KECERDASAN BUATAN Introduction

Kecerdasan Buatan (Artificial Intelligence/AI) Outline Kecerdasan Buatan (Artificial Intelligence/AI) Introduction Prinsip Program AI General Problem Solving : Representasi Masalah Searching Heuristik Studi kasus : Penerapan General Problem Solving Sistem Cerdas Representasi Pengetahuan Logika formal : Predicate Logic/Calculus Predicate Tinjauan tentang bahasa pemrograman AI standar : Prolog Lisp Pemrograman AI menggunakan bahasa non AI (prosedural) : C/C++ Tinjauan beberapa bidang garapan AI : Natural Language Processing Pattern Recognition Expert System Perkembangan Teknik AI Mutakhir : Mengatasi kondisi Uncertainty Mechine Learning Optimalisasi General Preview

Intoduction to Artificial Intelligence Artificial Intelligence (Inteligensi/Kecerdasan Buatan) merupakan salah satu bidang dari ilmu komputer yang membahas tentang kemungkinan komputer untuk dapat berlaku secara intelligen seperti halnya manusia Apakah perkembangan komputer sejauh ini belum memperlihatkan perilaku intelijen tersebut ?......................................................... ……………………………………………………………………………………………. Intelijen/cerdas?? Cerdas = memiliki pengetahuan + pengalaman, penalaran (bagaimana membuat keputusan & mengambil tindakan), moral yang baik

2 bagian utama yg dibutuhkan untuk aplikasi kecerdasan buatan : Agar mesin bisa cerdas (bertindak seperti & sebaik manusia) maka harus diberi bekal pengetahuan & mempunyai kemampuan untuk menalar. 2 bagian utama yg dibutuhkan untuk aplikasi kecerdasan buatan : a. basis pengetahuan (knowledge base): berisi fakta-fakta, teori, pemikiran & hubungan antara satu dengan lainnya. b. motor inferensi (inference engine) : kemampuan menarik kesimpulan berdasarkan pengalaman Knowledge base Inference mechanism Computer Inputs Outputs

Sejarah AI Abad 17-19 Blaise pascal – mesin penghitung digital (mekanik) Charles Babbage – Mesin penghitung (program) Betrand Russel & Alfred Nort Whitehead – Principa matematika (logi ka formal) Walter Pitts – Kalkulus Logis (fondasi JST)

Sejarah AI Abad 1950-1970 Diestrich Prinz – Game catur (1951) Alan Turing – tes turing 1952 – 1969: Newell dan Simon menemukan General Problem Solver John McCharty – Konferensi AI & LISP Joseph Weinzenbaun – ELIZA (1967) Alain Colmerauer – PROLOG Joel Moses – Program macsyma (program berbasis pengetahuan) Marvin Minsky – perceptrons yang mendemonstrasikan batas jaringan saraf tiruan sederhana 1969 – 1979 : knowledge based system Ted Shortliffe – sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosis dan terapi medis(SP) DARPA - 2004 Autonomous CAR

TES TURING Here is Turing's example of an exchange that might occur during the test. Interrogator In the first line of your sonnet which reads 'Shall I compare thee to a summer's day', would not 'a spring day' do as well or better? Computer It wouldn't scan. Interrogator How about 'a winter's day'? That would scan all right. Computer Yes, but nobody wants to be compared to a winter's day. Interrogator Would you say Mr. Pickwick reminded you of Christmas? Computer In a way. Interrogator Yet Christmas is a winter's day, and I do not think Mr Pickwick would mind the comparison Computer I don't think you're serious. By a winter's day one means a typical winter's ww.alanturing.net/turing_archive/pages/reference articles/theturingtest.html

SUB DISIPLIN ILMU AI AI & Teknik Elektro AI & Sistem Informasi Pengolahan citra Teori kendali Pengenalan pola Robotika AI & Sistem Informasi SPK SP

Contoh ilmu-ilmu dalam lingkup AI ANN (Artificial Neural Network) NLP (Natural Language Processing) Game Playing ES (Expert System) Robotics Pattern Recognition Computer Reasoning Computer Vision IR (Information Retrieval) Data Mining Fuzzy System Neuro Fuzzy System GA (Genetic Algorithm) CBR (Case Based Reasoning) DSS (Decision Support System)

Contoh Aplikasi Persepsi Visual (Computer Vission)

Contoh Aplikasi Robot

Pengolahan bahasa alami

Pada th 1999 Ray Kurzweil membuat prediksi tentang perkembangan AI

AI Masa Depan 2009 Sebuah PC seharga US$ 1000 dpt mempunyai kecepatan 1 THz Komputer menjadi sangat kecil dan menempel pd perhiasan Sebagian besar transaksi bisnis dilakukan secara virtual Telepon memiliki aplikasi penerjemah sehingga kedua penelepon bisa berbicara dengan bahasa yg berbeda

AI Masa Depan 2019 Sebuah PC seharga US$ 1000 akan setara dg kemampuan komputasional otak manusia Komputer bisa menempel dimana saja dan semakin tidak terlihat Virtual Reality sudah dalam bentuk 3 dimensi Sebagian interaksi manusia dengan komputer hanya dengan menggunakan isyarat tubuh

AI Masa Depan 2029 Sebuah PC seharga US$ 1000 akan setara dengan kemampuan komputasional 1000 otak manusia Komputer telah terhubung langsung ke otak manusia dg koneksi high-bandwidth

AI Masa Depan 2049 Makanan yang diproduksi menggunakan nano technology mulai digunakan secara umum. Makanan tersebut memiliki komposisi gizi yg baik, mempunyai rasa dan tekstur yg sama dengan makanan organik

AI Masa Depan 2072 Picoengineering atau teknologi pada skala picometer atau 10-12 meter mulai berhasil diaplikasikan di dunia nyata

AI Masa Depan 2099 Ada kecenderungan kuat untuk membuat gabungan antara pemikiran manusia dengan kecerdasan mesin Tidak ada perbedaan yg jelas antara pemikiran manusia dengan mesin Jumlah manusia berbasis software (Semi Cyborg) lebih banyak dibandingkan manusia berbasis sel2 syaraf alami

PEMROGRAMAN AI

Kecerdasan Buatan VS Kecerdasan Alami Kelebihan kecerdasan buatan : Lebih bersifat permanen. Lebih mudah diduplikasi & disebarkan. Lebih murah. Bersifat konsisten Dapat didokumentasi Lebih cepat Lebih baik Kelebihan kecerdasan alami : 1. Kreatif : manusia memiliki kemampuan untuk menambah pengetahuan, sedangkan pada kecerdasan buatan untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun. 2. Memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik. 3. Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.

Komputasi AI VS Konvensional Proses Konsep simbolik Algoritmik Sifat input Bisa tidak lengkap Harus lengkap Pencarian Kebanyakan bersifat heuristic Didasarkan pada algoritma fokus pengetahuan Data/informasi struktur Kontrol dipisahkan dari pengetahuan Kontrol terintegrasi dengan informasi(data) Sifat output kuantitatif kualitatif

(AI Software Principle) Prinsip Program AI (AI Software Principle) Ciri khas terpenting Pemrograman(software) AI : Pemrograman simbolik Memecahkan masalah non algoritmik Memanipulasi sifat/type kualitatif ketimbang kuantitatif/Numerik Solusi (pemecahan) tidak mesti eksak Menggunakan pengetahuan untuk memecahkan masalah Setiap bagian program dapat bersifat Independen Dapat belajar dari pengalaman sebelumnya …… ? Non Algoritmik dapat berarti : Pemecahan Algoritmiknya (logic combination) sangat kompleks Langkah Algoritmiknya (sequensial) sangat panjang Keadaannya tidak pasti (Uncertainty) Secara analisis bersifat : Non Polynomial

Jantung riset modern di bidang pemrograman AI : Hipotesis Sistem Symbol Newel dan Simon mengemukakan aktivitas/mesin cerdas (intelligence) dapat dicapai melalui : Pola-pola simbol untuk merepresentasikan problem Operasi-operasi untuk menghasilkan berbagai solusi yang mungkin Proses pencarian (searching) untuk memilih solusi terbaik Asumsi Searching Representasi Pengetahuan Dasar teknik pemrograman AI : Algoritma  Searching : - Logika/Logika formal/predikat kalkulus - backtracking Data  Representasi Pengetahuan : - List/Graf - Database Bahasa Pemrograman AI : Prolog Lisp Shell C C++ Kenapa harus menggunakan bahasa pemrograman/tool khusus ? …………………………………………………………………………………………………………..

(Newell & Simon 1976) General Problem Solver Why do we care about symbols? Understand human cognition with a language like symbolic processing "A physical symbol system has the necessary and sufficient means for general intelligent action." (Newell & Simon 1976) Physical symbol system Set of entities called symbols - physical patterns that can occur as components Expressions (or symbol structures) built of symbols

SYMBOL?? cara kerja komputer modern (yang belum berlandaskan AI) proses secara numerik setahap demi setahap setiap instruksi dua hal penting yang berbeda dengan cara kerja otak manusia komputer memproses secara numerik manusia cenderung memproses secara simbolik. Manusia memanipulasi simbol-simbol, sehingga ia bisa menurunkan rumus-rumus, suatu kemampuan yang belum dimiliki komputer

Simbolik Nonalgoritmik Kedua komputer memproses secara algoritmik, yaitu setahap demi setahap mengikuti suatu prosedur yang menuju suatu solusi proses intelegensi lebih dari sekedar mengikuti prosedur yang setahap demi setahap, non-algoritmik

Heuristik Heuristik adalah petunjuk praktis yang membantu kita untuk memutuskan apa yang akan kita lakukan. Dengan heuristik kita tidak perlu berpikir secara lengkap dalam menghadapi masalah-masalah. Sadar atau tidak sadar kita seringkali menggunakan heuristik. Jika kita memegang suatu petunjuk praktis untuk menghadapi suatu situasi, kita akan dapat bertindak.

PROLOG & LISP Kenapa menggunakan tool khusus AI? misalnya PROLOG, Dalam teknik program deklaratif mengunakan prolog kita dapat langsung memberikan sejumlah fakta dan aturan-aturan yang mengkaitkan fakta tersebut, ia akan memecahkan masalah secara deduktif. Bahasa pemroses simbol yang populer adalah LISP (List Processor)

Sekilas Pemrograman PROLOG Knowledge Manusia Manusia Pemberian knowledge bisa membuat manusia menjadi intelligent (cerdas) Knowledge Manusia PROLOG Pemberian knowledge diharapkan bisa membuat komputer menjadi intelligent (cerdas) seperti layaknya manusia Knowledge = Fakta + Rule Pada PROLOG ada fasilitas untuk memberikan Fakta dan Rule yaitu melalui Clauses

Elemen-elemen Program PROLOG Domains Predicates Clauses Goal Aturan penulisan kode pada prolog Tipe data pada prolog : symbol, integer, real, char, string, boolean Cara kerja program prolog : Resolusi, Matching, …

Sekilas LISP Yang sangat penting dalam pemrosesan simbol adalah konsep asosiasi. Dalam LISP asosiasi antara simbol dilaksanakan dengan membentuk suatu struktur yang diberi nama list.

Everything's a List! (a b c) (defun plus (x y) (+ x y)) Data Functions Simple syntax: (function-name arg1 arg2 …) (first ‘(a b c)) = a (a b c) (defun plus (x y) (+ x y))

SISTEM CERDAS Sistem cerdas adalah sistem yang dapat mengadopsi sebagaian kecil dari tingkat kecerdasan manusia untuk berinteraksi dengan keadaan eksternal suatu sistem kemampuan untuk dilatih, mengingat kembali kondisi yang pernah dialami, mengolah data-data untuk memberikan aksi yang tepat sesuai yang telah diajarkan, dan kemampuan menyerap kepakaran seorang ahli melalui perintah yang dituliskan dalam sebuah bahasa pemrograman tertentu

Sistem Berbasis Pengetahuan Sistem Logika samar Sistem berbasis jaringan syaraf tiruan Knowledge base Inference mechanism Computer Inputs Outputs

Problem solving AI

Empat hal untuk membangun sistem atau memecahkan masalah tertentu : 1. Definisikan masalah dengan jelas 2. Analisis masalah 3. Kumpulkan dan representasikan knowledge 4. Pilih teknik pemecah masalah terbaik dan gunakan untuk masalah tertentu

Mendefinisikan Masalah sebagai “State Space Search” (SSS) Misalnya permainan catur , maka SSS nya adalah : Menspesifikasikan posisi awal dari papan catur Peraturan (rules) yang mendefinisikan langkah-langkah yang legal Posisi papan yang merepresentasikan pemenang dari satu sisi atau sisi lainnya. Tujuan (Goal) dari permainan adalah : memenangkan permainan.

Pendefinisian Masalah Sebagai Pencarian Ruang Keadaan Masalah utama dalam membangun sistem berbasis AI adalah bagaimana mengkonversikan situasi yang diberikan ke dalam situasi lain yang diinginkan menggunakan sekumpulan operasi tertentu.

Representasi Ruang Keadaan dan Teknik Pelacakan (State Space Representation and Searching) Contoh pemecahan masalah-masalah berikut : Penakaran air dengan dua ember Tic tac Toe Puzzle Pencarian Jarak terdekat Travelling Salesmen … Contoh kasus : Penakaran air dengan dua ember : Jika kita memiliki 2 buah takaran air, yang masing-masingnya dapat berisi 3 liter dan 4 liter air, apa langkah yang dapat kita lakukan untuk mendapatkan 2 liter air pada takaran 4 liter dengan hanya menggunakan kedua ember tersebut. Pendefenisian masalah : Langkah standar : Mendefenisikan masalah dengan tepat. Defenisi ini harus berisi spesifikasi tentang keadaan awal (initial state) dan keadaan akhir (goal state) yang merupakan solusi yang dapat diterima dari masalah tersebut dan operasi-operasi yang dibutuhkan untuk dapat mengubah keadaan awal menuju ke keadaan akhir. Mengembangkan semua ruang keadaan (state space) yang mungkin (dalam bentuk tree/graph) dan berhenti pada keadaan yang sama dengan keadaan akhir yang diinginkan sebagai solusi atau langkah solusi yang diinginkan. (0,0) (2,0)

? Operasi-operasi yang mungkin : Pengembangan Ruang Keadaan : Mengisi air ke takaran 4 liter sampai penuh Mengisi air ke takaran 3 liter sampai penuh Mengisi sejumlah air dari takaran 4 liter sampai habis ke takaran 3 liter Mengisi sejumlah air dari takaran 3 liter sampai habis ke takaran 4 liter Mengosongkan semua air di takaran 4 liter Mengosongkan semua air di takaran 3 liter Mengisi sejumlah air dari takaran 3 liter s ke takaran 4 liter sampai penuh Mengisi sejumlah air dari takaran 4 liter s ke takaran 3 liter sampai penuh … Pengembangan Ruang Keadaan :   (0,0) ? (2,0) Operasi yang tidak diperbolehkan : Mengisi takaran yang sudah penuh Mengosongkan takaran yang sudah kosong Kembali ke kondisi yang telah pernah dimiliki …

? Hasil pengembangan ruang keadaan : (0,0) 1 2 (4,0) (0,3) 8 1 4 2 (4,3) (1,3) (4,3) (3,0) 1 6 5 (4,3) (0,3) (1,0) ? (2,0)

Contoh kasus lain Maze problem Building Block problem Tic Tac Toe Shortest path problem Puzzle Chess ….

Maze Problem Mencari path atau rute dari start ke goal 4 Goal 3 2 1 2 3 4 Goal Start

Building Blocks Problem A A B C B C Initial State Goal State ON(A,C) ON(A,B) ON(B,TABLE) ON(B,C) ON(C,TABLE) ON(C,TABLE) Dan sebagai operator untuk memindahkan dari satu state ke state lain, kita bisa gunakan: Pickup(u) Putdown(u) Takeoff(u,v) Puton(u,v)

Latihan : Maze Problem D B E G B G A H A C C F D E H S I S F (a) (b)

Representasi Pengetahuan Bagaimana merepresentasikan pengetahuan ke dalam basis pengetahuan dan menguji kebenaran penalaran Cara-cara lama: List, digunakan pada LISP Predicate Calculus, digunakan pada Prolog Tree, untuk heuristic search Karakteristik RP: Dapat diprogramkan Dapat dimanfaatkan untuk penalaran, menggambarkan kesimpulan sebagai fungsi kecerdasan

Alasan Pemilihan Why knowledge representation rather than information representation? Karena pada konvensional database merepresentasikan data secara sederhana: string, number, boolean Namun AI menganggap pengetahuan lebih kompleks, seperti proses, prosedur, aksi, waktu, tujuan dan penalaran Knowledge should be collected, codified, and organized in systematic order

Representasi Pengetahuan (2) Harus terdiri dari struktur data dan prosedur untuk penafsiran Hal yang berhubungan dengan RP: Object pengetahuan itu sendiri Event: kejadian-kejadian dalam dunia nyata dan hubungannya Performa: bagaimana melakukan suatu tugas tertentu Meta knowledge: pengetahuan tentang pengetahuan yang direpresentasikan

Bagaimana metoda GPS menemukan Solusi ? Teknik Search dan Jenisnya Teknik Search menentukan simpul mana yang dibuat lebih dulu dan mana yang kemudian sampai ditemukannya simpul solusi Dari proses search dihasilkan diagram tree, sehingga perlu penjelasan beberapa terminologi diagram tree seperti berikut : a b c d e f Simpul Level/Cabang Path Parent Child Root Leave Jumlah Ruang Simpul Langkah solusi (Solusi)

Jenis Teknik Search Uninformed (Blind) Search Breadth First Search (BFS) Depth First Search (DFS) Uniformed Cost Search (UCS) Informed (Heuristik/Intelligent) Search Greedy Algorithm A/A* Algorithm Hill Climbing Genetic Algorithm

Perbandingan Uninformed dan Informed Search Uninformed = memanfaatkan informasi tertentu Informed = memanfaatkan informasi tertentu Informasi tertentu tersebut disebut Heuristik Heuristik berfungsi untuk mempercepat proses pencarian Heuristik = Intelligent

Perbandingan BFS dan DFS (Sama-sama non heuristik search) Ilustrasi proses BFS Ilustrasi proses DFS Kualitasnya dibedakan berdasarkan : Jumlah ruang simpul Solusi (Jumlah langkah mencapai Solusi) Depth First Search (DFS) Jumlah ruang simpul relatif (umumnya) lebih sedikit Solusi tidak dijamin optimal Breadth First Search (BFS) Jumlah ruang simpul relatif (umumnya) lebih banyak Solusi dijamin optimal

Metode Penalaran Forward reasoning (data driven): dimulai dari keadaan awal (dari fakta), kemudian menuju ke arah kesimpulan / tujuan Backward reasoning (goal driven): dimulai dari tujuan / hipotesa baru dicocokkan dengan keadaan awal / fakta-fakta

SOFT COMPUTING

Metodologi-metodologi dalam soft computing Soft Computing merupakan inovasi baru dalam membangun sistem cerdas yaitu sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan. Soft computing mengeksploitasi adanya toleransi terhadap ketidakpastian, ketidaktepatan, dan kebenaran parsial untuk dapat diselesaikan dan dikendalikan dengan mudah agar sesuai dengan realita. (Prof. Lotfi A Zadeh, 1992) Metodologi-metodologi dalam soft computing NEXT Sistem Fuzzy (mengakomodasi ketidaktepatan). Jaringan Syaraf (menggunakan pembelajaran). Probabilistic Reasoning (mengakomodasi ketidakpastian). Evolutionary Computing (optimasi) : algoritma genetika.