Konsep Kecerdasan Buatan - WordPress.com

Pertemuan 2 Konsep Kecerdasan Buatan Mata Kuliah : Pengantar Intelegensi Buatan Betha Nurina Sari, M.Kom Konsep Kecerdasan Buatan Kecerdasan Komputasi Lingkup

Intelligent Agent ( Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan Alami Kecerdasan buatan lebih bersifat permanen. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan

program tidak mengubahnya. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa dan bisa belajar untuk menambah pengetahuan. Kecerdasan Buatan vs

Kecerdasan Alami Kecerdasan Buatan Kecerdasan Alami Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebut dapat ditransfer atau disalin dengan

mudah dan cepat dari satu komputer ke komputer lain. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap.

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah. Kecerdasan Alami

Harus mendatangkan seseorang pakar/ahli untuk mengerjakan sejumlah pekerjaan (lebih mahal). Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan buatan bersifat konsisten. Hal ini disebabkan karena

kecerdasan buatan adalah bagian dari teknologi komputer. Kecerdasan Alami Sedangkan kecerdasan alami senantiasa berubah-ubah (bisa berkembang, meningkat, menurun) Kecerdasan Buatan vs

Kecerdasan Alami Kecerdasan Buatan Kecerdasan Alami Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem

tersebut. Kecerdasan alami sulit untuk didokumentasikan, melacaknya terkadang sulit karena lupa. Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kecerdasan Alami

Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dan lebih baik dibanding dengan kecerdasan alami dalam bidang tertentu. Kecerdasan alami dapat mengerjakan pekerjaan dengan terbatas, karena

adanya keterbatasan kemampuan, pengetahuan,dll. Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Pada kecerdasan buatan harus bekerja dengan input-input simbolik

Kecerdasan Alami Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Kemampuan berpikir kecerdasan buatan

terbatas, sesuai dengan bekal pengetahuan yang ada pada sistem. Kecerdasan Alami Pemikiran manusia dapat digunakan secara luas, karena pengetahuannya bisa dikembangkan dengan belajar.

Kecerdasan Buatan vs Kecerdasan Alami Kecerdasan Buatan Pada kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui upgrade sistem yang dibangun. Kecerdasan Alami Kreatif. Kemampuan

untuk menambah ataupun memenuhi pengetahuan itu sangat melekat pada jiwa manusia. Komputasi Kecerdasan Buatan vs Komputasi Konvensional Aspek Pemrosesan Input Pencarian

Penjelasan/keterangan Kecerdasan Buatan Sebagian besar simbolik Tidak harus lengkap Sebagian besar heuristik tersedia Fokus Struktur Pengetahuan

Kontrol dipisahkan dari pengetahuan Sifat Output Pemeliharaan dan peningkatan (update) Kemampuan menalar Kuantitatif Relatif mudah Konvensional

Algoritmik Harus lengkap Algoritma Biasanya tidak tersedia Data Kontrol terintegrasi dengan informasi (data) Kualitatif Biasanya sulit

Ada Tidak ada Lingkup utama kecerdasan buatan Sistem Pakar (Expert System) Komputer digunakan sebagai saran untuk menyimpan pengetahuan para pakar. Komputer akan memiliki keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki para pakar. Expert system

Contoh sistem pakar : diagnosa sakit gigi Bagaimana cara mengembangkan sistem pakar ? Lingkup utama kecerdasan buatan Nature Language Processing (NLP) Pengolahan bahasa alami Dengan pengolahan bahasa alami ini diharapkan user mampu berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari. Contoh aplikasi NLP : Chatting with Nicole Simi simi, berbagai macam aplikasi chat box

http://alice.pandorabots.com/ : alice chatbox Lingkup utama kecerdasan buatan Pengenalan ucapan (Voice Recognition) Melalui pengenalan ucapan diharapkan manusia mampu berkomunikasi dengan komputer dengan menggunakan suara. Contoh : Google Voice, Elevator Voice Recognition Lingkup utama kecerdasan buatan Robotika dan Sistem Sensor

Sistem atau alat yang digunakan untuk menggantikan kinerja manusia secara otomatis Contoh : A Robot That Cooks Japanese Okonomiyaki Pancakes - DigInfo Lingkup utama kecerdasan buatan Computer Vision Mencoba untuk dapat mengintrepetasikan gambar atau objek-objek tampak melalui komputer Contoh : Computer Vision Applications

Seene - Oe - Realtime Augmented Reality Technology Lingkup utama kecerdasan buatan Intelligent Computer aid Instruction Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar Contoh : CALL CAI software; educational software Lingkup utama kecerdasan buatan Game Playing Merancang game yang cerdas dan menarik,

membuat non-player/komputer memiliki strategi cerdas untuk mengalahkan player/manusia. Board Games, Card Games, Atheletic Games Children Games,Computer Games, Game Online Contoh : Deep Learning AI Plays 2048 Crave - Super Mario with AI plays the game his own way, Ep. 188 MarI-O - Machine Learning for Video Games Lingkup Kecerdasan Buatan pada Aplikasi Komersial

Bidang Komunikasi : Microsoft Voice, Microsoft Dictation Bidang Kesehatan : Diagnosis penyakit, monitoring kondisi pasien, treatment yang sesuai Bidang Lalu Lintas : Intelligence Traffic Analytics, Air Traffic Controllers (ATC) Bidang Pertanian : pemilihan hasil panen, pemantauan hama, Robot menyiram tanaman Pabrik : mesin/robot yg melakukan pekerjaan yg berbahaya, memerlukan ketelitian tinggi,dst

SEJENAK UJI KECERDASAN LOGIC GAME Tes Tes Tes TOPIK INTELLIGENT AGENT

Intelligent Agent (Agen Cerdas) (Slide Chastine Fatichah, ITS, 2012) Intelligent Agent (Agen Cerdas) Rational : Melakukan hal yang terbaik Harus didefinisikan tujuan dari agent Goal (tujuan) : Performance Measure Goal Performance Measure

Lulus Kuliah IPK Kaya Gaji bulanan Juara liga sepakbola Posisi klasemen

Rational Agent : Suatu Agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang ligkungan dan pengetahuan lain yang dimilikinya PEAS : Performance Measure, Environment, Actuators, Sensors Ketika merancang sebuah agent, harus mendefinisikan lingkungan masalah (task environment) Performance Measure : Apa saja komponen keberhasilan si agent?

Environment : Kondisi apa saja yang ada di sekitar si agent Actuators : Apa saja yang bisa dilakukan si agent Sensors : Apa saja yang menjadi input si agent Contoh : Taksi Otomatis Agent taksi otomatis menerima penumpang dan mengantarkannya ke tujuan Performance Measure : sampai tujuan, tidak melanggar aturan lalu lintas, perjalanan nyaman, hemat bensin Environment : jalan, lalu lintas, pejalan kaki,

penumpang Actuators : arah setir, gas, rem, klakson, sinyal kiri atau kanan, lampu taksi Sensors : video, speedometer, GPS, keyboard Medical Diagnosis System Sebuah Agent Medical diagnosis system yang mendiagnosa pasien secara otomatis. Performance Measure : pasien sembuh, biaya murah, diagnosis benar Environment : pasien, rumah sakit, perawat, dokter Actuators : layar monitor (pertanyaan, tes, diagnosa

treatment, petunjuk) Sensors : keyboard (input jawaban pasien tentang gejala penyakit) Interactive English Tutor Sebuah Agen Tutor yang memberikan latihan english secara interaktif Performance Measure : Nilai skor maksimal Environment : siswa Actuators : layar monitor (latihan, saran, koreksi) Sensors : keyboard

Jenis Environment Fully Observable vs Partially Observable Apakah semua info relevan diketahui? Deterministic vs Stochastic Apakah next state = current state + action? Episodic vs sequential Apakah tergantung pada pengalaman, action sebelumnya? Jenis Environment

Static vs Dinamic Apakah environment berubah setelah agent bertindak / proses ? Discrete vs Continuous Sifat state, percept, action : diskrit atau kontinyu Single agent vs Multi agent Apakah agent bertindak sendiri atau ada lawan? Contoh : Jenis Environment Jenis Agent Environment Catur dengan Catur tanpa

waktu waktu Fully Ya Ya Observable Deterministic Ya, Strategic Ya, Strategic Episodic Tidak Tidak Static Semi

Ya Dicrete Ya Ya Single Agent Tidak Tidak Taxi driving Tidak Tidak Tidak

Tidak Tidak Tidak Contoh : Jenis Environment Jenis Environment Jenis environment menentukan desain seorang agent Di dunia nyata pada umumnya Partially observable Stochastic

Sequential Dynamic Continous Multi agent Struktur Sebuah Agent Agent Function : Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action) F : P* A Sebuah program yang mengimplementasikan fungsi f

di atas arsitektur Agent = Arsitektur + Program Agent program menerima input percept terakhir (mungkin ia menyimpan percept sequence di dalam memorinya) Contoh Agent : Vacuum Cleaner Performance Measure : menjaga kebersihan Environment : Ruangan A dan B beserta debu Actuators : DoKeKiri, DoKeKanan,DoBersih, DoSantai Sensors : Lokasi dan Status dari sensor

Contoh :[A, Kotor] sequence : {[A,Kotor], [A,Kotor],[A,Bersih],[B, Kotor],} Contoh : AgenRajin Agent function AgenRajin f({,[*,Kotor]}) DoBersih f({,[A,Bersih]}) DoKeKanan f({,[B,Bersih]}) DoKeKiri Agent program AgenRajin Function AgenRajin (lokasi,status) returns action if status = kotor then return DoBersih else if lokasi = A then return DoKeKanan

else return DoKeKiri Jenis-jenis Agent Program Simple reflex agents Bertindak berdasarkan percept/ input sensor terakhir saja. Model-based reflex agents -Bertindak berdasarkan input saat ini dan menggunakan histori input sebelumnya sebagai informasi pelengkap. -Merekam histori kondisi lingkungan, tindakan yang diambil oleh agen serta dampak dari tindakan tersebut. -Rekaman histori kondisi lingkungan tersebut disebut model

Goal-based agents Memiliki informasi mengenai tujuan, memilih tindakan yang mencapai tujuan Jenis-jenis Agent Program Utility-based agents - Melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan utility function. -Agen melakukan perhitungan terhadap kinerja/kualitas tindakan yang diambil untuk mencapai tujuan

Learning agents Belajar dari pengalaman, bisa meningkatkan kinerja agen Simple Reflex Agent Simple Reflex Agent Model-based reflex agents Model-based reflex agents

Goal-based agents Goal-based agents Utility-based agents Learning agents Perhatikan Robot / Intelligent Agent berikut termasuk jenis agen yang mana ?

Robot-robot di dunia NEXT >>> Mendefinisikan Masalah Dalam Ruang Keadaan

Recently Viewed Presentations

  • La Reconstruction Des Sablettes

    La Reconstruction Des Sablettes

    LA RECONSTRUCTION DES SABLETTES 1950-1953 Il réalise d'abord des ensembles en pierre et marbre, en accession à la propriété pour des prix très bas (contrat de location-vente : versement d'un montant correspondant à trois mois de loyer puis versement d'un...
  • South Carolina Public Service Authority Presentation to: Public

    South Carolina Public Service Authority Presentation to: Public

    Santee Cooper Overview. Retail and wholesale provider serving 2 million South Carolinians. Provided over 22,700 GWh in 2017 to its customers. Largest customer is Central Electric Power Cooperative; providing approximately 59% of Authority's revenues
  • Body Planes & Positions ANATOMY & PHYSIOLOGY  HONORS

    Body Planes & Positions ANATOMY & PHYSIOLOGY HONORS

    Positions and Directions Terms of position and direction describe the position of one body part relative to another, usually along one of the three major body planes Positions and Directions Anterior Refers to a structure being more in front than...
  • Maternal and Child Health Prevention Guidelines

    Maternal and Child Health Prevention Guidelines

    Maternal and Child Health Prevention Guidelines. Hello and welcome to our discussion on Maternal and Child Health Prevention Guidelines.
  • Graphs - PC\|MAC

    Graphs - PC\|MAC

    The amount of space between one number and the next or one type of data and the next on the graph. The increments are just as important as the scale. Choose increments that let you make the graph as large...
  • The Classical Period

    The Classical Period

    The Classical Period What does it mean to be classic? "Classical" Vocabulary Rococo Galant Enlightentment Concerto Classical Period Applies to Ancient Greeks and Romans (Classical Antiquity) Timeless Traditions & Cultures Classical Period Classical Means ----- A Time of Excellence Classical...
  • Waves: Oscillations (back-and-forth or up-and-down motion ...

    Waves: Oscillations (back-and-forth or up-and-down motion ...

    Arial Calibri Office Theme Waves: Oscillations (back-and-forth or up-and-down motion) that travels from one place to another with a certain velocity (speed and direction.) Types of Waves Characteristics Frequency Confusion Kinds of Waves The Properties of Light
  • Social Studies - St. Charles Parish

    Social Studies - St. Charles Parish

    Textbook Class Set ... Social Studies students will be using an online program called Illuminate to complete formative assessments throughout the school year. This is in preparation for the state's computer based standardized testing.