| ||
Penerapan Kecerdasaan Buatan di lingkungan Masyarakat
Dalam masing-masing Bidang
v Sejarah AI
Di awal abad 20, seorang penemu Spanyol, Torres y Quevedo, membuat sebuah mesin yang dapat men’skak-mat’ raja lawannya dengan sebuah ratu dan raja. Perkembangan secara sistematis kemudian dimulai segera setelah diketemukannya komputer digital. Artikel ilmiah pertama tentang Kecerdasan Buatan ditulis oleh Alan Turing pada tahun 1950, dan kelompok riset pertama dibentuk tahun 1954 di Carnegie Mellon University oleh Allen Newell and Herbert Simon. Namun bidang Kecerdasan Buatan baru dianggap sebagai bidang tersendiri di konferensi Dartmouth tahun 1956, di mana 10 peneliti muda memimpikan mempergunakan komputer untuk memodelkan bagaimana cara berfikir manusia. Hipotesis mereka adalah: “Mekanisme berfikir manusia dapat secara tepat dimodelkan dan disimulasikan pada komputer digital”, dan ini yang menjadi landasan dasar Kecerdasan Buatan.
Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas " pada 1943 yang meletakkan pondasi untuk jaringan syaraf.
Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah "kecerdasan buatan " pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan "Turing test" sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.
Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.
v Definisi AI
Tidak ada kesepakatan mengenai definisi Kecerdasan Buatan, di antaranya adalah:
1. Sebuah studi tentang bagaimana membuat komputer mengerjakan sesuatu yang dapat dikerjakan manusia (Rich, 1991)
2. Cabang ilmu komputer yang mempelajari otomatisasi tingkah laku cerdas (Setiawan, 1993)
3. Suatu perilaku sebuah mesin yang jika dikerjakan oleh manusia akan disebut cerdas (Turing, et. al, 1996)
Kebanyakan para ahli setuju bahwa Kecerdasan Buatan berhubungan dengan 2 ide dasar yaitu :
1. Menyangkut studi proses berfikir manusia, dan
2. Berhubungan dengan merepresentasikan proses tersebut melalui mesin (komputer, robot, dll)
Kemampuan untuk problem solving adalah salah satu cara untuk mengukur kecerdasan dalam berbagai konteks. Terlihat di sini bahwa mesin cerdas akan diragukan untuk dapat melayani keperluan khusus jika tidak mampu menangani permasalahan remeh/kecil yang biasa dikerjakan orang secara rutin. Terdapat beberapa alasan untuk memodelkan performa manusia dalam hal ini:
a. Untuk menguji teori psikologis dari performa manusia
b. Untuk membuat komputer dapat memahami penalaran (reasoning) manusia
c. Untuk membuat manusia dapat memahami penalaran komputer
d. Untuk mengeksploitasi pengetahuan apa yang dapat diambil dari manusia
Menurut Winston dan Prendergast (1984), tujuan dari Kecerdasan Buatan adalah:
a. Membuat mesin menjadi lebih pintar.
b. Memahami apakah kecerdasan (intelligence) itu.
c. Membuat mesin menjadi lebih berguna.
http://id.wikipedia.org/wiki/Kecerdasan_buatan
Ø AI dilihat dari berbagai sudut pandang :
1. Sudut pandang Kecerdasan : mesin menjadi ‘cerdas’ (mampu berbuat apa yang dilakukan oleh manusia)
2. Sudut pandang Penelitian : studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dilakukan oleh manusia.
· Domain penelitian :
1. Mundande task
a. Persepsi (vision & speech)
b. Bahasa alami (understanding, generation & translation)
c. Pemikiran yang bersifat commonsense
d. Robot control
2. Formal task
a. Permainan/games
b. Matematika (geometri, logika, kalkulus, integral, pembuktian)
3. Expert task
a. Analisis finansial
b. Analisis medikal
c. Analisis ilmu pengetahuan
d. Rekayasa (desain, pencarian, kegagalan, perencanaan, manufaktur)
1. Sudut pandang Bisnis : kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah-masalah bisnis
2. Sudut pandang Pemrograman : studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).
Ø Aplikasi AI memiliki 2 bagian utama, yaitu :
1. Basis Pengetahuan (Knowledge Base) : berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.
2. Motor Inferensi (Inference Engine) : kemampuan menarik kesimpulan berdasarkan pengalaman.
http://forum-informatika-cyber.blogspot.com/2011/12/artificial-intellegence-ai-kecerdasan.html
v Maanfaat AI di dalam kehidupan masyarakat :
1. Dalam Bidang Pertahanan dan Keamanan
Dalam bidang pertahan dan keamanan AI dapat digunakan untuk melakukan pendeteksian terhadap ancaman yang datang dapat berupa serangan udara, darat maupun laut. Dengan bantuan AI memungkinkan manusia untuk mendapatkan pemetaan dari serangan-serangan yang masuk, mencari tahu siapa yang melakukan serangan, membuat peta kekuatan serangan, dan menganalisis bagaimana mengatasi serangan-serangan tersebut. Contoh lebih spesifik penggunaan AI dalam bidang pertahanan dan keamanan adalah AI dapat digunakan untuk mendeteksi serangan peluru kendali, menganalisis jenis peluru kendali, berasal dari manakah peluru kendali tersebut, seberapa besar daya ledak peluru kendali tersebut dan menganalisis bagaimana cara mengatasi peluru kendali tersebut.
http://mabruryhasan.blogspot.com/2009/11/kecerdasan-buatan-1.html
2. Dalam Bidang Ekonomi dan Bisnis
Dunia bisnis saat ini didorong oleh permintaan pelanggan. Sayangnya, pola permintaan bervariasi dari periode ke periode. Inilah sebabnya mengapa bisa begitu menantang untuk mengembangkan perkiraan yang akurat. Peramalan adalah proses memperkirakan peristiwa masa depan, dan itu adalah penting untuk semua aspek manajemen. Tujuan dari peramalan adalah untuk mengurangi ketidakpastian dan untuk menyediakan tolok ukur untuk memantau kinerja aktual. Teknologi informasi yang muncul dan kecerdasan buatan (AI) teknik yang digunakan untuk meningkatkan akurasi prakiraan dan dengan demikian memberi kontribusi positif untuk meningkatkan bottom line.
Sebuah generasi baru teknologi kecerdasan buatan telah muncul yang cukup menjanjikan dalam membantu meningkatkan proses peramalan termasuk aplikasi seperti permintaan produk, pergantian karyawan, arus kas, persyaratan distribusi, peramalan tenaga kerja, dan persediaan. Sistem ini berbasis AI dirancang untuk menjembatani kesenjangan antara dua pendekatan peramalan tradisional: manajerial dan kuantitatif.
Sistem ini AI dapat digunakan untuk kedua klasifikasi perkiraan (misalnya, pelanggan disukai vs pelanggan marjinal) dan prediksi (misalnya, penjualan tahunan). Tabel berikut memberikan ilustrasi sederhana bagaimana AI dapat digunakan untuk memperbaiki strategi pemasaran berdasarkan tiga faktor perilaku pelanggan: profit margin, probabilitas retensi dan potensi nilai jangka panjang bagi perusahaan.
Masing-masing faktor ditandai sebagai baik rendah atau tinggi. Dalam prakteknya, skema karakterisasi lebih kompleks dengan lebih banyak faktor dan tingkat yang lebih (misalnya, rendah, sedang, tinggi) dapat digunakan. Tabel ini menunjukkan strategi kualitatif sesuai yang diberikan setiap rangkaian keadaan. Pelanggan akan ditandai dalam hal demografi dan perilaku pembelian sebelumnya. Perkiraan kuantitatif juga dapat dikembangkan sepanjang baris yang sama.
Tujuan utama untuk menggunakan AI adalah untuk lebih mengintegrasikan perkiraan manajerial dan kuantitatif dan dengan demikian mengurangi kesalahan peramalan. Organisasi yang saat ini memanfaatkan AI dapat meningkatkan akurasi prakiraan dengan meningkatkan metode pengumpulan data dan memperluas upaya untuk mengumpulkan intelijen pasar. Perilaku pelanggan masa lalu sering menjadi sumber data yang dapat dipercaya dari perilaku masa depan. Akhirnya, seperti di daerah lain manajemen pengetahuan, sangat penting untuk mempertahankan dukungan yang kuat untuk proses peramalan dari seluruh tim manajemen. Kunjungi situs berikut untuk lebih lanjut tentang bagaimana AI ini berdampak bisnis: http://www.shai.com/ai_general/value.html
1. Meningkatkan Pelatihan
Kereta karyawan, pelanggan, dan mitra lebih cepat dan lebih dapat dipercaya dengan menggunakan skenario simulasi dan pelatihan otomatis, evaluasi kinerja, dan umpan balik. Meningkatkan efektivitas simulasi pelatihan berbasis untuk keamanan, kondisi berbahaya, tanggap darurat, dan situasi penting lainnya (misalnya, pilot, operator pabrik tenaga nuklir, personil militer, dan operator peralatan.
2. Meningkatkan Produk dan Layanan
Meningkatkan daya saing produk perusahaan Anda atau layanan dengan mengotomatisasi beberapa fungsi atau dengan membuatnya lebih mudah digunakan.
3. Memanfaatkan Perusahaan Pengetahuan
Membuat keahlian perusahaan lebih banyak tersedia di seluruh perusahaan Anda untuk meningkatkan kualitas keputusan. Menyimpan, mengambil, dan membangun keahlian perusahaan yang sering hilang ketika karyawan meninggalkan atau transfer dalam perusahaan.
http://gbr.pepperdine.edu/2010/08/artificial-intelligence-techniques-enhance-business-forecasts/
3. Dalam Bidang Pendidikan
Dalam pendidikan AI sangat berperan dalam menyampaikan segala informasi dan pengelaman belajar yang akan membuat peoses belajar mengajar lebih efektif. Dengan menggunakan media-media pembelajaran yang dikembangkan dengan menggunakan prinsip-prinsip dan teknik-teknik artificial intelligence, pebelajar/learner dapat belajar tanpa harus berhadapan langsung berhadapan dengan guru, dan informasi dalam media-media pendidikan tentunya akan lebih mempermudah dan meringankan tugas guru/pendidik dalam mentransformasikan ilmu dan pengalaman belajar mereka terhadapa peserta didik. Jadi dapat pula dikatakan bahawa aplikasi kecerdasan buatan dalam bidang pendidikan yang bertindak sebagai partner bagi pelajar atau mahasiswa dalam mempelajari suatu bidang.
AI dalam mengambil keputusan dalam bidang pendidikan bagi pimpinan lembaga pendidikan akan lebih mempermudah baginya karena data, basis dan pebetahuan informasi yang diperoleh akan lebih akurat dari pada secara manual. Kepala sekolah misalnya, akan lebih mudah dan lebih tepat dalam mengambil keputusan dan kebijakan untuk meningkatkat kualitas pembelajaran dari data yang diperoleh dari sistem AI.
http://arifinseptyantonugroho.blogspot.com/2011/05/makalah-ificial-intelligent-kecerdasan.html
4. Dalam Bidang Agronomi dan Pertanian
Pertanian, komputer dapat mengontrol robot yang melakukan kontrol terhadap hama, pemangkasan pohon, pemilihan hasil panen, dsb.
Pendeteksi penyakit dalam tanaman tebu
Gula merupakan salah satu dari sembilan bahan pokok yang diperlukan, tingginya angka kebutuhan gula nasional tidak diimbangi dengan produktifitas hasil gula yang ada, penurunan produktifitas gula ini diakibatkan dari adanya beberapa serangan jenis-jenis penyakit tanaman tebu yang angka presentasinya mencapai 20 persen. Selain itu juga kurangnya pengetahuan para petani tebu untuk mencegah dan mendeteksi penyakit yang terdapat pada tanaman tebu.
Aplikasi pendeteksi penyakit dibuat untuk mendeteksi jenis penyakit pada tanaman tebu dari gejala-gejala yang bisa dilihat. Dari Aplikasi ini dapat memberikan informasi mengenai jenis penyakit, gejala beserta solusi pengobatannya. Pembangunan Aplikasi ini menggunakan metode inferensi forward chaining dan metode Best First Search sebagai metode pencariannya, bahasa pemrograman yang digunakan yaitu PHP dan MySQL sebagai databasenya.
Sistem ini dibangun berbasis website yaitu untuk mempermudah dalam penyampaian informasi yang bisa diakses dimana saja kepada para petani tebu dan pengusaha perkebunan tebu sehingga penanganan pada penyakit tebu dapat cepat dilakukan.
Sumber : elib.unikom.ac.id
5. Dalam Bidang Teknik dan Rekayasa
Pendiagnosaan keadaaan bayi dalam kandungan yang menggunakan Teknik Inferensi Forward Chaining
Kecerdasan buatan adalah kemampuan komputer untuk berpikir dengan intelegensia. Ini tercapai dengan mempelajari bagaimana manusia mengingat dan berpikir ketika sedang mengambil keputusan dan memecahkan masalah.
Kecerdasan buatan yang dibangun mempunyai beberapa komponen yang saling berhubungan untuk membangun sistem yaitu basis pengetahuan, mesin inferensi, antarmuka pemakai. Persoalan yang dipecahkan dalam sistem ini adalah bagaimana cara menyusun aturan yang terdiri atas beberapa premis dan konklusi dari fakta-fakta yang tersedia, sehingga dihasilkan suatu solusi, dengan menggunakan mesin inferensi yaitu forward chaining, selain itu sistem ini juga menggunakan suatu penalaran knowledge base yaitu penalaran rule-based reasoning.
Penelitian ini membahas tentang pendiagnosaan keadaaan bayi dalam kandungan yang menggunakan teknik inferensi forward chaining, yang memulai penalarannya mulai dari sekumpulan fakta-fakta menuju sebuah hipotesa (solusi). Sistem yang dikembangkan memberikan keleluasaan pada perekayasa pengetahuan untuk memasukkan himpunan aturan pada basis pengetahuan dan diperolehnya suatu solusi berdasarkan basis pengetahuan yang ada.
