ARTIFICIAL
INTELIGENCE
(AI)
A.
Sejarah
AI
Komputer
dibuat tidak hanya untuk membantu rutin pekerjaan manusia namun dapat
memberikan andil dalam berpikir sebagaimana layaknya manusia bekerja. Dengan
adanya konsep kecerdasan buatan diharapkan komputer dapat menganalisa beberapa
masukan yang tidak lengkap menjadi informasi yang cukup memberikan arti hingga
taraf yang meyakinkan. Konsep kecerdasan buatan dipakai dalam dunia komputer
khususnya untuk hal-hal yang berhubungan dengan permainan, pembuktian teorema, pemecahan
masalah umum, pengenalan terhadap suara dan citra, pengenalan bahasa manusia,
dan robotika.
Sebenarnya
sejak dari mula orang mengkehendaki agar komputer dapat bekerja sepandai yang
dapat dilakukan manusia dan dapat bekerja lebih cepat. Hal ini terbukti dari
penelitian-penelitian sehubungan dengan kecerdasan buatan sejak tahun 1950,
adapun kronologisnya :
- 1950, Alan Turing memperkenalkan metode uji terhadap suatu mesin komputer untuk membuktikan apakah komputer tersebut mempunyai kecerdasan seperti manusia atau tidak. Metode yang dipakai adalah meletakkan seorang operator pada ruang A menghadapi sebuah keyboard dan monitor, sedang pada ruang B diletakkan sebuah komputer. Kemudian keduanya dilibatkan ke dalam sebuah tanya jawab selama 30-60 menit. Jika sang operator di ruang A dapat menebak di ruang B adalah seorang manusia juga, maka computer di ruang B dianggap mempunyai kecerdasan buatan.
- 1955, Allen Newel, J.C Shaw dan Hebert Simon membuat bahasa IPL-II (Information Processing Language II) yang merupakan bahasa pertama untuk proyek kecerdasan buatan ini.
- 1956, nama Artificial Inteligence (AI) pertama kali diperkenalkan oleh John McCathy pada bidang baru ini dan LT (Logic Theorist) yang dikembangkan oleh Newel dianggap sebagai program AI yang pertama.
- 1957,Newel, Simon, dan Shaw mulai mengembangkan General Problem Solving
- 1958, bahasa LISP (List Processing) dibuat oleh John McCathy di Massachusetts Instituate of Technology
- 1959, Arhur Samuel membuat program permainan Checker yang dipublikasikan dalam paper berjudul “Some Studies in Machine Learning Using the Game Checker” dalam IBM Journal of Research and Development
- 1960, John McCathy dan Marvin Minsky mulai memimpin proyek AI di Massachusetts Instituate of Technology
- 1961, Marvin Minsky menulis artikel “Steps toward Artificial Inteligence”
- 1964, Daniel G. Bobrow menyelesaikan Ph.D dengan tesisnya mengenai Student yaitu bahasa natural yang dapat menyelesaikan masalah aljabar disekolah lanjutan
- 1965, Stanford University Heuristic Programming Project (HPP) mulai melakukan penelitian tentang Expert System
- 1966, Joseph Wiezenbaum membuat ELIZA, program psikologi yang dapat meniru respon seorang terapis dalam berdialog dengan pasiennya. Kemudian Richard D. Greenbalt mulai mengembangkan program komputer untuk permainan catur
- 1966-1972, SRI International mengembangkan robot mobil
- 1970, Patrick H. Winston menulis tesisnya yang berjudul “Learning Structural Description from Examples” yaitu sebuah program yang dapat belajar dari contoh-contoh yang diberikan. Jack D. Myers dan Harry E. Pople mulai mengerjakan internist di University of Pitsburgh, sebuah system yang membantu dokter dalam mendiagnosa penyakit. Allain Colmeraur mulai mengembangkan bahasa Prolog. Bahasa ini juga dikembangkan di Edinburg, London dan Budapest. Tery Winograd, di MIT menulis SHRDLU dalam tesisnya yaitu sebuah program pengenal bahasa manusia
- 1971, Nills Nillson dan Richard Flikers menyelesaikan STRIPS di SRI International. MACSYMA digunakan pertama kali untuk memecahkan masalah kalkulus, diferensial dan integral serta menyerdahanakan ekspresi simbolik.
- 1971-1976 United State Defense Advanced Research Project Agency (DARPA) mensponsori penelitian Speech Understanding Research (SUR) program
- 1972 William Woods dan kawan-kawan mengembangkan LUNAR di Bolt Beranek bersama Newman, program ini dipergunakan untuk geolog dalam evaluasi material yang diperoleh dari bulan misai Apolo II
- 1973 SUMEX-AIM (Stanford University Medical Experimental Compute Project – Artificial Inteligence in Machine) dibentuk untuk pengembangan teknik-teknik kecerdasan buatan dalam bidang kedokteran. Penelitian ini disponsori oleh National Institutes of Health
- 1975 DARPA mulai mensponsori penelitian pengenalan citra termasuk pengembangan teori vision perangkat keras untuk image processing
- 1976 Douglas B. Lenat menulis AM, sebuah program belajar yang mendefinisikan dan mengevaluasi konsep matematika dalam teori himpunan dan bilangan. Kemudian Randall Davis mempublikasikan tesis Ph.D mengenai Teiresias di Stanford University. Sistem ini berfungsi untuk memasukkan dan mengubah basis pengetahuan dalam system pakar
- 1977 sistem pakar pertama yang dirancang dengan menggunakan bahasa prolog di Hungary Institute for Computer Coordination di Budapest
- 1978 R.O Duda dan kawan-kawan di SRI International mempublikasikan paper mengenai Prospector, sebuah sistem pakar yang membantu dalam eksplorasi geologi
- 1980 XCON sistem pakar yang pertama yang sukses digunakan secara komersil di Digital Equitment Corporation. Prototype XCON dikembangkan oleh John McDermott dan Carniege-Mellon University
- 1981 jepang mengumumkan proyek komputer generasi kelima
- 1982 Microelectronics dan Compoter Technology Corporation (MCTC) dibentuk di Amerika Serikat untuk menandingi program generasi kelima Jepang. United Kingdom memulai Alvery Program of Advanced Information of Technology untuk penelitian komputer generasi kelima
- 1983 masyarakat ekonomi Eropa membentuk ESPRIT untuk kompetisi dalam pengembangan computer generasi kelima
Kasus :
Robot ASIMO menggunakan sensor dan algoritma kecerdasan
buatan untuk menuruni tangga dan menghindari rintangan dan geologi teknik
Analisis Kasus :
Berdasarkan contoh di atas, maka dengan
adanya konsep kecerdasan buatan, diharapkan komputer dapat menganalisa beberapa
masukan yang tidak lengkap menjadi informasi yang cukup memberikan arti hingga
taraf yang meyakinkan agar dapat bekerja sepandai yang dapat dilakukan manusia
dan dapat bekerja lebih cepat.
B.
AI
dan Kognisi Manusia
Untuk mengetahui lebih lanjut mengenai kognisi maka
berkembanglah psikologi kognitif yang menyelidiki tentang proses berpikir
manusia. Proses berpikir tentunya melibatkan otak dan saraf-sarafnya sebagai
alat berpikir manusia oleh karena itu untuk menyelidiki fungsi otak dalam
berpikir maka berkembanglah neurosains kognitif. Hasil-hasil penelitian yang
dilakukan oleh kedua bidang ilmu tersebut banyak dimanfaatkan oleh ilmu robot
dalam mengembangkan kecerdasan buatan atau artificial
intelligence (AI).
Dalam AI kita dapat belajar bagaimana memajukan studi
otak dan kognisi dengan mengadopsi AI alat khusus, seperti stimulasi
komputer-komputer interfacing otak
dan desain robot. Persepsi manusia dipicu sinyal eksternal cahaya, suara,
komposisi molekul, dan tekanan. Sinyal terdeteksi oleh sistem sensorik dan
ditranduksikan (dikonversi ke energi neuron) sebagaian pesan-pesan yang bisa
dipahami otak. Bagaimana sebuah mesin bisa menirukan mekanisme persepsi ini?
Cara komputer bisa diajarkan untuk mengenali bentuk geometris adalah melalui
analisis fitur lokal sebuah objek yang menggunakan fakta bahwa bentuk geometris
rumit telah diterjemahkan dalam bentuk yang lebih sederhana. Program ini
menggunakan beberapa pola kecil yang secara sistematis dicocokkan ke setiap
objek dalam pencarian pasangan objeknya.
Persepsi atas pola manusia cenderung membentuk fitur
yang disimpan yang telah digabung menjadi prototipe karenanya, pola yang
baru/tidak dikenal membutuhkan stimuli yang lebih lama karena hanya sedikit
pasangan di antara pola dan ingatan. Komputer memiliki kapasitas penyimpanan
dan mekanisme pencariannya untuk mencocokkan sensasi dan ingatan.
AI memang dibuat sedemikian cerdas oleh kognisi
manusia, namun AI tetap memiliki keterbasan. Keterbatasan yang disebabkan oleh
keterbasan perangkat keras, perbedaan-perbedaan antara kecerdasan manusia dan
kecerdasan mesin, bahkan di dalam simulasi-simulasi yang melibatkan
teknik-teknik pemodelan yang canggih, simulasi-simulasi tersebut bisa saja
tidak sempurna untuk menjadi model bagi cara otak manusia berfikir.
Menurut McCathy,
AI dilandasi oleh bagaimana memodelkan proses-proses berpikir manusia dan
mendesain mesin agar dapat menirukan perilaku manusia. AI merupakan pengetahuan
manusia yang sudah dikonversikan ke dalam format yang sesuai untuk digunakan AI,
demikian juga pengetahuan hasil output AI juga berasal dari data mentah dan
informasi yang sebelumnya dikumpulkan dan dianalisis oleh manusia sebelum membuat
sebuah program aplikasi AI. Teknik yang dibuatkan dalam AI memungkinkan dibuatnya
program yang setiap bagiannya mengandung langkah-langkah independen dan dapat
diidentifikasikan dengan baik untuk dapat digunakan memecahkan sebuah atau
beberapa persoalan. Setiap potong bagian program adalah seperti sepotongan
informasi dalam pikiran manusia. Jika informasi tadi diabaikan, pikiran kita
otomatis dapat mengatur cara kerjanya untuk menyesuaikan diri dengan fakta atau
informasi baru tersebut. Kita tidak perlu selalu mengingat setiap potong
informasi yang telah dipelajari. Hanya yang relevan dengan persoalan yang kita
hadapi yang kita gunakan. Demikian pula dengan AI, setiap potong bagian program
AI dapat dimodifikasi tanpa mempengaruhi seluruh struktur programnya. Sehingga
hubungan antara kecerdasan buatan dan kognisi manusia dapat dikatakan sangat
erat dan tidak dapat dipisahkan satu dengan lainnya.
Sebuah komputer
atau mesin dapat dikatakan cerdas apabila setidaknya mereka dapat melakukan
hal-hal yang dapat dilakukan manusia. Menurut Russel & Norvig, kategori sistem
dalam mesin yang cerdas dan rasional adalah sistem yang dapat berpikir
selayaknya manusia berpikir, sistem yang bertindak selayaknya manusia
bertindak, sistem yang berpikir rasional dan sistem yang bertindak secra
rasional. AI sangat membantu ketika kognisi manusia dalam keadaan lupa atau
sedang inkonsisten karena AI bersifat permanen selama hardware/softwarenya
tidak rusak dan selalu konsisten berdasarkan aturan-aturan yang telah
ditetapkan program.
Semua
manusia yang merangkai model proses distribusi paralel seperti neuron telah
bekerja keras untuk mencoba menemukan solusi atas pertanyaan tentang otak
sebagai mesin berpikir dan apakah komputer mampu meniru kemampuan otak serta
kognisi manusia. Apa yang telah kita pelajari tentang mesin berpikir kita yaitu
otak, adalah bahwa mesin ini berbeda secara fundamental dibandingkan komputer
Von Nuemann yang sekarang biasa digunakan. Berikut ini perbandingan komputer
berbasis Silikon (Von Nuemann) dengan otak berbasis karbon (manusia).
Komputer berbasis Silikon (Von Nuemann)
|
Otak
berbasis karbon (manusia)
|
|
Kecepatan
Proses
|
Dalam
nanodetik
|
Dalam
milidetik sampai beberapa detik
|
Jenis
|
Rangkaian
prosesor
|
Prosesor
pararel
|
Kapasitas
penyimpanan
|
Sangat
besar untuk nformasi berkode digital
|
Sangat
besar untuk informasi visual dan linguistic
|
Bahan-bahan
|
Silicon
dan elektronik
|
Neuron
dan organic
|
Kerja
sama
|
Sangat
patuh
|
Cukup
kooperatif
|
Kemampuan
belajar
|
Sesuai
aturan yang ditetapkan
|
Konseptual
|
Fitur
unggulan
|
Mampu
memproses data yang sangat banyak dalam waktu yang singkat, efesien dalam
biaya, sudah teratur, mudah dirawat, dan bisa ditebak
|
Mampu
membuat penilaian, kesimpulan, dan penyamarataan dengan mudah. Pegerakkannya
: memiliki bahasa, percakapan, vision dan emosi
|
Fitur
terburuk
|
Tidak
mampu belajar sendiri dengan cepat, memiliki kesulitan dengan tugas kognitif
manusia yang rumit seperti pemahaman bahasa dan produksi
|
Memiliki
kapasitas penyimpanan dan pemrosesan informasi yang terbatas, pelupa, cukup
mahal dalam pemenuhan permintaan makanan, minuman, tidur, suhu udara yang
sesuai sebagai tambahan atas segala kebutuhan-kebutuhan biopsikologis lainnya
(cinta, sex)
|
Perbandingan Kecerdasan
Buatan dengan Kecerdasan Alamiah
Keuntungan Kecerdasan
Buatan dibanding kecerdasan alamiah:
- lebih permanen
- memberikan kemudahan dalam duplikasi dan penyebaran
- relatif lebih murah dari kecerdasan alamiah
- Konsisten dan teliti
- Dapat didokumentasi
- Dapat mengerjakan beberapa task dengan lebih cepat dan lebih baik dibanding manusia
Keuntungan Kecerdasan
Alamiah dibanding kecerdasan buatan
- Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasirepresentasi
- Fokus yang luas sebagai referensi untuk pengambilan keputusan sebaliknya AI menggunakan fokus yang sempit
Kasus :
Penggunaan chip silicon yang dibuat oleh Caltech dan
para peneliti Universitas Oxford. Chip ini memiliki struktur dan proses yang
sangat mirip dengan kinerja neuron pada serebrum korteks. Aspek penting dari
teknologi ini adalah sifat alami dari peralatan yang kontras dengan proses
digital yang digunakan pada kebayakan komputer. Ketika manusia menggunakan
objek yang kompleks seperti wajah seseorang, mereka tidak melihat data
digital-serangkaian piksel-tetapi lebih melihat perbedaan garis dan secara
berkelanjutan membedakan tingkat warna kelabu.
Analisa Kasus :
Pada contoh kasus di atas, dapat
dilihat dalam AI kita dapat belajar bagaimana memajukan studi otak dan kognisi
dengan mengadopsi AI alat khusus, seperti stimulasi komputer-komputer interfacing otak dan desain robot.
Persepsi manusia dipicu sinyal eksternal cahaya, suara, komposisi molekul, dan
tekanan. Sinyal terdeteksi oleh sistem sensorik dan ditranduksikan (dikonversi
ke energi neuron) sebagaian pesan-pesan yang bisa dipahami otak. Bagaimana
sebuah mesin bisa menirukan mekanisme persepsi ini? Cara komputer bisa
diajarkan untuk mengenali bentuk geometris adalah melalui analisis fitur lokal
sebuah objek yang menggunakan fakta bahwa bentuk geometris rumit telah
diterjemahkan dalam bentuk yang lebih sederhana. Program ini menggunakan
beberapa pola kecil yang secara sistematis dicocokkan ke setiap objek dalam
pencarian pasangan objeknya. Sehingga hubungan antara kecerdasan buatan dan
kognisi manusia dapat dikatakan sangat erat dan tidak dapat dipisahkan satu
dengan lainnya.
C. AI dan Sistem Pakar
Ketika hendak membuat suatu keputusan yang komplek
atau memecahkan masalah, seringkali kita meminta nasehat atau berkonsultasi
dengan seorang pakar atauh ahli. Sistem pakar adalah usaha untuk menirukan
seorang pakar. Biasanya sistem pakar berupa perangkat lunak pengambil keputusan
yang mampu mencapai tingkat performa yang sebanding seorang pakar dalam bidang
yang khusus,
Bentuk sistem pakar adalah suatu program yang dibuat
berdasarkan suatu set aturan yang menganalisi informasi (biasanya diberikan
oleh pengguna suatu sistem) mengenai suatu kelas masalah spesifik serta
analisis matematis dari masalah tersebut. Tujuan sistem pakar adalah untuk
mentransfer kepakaran dari seorang pakar ke komputer, kemudian ke orang lain
(yang bukan pakar).
Beberapa system pakar yang terkenal dalam kecerdasan
buatan (AI) :
1.
ELIZA
Sistem pakar ini diciptakan oleh Joseph Weizenbaum
yang membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian (program
komputer yang mampu berkomunikasi dan memecahkan masalah psikologis seperti
seorang psikiater). ELIZA adalah salah satu sistem pakar yang paling awal
dikembangkan. Ini adalah program komputer terapis. Pengguna berkomunikasi
dengannya sebagaimana sedang berkonsultasi dengan seorang terapis, program ini
mampu melakukan terapi terhadap pasien dengan memberikan beberapa pertanyaan.
2.
PARRY
Dikembangkan oleh Colby, Hilf, Weber dan Kraemer
mensimulasi seorang pasien yang paranoid. Mereka memilih pasien paranoid karena
bebebrapa teori menyebutkan sistem dan proses paranoia memang ada, perbedaan
respon psikotis dan respon normalnya cukup hebat dan mereka bisa menggunakan
penilaian dari seorang ahli untuk mengecek keakuratan dari kemampuan pemisahan
antara respon simulasi komputer dan respon manusia.
3.
NETtalk
NETtalk adalah program yang jenisnya
cukup berbeda, berdasarkan pada jaring-jaring neuron, dikembangkan oleh Terry
Sejnowski: jaringan neural berisi lapisan tersembunyi yang berkorespondensi
dengan interneuron. Program ini dikembangkan oleh Sejnowki di sekolah medis
Harvard dan Rosenberg di Universitas Princeton. Dalam program ini, NETtalk
membaca tulisan dan mengucapkannya keras-keras.
D. Penggunaan AI sebagai expert system
Ciri-ciri sistem pakar:
1.
Memiliki
fasilitas informasi yang handal
2. Mudah dimodifikasi
3. Dapat digunakan dalam berbagai jenis
komputer.
4. Memiliki kemampuan untuk belajar
beradaptasi
Permasalahan yang disentuh
oleh Sistem Pakar:
1.
Interpretasi.
Pengambilan keputusan dari hasil observasi,misal: pengawasan, pengenalan
ucapan, analisis citra, interpretasi sinyal.
2.
Prediksi.
Misal: peramalan, prediksi demografis, peramalan ekonomi, prediksi lalulintas,
estimasi hasil, militer, pemasaran, atau peramalan keuangan.
3. Diagnosa. Misal: medis, elektronis,
mekanis, dan diagnosis perangkat lunak.
4. Perancangan. Misal: layout sirkuit
dan perancangan bangunan.
5. Perencanaan. Misal: perencanaan
keuangan, komunikasi, militer, pengembangan produk, routing,
dan manajemen proyek.
dan manajemen proyek.
6. Monitoring. Misal: Computer-Aided Monitoring System.
7. Debugging, memberikan resepobat
terhadap suatu kegagalan
Garis besar pengembangan sistem
pakar:
1. Mengidentifikasi masalah dan
kebutuhan
2. Menentukan masalah yang cocok
3. Mempertimbangkan alternatif,
menggunakan system pakar atau komputer tradisional
4. Menghitung pengembalian investasi
5. Memilih alat pengembangan
6. Rekayasa Pengetahuan
7. Merancang sistem
8. Melengkapi pengembangan
9. Menguji dan mencari kesalahan sistem
10. Memelihara sistem
Kasus
pada psikologi :
Salah satu implementasi yang diterapkan sistem pakar
dalam bidang psikologi, yaitu untuk sistem pakar menentukan jenis gangguan
perkembangan pada anak. Anak-anak merupakan fase yang paling rentan dan sangat
perlu diperhatikan satu demi satu tahapan perkembangannya. Contoh satu bentuk gangguan
perkembangan adalah conduct disorder. Conduct disorder adalah
satu kelainan perilaku dimana anak sulit membedakan benar salah atau baik dan buruk,
sehingga anak merasa tidak bersalah walaupun sudah berbuat kesalahan. Dampaknya
akan sangat buruk bagi perkembangan sosial anak tersebut. Oleh karena itu
dibangun suatu sistem pakar yang dapat membantu para pakar/ psikolog anak untuk
menentukan jenis gangguan perkembangan pada anak dengan menggunakan metode Certainty
Factor (CF).
Analisis kasus :
Melalui sistem ini maka dapat digunakan untuk
melakukan diagnosis gangguan pada perkembangan anak yang mampu membuat suatu
keputusan yang sama, sebaik seperti sistem pakar (AI).
Sumber
:
Solso, dkk. (2007). Psikologi kognitif. Jakarta: Erlangga.