Kecerdasan Buatan (Artificial Inteligence)

 Definisi kecerdasan buatan (Artificial Intelligence) atau disingkat AI, adalah suatu pengetahuan yang membuat komputer dapat meniru kecerdasan manusia sehingga diharapkan komputer dapat melakukan hal-hal yang apabila dikerjakan manusia memerlukan kecerdasan; misalnya melakukan penalaran untuk mencapai suatu kesimpulan atau melalukan translasi dari satu bahasa manusia ke  bahasa manuasi yang lain.


Berbagai Definisi AI menurut para Sumber:

Schalkoff (1990)
AI adalah bidang studi yang berusaha menerangkan dan meniru perilaku cerdas dalam bentuk proses komputasi

Rich dan Knight (1991)
AI adalah studi tentang cara membuat komputer melakukan sesuatu yang sampai saat ini orang dapat melakukannya lebih baik.

Luger dan Stubblefield (1993)
AI adalah cabang ilmu komputer yang berhubungan dengan otomasi perilaku yang cerdas

Haag dan Keen (1996)
AI adalah bidang studi yang berhubungan dengan penangkapan, pemodelan dan penyimpanan kecerdasan manusia dalam sebuah sistem teknologi informasi sehingga sistem tersebut dapat memfasilitasi proses pengambilan keputusan yang biasanya dilakukan oleh manusia.
Tujuan AI menurut Winston dan Prendergast (Tuban, McLean dan Wetherbe, 1990) bahwa:
Membuat mesin lebih pintar
Memahami kecerdasan
Membuat mesin lebih berguna

Sedangkan pada sekarang ini tujuan AI tidak sekedar membuat komputer dapat berfikir, akan tetapi juga dapat melihat, mendengar, berjalan, bermain dan bahkan merasakan.

O'Brien (2001) dalam bukunya pada halaman 371 menyebutkan atribut perilaku cerdas adalah :

• Berfikir dan Bernalar
• Memakai penalaran untuk memecahkan persoalan
• Menyerap dan menerapkan pengetahuan
• Meperlihatkan kreativitas dan imajinasi
• Bekerja dengan situasi yang kompleks dan membingungkan
• Melakukan tanggapan dengan cepat dan berhasil terhadap situasi baru
• Mengenali elemen-elemen yang relatif penting dalam suatu situasi
• Menangani informasi yang rancu, tak lengkap atau salah

Perbandingan Kecerdasan Buatan dengan Kecerdasan Manusia

Menurut Kaplan, diutarakan oleh Turban, McLean dan Wetherbe tahun 1999, pada halam 478, AI atau Artificial Intelligence mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami (Kecerdaran Manusia). Kelebihan tersebut dipaparkan sebagai berikut:

• AI Lebih Bersifat Permanen
• AI Menawarkan Kemudahan untuk digandakan dan disebarkan
• AI dapat lebih murah daripada kecerdasan Alami
• AI bersifat konsisten dan teliti
• AI dapat didokumentasi
• Penjabaran dari kelima kelebihan AI adalah:
• AI Lebih bersifat Permanen
• Berbeda dengan AI, kecerdasan Alami yang dipunyai oleh seseorang tidak dapat disimpan. Ketika orang tersebut pindah kerja, pengetahuan yang dimilikinya ikut terbawa. AI lebih bersifat Permanen karena tetap ada sepanjang sistem komputer dan program masih terpelihara.

AI Menawarkan Kemudahan untuk digandakan dan disebarkan
Pemindahan pengetahuan dari satu orang ke orang lain memerlukan waktu yang panjang dan bahkan mungkin pengetahuan itu tidak dapat diduplikasi secara lengkap. Adapun pengetahuan dalam sistem komputer mudah sekali untuk disalin dan dipidahkan ke sistem lain.

AI dapat lebih murah daripada kecerdasan alami
Telah banyak dibuktikan bahwa biaya membeli jasa dengan komputer lebih murah daripada biaya untuk membiayai manusia yang melaksanakan tugas yang sama.

AI bersifat Konsisten dan Teliti
Hal ini berbeda dengan manusia yang sering tak menentu atau tidak konsisten.

AI dapat didokumentasi
Keputusan yang dibuat oleh komputer dapat didokumentasi dengan mudah dengan cara mencatat semua kegiatan yang dilakukan sistem. Kecerdasan alami sulit untuk didokumentasi. Sebagai contoh, seseorang bisa jadi melakukan penyimpulan, tetapi pada saat yang lain mungkin tidak dapat melakukan kembali proses penalaran yang membimbingnya ke kesimpulan ataupun mengingat kembali asumsi-asumsi yang mendasari keputusan.

Bidang Aplikasi AI

Penerapan AI meliputi berbagai bidang seperti ditunjukkan pada bagian cabang dari pohon AI pada Gambar 1, sedangkan induk keilmuan AI dapat dilihat pada akar dari pohon AI yang antara lain meliputi: Bahasa/linguistik, Psikologi, Filsafat, Matematik, Teknik Elektro, Ilmu Komputer, dan Ilmu Manajemen. Bidang aplikasi AI yang umum ditemui saat ini antara lain adalah:

Sistem Pakar (Expert Systems), yaitu program konsultasi (advisory) yang mencoba menirukan proses penalaran seorang pakar/ahli dalam memecahkan masalah yang rumit. Sistem Pakar merupakan aplikasi AI yang paling tua dan banyak dikembangkan. Jadi dalam hal ini kepakaran manusia seolah-olah dipindahkan kedalam hardisk komputer.

Case Based Reasoning (CBR). CBR adalah suatu pendekatan untuk mendapatkan solusi dengan menggunakan acuan solusi problem-problem terdahulu untuk memecahkan problem yang baru. Jadi, CBR memecahkan masalah baru dengan menggunakan solusi masalah lama yang serupa atas dasar analogi. CBR dapat diibaratkan memindahkan database kasus-kasus yang telah dimiliki oleh seorang pakar kedalam hardisk komputer untuk dipakai menyelesaikan kasus baru yang serupa.

Image and Vision System
Mengingat komputer mampu mengenal jutaan warna, mampu mengenal pola, serta mempunyai resolusi yang tinggi (pixel) maka aplikasi yang berhubungan gambar, warna dan pola sangat banyak ditemukan. Sistem citra dan pandang dikembangkan di universitasMassachusetts, dalam bentuk image baik warna tiga dimensi maupun dua dimensi. Sistem visi memberikan solusi yang baik dari permasalahan yang berhubungan dengan kegiatan manusia sehari-hari, misalnya saat berjalan-jalan disekitar rumah, mata dan otak akan bekerja membentuk sistem vision yang kompleks, dengan demikian seseorang tersebut akan mengenali serta membedakan satu objek dengan yang lainnya bahkan gerakan dari suatu objek dan mengevaluasi bentuk (halus, kasar, mengkilap, transparan, dan lain sebagainya). Tujuan utama dari komputer visi adalah untuk menerjemahkan suatu pemandangan/citra. Komputer visi banyak dipakai dalam kendali kualitas produk industri dan kedokteran.

Pemrosesan Bahasa Alami (Natural Language Processing), yaitu program yang memberi kemampuan pada komputer untuk berkomunikasi dengan user dengan menggunakan bahasa manusia yang alami seperti dalam bahasa Indonesia, Inggris, Jepang atau yang lainnya. Natural Language Processing berkesimpulan jika seseorang dapat mendefinisikan semua pola tersebut dan menjelaskannya pada komputer maka hal ini akan mempermudah seseorang untuk mempelajari mesin komputer tentang bagaimana berbicara dengan komputer dan memahami maksudnya, karena komunikasi dapat dilakukan melalui tata bahasa yang sederhana ketimbang menggunakan aturan-aturan atau tata bahasa pemrograman komputer rumit dan njlimet (complicated).  Alangkah indahnya bila suatu saat mendatang user hanya mengetikkan kalimat melalui keyboard dengan bahasa alami dan komputer dapat mengerti apa maksud kalimat yang diketikkan tersebut.

Voice Recognition (Pengenalan Suara)
Voice recognition adalah teknik agar komputer dapat mengenali dan memahami bahasa ucapan. Proses ini mengijinkan seseorang berkomunikasi dengan komputer dengan cara berbicara kepadanya. Istilah “pengenalan suara” mengandung arti bahwa tujuan utamanya adalah mengenai kata yang diucapkan tanpa harus tahu artinya, di mana bagian itu merupakan tugas “pemahaman suara”. Secara umum prosesnya adalah usaha untuk menerjemahkan apa yang diucapkan seorang manusia menjadi kata-kata atau kalimat yang dapat dimengerti oleh komputer. Hal ini didasari oleh pemikiran para ahli bagaimana jika user hanya mendiktekan kalimat melalui speaker dan komputer dapat mengerti apa maksud kalimat yang diucapkan tersebut.



Sistem Sensor dan Robotika.
Robot merupakan gabungan dari unsur sperti: sistem mekanis, sistem visi dan pencitraan, dan sistem pengolahan sinyal. Sebuah robot, yaitu perangkat elektromekanik yang diprogram untuk melakukan tugas manual, tidak semuanya merupakan bagian dari AI. Robot yang hanya sekedar melakukan aksi atas dasar switch-switch mekanis/elektris dikatakan sebagai robot bodoh yang tidak lebih pintar dari sekedar lift. Robot yang cerdas biasanya mempunyai perangkat sensor, seperti kamera, yang mengumpulkan informasi mengenai operasi dan lingkungannya. Kemudian bagian AI robot tersebut menerjemahkan informasi tadi dan merespon serta beradaptasi jika terjadi perubahan lingkungan.

Intelligent Tutoring/Intelligent Computer-Aided Instruction (CAI)
CAI adalah komputer yang mampu mengajari manusia. Belajar melalui komputer sudah lama digunakan, namun dengan menambahkan aspek kecerdasan di dalamnya, dapat tercipta komputer “guru” yang dapat mengatur teknik pengajarannya untuk menyesuaikan dengan kebutuhan “murid” secara individiual. Unsur sistem database dan query yang canggih sangat dominan dalam CAI. Sistem ini juga mendukung pembelajaran bagi orang yang mempunyai kekurangan fisik atau kelemahan belajar. Kelebihan CAI ini, yaitu : material dapat diatur sesuai dengan kebutuhan/kemampuan pemakai, perbaikan dapat langsung diberikan, umpan balik secara cepat, pengajaran yang konsisten, materi belajar mudah diedit, dan tidak ada batasan lokasi.

Artificial Neural Network (ANN)
ANN merupakan jaringan saraf tiruan, suatu teknologi informasi yang meniru unsur biologi manusia seperti otak dan sistem saraf. ANN mampu belajar seperti seorang bocah, jadi dari tidak tahu sama sekali menjadi tahu sekali, melalui proses pembelajaran. ANN sangat ekselen untuk bidang pengenalan citra, pengklasifikasian, dan penginterpretasian data yang tidak sempurna.

Game Playing (GP, Permainan Game)
Software permainan muncul bagaikan jamur, video game sangat diminati oleh manusia dewasa dan kanak-kanak. Permainan adalah bidang yang bagus untuk menganalisa kecerdasan suatu komputer. Adadua alasan yang menyebabkan hal tersebut, yaitu : permainan mengandung pola yang terstruktur untuk mencapai kemenangan atau kekalahan dengan mudah, dan permainan membutuhkan strategi yang tepat untuk dapat menang. Permainan dapat diselesaikan dengan pencarian mulai dari posisi start sampai ke posisi menang (winning position). Sebelum melakukan pencarian, posisi-posisi yang sah dalam permainan perlu dibangkitkan terlebih dahulu oleh suatu prosedur. GP dirancang supaya dapat melakukan evaluasi/pencarian solusi ke depan dari posisi awal sampai posisi yang menuju kemenangan. GP yang populer adalah Deep Thought dari IBM, program catur yang dipertandingkan melawan Grand Master Anatoly Karpov dengan hasil remis, luar biasa: suatu software komputer dapat bermain remis dengan seorang professor catur!

Fuzzy Logic (Logika Fazi)
Kata fazi berarti kabur atau samar-samar. Logika fuzzy merupakan suatu cabang logika yang menggunakan derajat keanggotaan kebenaran (dari nol sampai dengan satu), sedangkan logika klasik hanya mengelompokan derajat keanggotaan kebenaran menjadi dua nol (salah) atau satu (benar). Dengan menggunakan sistem inferensi Fuzzy yang didasarkan pada konsep teori fuzzy, aturan fuzzy if-then, dan logika fuzzy, maka diperoleh solusi yang baik dan yang mampu mengikuti perubahan variabel bebas secara halus sekali.

Genetic Algorithm (GA, Algoritma Genetika)
Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi biologis. Prinsip evolusi berbasis “survival of the fittest” (yang menang/bertahan adalah yang kuat/mampu menyesuaikan diri) dimanfaatkan dalam GA. GA cocok sekali untuk persoalan optimasi dengan banyak alternatip solusi. Misalnya menyusun suatu ramuan obat dari berbagai unsur dengan kemungkinan yang banyak sekali. Pada algoritma ini, teknik pencarian dilakukan sekaligus atas sejumlah solusi yang dikenal dengan istilah populasi. Individu yang terdapat dalam satu populasi  disebut dengan istilah string (string) atau kromosom (chromosome). Cara mendapatkan solusi optimal adalah menghitung nilai fitness dari setiap individu. Fungsi untuk menghitung nilai fitness disebut fungsi fitness yang dapat berupa fungsi matematika atau fungsi lainnya dengan melihat kriteria tertentu dari permasalahan yang hendak diselesaikan. Dengan fungsi fitness yang menghasilkan nilai fitness dari suatu kromosom maka dapat dibedakan antara kromosom yang berkualitas baik dengan kromosom yang berkualitas buruk dalam populasi tersebut. Kromosom berkualitas baik mempunyai kemungkinan yang lebih besar untuk terpilih sebagai induk. Jika algoritma genetik tersebut belum mencapai kondisi untuk berhenti maka akan dibentuk generasi berikutnya yang dikenal dengan istilah anak (offspring), terbentuk dari gabungan 2 kromosom generasi sekarang yang bertindak sebagai induk (parent) dengan menggunakan operator penyilangan (crossover). Bila crossover tidak menghasilkan solusi, maka dipakai operator mutasi.

Topik Lain
Cyborg
Cyborg adalah hibrid dari mesin dan organime. Cyborg merupakan perpaduan antara mesin dan makhluk hidup, keduanya di hubungkan dengan kabel. Otak dari makhluk hidup di pindahkan ke dalam tubuh robot dan dijaga agar tetap hidup dalam keadaan khusus. Otak ini selanjutnya dapat menerima sinyal dan pada gilirannya mengirimkan perintah untuk meggerakkan mesin

Artifical Life

Artificial-life merupakan salah satu studi teknologi komunikasi berbasis Artificial Intelligence yang membahas tentang sistem kehidupan buatan dan prosesnya dalam teknologi komunikasi komputer. Atau bisa diartikan artificial Life adalah adalah sebuah program yang dapat menganalisis suatu kejadian chaotik yang tidak dapat diprediksi meskipun dengan menggunakan Intrapolasi maupun Ekstrapolasi. dapat juga digunakan untuk membuat sebuah aplikasi trhee body problem dan juga dapat mendeteksi perubahan partikel gelombang yang tidak teratur.

Pembelajaran Mesin
Pembelajaran mesin, cabang dari kecerdasan buatan, adalah disiplin ilmu yang mencakup perancangan dan pengembangan algoritma yang memungkinkan komputer untuk mengembangkan perilaku yang didasarkan kepada data empiris, seperti dari sensor data basis data. Sistem pembelajar dapat memanfaatkan contoh (data) untuk menangkap ciri yang diperlukan dari probabilitas yang mendasarinya (yang tidak diketahui). Data dapat dilihat sebagai contoh yang menggambarkan hubungan antara variabel yang diamati. Fokus besar penelitian pembelajaran mesin adalah bagaimana mengenali secara otomatis pola kompleks dan membuat keputusan cerdas berdasarkan data. Kesukarannya terjadi karena himpunan semua peri laku yang mungkin, dari semua masukan yang dimungkinkan, terlalu besar untuk diliput oleh himpunan contoh pengamatan (data pelatihan). Karena itu pembelajar harus merampatkan (generalisasi) peri laku dari contoh yang ada untuk menghasilkan keluaran yang berguna dalam kasus-kasus baru.