1- INTRODUCTION TO ARTIFICIAL INTELLIGENCE. Shofwatul Uyun, S.T. MKom.

Transkripsi

1 1- INTRODUCTION TO ARTIFICIAL INTELLIGENCE Kecerdasan Buatan Program Studi Teknik Informatika Universitas Islam Negeri Sunan Kalijaga Shofwatul Uyun, S.T. MKom. 1

2 AGENDA PENGERTIAN Artificial Intelligence? Pengertian,,. Bagaimana AI bekerja? Komponen AI: Knowledge Base & Inference Engine. Hard Computing vs. Teknik Pemecahan Masalah Kapan menggunakan AI? Analitis, Numeris, AI. 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

3 Pengertian SISTEM CERDAS Sistem cerdas (intelligent system) adalah sistem yang dibangun dengan menggunakan teknik-teknik artificial intelligence. Beberapa Definisi AI The exciting new effort to make computers thinks machine with minds, in the full and literal sense (Haugeland 1985) The art of creating machines that perform functions that require intelligence when performed by people (Kurzweil, 1990) Systems that think like humans Systems that act like humans The study of mental faculties through the use of computational models (Charniak et al. 1985) A field of study that seeks to explain and emulate intelligent behavior in terms of computational processes (Schalkol, 1990) Systems that think rationally Systems that act rationally 3

4 What is Artificial Intelligence (John McCarthy, Basic Questions) SEJARAH What is artificial intelligence? It is the science and engineering of making intelligent machines, especially intelligent computer programs. It is related to the similar task of using computers to understand human intelligence, but AI does not have to confine itself to methods that are biologically observable. Yes, but what is intelligence? Intelligence is the computational part of the ability to achieve goals in the world. Varying kinds and degrees of intelligence occur in people, many animals and some machines. Isn't there a solid definition of intelligence that doesn't depend on relating it to human intelligence? Not yet. The problem is that we cannot yet characterize in general what kinds of computational procedures we want to call intelligent. We understand some of the mechanisms of intelligence and not others. Pengertian Dimulai dengan uji mesin Turing: AI lulus tes apabila integrator tidak bisa membedakan dialog yang dilakukan oleh komputer mesin, dengan komputer manusia. 4

5 Pengertian Tahun : Program catur pertama oleh Shanon & Turing (1950) Deklarasi AI (1956) pada Workshop Dartmouth oleh John McCarthy Pengertian Tahun Logic Theorist (mampu membuktikan teorema-teorema 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 5

6 Pengertian Tahun 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: MYCIN DENDRAL PROSPECTOR XCON & XSEL FOLIO DELTA Pengertian Tahun 1980-sekarang: AI telah menjadi komoditi industri: R1 Sistem Pakar komersial pertama yg dibuat oleh Digital Equipment Corporation (DEC), Proyek Generasi Kelima, pembuatan komputer cerdas dengan Prolog (Jepang), Daya jual produk AI: beberapa juta dolar (1980) mencapai $2 miliar (1988). 6

7 Cabang-cabang AI Pengertian Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree Pengertian Search Pencarian keadaan baru dari keadaan sekarang yang akan menentukan pergerakan: Blind Search Depth-First Search Breadth-Firsh Search Heuristic Search Generate & Test Hill Climbing Best-First search Simulated-Annealing Tabu Search Algoritma Genetika 7

8 Pengertian Representation Representasi fakta-fakta (pengetahuan) dalam ruang keadaan: Logika (proposisi & predikat) Tree Jaringan Semantik Frame Naskah Kaidah Produksi Pengertian Pattern Recognition Pengenalan & pencocokan suatu pola terhadap sekumpulan pola. Pengolahan Bahasa Alami Jaringan Syaraf Tiruan 8

9 Pengertian Inference Kemampuan untuk menarik kesimpulan berdasarkan pengetahuan. Forward Reasoning Backward Reasoning Fuzzy Inference System (FIS) Pengertian Learning from Experience Melakukan proses pembelajaran (pelatihan) dari pengetahuan atau pengalaman yang ada pada basis pengetahuan. Jaringan Syaraf Tiruan 9

10 Bagaimana AI bekerja? AI Bekerja Analogi Penalaran Bagian terpenting AI: Knowledge base (basis pengetahuan), berisi faktafakta, teori, pemikiran dan hubungan antara satu dengan lainnya. Inference engine, yaitu kemampuan menarik kesimpulan berdasarkan pengalaman. AI Bekerja Analogi Penalaran Input: MASALAH Knowledge Base ARTIFICIAL INTELLIGENCE Inference Engine Output: SOLUSI 10

11 Analogi dengan kecerdasan manusia AI Bekerja Analogi Penalaran Basis Pengetahuan: Kumpulan pengetahuan & pengalaman yang dimiliki oleh manusia. Contoh: Jika saya makan cabe > 5 buah, maka tidak lama kemudian perut saya akan terasa sakit. Jika kuliah mulai jam 7, dan saya berangkat dari rumah jam 6.45, maka saya akan terlambat. Jika x=3.75, maka y=100. AI Bekerja Analogi Penalaran Inferensi: Kemampuan manusia untuk menalar berdasarkan pengetahuan/pengalaman yang dimiliki, apabila muncul suatu fakta. Contoh: Pengetahuan: Jika saya makan cabe > 5 buah, maka tidak lama kemudian perut saya akan terasa sakit. Fakta: Saya baru saja makan cabe 15 buah. Kesimpulan: Tidak lama lagi perut saya akan sakit. 11

12 AI Bekerja Analogi Penalaran Bentuk Penalaran Penalaran Deduktif Penalaran dimulai dari premis yang bersifat umum, untuk mendapatkan konklusi yang khusus. Contoh: Premis1: Jika hari hujan, maka saya tidak datang. Premis2: Hari ini turun hujan. Konklusi: Hari ini saya tidak datang. AI Bekerja Analogi Penalaran Penalaran induktif: Penalaran dimulai dari premispremis 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. Konklusi: Ikan adalah hewan yang bernafas dg insang Konklusi tidak benar!!!!! 12

13 Teknik Pemecahan Masalah AI Bekerja Analogi Penalaran Penalaran induktif sangat rentan terhadap ketidakpastian. Suatu penalaran dimana adanya penambahan fakta baru mengakibatkan ketidakkonsistenan disebut dengan Penalaran Non Monotonis. Ciri-ciri dari Penalaran Non Monotonis adalah: Mengandung ketidakpastian; Adanya perubahan pada pengetahuan. Adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk. Misalkan S adalah konklusi dari D, bisa jadi S tidak dibutuhkan sebagai konklusi D + fakta-fakta baru. Sedangkan Penalaran Monotonis memiliki ciri-ciri: Konsisten; Pengetahuannya lengkap. Teknik Pemecahan Mslh Hybrid Systems Conventional Hard Computing Precise Models Approximate Models Logika penalaran berbentuk simbol Pencarian & Pemodelan masalah dilakukan secara numeris (tradisional) Penalaran melalui pendekatan Pendekatan fungsional & Pencarian random 13

14 Komponen Teknik Pemecahan Mslh Hybrid Systems 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 Teknik Pemecahan Mslh Hybrid Systems Approximate reasoning: Fuzzy System; Probabilistic Reasoning; Functional Approximation/ Randomized Search: Neural Network (Jaringan Syaraf) Evolutionary Algorithm (Algoritma evolusioner). 14

15 Sistem Fuzzy Jaringan Syaraf Tiruan Teknik Pemecahan Mslh Hybrid Systems 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. Teknik Pemecahan Mslh Hybrid Systems 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 15

16 Probabilistic Reasoning Teknik Pemecahan Mslh Hybrid Systems 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 Teknik Pemecahan Mslh Hybrid Systems Mengakomodasi adanya faktor ketidakpastian. Teori-teori yang berkembang: Teorema Bayes Certainty Factor (statistic reasoning) Teorema Dempster-Shafer (statistic reasoning) 16

17 Hybrid Systems Beberapa Hybrid Systems Teknik Pemecahan Mslh Hybrid Systems Setiap komponen dalam Soft computing tidak saling berkompetisi, melainkan justru saling melengkapi. Hybrid system merupakan perpaduan antar komponen dalam soft computing. Teknik Pemecahan Mslh Hybrid Systems Neuro-fuzzy Systems Jaringan syaraf digunakan untuk membangkitkan fungsi keanggotaan suatu sistem fuzzy. Jaringan syaraf digunakan secara serial dengan sistem fuzzy. Jaringan syaraf berperan pada saat preprocessing dan postprocessing. ANFIS (Adaptive Network-based Fussy Inference System). Jaringan syaraf digunakan untuk mengimplementasikan Fuzzy inference System. 17

18 Teknik Pemecahan Mslh Hybrid Systems Neural Fuzzy Systems Digunakan untuk akuisisi pengetahuan dan pembelajaran. Jaringan syaraf diinisialisasi dengan pengetahuan pakar dalam bentuk simbol, kemudian dilatih berdasarkan input-output sistem nyata. Pengetahuan dalam bentuk simbol yang diperoleh dari pelatihan tersebut kemudian direpresentasikan dalam logika fuzzy. Fuzzy Neural Network Lapisan-lapisan pada jaringan syaraf, melakukan operasi-operasi: fuzzifikasi dan defuzzy, dari input dan output crisp. Teknik Pemecahan Mslh Hybrid Systems Fuzzy Genetic Algorithms Kemampuan optimasi dari GA digunakan untuk memilih aturanaturan terbaik untuk fuzzy inference system. Neuro-genetic Systems GA digunakan sebagai sarana untuk mengukur performansi pembelajaran dari jaringan syaraf. 18

19 y Menggunakan AI: kapan? 120 f(x)=x 2 +2x-3 Analitis Numeris A I Masalah: Carilah nilai minimum dari: y=x 2 +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. Analitis Numeris A I minimum x 19

20 y Analitis Numeris A I Masalah: Carilah akar persamaan: f(x)= sin(x)cos(x)- 2x+3sin(x)ln(x)+5sin(2x 2-5x) / cos(x 3-2x), dekat dengan 3. Sangat sulit untuk diselesaikan secara analitis, gunakan pendekatan METODE NUMERIS: (Metode biseksi, regulafalsi, secant, Newton). Hasil=3,0846. Analitis Numeris A I sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x 2-5x)/cos(x 3-2x) y=0, x dekat dengan x 20

21 y Analitis Numeris A I Masalah: Carilah nilai minimum dari: f(x)= sin(x)cos(x)- 2x+3sin(x)ln(x)+5sin(2x 2-5x) /cos(x 3-2x), 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= , pada x=133 Analitis Numeris A I sin(x)cos(x)-2x+3sin(x)ln(x)+5sin(2x 2-5x)/cos(x 3-2x) minimum global x 21

22 Analitis Numeris Bekal ilmu yang harus disiapkan untuk lebih memudahkan mempelajari Soft Computing: ALJABAR KALKULUS LOGIKA KOMPUTASI NUMERIS A I SOFT COMPUTIN G 22