Materi Kuliah – [1]: KECERDASAN BUATAN
Artificial Intelligence Dr. Sri Kusumadewi
Sasaran `
Mahasiswa mengenal pengertian dan ruang lingkup Kecerdasan Buatan.
Referensi Utama `
`
Russell, Stuart; dan Norvig, Peter. 2003. Artificial Intelligence A Modern Approach. International Edition, Edisi 2. New Jersey: Pearson Prentice-Hall Education International. Kusumadewi; Sri. 2003. Artificial Intelligence (Teknik & Aplikasinya). Yogyakarta: Graha Ilmu.
2/10/2010
2
Materi ` ` ` `
Pengertian Bagaimana AI bekerja? Hard Computing vs Soft Computing Kapan menggunakan AI?
2/10/2010
3
Pengertian `
Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.
2/10/2010
4
Pengertian `
Sistem cerdas (intelligent system) adalah sistem yang dibangun dengan menggunakan teknik-teknik artificial intelligence.
2/10/2010
5
Sejarah `
Dimulai dengan uji mesin Turing: AI lulus tes apabila integrator tidak bisa membedakan dialog yang dilakukan oleh komputer – mesin, dengan komputer – manusia.
Alan Turing (1912-1954)
2/10/2010
6
Sejarah `
Tahun 1943-1956: ◦ Program catur pertama oleh Shanon & Turing (1950) ◦ Deklarasi AI (1956) pada Workshop Dartmouth oleh John McCarthy
John McCarthy (Stanford University )
2/10/2010
7
Sejarah `
Tahun 1956-1966 ◦ Logic Theorist (mampu membuktikan teoremateorema matematika) ◦ Sad Sam, diprogram oleh Robert K. Lindsay (1960). Program ini dapat mengetahui kalimat-kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban dari fakta-fakta yang didengar dalam sebuah percakapan. ◦ General Problem Solver
2/10/2010
8
Sejarah `
Tahun 1966 – 1979
◦ Program AI hanya bisa melakukan manipulasi simbolik dan hanya bisa memuat sedikit sekali pengetahuan. ◦ Problem AI yang akan dipecahkan tidak mudah ditangani ◦ Sistem berbasis pengetahuan -> terutama untuk sistem pakar: x x x x x x
MYCIN DENDRAL PROSPECTOR XCON & XSEL FOLIO DELTA 2/10/2010
9
Sejarah `
Tahun 1980-sekarang: ◦ AI telah menjadi komoditi industri: x R1 Sistem Pakar komersial pertama yg dibuat oleh Digital Equipment Corporation (DEC), 1982. x Proyek “Generasi Kelima” , pembuatan komputer cerdas dengan Prolog (Jepang), 1981. x Daya jual produk AI: beberapa juta dolar (1980) – mencapai $2 miliar (1988).
2/10/2010
10
Cabang-cabang AI `
Logical AI ◦ Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: x Graph x Tree
2/10/2010
11
Cabang-cabang AI `
Search
◦ Pencarian keadaan baru dari keadaan sekarang yang akan menentukan pergerakan: x Blind Search x Depth-First Search x Breadth-Firsh Search
x Heuristic Search x x x x x x
Generate & Test Hill Climbing Best-First search Simulated-Annealing Tabu Search Algoritma Genetika 2/10/2010
12
Cabang-cabang AI `
Representation ◦ Representasi fakta-fakta (pengetahuan) dalam ruang keadaan: x x x x x x
Logika (proposisi & predikat) Tree Jaringan Semantik Frame Naskah Kaidah Produksi
2/10/2010
13
Cabang-cabang AI `
Pattern Recognition ◦ Pengenalan & pencocokan suatu pola terhadap sekumpulan pola. x Pengolahan Bahasa Alami x Jaringan Syaraf Tiruan
2/10/2010
14
Cabang-cabang AI `
Inference ◦ Kemampuan untuk menarik kesimpulan berdasarkan pengetahuan. x Forward Reasoning x Backward Reasoning x Fuzzy Inference System (FIS)
2/10/2010
15
Cabang-cabang AI `
Learning from Experience ◦ Melakukan proses pembelajaran (pelatihan) dari pengetahuan atau pengalaman yang ada pada basis pengetahuan. x Jaringan Syaraf Tiruan
2/10/2010
16
Cabang-cabang AI `
Cabang-cabang lain: ◦ Pengolahan bahasa alami (Natural Language Processing) ◦ Robotika (robotics) ◦ Game playing ◦ Persepsi (vision and speech)
2/10/2010
17
Bagaimana AI bekerja? `
Bagian terpenting AI: ◦ Knowledge base (basis pengetahuan), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya. ◦ Inference engine, yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.
2/10/2010
18
Bagaimana AI bekerja? ARTIFICIAL INTELLIGENCE Output: SOLUSI
Input: MASALAH
Knowledge Base
Inference Engine
2/10/2010
19
Analogi AI dan Kecerdasan Manusia? `
Basis Pengetahuan: ◦ Kumpulan pengetahuan & pengalaman yang dimiliki oleh manusia. ◦ Contoh: x Jika saya makan cabe > 5 buah, maka tidak lama kemudian perut saya akan terasa sakit. x Jika kuliah mulai jam 7, dan saya berangkat dari rumah jam 6.45, maka saya akan terlambat. x Jika x=3.75, maka y=100.
2/10/2010
20
Analogi AI dan Kecerdasan Manusia? `
Inferensi:
◦ Kemampuan manusia untuk menalar berdasarkan pengetahuan/pengalaman yang dimiliki, apabila muncul suatu fakta. ◦ Contoh: x Pengetahuan: x Jika saya makan cabe > 5 buah, maka tidak lama kemudian perut saya akan terasa sakit.
x Fakta: x Saya baru saja makan cabe 15 buah.
x Kesimpulan: x Tidak lama lagi perut saya akan sakit. 2/10/2010
21
Bentuk Penalaran `
Penalaran Deduktif ◦ Penalaran dimulai dari premis yang bersifat umum, untuk mendapatkan konklusi yang khusus. ◦ Contoh: x Premis1: Jika hari hujan, maka saya tidak datang. x Premis2: Hari ini turun hujan. x Konklusi: Hari ini saya tidak datang. 2/10/2010
22
Bentuk Penalaran `
Penalaran induktif: ◦ Penalaran dimulai dari premis-premis yang bersifat khusus, untuk mendapatkan konklusi yang bersifat umum. ◦ Contoh: Premis1: Ikan mujaer bernafas dengan insang. Premis2: Ikan mas koki bernafas dengan insang. Premis3: Ikan bawal bernafas dengan insang. Premis4: Ikan kakap bernafas dengan insang. Premis5: Ikan paus bernafas dengan paru-paru. x Konklusi: Ikan adalah hewan yang bernafas dg insang x x x x
Konklusi kurang tepat!!!!! 2/10/2010
23
Teknik Pemecahan Masalah Conventional Hard Computing Logika penalaran berbentuk simbol Precise Precise Models Models
Soft Computing
Pencarian & Pemodelan masalah dilakukan secara numeris (tradisional)
Penalaran melalui pendekatan
Approximate Approximate Models Models Pendekatan fungsional & Pencarian random 2/10/2010
24
Soft Computing `
`
Soft computing adalah koleksi dari
beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dengan mudah, robustness, dan biaya penyelesaiannya murah. Definisi ini pertama kali diungkapkan oleh Prof. Lotfi A. Zadeh pada tahun 1992. 2/10/2010
25
Komponen Soft Computing `
Approximate reasoning: ◦ Fuzzy System; ◦ Probabilistic Reasoning;
`
Functional Approximation/ Randomized Search: ◦ Neural Network (Jaringan Syaraf) ◦ Evolutionary Algorithm (Algoritma evolusioner).
2/10/2010
26
Sistem Fuzzy ` `
`
Konsepnya menggunakan teori himpunan. Menggunakan derajat keanggotaan fuzzy untuk menunjukkan seberapa besar suatu nilai masuk dalam suatu himpunan fuzzy. Bidang kajian: ◦ ◦ ◦ ◦ ◦
Fuzzy Inference System Fuzzy Clustering Fuzzy Database Fuzzy Mathematical Programming
dll. 2/10/2010
27
Jaringan Syaraf Tiruan `
` `
Menggunakan algoritma pembelajaran untuk mendapatkan bobot-bobot yang optimum. Jenis pembelajaran: supervised learning, dan unsupervised learning. Algoritma pembelajaran yang sudah dikembangkan, dan paling sering diaplikasikan: ◦ ◦ ◦ ◦ ◦ ◦
Perceptron Radial Basis Backpropagation (sederhana & lanjut) Self Organizing Learning Vector Quantization dll
2/10/2010
28
Algoritma Evolusioner ` ` ` `
Menggunakan pendekatan teori evolusi. Dipelopori oleh algoritma genetika. Terutama digunakan untuk optimasi. Algoritma yang sudah dikembangkan: ◦ ◦ ◦ ◦ ◦
Algoritma Genetika Ant System Fish Schooling Bird Flocking Particle Swarm
2/10/2010
29
Probabilistic Reasoning `
`
Mengakomodasi adanya faktor ketidakpastian. Teori-teori yang berkembang: ◦ Teorema Bayes ◦ Certainty Factor (statistic reasoning) ◦ Teorema Dempster-Shafer (statistic reasoning)
2/10/2010
30
Hybrid System `
`
Setiap komponen dalam Soft computing tidak saling ‘berkompetisi’, melainkan justru saling ‘melengkapi’. Hybrid system merupakan perpaduan antar komponen dalam soft computing.
2/10/2010
31
Hybrid System ` ` ` `
Neuro-fuzzy Systems Fuzzy Neural Network Fuzzy Genetic Algorithms Neuro-genetic Systems
2/10/2010
32
Menggunakan AI: kapan? `
Masalah: ◦ Carilah nilai minimum dari: y=x2+2x-3; pada kawasan [-10 10]. ◦ Dengan mudah dapat diselesaikan secara analitis. ◦ Solusi eksak, Nilai Minimum = -4, terletak pada x=-1.
`
Untuk masalah sederhana yang bisa diselesaikan secara analitis, selesaikanlah secara ANALITIS. 2/10/2010
33
Menggunakan AI: kapan? f(x )= x 2 + 2x -3 120
100
80
y
60
40
20
m inim um
0
-20 -10
-8
-6
-4
-2
0 x
2
4
6
8
10
2/10/2010
34
Menggunakan AI: kapan? `
Masalah: ◦ Carilah akar persamaan: f(x)= sin(x)cos(x)-
2x+3sin(x)ln(x)+5sin(2x2-5x) / cos(x3-2x),
dekat dengan 3. ◦ Sangat sulit untuk diselesaikan secara analitis, gunakan pendekatan METODE NUMERIS: (Metode biseksi, regulafalsi, secant, Newton). ◦ Hasil=3,0846.
2/10/2010
35
Menggunakan AI: kapan? s in(x )c os (x )-2x + 3s in(x )ln(x )+ 5s in(2x 2 -5x )/c os (x 3 -2x ) 300 200 y = 0, x dek at dengan 3 100 0
y
-100 -200 -300 -400 -500 -600
1
1.5
2
2.5
3 x
3.5
4
4.5
5
2/10/2010
36
Menggunakan AI: kapan? `
Masalah:
◦ Carilah nilai minimum dari: f(x)= sin(x)cos(x)-
2x+3sin(x)ln(x)+5sin(2x2-5x) /cos(x3-2x),
dekat pada kawasan [1 5]. ◦ Sangat sulit untuk diselesaikan secara analitis. Secara numeris memungkinkan, namun kumungkinan diperoleh nilai minimum lokal sangat tinggi. Cara terbaik gunakan pendekatan ARTIFICIAL INTELLIGENCE (Simulated Annealing, Algoritma Genetika). ◦ Nilai minimum=-547.3730, pada x=133 2/10/2010
37
Menggunakan AI: kapan? s in(x )c os (x )-2x + 3s in(x )ln(x )+ 5s in(2x 2 -5x )/c os (x 3 -2x ) 300 200 100 0
y
-100 -200 -300 -400 -500 m inim um global -600
1
1.5
2
2.5
3 x
3.5
4
4.5
5
2/10/2010
38
Bekal ilmu yang harus ‘disiapkan’ untuk lebih memudahkan mempelajari Soft Computing: ALJABAR
KALKULUS
LOGIKA
KOMPUTASI NUMERIS
SOFT COMPUTING
2/10/2010
39