Pengenalan Sistem Cerdas
Ringkasan
Sistem cerdas meniru perilaku cerdas manusia lewat komputer: belajar dari pengalaman, paham pesan ambigu, respons cepat ke situasi baru, bernalar pecahkan masalah. Mata kuliah praktik (0-4 SKS); minggu 1 fondasi definisi, tujuan, bidang, konsep inti (Turing, simbolik, heuristik, inferensi, pattern matching), 10 penerapan sehari-hari, kebutuhan data, target proyek akhir.
Konsep Kunci
1. Definisi menurut ahli
- Minsky (1989): ilmu membuat komputer lakukan hal seperti manusia.
- Simon (1987): kawasan riset, aplikasi, instruksi terkait pemrograman komputer lakukan hal yang dalam pandangan manusia cerdas.
- Rich dan Knight (1991): studi cara membuat komputer lakukan hal yang saat ini lebih baik dikerjakan manusia.
2. Tiga tujuan AI
Buat komputer lebih cerdas, pahami kecerdasan, buat mesin lebih berguna. Kecerdasan = kemampuan belajar dari pengalaman, pahami pesan kontradiktif/ambigu, respons cepat ke situasi baru, bernalar pecahkan masalah efektif (Winston dan Prendergast, 1994).
3. Bidang penelitian
- Formal tasks: matematika, games.
- Mundane tasks: perception, robotics, natural language, common sense, reasoning.
- Expert tasks: financial analysis, medical diagnostics, engineering, scientific analysis.
4. AI vs pemrograman konvensional
Konvensional: algoritmik, numerik, input-proses-output pasti. AI: simbolik dan non-algoritmik, toleran ambiguitas, cari solusi lewat search + heuristik + inferensi, butuh data sebagai bahan belajar.
5. Lima konsep inti
- Turing Test: penanya (manusia) bedakan jawaban manusia vs mesin. Tak bisa bedakan → mesin diasumsikan cerdas.
- Pemrosesan simbolik: komputer dirancang numerik; manusia berpikir simbolik. AI proses simbolik/non-algoritmik.
- Heuristik: strategi search ruang problem selektif, pandu pencarian di jalur kemungkinan sukses terbesar. Biaya search turun dari eksplorasi buta ke terarah.
- Inferensi: penarikan kesimpulan dari fakta + aturan pakai heuristik/search. Bentuk: fakta , aturan , simpulkan .
- Pattern matching: jelaskan objek/event/proses dalam relasi logik/komputasional; mesin kerja dengan cocokkan pola input ke pola tersimpan.
6. Sepuluh penerapan sehari-hari
- Streaming video/musik: rekomendasi dari riwayat, kualitas adaptif sinyal.
- Search engine: pelajari kebiasaan pengguna, personalisasi hasil.
- Fitur selfie: deteksi wajah, filter, beauty, aging.
- GPS: rute tercepat hindari macet, peta 3D real, data mobil kamera 360°.
- Ojek online: matching driver acak berkriteria, layanan antar/makanan, anti-fraud.
- Video game: NPC baca teknik pemain, sesuaikan level lawan, grafis 3D.
- Internet marketing: iklan tersegmentasi otomatis dari rekam jejak.
- Media sosial: saran pertemanan dari kontak, kurasi feed foto/video.
- Translator: voice record dan kamera translate real-time.
- Belanja online: rekomendasi produk di beranda dari kebiasaan cari/beli.
Contoh (dengan perhitungan)
Heuristik pangkas search: ruang problem faktor cabang , kedalaman . Blind search kunjungi sampai simpul. Heuristik bagus hanya ikuti 1 cabang tiap level: simpul. Penghematan .
Keterkaitan
- Prasyarat: Pengantar Kecerdasan Buatan
- Lanjutan: Representasi Pengetahuan