang pada saat-saat krisis, sehingga pilot lebih mudah dalam mengatasi kerusakan pada pesawat serta mengurangi kemungkinan jatuhnya korban. Sistem pengendalian yang didasarkan pada jejaring teknologi neural ini dikembangkan bersama dengan Georgia Institute of Technology di Atlanta. Sistem ini sekarang telah siap untuk diuji-cobakan pada beberapa jenis pesawat tak berawak USAF, seperti UCV atau pesawat tempur tanpa awak serta pesawat angkasa VentureStar. UCV adalah proyek dari badan riset USAF untuk membuktikan kemungkinan pemakaian pesawat tak berawak untuk melakukan serangan udara. Menurut USAF, sistem neural untuk kendali penerbangan ini menawarkan kestabilan yang nyaris sempurna dan langsung pada saat timbul kerusakan atau kegagalan pada sistem kendali konvensional. Sistem itu secara otomatis juga menyesuaikan diri dengan perubahan lingkungannya, seperti berat pesawat, kerusakan sayap dan sebagainya. Pengembangan sistem ini telah dimulai sejak 1996, dan sampai tahun lalu telah menghabiskan biaya 2,5 juta dollar. (rb)

Saya Chatbot, Bernama George

source

TEMPO Interaktif, Jakarta:Namanya George. Usianya 39 tahun. Kepribadiannya menarik, baik hati, dan tidak sombong. Padahal perawakannya tak ganteng-ganteng amat. Kurus, berkacamata, dan berkepala plontos.

Tapi ia punya kelebihan yang tak dimiliki manusia biasa: menguasai 40 bahasa dan bisa menemani 2.000 orang dalam satu waktu. Ya, George adalah sebuah perangkat lunak.

Ia diklasifikasikan sebagai chat robot (chatbot) alias software yang dirancang untuk bisa melakukan percakapan (chat) secara otomatis dengan orang-orang yang terhubung di Internet.

Anda bisa mengajaknya berbicara lewat situs www.jabberwacky.com. Kalau Anda bertemu dengan orang yang berkacamata kuning dan baju hangat berleher tinggi (turtle neck), itulah si George.

Walaupun usia resminya 39 tahun, George baru diciptakan tujuh tahun lalu oleh Rollo Carpenter, seorang ahli kecerdasan buatan (artificial intelligence).

Carpenter melengkapi George dengan kecerdasan buatan, suara, dan perangkat lunak pengenal suara (voice recognition). Karena itu, ia mampu berbicara dan mencerna pembicaraan orang.

Ia bisa tersenyum, tertawa, cemberut, atau bisa menjadi sangat romantis. Tapi ia juga bisa menjadi kasar. Pasalnya, setelah melewati 10 juta pembicaraan online yang telah ia lakukan selama ini, George tak hanya mempelajari sikap-sikap yang baik dari lawan bi "Mesin ini meminjam kecerdasan dan kata-kata orang yang bicara dengannya. Ia sedikit demi sedikit belajar menempatkan respons jawaban dalam konteks yang tepat," kata Carpenter. Semakin banyak pembicaraan yang ia lakukan, semakin tepat jawaban yang George berikan dalam percakapan.

George bukanlah chatbot pertama di dunia maya. Sejak 1980, sudah ada "nenek moyang" George. Dan sekarang sudah banyak chatbot lain, termasuk yang meminjam avatar (penampilan) tokoh terkenal, seperti Noam Chomsky atau bahkan John Lennon. Tengok saja di www.botspot.com/pages/chatbots.html.

Tapi, di antara mereka semua, hanya Georgelah yang sudah mendapatkan penghargaan Loebner Prize di Inggris. Ia dianggap sebagai chatbot terbaik yang "paling nyambung/" saat berbicara dengan manusia. Sebab, dari awal George memang dirancang untuk terus berteman sepanjang hidupnya. "Hai, kenalkan nama saya George...."

Kajian Pemanfaatan Teknologi Knowledge-based Expert System di dalam Pengelolaan Sumber Daya Alam

source

Oleh Muhamad Sadly

Membahas masalah sumberdaya alam (natural resources), mulai dari perkembangan teknologinya sampai kepada bagaimana cara pengelolaannya merupakan hal yang terus mendapat perhatian di negara kita. Potret buram tentang banyaknya bencana alam yang terjadi di negeri kita, seperti banjir, gempa bumi serta tanah longsor yang terjadi di berbagai daerah yang menelan banyak korban jiwa manusia dan harta benda serta bencana alam lainnya telah banyak terjadi. Dari potret tersebut mencerminkan belum optimalnya kita sebagai bangsa dalam mengelola sumberdaya alam.

Pada era modern saat ini, telah terjadi perkembangan pesat dalam bidang ilmu pengetahuan dan teknologi, khususnya teknologi komputer dan komunikasi atau sering disebut dengan era informasi. Jika pada mulanya komputer digunakan hanya sekedar alat penghitung, maka dewasa ini mesin komputer telah mampu menggantikan peran atau tugas-tugas rumit yang dilakukan oleh manusia, bahkan sanggup menirukan proses biologis manusia dalam pengambilan keputusan.

Can machine think ? demikian pertanyaan yang muncul seiring dengan berkembangnya bidang kecerdasan buatan (Artificial Intelligence/AI). Pertanyaan lain yang akan muncul: mampukah sistem pakar tersebut memberi kontribusi nyata di dalam pengelolaan sumberdaya alam ?. Untuk menjawab pertanyaan tersebut, di dalam artikel ini akan dibahas secara cermat tentang apa itu teknologi berbasis pengetahuan (knowledge-based expert system), mulai dari perkembangan teknologinya sampai pada aplikasinya pada pengelolaan sumberdaya alam.

Definisi Expert System

Pada tahun 1956, mulai diperkenalkan istilah Kecerdasan Buatan (AI), yang kemudian ditegaskan lagi pada tahun 1961 oleh suatu tulisan Marvin Minsky dari MIT tentang "Steps towards AI". Semenjak itu istilah AI menjadi semakin populer, dan kemajuan bidang ini mencapai puncaknya dengan munculnya pengetahuan tentang Sistem Pakar.

Di dalam perspektif ilmu pengetahuan dan teknologi, sistem cerdas merupakan bagian dari bidang inteligensia semu (Artificial Intelligence/AI). Istilah expert system berasal dari knowledge-based expert system (sistim cerdas berbasis pengetahuan), dimana suatu sistem yang menggunakan pengetahuan manusia (human knowledge) yang dimasukkan ke dalam komputer untuk memecahkan masalah yang umumnya memerlukan keahlian seorang pakar/expert. Atau dapat juga dikatakan, sebuah program komputer yang menggunakan pengetahuan dan teknik inferensi (pengambilan kesimpulan) untuk memecahkan persoalan seperti yang dilakukan oleh seorang pakar.

Berbeda dengan program komputer biasa, sistem cerdas dapat digunaan untuk memecahkan masalah yang tidak terstruktur dan dimana tidak ada suatu prosedur tertentu untuk memecahkan masalah tersebut. Sedangkan definisi pengetahuan (knowledge) menurut Webster's New World Dictionary of the American Language: persepsi tentang sesuatu yang jelas dan tentu, semua yang telah dirasakan dan diterima oleh otak, serta merupakan informasi terorganisasi yang dapat diterapkan untuk penyelesaian masalah.

Penggunaan Knowledge-based expert system (sistem pakar berbasis pengetahuan) ini tidak menjamin solusi yang lebih akurat, tetapi paling tidak mampu menghasilkan keputusan-keputusan yang didasari informasi relatif lebih banyak/terstruktur. Sesuai dengan namanya, suatu "Sistem Pakar" akan sangat tergantung pada pengetahuan (knowledge) yang didapat dari pakar yang menyumbangkan keahlian dan pengalamannya.

Biasanya suatu "sistem cerdas" dapat dibagi menjadi beberapa bagian:

(1). Basis pengetahuan (knowledge-base): berisi pengetahuan yang spesifik mengenai domain tertentuyang mana basis pengetahuan ini dapat diperbaharui sesuai dengan tingkat kemampuan seorang expert terhadap pemecahan suatu masalah,
(2). Mesin inferensi (Inference Engine) : sustu program yang bertugas mengolah data masukan sesuai pengetahuan dalam basis pengetahuan, menurut kaidah-kaidah tertentu.
(3). Bagian kendali/user interface : bagian yang berkomunikasi langsung dengan pengguna (user) sistem. Ada 2 (dua) macam mesin inferensi, yaitu yang bersifat pasti (deterministik) dan kemungkinan (probabilistik).

Sistem konvensional yang berlandaskan logika konvensional berdasarkan pada dua keadaan -benar atau salah (true or false)-, ternyata kurang serasi untuk mengadopsi cara berfikir manusia yang banyak mengandung hal ketidak-pastian (uncertainty), proses belajar (learning process), penalaran, sifat adaptif dan sebagainya. Cara penalaran otak manusia tidaklah sama dengan komputer, karena komputer menalar dengan langkah yang jelas/pasti, sedangkan manusia menalar dengan istilah sehari-hari, misalnya: udara sejuk, airnya hangat, kecepatannya rendah, dan lainnya.

Banyak hal yang bersifat tidak linear, yang susah diformulasikan secara matematis, namun sangat mudah dilakukan dengan perintah manusia biasa, misalnya : kurangi kecepatan, rem dengan perlahan, dan sebagainya. Sedangkan, sistem cerdas, seperti misalnya Logika Fuzzy atau Fuzzy expert system yang pertama kali ditemukan oleh Professor Lofti A. Zadeh pada tahun 1965 telah mampu mengatasi masalah tersebut, karena menurut logika ini segala sesuatu tidaklah dapat dikatakan 100% yes atau 100% no, namun fungsi keanggotaannya (membership function) dalam suatu himpunan dapat bervariasi antara 0 (completely no) dan 1 (completely yes). Sehingga beberapa variabel linguistik yang telah disebutkan, dapat diubah menjadi variabel numerik dan sebaliknya oleh logika fuzzy.

Secara umum, Sistem Konvensional fokus pada pemrosesan informasi, sedangkan sistem cerdas (Expert System) fokus pada pemrosesan pengetahuan (knowledge processing).

Kelebihan dan Kekurangan Expert System

Sistem pakar sekarang banyak digunakan baik pada aplikasi bisnis maupun apikasi lainnya. Aplikasi sistem pakar di dalam pengelolaan sumberdaya alam masih relatif baru dan merupakan pendekatan alternatif yang dapat digunakan untuk penyelesaian masalah-masalah di dalam pengembangan teknologi pengelolaan sumberdaya alam. Hal ini karena sistem pakar memberikan banyak kelebihan. Akan tetapi perlu juga diketahui bahwa seperti halnya sistem yang lainnya, selain memberikan banyak kelebihan, sistem pakar juga mempunyai beberapa kelemahan.

Kelebihan-kelebihan dari sistem pakar secara umum adalah sebagai berikut:

1. Memberikan pengambilan keputusan yang lebih baik. Karena sistem pakar memberikan jawaban yang konsisten dan logis dari waktu ke waktu. Jawaban yang diberikan logis karena alasa logiknya dapat diberikan oleh sistem pakar dalam proses konsultasi.
2. Memberikan solusi tepat waktu. Kadang kala seorang manajer membutuhkan jawaban dari pakar, tetapi pakar yang dibutuhkan tidak berada ditempat, sehingga keputusan menjadi terlambat. Dengan sistem pakar, jawaban yang dibutuhkan oleh pengambil keputusan selalu tersedia setiap saat dibutuhkan.
3. Menyimpan pengetahuan di organisasi. Pengetahuan pakar merupakan hal yang penting dan kadang kala pengetahuan iniakan hilang jika pakar keluar atau telah pensiun dari perusahaan. Dengan sistem pakar, pengetahuan dari pakar dapat disimpan di sistem pakar dan tersedia terus selama dibutuhkan.

Kekurangan-kekurangan dari sistem pakar adalah sebagai berikut:

1. Sistem pakar hanya dapat menangani pengetahuan yang konsisten. Sistem pakar dirancang dengan aturan-aturan yang hasilnya sudah pasti dan konsisten sesuai dengan alur di diagram pohonnya. Untuk pengetahuan yang cepat berubah-rubah dari waktu ke waktu, maka knowledge base di sistem pakar harus selalu diubah (perbarui-red), yang tentu cukup merepotkan.
2. Sistem pakar tidak dapat menangani hal yang bersifat judgement. Sistem pakar memberikan hasil yang pasti, sehingga keputusan akhir pengambilan keputusan jika melibatkan kebijaksaaan dan institusi masih tetap di tangan manajemen.
3. Format knowledge base sistem pakar terbatas. Knowledge base pada sistem pakar berisi aturan-aturan (rules) yang ditulis dalam bentuk statemen if-then.

Pengantar Artificial Intelligence dalam GameContents Pengantar Artificial Intelligence dalam GameContents

source

Artificial Intelligence

AI (Artificial Intelligence) atau intelejensia buatan (selanjutnya disebut dengan IB) adalah pendekatan komputasi yang sebenarnya memiliki makna yang ambigu. beberapa pendekatan seperti pada (Russel, 2000) mengemukakan empat arahan berbeda dalam hal kecerdasan buatan. walaupun ketiganya memiliki persamaan yaitu memodelkan ke-'manusia'-an melalui teknik komputasi. Arah eksplorasi di bidang kecerdasan buatan diantaranya
membuat agen yang 'tampak' seperti manusia.
membuat agen yang 'bekerja' seperti manusia.
membuat agen yang 'berpikir' seperti manusia.
membuat agen yang 'menyerupai dan bersifat' seperti manusia.
sederhananya, IB merupakan teknik komputasi yang mampu menyelesaikan persoalan yang memiliki ciri informasi yang tidak lengkap, tidak pasti pada definisi persoalan dan teknik untuk menyelesaikannya.

Aplikasi IB dalam Pengembangan Game

persepsi umum dari judul di atas biasanya adalah bagaimana membuat lawan (opponent) yang tampak seperti manusia. istilah 'tampak' di sini adalah yang sesuai dengan tes turing. parameter tampak ditentukan dari seberapa 'percaya' pemain yang menghadapinya. ukuran keberpercayaan ini disebut juga sebagai believable atau immersive. pemodelan karakter yang terlibat dalam permainan yang bukan dikendalikan oleh manusia diistilahkan dengan Game AI (jadi beda antara AI untuk game dengan Game AI). walaupun demikian, IB tidak hanya bisa diaplikasikan untuk memodelkan lawan dalam permainan. Contoh aplikasi lainnya dari IB antara lain :
memodelkan lawan (Game AI)
memodelkan objek untuk mendukung 'realisme' situasi permainan (Game AI)
teknik interaksi dengan pemain.
optimasi
Game AI

Game AI adalah aplikasi IB untuk memodelkan karakter yang terlibat dalam permainan baik sebagai lawan, ataupun karakter pendukung yang merupakan bagian dari permainan tetapi tidak 'ikut bermain' (NPC ~ Non Playable Characters).

Karakter Antagonis (Opponent AI)

karakter antagonis adalah karakter yang dalam permainan memiliki tujuan yang sama dengan pemain yaitu memenangkan permainan. untuk mewujudkan tujuan ini karakter tersebut dapat melakukan aksi kepada pemain dan sebaliknya pemain dapat melakukan aksi kepada karakter lawan yang sesuai dengan aturan permainan. contoh sederhana dari karakter antagonis adalah dalam permainan pertarungan (fighting). karakter lawan adalah karakter yang harus 'dikalahkan' oleh pemain dengan melakukan aksi (serangan). fungsi IB pada karakter antagonis adalah melakukan aksi-aksi yang dapat memperbesar peluang karakter tersebut untuk menang.

Karakter Pendukung (NPC AI)

karakter pendukung (NPC ~ Non-Playable Characters) merupakan karakter yang terlibat dalam permainan tetapi tidak memiliki tujuan untuk memenangkan permainan melainkan melakukan peran yang mendukung pemain/lawan untuk memenangkan permainan. contoh sederhana dari NPC AI adalah pada game RPG. Karakter NPC pada permainan bergenre RPG pada umumnya memberikan informasi implisit kepada karakter tentang hal-hal yang berkaitan dengan cerita dalam permainan ataupun panduan bagi pemain mengenai tujuan permainan. fungsi IB pada karakter pendukung adalah menentukan dialog dengan pemain sedemikian rupa sehingga seolah-olah karakter tersebut tampak nyata bagi pemain (life-like).

IB untuk interaksi

Peranan IB dalam hal interaksi pemain dengan permainan adalah pada penggunaan interaksi yang bersifat alami yaitu yang biasa digunakan manusia untuk berinteraksi dengan sesama manusia. contoh-contoh media interaksi antara lain :

penglihatan (Vision)
Untuk menggunakan informasi penglihatan biasanya menggunakan kamera sebagai perangkat untuk mendapatkan data. data yang ditangkap adalah berupa gambar / citra yang merupakan matriks dua dimensi. matriks tersebut dianalisa sesuai dengan kebutuhan aplikasi sehingga didapatkan informasi yang diinginkan (misal pembentukan wajah, deteksi gerakan, rekonstruksi ruang).

suara (voice) atau ucapan (speech)
Informasi suara didapatkan dari microphone yang menghasilkan informasi dalam bentuk deretan angka (disebut sebagai sample). Persoalan utama dari suara adalah informasi yang dikandung memiliki variasi yang sangat besar yang disebabkan oleh faktor alat dan faktor manusia (vokal, intonasi, intensitas, dll). Penerapan interaksi dengan menggunakan suara misalnya untuk permainan bergenre RTS (wargames) yang menterjemahkan perintah dari pemain untuk menggerakkan unit. Contoh lainnya adalah permainan balap kendaraan yang menentukan akselerasi dari suara pemain yang menirukan suara mesin.

Gerakan anggota badan (gesture)
Gesture adalah gerakan sebagian anggota badan yang memiliki makna tertentu (disebut juga sebagai body language). Informasi gesture dapat diakuisisi dengan berbagai cara, diantaranya :
dari video (vision)
informasi deretan koordinat (gerakan) dihasilkan dari analisis terhadap rangkaian gambar terurut (video).
sensor jarak (range)
informasi deretan koordinat diukur dengan menggunakan sensor jarak. sensor posisi yang menempel pada pemain

akhir-akhir ini beberapa produsen konsol memanfaatkan pengendali (controller) yang dapat menghasilkan informasi posisi /perubahan posisi pengendali pada ruang tiga dimensi. Salah satu contoh konsol yang menggunakan ini adalah Nintendo Wii.