Kecerdasan Buatan, Kini dan Akan Datang
Tutorial ini dibuat sebagai pengantar utama pada perkuliahan Kecerdasan Buatan dan Sistem Pakar pada jurusan Ilmu Komputer dan Teknik/MIPA. Bab 1 memberikan overview pegembangan dari bidang ilmu kecerdasan buatan dan Sistem Pakar, serta berbagai contoh aplikasi nyata yang sudah dikembangkan dan digunakan saat ini. Bab ini juga menjelaskan berbagai perangkat dan metode yang umum digunakan untuk mengatasi berbagai masalah kompleks dalam kehidupan.
1.1 Sejarah Kecerdasan Buatan
Kecerdasan buatan merupakan bidang ilmu komputer yang sangat penting di era kini dan masa akan datang untuk mewujudkan sistem komputer yang cerdas. Bidang ini telah berkembang sangat pesat di 20 tahun terakhir seiring dengan kebutuhan perangkat cerdas pada industry dan rumah tangga, oleh karena itu buku ini memaparkan berbagai pandangan modern dan hasil riset terkini yang perlu dikuasai oleh para akademisi, pelajar dan praktisi lengkap dengan implementasi nyata.
Kata “intelligence” berasal dari bahasa Latin “intelligo” ang bearti “saya paham”. Barti dasar dari intelligence ialah kemampuan untuk memahami dan melakukan aksi. Sebenarnya, area Kecerdasan Buatan (Artificial Intelligence) atau disingkat dengan AI, bermula dari kemunculan komputer sekitar th 1940-an, meskipun sejarah perkembangannya dapat dilacak sejak zaman Mesir kuno. Pada masa ini, perhatian difokuskan pada kemampuan komputer mengerjakan sesuatu yang dapat dilakukan oleh manusia. Dalam hal ini, komputer tersebut dapat meniru kemampuan kecerdasan dan perilaku manusia[1].
McMulloh dan Pitts pada tahun 1943 mengusulkan model matematis bernama perceptron dari neuron di dalam otak. Mereka juga menunjukkan bagaimana neuron menjadi aktif seperti saklar on-off dan neuron tersebut mampu untuk belajar dan memberikan aksi berbeda terhadap waktu dari input yang diberikan. Sumbangan terbesar di bidang AI diawali pada paper Alan Turing, pada tahun 1950 yang mencoba menjawab “Dapatkah computer berfikir” dengan menciptakan mesin Turing. Paper Alan Turing pada tahun 1950 berjudul “Computing Machineri and Intelligence” mendiskusikan syarat sebuah mesin dianggap cerdas. Dia beranggapan bahwa jika mesin dapat dengan sukses berprilaku seperti manusia, kita dapat menganggapnya cerdas.
Pada akhir 1955, Newell dan Simon mengembangkan The Logic Theorist, program AI pertama. Program ini merepresentasikan masalah sebagai model pohon, lalu penyelesaiannya dengan memilih cabang yang akan menghasilkan kesimpulan terbenar. Program ini berdampak besar dan menjadi batu loncatan penting dalam mengembangkan bidang AI. Pada tahun 1956 John McCarthy dari Massacuhetts Institute of Technology dianggap sebagai bapak AI, menyelenggarakan konferensi untuk menarik para ahli komputer bertemu, dengan nama kegiatan “The Dartmouth summer research project on artificial intelligence.” Konferensi Dartmouth itu mempertemukan para pendiri dalam AI, dan bertugas untuk meletakkan dasar bagi masa depan pemgembangan dan penelitian AI. John McCarthy di saat itu mengusulkan definisi AI adalah “ AI merupakan cabang dari ilmu komputer yang berfokus pada pengembangan komputer untuk dapat memiliki kemampuan dan berprilaku seperti manusia” [2].
Gambar 1.1. John McCarthy, dikenal sebagai bapak AI
Pada tahun 1960 hingga 1970, muncul berbagai dikusi bagaimana komputer dapat meniru sedetail mungkin pada kemampuan otak manusia, dimana saat itu dapat dikategorikan sebagai “classical AI”. Pada tahun 1980, dimana computer yang semakin mudah diperoleh dengan harga yang lebih murah menjadikan berbagai riset di bidang kecerdasan buatan berkembang sangat pesat pada berbagai universitas. Tabel 1.1 merupakan rangkuman sejarah penting pengembagan bidang Kecerdasan Buatan.
Tabel 1.1 Sejarah penting pengembangan bidang Kecerdasan Buatan
No |
Tahun |
Deskripsi |
1 | 1206 | Robot humanoid pertama karya Al-Jazari |
2 | 1796 | Boneka penuang the dari jepang bernama Karakuri |
3 | 1941 | Komputer elektronik pertama |
4 | 1949 | Komputer dengna program tersimpan pertama |
5 | 1956 | Kelahiran dari Artificial Intelligence pada Dartmouth conference |
6 | 1958 | Bahasa LISP dibuat |
7 | 1963 | Penelitian intensif departemen pertahanan Amerika |
8 | 1970 | Sisem pakaer pertama diperkenalkan secara luas |
9 | 1972 | Bahasa Prolog diciptakan |
10 | 1986 | Perangkat berbasis AI dijual luas mencapai $425 juta |
11 | 1994 | AC berbasis Neuro fuzzy dijual |
12 | 2010 | Sistem kecerdasan buatan untuk Pesawat komersial BOEING 900-ER ramai digunakan |
13 | 2011 | Service Robot untuk restoran berhasil dibuat di Indonesia |
14 | 2012 | Sistem Pakar Troubleshooting Komputer berbasis Fuzzy dan Self Learning |
15 | 2012 | Sistem immune pada Deteksi spam diciptaka |
Saat ini, hampir semua perangkat komputer dan perangkat elektronika canggih menerapkan kccerdasan buatan untuk membuat sistem lebih handal. Di masa yang akan datang, diperkirakan semua perangkat elektronika dan komputer menjadi jauh lebih cerdas karena telah ditanamkan berbagai metode kecerdasan buatan.
1.2 Bidang Ilmu Kecerdasan Buatan
Supaya komputer dapat bertindak seperti atau serupa dengan manusia, maka komputer harus diberi bekal pengetahuan, dan mempunyai kemampuan untuk menalar. Penerapan bidang AI beraneka ragam. Tujuan dari sistem kecerdasan buatan dapat dibagi dalam 4 kategori [5]
- Sistem yang dapat berfikir seperti manusia (Bellman, 1978)
- Sistem yang dapat berfikir secara rasional ( Winston, 1992)
- Sistem yang dapat beraksi seperti manusia (Rich and Knight, 1991)
- Sistem yang dapat beraksi secara rasional (Nilsson, 1998)[4]
Secara garis besar bidang ilmu yang dipelajari dalam bidang AI bisa dilihat pada gambar di bawah ini:
Gambar 1.2. Domain Area AI
Penjelasan dari cabang ilmu AI di atas sebagai berikut :
1. Natural Language Processing (NLP)
NLP mempelajari bagaimana bahasa alami itu diolah sedemikian hingga user dapat berkomunikasi dengan komputer. Konsentrasi ilmu ini adalah interaksi antara komputer dengan bahasa natural yang digunakan manusia, yakni bagaimana komputer melakukan ekstraksi informasi dari input yang berupa natural language dan atau menghasilkan output yang juga berupa natural language, misalnya pada system Automated online assistant seperti gambar 1.3 dan deteksi email spam yang cerdas [7].
Gambar 1.3 Penerapan NLP pada automated online asistant berbasis web
2. Computer Vision
Cabang ilmu ini erat kaitannya dengan pembangunan arti/makna dari image ke obyek secara fisik. Yang dibutuhkan didalamnya adalah metode-metode untuk memperoleh, melakukan proses, menganalisa dan memahami image. Apabila cabang ilmu ini dikombinasikan dengan Artificial Intelligence secara umum akan mampu menghasilkan sebuah visual intelligence system. Akuisisi dan pemrosesan informasi berupa vision dapat ditampilkan pada gambar 1.4
Gambar 1.4 Model persepsi visual pada computer vision
Gambar 1.5 Contoh penerapan computer vision untuk identifikasi wajah
3. Robotika dan Sistem Navigasi
Bidang ilmu inilah yang mempelajari bagaimana merancang robot yang berguna bagi industry dan mampu membantu manusia, bahkan yang nantinya bisa menggantikan fungsi manusia. Robot mampu melakukan beberapa task dengan berinteraksi dengan lingkungan sekitar. Untuk melakukan hal tersebut, robot diperlengkapi dengan actuator seperti lengan, roda, kaki, dll. Kemudian, robot juga diperlengkapi dengan sensor, yang memampukan mereka untuk menerima dan bereaksi terhadap environment mereka Al-Jajari (1136-1206) seorang ilmuwan Islam pada dinasti Artuqid yang dianggap pertama kali menciptakan robot humanoid dimana berfungsi sebagai 4 musisi, hebat kan? Bahkan pada tahun 1796 sudah dihasilkan boneka mekanik bernama Karakuri yang mampu menuangkan air teh atau menulis karakter Kanji yang dibuat oleh Hisashige Tanaka.
Gambar 1.6 Al-Jazari’s programmable automata (Tahun 1206)
Gambar 1.7 Karakuri, rancangan robot dari Jepang adad 16 yang mampu menuang air teh
Ada beberapa istilah penting di dalam robot vision yang saling berhubungan, diantaranya computer vision, machine vision dan robot vision. Computer vision merupakan teknologi paling penting di masa yang akan datang dalam pengembangan robot yang interaktif. Computer Vision merupakan bidang pengetahuan yang berfokus pada bidang sistem kecerdasan buatan dan berhubungan dengan akuisisi dan pemrosesan image. Machine vision merupakan proses menerpakan teknologi untuk inspeksi automatis berbasis image, kontrol proses dan pemanduan robot pada berbagai aplikasi industri dan rumah tangga. Robot vision merupakan pengetahuan mengenai penerapan computer vision pada robot. Robot membutuhkan informasi vision untuk memutuskan aksi apa yang akan dilakukan. Penerapan saat ini vision pada robot antara lain sebagai alat bantu navigasi robot, mencari obyek yang diinginkan, inspeksi lingkungan dan lainnya. Vision pada robot menjadi sangat penting karena informasi yang diterima lebih detail dibanding hanya sensor jarak atau sensor lainnya. Misalnya dengan vision, robot dapat mengenal apakah obyek yang terdeteksi merupakan wajah orang atau bukan. Lebih jauh lagi, sistem vision yang canggih pada robot membuat robot dapat membedakan wajah A dengan wajah B secara akurat (Face recognition system menggunakan metode PCA, LDA dan lainnya) [6]. Proses pengolahan dari input image dari kamera hingga memiliki arti bagi robot dikenal sebagai visual perception, dimulai dari akuisisi image, image preprocessing untuk memperoleh image yang diinginkan dan bebas noise misalnya, ekstrasi fitur hingga interpretasi seperti ditunjukkan pada gambar 1.8. Misalnya saja untuk identifikasi pelanggan dan penghindaran multiple moving obstacles berbasis vision, atau untuk menggerakan servo sebagai aktuator untuk mengarahkan kamera agar tetap mengarah ke wajah seseorang (face tracking) [5].
Gambar 1.8 Contoh Model visual perception pada robot[3]
Contoh nyata model service robot berbasis vision (vision-based service robot) yang dikembangkan penulis bernama Srikandi III yang menggunakan 2 buah kamera (stereo vision) seperti gambar di bawah, dimana robot dapat mengirimkan order pesanan minuman ke pelanggan:
(a) (b)
Gambar 1.9 Contoh robotika berbasis kamera
Pada pengembangan selanjutnya, menanamkan kecerdasan buatan yang komplek pada robot sehingga mampu mengenal dan memahami suara manusia, perhatian terhadap berbagai gerak lawan bicara dan mampu memberikan response alami yang diberikan robot ke manusia merupakan tantangan ke depan untuk membangun robot masa depan.
4. Game Playing
Game biasanya memiliki karakter yang dikontrol oleh user, dan karakter lawan yang dikontrol oleh game itu sendiri. Dimana kita harus merancang aturan-aturan yang nantinya akan dikerjakan oleh karakter lawan. Game akan menjadi menarik apabila karakter lawan (non-player) bereaksi dengan baik terhadap apa yang dilakukan oleh player. Hal ini akan memancing penasaran user dan membuat game menarik untuk dimainkan. Tujuan intinya adalah membuat non-player memiliki strategi yang cerdas untuk mengalahkan player. Pada bidang ini, AI dibutuhkan, yaitu untuk merancang dan menghasilkan game yang fun serta antarmuka antara man-machine yang cerdas dan menarik untuk dimainkan[8].
Gambar 1.10 Games tingkat lanjut yang menerapkan AI
5. Sistem Pakar
Bidang ilmu ini mempelajari bagaimana membangun sistem atau komputer yang memiliki keahlian untuk memecahkan masalah dan menggunakan penalaran dengan meniru atau mengadopsi keahlian yang dimiliki oleh pakar. Dengan sistem ini, permasalahan yang seharusnya hanya bisa diselesaikan oleh para pakar/ahli, dapat diselesaikan oleh orang biasa/awam. Sedangkan, untuk para ahli, sistem pakar juga akan membantu aktivitas mereka sebagai asisten yang seolah-olah sudah mempunyai banyak pengalaman.Sedangkan definisi lain dari sistem pakar adalah sistem berbasis komputer yang
Gambar 1.11. Model Sistem Pakar
Menurut Turban [6], Sistem Pakar dapat ditampilkan dengan dua lingkungan, yaitu lingkungan pengembangan dan lingkungan konsultasi (runtime). Lingkungan pengembangan digunakan oleh ES builder untuk membangun komponen dan memasukkan pengetahuan ke dalam basis pengetahuan. Lingkungan konsultasi digunakan oleh user nonpakar untuk memperoleh pengetahuan dan nasihat pakar. Lingkungan ini dapat dipisahkan setelah sistem lengkap.
Tiga komponen utama yang tampak secara virtual di setiap sistem pakar adalah :
- Basis pengetahuan
Merupakan representasi pengetahuan dari seorang pakar yang diperlukan untuk memahami, memformulasikan dan memecahkan masalah. Terdiri dari 2 elemen dasar yaitu :
- Fakta yang berupa informasi tentang situasi permasalahan, teori dari area permasalahan atau informasi tentang objek.
- Spesial heuristik yang merupakan informasi tentang cara bagaimana membangkitkan fakta.
- Mesin inferensi
Membuat inferensi yang memutuskan rule-rule mana yang akan digunakan.
- antarmuka pengguna.
Merupakan bagian dari sistem pakar yang berfungsi sebagai pengendali masukan dan keluaran. User interface melayani user selama proses konsultasi mulai dari tanya-jawab untuk mendapatkan fakta-fakta yang dibutuhkan oleh inference engine sampai menampilkan output yang merupakan kesimpulan dan solusi.
Informasi dari pakar harus dijadikan pengetahuan bagi system pakar yang akan kita kembangkan. Pengetahuan dari system pakar selanjutnya dapat direpresentasikan dengan beberapa cara. Salah satu yang paling umum untuk merepresentasikan pengetahuan dalam bentuk aturan IF-THEN, misalnya :
IF the car doesn’t run and
The fuel gauge reads empty
THEN fill the gas tank
1.3 Case Study : Sistem Pakar untuk Troubleshooting Komputer
Dalam mengoperasikan komputer tentu sering mengalami masalah dengan PC dan sistem operasi, misanyal PC tidak mau start-p atau sistem operasi tidak mau tampil, ataupun muncul pesan kesalahan yang tidak dimengerti, masalah-masalah yang muncul ini tidak jarang berakibat fatal sehingga mengganggu pekerjaan kita. Untuk mencoba memahami pentingya Kecerdasan buatan, kita dapat memcoba membuat aplikasi sederhana untuk Sistem Pakar Troubleshooting Komputer berbasis Web menggunakan Visual Studio 2010 Express Edition, Anda saya sarankan membaca artikel yang lebih lengkap di [2]. Program ini sangat memudahkan kita di dalam membangun aplikasi windows dan web dengan berbagai fitur yang lengkap.
Langkah-langkahnya :
- Unduh terlebih dahulu program tersebut di http://www.microsoft.com/visualstudio/en-us/products/2010-editions/express, setelah diinstalasi, pilih new Project ASP .Net Web Application dan beri nama project seperti gambar di bawah :
Gambar 1.12. Membuat proyek baru AS.Net Web Application
2. Desainlah site.Master dan Default.aspx dan tambahkan label dan radiobutton seperti gambar berikut :
Gambar 1.13 Desain form Default.aspx yang menampilkan sekumpulan pertanyaan
3. Template web tersebut juga sudah menyediakan form Login dan Register yang dapat yang terhubung ke database SqlServer dan dapat dikembangkan untuk aplikasi yang lebih komplek.
Gambar 1.14 Tampilan form Register user
4. Setelah register, pada pengembangan selanjutnya, kita dapat login untuk mendapatkan hak akses yang lebih banyak pada aplikasi kita.
Gambar 1.15 Tampilan form Login
5. Tambahkan button submit dan sertakan kode yang sesuai dengan rancangan Anda, misalnya untuk kasus sederhana sebagai berikut :
Protected Sub btnSubmit_Click(ByVal sender As Object, ByVal e As EventArgs) Handles btnSubmit.Click
‘jika power supply ok, booting ok namun tidak bisa masukke Sistem Operasi
If q1y.Checked = True And q4y.Checked = True And q7y.Checked = False Then
lblResult.Text = ” Your Operating System was Corrupted “
lblSolution.Text = “Please reinstall the Operating System”
Else
‘Jika semua jawaban “No”
lblResult.Text = ” Your Power Supply was out of service “
lblSolution.Text = “Please change the Power Supply module with the same Power Output and
connectors”
End If
End Sub
Jalankan program, maka aplikasi web akan berjalan di browser sebagai berikut :
Gambar 1.16 Tampilan demo program yang memberikan diagnosa dan solusi dari permasalahan yang ada.
Ayo, tunggu apalagi, pastikan Anda mencoba mengembangkan Sistem Pakar untuk kasus spesifik yang Anda inginkan.
Referensi :
- K. Warwick, Artificial Intelligence: The Basics, Routledge Publisher, 2012.
- Youssef Basil, Expert PC Troubleshooter with Fuzzy Logic and Self Learning Support, International Journal of Artificial Intelligence and Applications, vol. 3, no. 2, 2012.
- Budiharto W., Purwanto D., Jazidie A., A Robust Obstacle Avoidance for Service Robot using Bayesian Approach, International Journal of Advanced Robotic Systems, Intech publisher, vol 8(1), 2011.
- S. Russel, P. Norwig, Artificial Intelligence: A Modern Approach, Pearson Publisher, 2009.
- Jozeph C. Giaratanno, Expert Systems Principles and Programming, 2005.
- E. Turban, Decision Support and Expert Systems, 1995.
- Ismaila Idris, Model and Algorithm in Artificial Immune System for Spam Detection, International Journal of Artificial Intelligence and Applications, vol. 4(1), 2012
- S.Bhuvaneswari, Man-Machine Interface, International Journal of Artificial Intelligence and Applications, vol. 3(1), 2012.
Leave Your Footprint
-
AldoTheCrott artikel yang bagus dan mencerahkan pak 🙂
semoga nanti nya banyak yang mendevelop aplikasi yang cerdas setelah melihat artikel pak widodo 🙂