Kecerdasan Buatan – Artificial Intelligence

Kecerdasan Buatan – Artificial Intelligence

Kecerdasan buatan yang ditambahkan kepada suatu sistem yang dapat diatur dalam konteks ilmiah; dan dikendalikan komputer untuk melakukan tugas-tugas yang umumnya terkait dengan “makhluk cerdas”.

Istilah ini sering diterapkan pada proyek pengembangan sistem yang membantu dengan proses intelektual yang menjadi ciri manusia, seperti: kemampuan untuk berpikir, menemukan makna, menggeneralisasikan, atau belajar dari pengalaman masa lalu.

Sistem seperti ini umumnya dianggap sebagai “komputer”. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan saraf tiruan dan robotika.



Cara Berpikir Kecerdasan Buatan

Secara garis besar, AI terbagi ke dalam 2 paham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence).

AI konvensional kebanyakan melibatkan metode-metode yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik.

Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence).

Baca juga 👉 Business Intelligence – Intelegensi Bisnis – Penjelasan, Manfaat, Karir dan Contoh – Membantu Untuk Melihat Gambaran Besar dan Buat Keputusan Bisnis Yang Cerdas!


Metode-metode kecerdasan buatan “konvensional” meliputi:

  1. Sistem pakar: untuk menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.

  2. Petimbangan berdasar kasus

  3. Jaringan Bayesian

  4. AI berdasar tingkah laku: metode modular pada pembentukan sistem AI secara manual

Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis.

Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak.


Metode-metode “kecerdasan komputasional” meliputi:

  1. Jaringan Saraf: sistem dengan kemampuan pengenalan pola yang sangat kuat

  2. Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.

  3. Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.

Metode-metode ini terutama dibagi menjadi algoritme evolusioner (misalnya algoritme genetik) dan kecerdasan berkelompok (misalnya algoritme semut).

Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan saraf atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R (arsitektur kognitif).

Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.


Contoh kecerdasan buatan (artificial Intelligence)

Klik disini untuk melihat contoh-contoh dari kecerdasan buatan.


4 JENIS ARTIFICIAL INTELLIGENCE

Ada empat jenis kecerdasan buatan: mesin reaktif, memori terbatas, teori pikiran, dan kesadaran diri.

1. MESIN REAKTIF

Jenis paling dasar dari sistem AI adalah murni reaktif, dan memiliki kemampuan untuk tidak membentuk ingatan atau menggunakan pengalaman masa lalu untuk menginformasikan keputusan saat ini. Deep Blue, superkomputer permainan catur IBM, yang mengalahkan grandmaster internasional Garry Kasparov pada akhir 1990-an, adalah contoh sempurna dari jenis mesin ini.

Deep Blue dapat mengidentifikasi bidak-bidak di papan catur dan mengetahui bagaimana setiap gerakannya. Itu dapat membuat prediksi tentang gerakan apa yang mungkin terjadi selanjutnya untuk itu dan lawannya. Dan itu bisa memilih gerakan paling optimal dari antara kemungkinan.

Tapi tidak ada konsep apa pun tentang masa lalu, atau ingatan apa pun tentang apa yang telah terjadi sebelumnya. Terlepas dari aturan khusus catur yang jarang digunakan untuk tidak mengulangi gerakan yang sama tiga kali, Deep Blue mengabaikan semuanya sebelum momen saat ini. Yang dilakukannya hanyalah melihat bidak-bidak di papan catur sebagaimana keadaannya sekarang, dan memilih dari kemungkinan gerakan selanjutnya.

Jenis kecerdasan ini melibatkan komputer yang mengamati dunia secara langsung dan bertindak berdasarkan apa yang dilihatnya. Itu tidak bergantung pada konsep internal dunia. Dalam makalah penting, peneliti AI Rodney Brooks berpendapat bahwa kita seharusnya hanya membuat mesin seperti ini. Alasan utamanya adalah bahwa orang-orang tidak pandai memprogram dunia simulasi yang akurat untuk digunakan komputer, apa yang disebut dalam beasiswa AI sebagai “representasi” dunia.

Mesin cerdas yang kita kagumi saat ini tidak memiliki konsep dunia seperti itu, atau memiliki yang sangat terbatas dan terspesialisasi untuk tugas-tugas khususnya. Inovasi dalam desain Deep Blue tidak untuk memperluas cakupan kemungkinan film yang dipertimbangkan komputer. Sebaliknya, para pengembang menemukan cara untuk mempersempit pandangannya, untuk berhenti mengejar beberapa langkah potensial di masa depan, berdasarkan bagaimana mereka menilai hasil mereka. Tanpa kemampuan ini, Deep Blue akan membutuhkan komputer yang lebih kuat untuk benar-benar mengalahkan Kasparov.

Serupa dengan itu, AlphaGo Google, yang telah mengalahkan pakar Go manusia top, juga tidak dapat mengevaluasi semua potensi pergerakan di masa depan. Metode analisisnya lebih canggih daripada Deep Blue, menggunakan jaringan saraf untuk mengevaluasi perkembangan game.

Metode ini memang meningkatkan kemampuan sistem AI untuk memainkan game tertentu dengan lebih baik, tetapi metode tersebut tidak dapat dengan mudah diubah atau diterapkan pada situasi lain. Imajinasi terkomputerisasi ini tidak memiliki konsep tentang dunia yang lebih luas – artinya imajinasi tersebut tidak dapat berfungsi di luar tugas spesifik yang diberikan dan mudah tertipu.

Mereka tidak dapat berpartisipasi secara interaktif di dunia, seperti yang kita bayangkan sistem AI suatu hari nanti. Sebaliknya, mesin ini akan berperilaku persis sama setiap kali menghadapi situasi yang sama. Ini bisa sangat bagus untuk memastikan sistem AI dapat dipercaya: Anda ingin mobil otonom Anda menjadi pengemudi yang andal. Tapi itu buruk jika kita ingin mesin benar-benar terlibat dengan, dan merespons, dunia. Sistem AI yang paling sederhana ini tidak akan pernah bosan, tertarik, atau sedih.

2. MEMORI TERBATAS

Kelas Tipe II ini berisi mesin yang dapat melihat ke masa lalu. Mobil self-driving sudah melakukan beberapa hal ini. Misalnya, mereka mengamati kecepatan dan arah mobil lain. Itu tidak dapat dilakukan hanya dalam satu saat, tetapi perlu mengidentifikasi objek tertentu dan memantaunya dari waktu ke waktu.

Pengamatan ini ditambahkan ke representasi dunia yang telah diprogram sebelumnya dari mobil yang mengemudi sendiri, yang juga mencakup marka jalur, lampu lalu lintas, dan elemen penting lainnya, seperti belokan di jalan. Mereka disertakan saat mobil memutuskan kapan harus berpindah jalur, untuk menghindari memotong pengemudi lain atau tertabrak mobil terdekat.

Tetapi informasi sederhana tentang masa lalu ini hanya bersifat sementara. Mereka tidak disimpan sebagai bagian dari pustaka pengalaman mobil yang dapat dipelajarinya, cara pengemudi manusia mengumpulkan pengalaman selama bertahun-tahun di belakang kemudi.

Jadi bagaimana kita bisa membangun sistem AI yang membangun representasi penuh, mengingat pengalaman mereka, dan mempelajari cara menangani situasi baru? Brooks benar bahwa sangat sulit untuk melakukan ini. Penelitian saya sendiri tentang metode yang diilhami oleh evolusi Darwinian dapat mulai menutupi kekurangan manusia dengan membiarkan mesin membangun representasi mereka sendiri.

3. TEORI PIKIRAN (THEORY OF MIND)

Kita mungkin berhenti di sini, dan menyebut poin ini sebagai pemisah penting antara mesin yang kita miliki dan mesin yang akan kita buat di masa depan. Namun, akan lebih baik jika lebih spesifik untuk mendiskusikan jenis mesin representasi yang perlu dibentuk, dan tentang apa yang mereka perlukan.

Mesin di kelas berikutnya, yang lebih maju, tidak hanya membentuk representasi tentang dunia, tetapi juga tentang agen atau entitas lain di dunia. Dalam psikologi, ini disebut “teori pikiran” – pemahaman bahwa orang, makhluk, dan objek di dunia dapat memiliki pikiran dan emosi yang memengaruhi perilaku mereka sendiri.

Ini penting untuk bagaimana kita manusia membentuk masyarakat, karena mereka memungkinkan kita untuk melakukan interaksi sosial. Tanpa memahami motif dan niat satu sama lain, dan tanpa mempertimbangkan apa yang diketahui orang lain tentang saya atau lingkungan, bekerja sama paling sulit, paling tidak tidak mungkin.

Jika sistem AI memang pernah berjalan di antara kita, mereka harus dapat memahami bahwa kita masing-masing memiliki pemikiran dan perasaan serta harapan tentang bagaimana kita akan diperlakukan. Dan mereka harus menyesuaikan perilakunya.

4. KESADARAN DIRI (SELF-AWARENESS)

Langkah terakhir pengembangan AI adalah membangun sistem yang dapat membentuk representasi tentang diri mereka sendiri. Pada akhirnya, kami para peneliti AI tidak hanya harus memahami kesadaran, tetapi juga membangun mesin yang memilikinya.

Ini, dalam arti tertentu, merupakan perpanjangan dari “teori pikiran” yang dimiliki oleh kecerdasan buatan Tipe III. Kesadaran juga disebut “kesadaran diri” karena suatu alasan. (“Saya ingin barang itu” adalah pernyataan yang sangat berbeda dari “Saya tahu saya menginginkan barang itu.”) Makhluk sadar sadar akan diri mereka sendiri, tahu tentang keadaan internal mereka, dan mampu memprediksi perasaan orang lain. Kami menganggap seseorang yang membunyikan klakson di belakang kami saat lalu lintas marah atau tidak sabar, karena itulah yang kami rasakan saat membunyikan klakson pada orang lain. Tanpa teori pikiran, kita tidak bisa membuat kesimpulan semacam itu.

Meskipun kita mungkin jauh dari menciptakan mesin yang sadar diri, kita harus memfokuskan upaya kita untuk memahami ingatan, pembelajaran, dan kemampuan untuk mendasarkan keputusan pada pengalaman masa lalu. Ini adalah langkah penting untuk memahami kecerdasan manusia itu sendiri. Dan sangat penting jika kita ingin merancang atau mengembangkan mesin yang lebih dari luar biasa dalam mengklasifikasikan apa yang mereka lihat di depannya.


Bacaan Lainnya

Unduh / Download Aplikasi HP Pinter Pandai

Respons “Ooo begitu ya…” akan lebih sering terdengar jika Anda mengunduh aplikasi kita!

Siapa bilang mau pintar harus bayar? Aplikasi Ilmu pengetahuan dan informasi yang membuat Anda menjadi lebih smart!

Sumber bacaan: Britannica, Government Technolgy

Pinter Pandai “Bersama-Sama Berbagi Ilmu”
Quiz | Matematika | IPA | Geografi & Sejarah | Info Unik | Lainnya | Business & Marketing

By | 2020-09-18T03:07:59+07:00 Juni 8th, 2018|IPA|0 Comments

Leave A Comment