Pertemuan 1
Kecerdasan Buatan vs
Kecerdasan Komputasional
Page 2
PENDAHULUAN
komputer telah dapat menirukan banyak kemampuan yang
dimiliki manusia, seperti menyentuh, menggenggam, menghitung,
berbicara, mengingat, membandingkan angka dan menggambar.
Para ilmuwan komputer terus berusaha meningkatkan
kemampuan dengan mengembangkan software maupun
hardware yang dapat menirukan tingkah laku manusia.
Area riset yang dikenal dengan Artificial Intellegence (AI) atau
Kecerdasan Buatan.
Kecerdasan Buatan meliputi peciptaan sebuah sistem yang
memiliki kemampuan untuk menalar, meningkatkan kemampuan
dirinya, dan menirukan sistem sensor serta kemampuan mekanis
manusia.
Page 3
PENDAHULUAN
komputer tidak bisa menirukan kemampuan manusia untuk menilai
kreativitas, rasa humor, dan emosi seseorang.
komputer mampu mengendalikan mesin yang dapat meniru gerakan
manusia
Hal ini memungkinkan kita berkomunikasi dengan komputer dan
memberikan otak pada suatu sistem yang menirukan sistem
pemikiran manusia di bidang tertentu.
Page 4
PENDAHULUAN
dalam dunia komputer dikenal Kecerdasan Komputasional atau
Computational Intellegence (CI).
Kecerdasan Komputasional merupakan bagian dari disiplin Ilmu
Komputer untuk menyelesaikan permasalahan yang non-
algoritmizable.
Kecerdasan Komputasional merupakan bagian dari Kecerdasan
Buatan yang berfokus pada masalah-masalah kognitif yang lebih
tinggi.
Sedangkan Kecerdasan Komputasional berfokus pada masalah-
masalah yang berkaitan dengan persepsi dan kontrol, atau pada
masalah-masalah kognitif yang lebih rendah.
Page 5
Kecerdasan Buatan
Marvin Minsky
Kecerdasan Buatan adalah sebuah disiplin ilmu untuk membuat mesin melakukan banyak hal yang memerlukan kecerdasan jika dilakukan oleh manusia.
H. A. Simon
Kecerdasan Buatan merupakan area riset, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas.
Rich and Knight
Kecerdasan Buatan merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.
Encyclopedia Britannica
Kecerdasan Buatan merupakan cabang dari Ilmu Komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan.
Page 6
Menurut Winston dan Prendergast, tujuan dikembangkannya
Kecerdasan Buatan :
Membuat mesin menjadi lebih pintar (goal ultimate).
Memahami apa itu kecerdasan (scientific research).
Membuat mesin menjadi lebih bermanfaat (goal entrepreuneurial).
Kecerdasan Buatan
Page 7
perspektif Kecerdasan (Intellegent):
perspektif Bisnis, Kecerdasan Buatan adalah alat bantu (tools)
yang berdaya guna, dan metodologi yang menggunakan tools
tersebut guna menyelesaikan maslah-masalah bisnis.
perspektif Pemrograman (Programming), Kecerdasan Buatan
termasuk di dalamnya adalah studi tentang pemrograman
simbolik, pemecahan masalah, proses pencarian (searching).
perspektif Penelitian (Research), Kecerdasasn Buatan
merupakan area riset yang dimulai pada tahun 1960 dengan
pertama kali melakukan membuat program games catur,
membuktikan teori, dan melakukan tugas-tugas sederhana
(general problem solving)
Kecerdasan Buatan
Page 8
Domain penelitian dalam Kecerdasan Buatan:
Formal task (mathematics, games)
Mundane task (perception,robotics, natural language,common sense,
reasoning)
Experts task (financial analysis, medical diagnostic, engineering,
scientific analysis)
Kecerdasan Buatan
Page 9
Turing Test
Turing Test merupakan sebuah metode pengujian kecerdasan
yang dibuat oleh Alan Turing.
Proses uji ini melibatkan seorang penanya (manusia) dan dua
objek yang ditanya (mesin). Penanya tidak bisa langsung melihat
kepada objek yang ditanya.
Penanya diminta untuk membedakan mana jawaban komputer
dan mana jawaban manusia berdasarkan jawaban kedua objek
tersebut.
Jika penanya tidak dapat membedakan mana jawaban mesin
mana jawaban manusia, maka Turing berpendapat bahwa mesin
yang diuji itu cerdas.
Page 10
Pemrosesan simbolik
Komputer semula dirancang untuk memproses bilangan atau
angka-angka (pemrosesan numerik).
Sementara itu manusia berpikir dan menyelesaikan masalah
lebih bersifat simbolik, tidak didasarkan kepada sejumlah rumus
atau melakukan komputasi matematis.
Sifat penting dari Kecerdasan Buatan adalah bahwa Kecerdasan
Buatan merupakan bagian dari Ilmu Komputer yang melakukan
proses secara simbolik dan non-algoritmik dalam menyelesaikan
masalah.
Page 11
Heuristic
heuristic diambil dari bahasa Yunani yang berarti menemukan.
Heuristic merupakan suatu strategi untuk melakukan proses
pencarian (search) ruang problema secara selektif,
memandu proses pencarian yang kita lakukan disepanjang jalur yang
memiliki kemungkinan sukses paling besar.
Page 12
Penarikan Kesimpulan (Inferencing)
Kecerdasan Buatan mencoba membuat mesin yang memiliki
kemampuan berpikir atau mempertimbangkan (reasoning).
Kemampuan berpikir itu termasuk di dalamnya proses penarikan
kesimpulan (inferencing) berdasarkan fakta-fakta dan aturan-
aturan dengan menggunakan metode heuristic atau metode
pencarian lainnya.
Pencocokan pola (Pattern Matching)
Kecerdasan Buatan bekerja dengan metode pencocokan pola (pattern matching)
berusaha untuk menjelaskan objek, kejadian (events) atau proses, dalam hubungan logika dan kompuasional.
Page 13
Kecerdasan Komputasional
pendekatan yang muncul untuk komputasi secara paralel yang
meniru kemampuan manusia seperti berpikir dan belajar dalam
suatu lingkungan dengan ketidakpastian.
Kecerdasan Komputasional adalah sebuah pendekatan baru
untuk membangun sitem komputasi sistem cerdas yang bertujuan
membantu menyelesaikan permasahan manusia.
Sistem cerdas ini diharapkan memiliki kemampuan seperti
manusia dalam spesifikasi tertentu, dapat beradaptasi secara
mandiri dan belajar agar lebih baik dalam kondisi lingkungan
yang berubah, serta dapat menjelaskan bagaimana keputusan itu
diambil.
Page 14
Sejarah singkat
Aristoteles (384-322 SM) menjelaskan dan mengkodifikasi gaya
penalaran deduktif, yang ia disebut sebagai silogisme
Ramon Llull (1235-1316) mengembangkan Ars Magna: upaya optimis
untuk membangun sebuah mesin, yang terdiri dari satu set roda,
yang seharusnya bisa menjawab semua pertanyaan.
George Boole (1854), pengembangan tentang dasar-dasar logika
proporsional.
Gottlieb Frege (1879), mengembangkan dasar-dasar kalkulus
predikat.
kalkulus proposisional dan predikat merupakan bagian dari alat AI
pertama.
Turing (1950) mempelajari bagaimana mesin dapat digunakan untuk
meniru proses otak manusia. Studinya salah satu publikasi pertama
AI, berjudul Mesin Cerdas.
Page 15
Sejarah singkat
Kecerdasan buatan Istilah ini pertama kali diciptakan pada tahun
1956 di konferensi Dartmouth, yang diselenggarakan oleh John
MacCarthy - sekarang dianggap sebagai bapak AI.
1956-1969 banyak penelitian dilakukan dalam pemodelan neuron
biologis.
perhitungan evolusioner (EC) dimulai dengan algoritma genetika
pada 1950-an dengan karya Fraser, Bremermann dan Reed
1960, Rechenberg mengembangkan evolusionery strategy (ES)
Lotfi Zadeh (1964) yang berkontribusi paling besar terhadap bidang
logika fuzzy, menjadi pengembang fuzzy set
Eugene N Marais (1871-1936), yang menghasilkan kontribusi paling
signifikan untuk kawanan intelijen dalam studi tentang perilaku sosial
baik kera dan semut
Page 16
Pemodelan algoritmik kawanan mendapat momentum pada awal
1990-an dengan karya Marco Dorigo pada pemodelan koloni semut.
Eberhart dan Kennedy (1995) mengembangkan algoritma optimasi
segerombolan partikel sebagai model kawanan burung.
Swarm intelijen masih dalam tahap awal, dan merupakan bidang
yang menjanjikan sehingga aplikasi menarik.
Teori-teori yang berbeda dalam ilmu imunologi terinspirasi model
buatan artificial immune models (AISs) yang berbeda, yang
didasarkan pada teori tertentu pada imunologi atau kombinasi dari
teori yang berbeda.
classical view and theory of clonal selection in natural immune system
dalam sistem kekebalan tubuh alami didefinisikan oleh Burnet
sebagai B-Sel dan Killer-T-Sel dengan reseptor-antigen spesifik.
Sejarah singkat
Page 17
Paradigma komputasi Kecerdasan Komputasional
Page 18
Evolutionary Computation
tujuan untuk meniru proses dari evolusi alami, di mana konsep utama
adalah kelangsungan hidup fittest: yang lemah harus mati.
dalam evolusi alam, survival dicapai melalui reproduksi.
Algoritma evolusioner menggunakan populasi individu, di mana
seorang individu disebut sebagai kromosom.
Sebuah kromosom mendefinisikan karakteristik individu dalam
populasi.
Setiap karakteristik yang disebut sebagai gen.
Nilai gen disebut sebagai alele.
Untuk setiap generasi, orang berlomba-lomba untuk mereproduksi
keturunan.
Orang-orang dengan kemampuan bertahan hidup terbaik memiliki
kesempatan terbaik untuk mereproduksi.
Page 19
Offspring dihasilkan dengan menggabungkan bagian-bagian dari
orang tua, proses yang disebut sebagai crossover.
Setiap individu dalam populasi juga dapat mengalami mutasi yang
mengubah beberapa alel kromosom.
Kekuatan kelangsungan hidup seseorang diukur dengan
menggunakan fungsi fitness yang mencerminkan tujuan dan kendala
dari masalah yang harus dipecahkan.
Setelah setiap generasi, individu dapat mengalami pemusnahan, atau
individu dapat bertahan hidup ke generasi berikutnya (disebut
sebagai elitisme).
Selain itu, karakteristik perilaku (seperti dirumuskan dalam fenotipe)
dapat digunakan untuk mempengaruhi proses evolusi dalam dua
cara: fenotipe dapat mempengaruhi perubahan genetik, dan / atau
karakteristik perilaku berevolusi secara terpisah.
Evolutionary Computation
Page 20
Beberapa kelas Evolutionary Algorithms (EA)
Genetic algorithms, evolusi model genetik.
Genetic programming, didasarkan pada algoritma genetika, tetapi
individu adalah program (direpresentasikan sebagai pohon).
Evolutionary programming, berasal dari simulasi perilaku adaptif
dalam evolusi (fenotip evolusi).
Evolution strategies, diarahkan pada pemodelan parameter strategi
yang mengontrol variasi dalam evolusi, yaitu evolusi evolusi.
Differential evolution, mirip dengan algoritma genetika, berbeda
dalam mekanisme reproduksi yang digunakan.
Cultural evolution, model evolusi budaya penduduk dan bagaimana
budaya mempengaruhi evolusi genetik dan fenotipik individu.
Coevolution, di mana awalnya individu "bodoh" berkembang melalui
kerja sama, atau dalam persaingan dengan satu sama lain,
memperoleh karakteristik yang diperlukan untuk bertahan hidup.
Page 21
Swarm Intelligence
berasal dari studi koloni, atau kawanan organisme sosial.
Studi tentang perilaku sosial organisme (individu) dalam kawanan
diminta untuk mendesain optimasi yang sangat efisien dan algoritma
clustering
koreografi cara terbang kawanan burung untuk mendesain particle
swarm optimization (PSO),
Aplikasi PSO meliputi fungsi pendekatan, clustering, optimalisasi
struktur mekanik, dan sistem memecahkan persamaan
studi tentang perilaku mencari makan semut menghasilkan algoritma
ant colony optimization (ACO)
Aplikasi lain dari optimasi koloni semut termasuk optimasi routing
dalam jaringan telekomunikasi, pewarnaan graf, penjadwalan dan
memecahkan masalah penugasan kuadrat
Page 22
Artificial Immune Systems (AIS)
Natural immune system (NIS) memiliki kemampuan luar biasa untuk
pengenalan pola, digunakan untuk membedakan antara sel-sel asing
yang memasuki tubuh (disebut sebagai non-self, atau antigen) dan
sel-sel milik tubuh (disebut sebagai self).
Ketika NIS bertemu antigen, sifat adaptif dari NIS dipamerkan, NIS
menghafal struktur antigen ini untuk respon antigen yang lebih cepat.
Model dari NIS:
The classical view dari sistem kekebalan tubuh adalah sistem kekebalan
tubuh membedakan antara self dan non- self, menggunakan limfosit yang
diproduksi dalam organ limfoid. Limfosit ini "belajar" untuk mengikat
antigen.
Clonal selection theory, di mana B-sel aktif menghasilkan antibodi
melalui proses kloning. Klon yang dihasilkan juga bermutasi.
Page 23
Artificial Immune Systems (AIS)
Danger theory, di mana sistem kekebalan tubuh memiliki kemampuan
untuk membedakan antara antigen yang berbahaya dan tidak-berbahaya.
Network theory, diasumsikan bahwa B-Sel membentuk jaringan. Ketika
B-sel merespon antigen, B-sel menjadi aktif dan merangsang semua B-Sel
lain yang terhubung dalam jaringan.
Artificial Immune Systems (AIS) memodelkan beberapa aspek NIS,
dan terutama diterapkan untuk memecahkan masalah pengenalan
pola, untuk melakukan tugas-tugas klasifikasi, dan data klaster.
Salah satu area aplikasi utama AIS adalah untuk deteksi anomali,
seperti deteksi penipuan, dan deteksi virus komputer.
Page 24
Kecedasan Komputasional bukan merupakan metode tunggal
dalam menghadapi masalah komputasi dunia nyata ini,
sering kali sangat menguntungkan untuk mensinergikan
beberapa teknik komputasi dari pada digunakan secara terpisah.
Ciri khas dari Kecedasan Komputasional ini adalah penekanan
pada partnership atau kerjasama yang saling menguntungkan
dari berbagai metode yang ada,
lebih lanjut gagasan ini disebut Kecedasan Komputasional Hibrid
yang saling mendukung.
Metode ini ibarat pilar, saling mendukung dan bekerjasama
dalam memecahkan suatu permasalahan.
Kecerdasan Komputasional
Page 25
Keunggulan yang diperoleh dari kerjasama metode-metode itu lebih
ditekankan daripada keunggulan individual salah satu daripadanya.
Kekurangan satu metode akan ditutup dengan kelebihan metode
yang lain.
Keunggulan satu metode disumbangkan, sehingga segi-segi positif
dari metode yang ada tersebut dapat dimanfaatkan secara optimal.
Fuzzy-Genetic, Neuro-Genetic, dan sistem Neuro-Fuzzy-Genetic
adalah contoh kombinasi tersebut
Kecerdasan Komputasional
Page 26
Pustaka Jong Jek Siang, 2005, Jaringan Syaraf Tiruan dan Pemrogramannya
Menggunakan Matlab, Andi ,Yogyakarta
Son Kuswadi, 2007, Kendali Cerdas, Teori dan Aplikasi Praktisnya, Andi,Yogyakarta
Thomas Sri Widodo, 2005, Sistem Neuro Fuzzy untuk Pengolahan Informasi, Pemodelan, dan Kendali, Graha Ilmu, Yogyakarta
Sri Kusumadewi, 2002, Analisis & Desain Sistem Fuzzy menggunakan Toolbox Matlab, Graha Ilmu, Yogyakarta
Sri Kusumadewi dan Sri Hartati, 2010, Neuro-Fuzzy Integrasi Sistem Fuzzy dan Jaringan Syaraf, Graha Ilmu, Yogyakarta
Sumathi, S., dan Surekha, P, 2010, Computational Intelligence Paradigms, Theory and Applications using MATLAB, CRC Press, Boca Raton.
Hung T. Nguyen , dkk, 2000, A first course in fuzzy and neural control, CRC Press, Boca Raton.
Engelbrecht, AP. 2007. Computational Intelligence An Introduction Second Edition. John Wiley and Sons, Ltd. Chichester.