PENERAPAN KECERDASAN BUATAN

Slides:



Advertisements
Presentasi serupa
Penyelesaian Masalah Dengan AI
Advertisements

KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
GAME PLAYING ( METODE MINIMAX )
Workshop Project 2 Tic Tac Toe Game
PENGERTIAN KECERDASAN BUATAN
Kecerdasan Buatan Materi 2 Masalah Ruang Keadaan.
Masalah, Ruang Masalah dan Pencarian
Problem Solving Game Playing
Aplikasi Algoritma Greedy pada Permainan Othello (Riversi)
Assalamu’ Alaikum Wr. Wb. Ricky Novrica. AD(098) Andika Noviantoro(126) Wahyu Iman. E(101) Qhoirul Wibisono(143) Zulfrizal F(119)
Problem Solving Search -- Uninformed Search
Metode Pencarian/Pelacakan
Algoritma Runut-balik (Backtracking)
Teknik Pencarian.
Game playing Kecerdasan Buatan Pertemuan 5 IT-EEPIS.
Pengenalan Kecerdasan Buatan (Artificial Intelligence / AI )
Hill Climbing Best First Search A*
Problem Space Dr. Kusrini, M.Kom.
Game Playing Stmik mdp Pengantar Games adalah fasilitas yang sangat menarik dalam komputer Ide games pertama kali dimunculkan oleh Calude Shannon.
Masalah, Ruang Keadaan, dan Pencarian. What is AI ? Sistem yang berpikir seperti manusia Thinking humanly Sistem yang berpikir secara rasional Thinking.
Yufis Azhar – T.Informatika - UMM
Pengantar Intelegensia Buatan (IB)
Masalah, Ruang Keadaan, dan Pencarian
Lecture 5 Minimax dengan αβ Pruning Erick Pranata
Pengenalan Kecerdasan Buatan (Artificial Intelligence / AI )
Masalah, Ruang Keadaan, dan Pencarian
SISTEM PAKAR & KECERDASAN BUATAN
Ruang Keadaan (state space)
Penyelesaian Masalah Teknik Pencarian
Metode Pencarian & Pelacakan
Pendefinisian problema sebagai proses pencarian ruang keadaan
BAB XIV KECERDASAN BUATAN. PENDAHULUAN Mulai sekitar abad 18 sebagaimana mesin telah menjadi lebih kompleks, usaha yang keras telah dicoba untuk ii manusia.
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
PENGANTAR INTELEGENSIA BUATAN (IB) M. Ezar Al Rivan.
1 Pertemuan 15 Game Playing Matakuliah: T0264/Intelijensia Semu Tahun: Juli 2006 Versi: 2/1.
Algoritma Pencarian (Search Algorithm).
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
KECERDASAN BUATAN PERTEMUAN 10.
Game Playing.
Penyelesaian Masalah menggunakan Teknik Pencarian Blind Search
KECERDASAN BUATAN PERTEMUAN 9.
Kecerdasan Buatan Materi 2 Masalah Ruang Keadaan.
Metode Pencarian/Pelacakan
Metode Pencarian & Pelacakan
APLIKASI KECERDASAN BUATAN
Pendefinisian problema sebagai proses pencarian ruang keadaan
PENGENALAN TEKNOLOGI INFORMASI
MASALAH DAN METODE PEMECAHAN MASALAH
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Pertemuan 6 Pencarian Heuristik
Pengambilan Keputusan Dalam Kondisi Konflik
Teori Permainan (Game Theory) Pertemuan 9
SISTEM PAKAR & KECERDASAN BUATAN
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
KECERDASAN BUATAN PERTEMUAN 10.
Penyelesaian Masalah Berdasarkan Teknik AI.
Algoritma AI 1.
Ruang Masalah di Kecerdasan Buatan
MASALAH DAN METODE PEMECAHAN MASALAH
Pertemuan 2 Mata Kuliah : Kecerdasan Buatan
BAB XIV KECERDASAN BUATAN
PENGERTIAN KECERDASAN BUATAN
Oleh : Yusuf Nurrachman, ST .,MMSI
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Masalah, Ruang Masalah dan Pencarian
SISTEM PAKAR & KECERDASAN BUATAN
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
PENGENALAN TEKNOLOGI INFORMASI
Teori Bahasa Otomata (1) 2. Searching
Pengenalan Kecerdasan Buatan (Artificial Intelligence / AI )
Transcript presentasi:

PENERAPAN KECERDASAN BUATAN Game Playing Kelompok 6

Nama Kelompok Dedi Sunaryono Darwis Bukhari Dinda Sigmawaty Tjeng Yogi Cenggoro

Peran AI dalam Game Salah satu unsur yang berperan penting dalam sebuah game adalah kecerdasan buatan (AI). Dengan kecerdasan buatan, elemen-elemen dalam game dapat berperilaku sealami mungkin layaknya manusia. Game AI adalah aplikasi untuk memodelkan karakter yang terlibat dalam permainan baik sebagai lawan, ataupun karakter pendukung yang merupakan bagian dari permainan tetapi tidak ikut bermain (NPC = Non Playable Character). Peranan kecerdasan buatan dalam hal interaksi pemain dengan permainan adalah pada penggunaan interaksi yang bersifat alami yaitu yang biasa digunakan manusia untuk berinteraksi dengan sesama manusia.

Pembentukkan AI Untuk pembentukan Artificial Intelligence pada game ternyata digunakan pula algoritma. Artificial intellegence yang disematkan dalam sebuah game yang membentuk analisis game tree biasanya merepresentasikan kondisi atau posisi permainan dari game sebagai suatu node, dan merepresentasikan langkah yang mungkin dilakukan sebagai sisi berarah yang menghubungkan node kondisi tersebut ke anak (child) sebagaimana representasi suatu pohon (tree).

Pembentukkan AI Representasi langsung seperti di atas tersebut mempunyai kelemahan, yaitu representasi data pohon akan menjadi sangat lebar dan banyak. Game tree yang lebar dan besar memberikan beberapa masalah, antara lain : konsumsi proses memori; kapasitas penyimpanan yang cukup besar dan ; kinerja yang kurang pada konsol game berspesifikasi rendah

Game Playing Game playing (permainan game) merupakan bidang AI yang sangat populer berupa permainan antara manusia melawan mesin/komputer yang memiliki intelektual untuk berpikir, komputer dapat bereaksi dan menjawab tindakan-tindakan yang diberikan oleh lawan mainnya. Lalu, Seberapa Hebat Game Playing ?

Salah satu komputer yang ditanamkan AI untuk game bernama Deep Blue. Deep Blue adalah sebuah komputer catur buatan IBM pertama yang memenangkan sebuah permainan catur melawan seorang juara dunia (Garry Kasparov) dalam waktu standar sebuah turnamen catur. Kemenangan pertamanya (dalam pertandingan atau babak pertama) terjadi pada 10 Februari 1996, dan merupakan permainan yang sangat terkenal.

Garry Kasparov and Deep Blue, 1997 GM Gabriel Schwartzman’s Chess Camera, courtesy IBM

Checkers Chinook (buatan Jonathan Schaeffer & team, University of Alberta) menjadi juara dunia checkers. Go Computer Player adalah sangat tangguh Bridge Computer Player mempunyai Expert Level

Ciri Umum Game Playing 1. 2 Pemain 2. Kesempatan Pemain bergantian 3. Zero Sum : kerugian seorang pemain adalah keuntungan pemain lain 4. Perfect Information : pemain mengetahui semua informasi state dari game 5. Tidak mengandung probabilistik (seperti dadu) 6. Game tidak termasuk Solitaire, Backgammon dan semisalnya

Bagaimana bermain Game? 1. Pertimbangkan semua kemungkinan jalan 2. Berikan nilai pada semua kemungkinan jalan 3. Jalankan pada kemungkinan yang mempunyai nilai terbaik 4. Tunggu giliran pihak lawan jalan 5. Ulangi cara diatas

Evaluation Function Evaluation Function atau static evaluator digunakan untuk mengevaluasi nilai posisi yang baik Zero-sum assumption membolehkan untuk menggunakan single evaluation function untuk mendeskripsikan nilai posisi. Posisi baik untuk saya dan jelek untuk lawan Posisi jelek untuk saya dan baik untuk lawan Posisi netral/seri Posisi dimana saya menang Posisi dimana lawan menang

Contoh Evaluation Function Tic Tac Toe Posisi baik untuk saya dan jelek untuk lawan function logicTwo() Posisi jelek untuk saya dan baik untuk lawan function logicThree() Posisi netral/seri all = 3 Posisi dimana saya menang all = 2 Posisi dimana lawan menang all = 1

Algoritma • Manusia menggunakan symbol X dan AI menggunakan symbol O. • Jika symbol X (manusia) telah sejajar dan AI mengambil giliran, maka otomatis AI akan menutup jalan Symbol agar symbol X tidak membuat 1 garis. • Jika Simbol X tidak sejajar, giliran AI untuk mengatur strategi untuk menang yaitu dengan menempatkan symbol O agar sejajar dengan Simbol O lainnya.

Minimax John von Neumman pada tahun 1944 menguraikan sebuah algoritma search pada game, dikenal dengan nama Minimax, yang memaksimalkan posisi pemain dan meminimalkan posisi lawan. Algoritma minimax merupakan basis dari semua permainan berbasis AI seperti permainan catur, go, othello, checkers, bridge, tic-tac-toe dan lain sebagainya.

Hasil 2 3 1

Game NIM Diawali serangkaian batang Setiap pemain harus memecahkan serangkaian batang menjadi 2 kumpulan dimana jumlah batang di tiap kumpulan tidak boleh sama dan tidak boleh kosong.

ASUMSI MIN bermain dulu Evaluation function : 0 : MIN menang 1 : MAX menang.

ALPHA-BETA PRUNNING Merupakan improvisasi dari Minimax Basic idea "if you have an idea that is surely bad, dont take the time to see how truly awful it is" (Pat Winston)

ALPHA-BETA PRUNNING Sama seperti minimax, hanya saja nilai max (alpha) yg. ada hingga sekarang & nilai min (beta) yg. ada hingga sekarang disimpan, shg. : Jk. pd. level max, menjumpai node yg. value-nya < alpha, node tsb. tidak di-expand. Jk. pd. level min, menjumpai node yg. value-nya > beta, node tsb. tdk. di-expand.

Perbandingan Jumlah Batang Jumlah Node Minimax Alpha-Beta Prunning 7 26 22 15 8 58 54 36 9 176 171 76 10 470 465 112 11 1687 1681 353 12 5595 5589 635 13 22178 22171 1389 14 82370 82363 3427 372074 372066 10672