1. kecerdasan komputasional

Pertemuan 1

Kecerdasan Buatan vs

Kecerdasan Komputasional

PENDAHULUAN

komputer telah dapat menirukan banyak kemampuan yang

dimiliki manusia, seperti menyentuh, menggenggam, menghitung,

berbicara, mengingat, membandingkan angka dan menggambar.

Para ilmuwan komputer terus berusaha meningkatkan

kemampuan dengan mengembangkan software maupun

hardware yang dapat menirukan tingkah laku manusia.

Area riset yang dikenal dengan Artificial Intellegence (AI) atau

Kecerdasan Buatan.

Kecerdasan Buatan meliputi peciptaan sebuah sistem yang

memiliki kemampuan untuk menalar, meningkatkan kemampuan

dirinya, dan menirukan sistem sensor serta kemampuan mekanis

manusia.

PENDAHULUAN

komputer tidak bisa menirukan kemampuan manusia untuk menilai

kreativitas, rasa humor, dan emosi seseorang.

komputer mampu mengendalikan mesin yang dapat meniru gerakan

manusia

Hal ini memungkinkan kita berkomunikasi dengan komputer dan

memberikan otak pada suatu sistem yang menirukan sistem

pemikiran manusia di bidang tertentu.

PENDAHULUAN

dalam dunia komputer dikenal Kecerdasan Komputasional atau

Computational Intellegence (CI).

Kecerdasan Komputasional merupakan bagian dari disiplin Ilmu

Komputer untuk menyelesaikan permasalahan yang non-

algoritmizable.

Kecerdasan Komputasional merupakan bagian dari Kecerdasan

Buatan yang berfokus pada masalah-masalah kognitif yang lebih

tinggi.

Sedangkan Kecerdasan Komputasional berfokus pada masalah-

masalah yang berkaitan dengan persepsi dan kontrol, atau pada

masalah-masalah kognitif yang lebih rendah.

Kecerdasan Buatan

Marvin Minsky

Kecerdasan Buatan adalah sebuah disiplin ilmu untuk membuat mesin melakukan banyak hal yang memerlukan kecerdasan jika dilakukan oleh manusia.

H. A. Simon

Kecerdasan Buatan merupakan area riset, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas.

Rich and Knight

Kecerdasan Buatan merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.

Encyclopedia Britannica

Kecerdasan Buatan merupakan cabang dari Ilmu Komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan.

Menurut Winston dan Prendergast, tujuan dikembangkannya

Kecerdasan Buatan :

Membuat mesin menjadi lebih pintar (goal ultimate).

Memahami apa itu kecerdasan (scientific research).

Membuat mesin menjadi lebih bermanfaat (goal entrepreuneurial).

Kecerdasan Buatan

perspektif Kecerdasan (Intellegent):

perspektif Bisnis, Kecerdasan Buatan adalah alat bantu (tools)

yang berdaya guna, dan metodologi yang menggunakan tools

tersebut guna menyelesaikan maslah-masalah bisnis.

perspektif Pemrograman (Programming), Kecerdasan Buatan

termasuk di dalamnya adalah studi tentang pemrograman

simbolik, pemecahan masalah, proses pencarian (searching).

perspektif Penelitian (Research), Kecerdasasn Buatan

merupakan area riset yang dimulai pada tahun 1960 dengan

pertama kali melakukan membuat program games catur,

membuktikan teori, dan melakukan tugas-tugas sederhana

(general problem solving)

Kecerdasan Buatan

Domain penelitian dalam Kecerdasan Buatan:

Formal task (mathematics, games)

Mundane task (perception,robotics, natural language,common sense,

reasoning)

Experts task (financial analysis, medical diagnostic, engineering,

scientific analysis)

Kecerdasan Buatan

Turing Test

Turing Test merupakan sebuah metode pengujian kecerdasan

yang dibuat oleh Alan Turing.

Proses uji ini melibatkan seorang penanya (manusia) dan dua

objek yang ditanya (mesin). Penanya tidak bisa langsung melihat

kepada objek yang ditanya.

Penanya diminta untuk membedakan mana jawaban komputer

dan mana jawaban manusia berdasarkan jawaban kedua objek

tersebut.

Jika penanya tidak dapat membedakan mana jawaban mesin

mana jawaban manusia, maka Turing berpendapat bahwa mesin

yang diuji itu cerdas.

Pemrosesan simbolik

Komputer semula dirancang untuk memproses bilangan atau

angka-angka (pemrosesan numerik).

Sementara itu manusia berpikir dan menyelesaikan masalah

lebih bersifat simbolik, tidak didasarkan kepada sejumlah rumus

atau melakukan komputasi matematis.

Sifat penting dari Kecerdasan Buatan adalah bahwa Kecerdasan

Buatan merupakan bagian dari Ilmu Komputer yang melakukan

proses secara simbolik dan non-algoritmik dalam menyelesaikan

masalah.

Heuristic

heuristic diambil dari bahasa Yunani yang berarti menemukan.

Heuristic merupakan suatu strategi untuk melakukan proses

pencarian (search) ruang problema secara selektif,

memandu proses pencarian yang kita lakukan disepanjang jalur yang

memiliki kemungkinan sukses paling besar.

Penarikan Kesimpulan (Inferencing)

Kecerdasan Buatan mencoba membuat mesin yang memiliki

kemampuan berpikir atau mempertimbangkan (reasoning).

Kemampuan berpikir itu termasuk di dalamnya proses penarikan

kesimpulan (inferencing) berdasarkan fakta-fakta dan aturan-

aturan dengan menggunakan metode heuristic atau metode

pencarian lainnya.

Pencocokan pola (Pattern Matching)

Kecerdasan Buatan bekerja dengan metode pencocokan pola (pattern matching)

berusaha untuk menjelaskan objek, kejadian (events) atau proses, dalam hubungan logika dan kompuasional.


pendekatan yang muncul untuk komputasi secara paralel yang

meniru kemampuan manusia seperti berpikir dan belajar dalam

suatu lingkungan dengan ketidakpastian.

Kecerdasan Komputasional adalah sebuah pendekatan baru

untuk membangun sitem komputasi sistem cerdas yang bertujuan

membantu menyelesaikan permasahan manusia.

Sistem cerdas ini diharapkan memiliki kemampuan seperti

manusia dalam spesifikasi tertentu, dapat beradaptasi secara

mandiri dan belajar agar lebih baik dalam kondisi lingkungan

yang berubah, serta dapat menjelaskan bagaimana keputusan itu

diambil.

Sejarah singkat

Aristoteles (384-322 SM) menjelaskan dan mengkodifikasi gaya

penalaran deduktif, yang ia disebut sebagai silogisme

Ramon Llull (1235-1316) mengembangkan Ars Magna: upaya optimis

untuk membangun sebuah mesin, yang terdiri dari satu set roda,

yang seharusnya bisa menjawab semua pertanyaan.

George Boole (1854), pengembangan tentang dasar-dasar logika

proporsional.

Gottlieb Frege (1879), mengembangkan dasar-dasar kalkulus

predikat.

kalkulus proposisional dan predikat merupakan bagian dari alat AI

pertama.

Turing (1950) mempelajari bagaimana mesin dapat digunakan untuk

meniru proses otak manusia. Studinya salah satu publikasi pertama

AI, berjudul Mesin Cerdas.

Sejarah singkat

Kecerdasan buatan Istilah ini pertama kali diciptakan pada tahun

1956 di konferensi Dartmouth, yang diselenggarakan oleh John

MacCarthy - sekarang dianggap sebagai bapak AI.

1956-1969 banyak penelitian dilakukan dalam pemodelan neuron

biologis.

perhitungan evolusioner (EC) dimulai dengan algoritma genetika

pada 1950-an dengan karya Fraser, Bremermann dan Reed

1960, Rechenberg mengembangkan evolusionery strategy (ES)

Lotfi Zadeh (1964) yang berkontribusi paling besar terhadap bidang

logika fuzzy, menjadi pengembang fuzzy set

Eugene N Marais (1871-1936), yang menghasilkan kontribusi paling

signifikan untuk kawanan intelijen dalam studi tentang perilaku sosial

baik kera dan semut

Pemodelan algoritmik kawanan mendapat momentum pada awal

1990-an dengan karya Marco Dorigo pada pemodelan koloni semut.

Eberhart dan Kennedy (1995) mengembangkan algoritma optimasi

segerombolan partikel sebagai model kawanan burung.

Swarm intelijen masih dalam tahap awal, dan merupakan bidang

yang menjanjikan sehingga aplikasi menarik.

Teori-teori yang berbeda dalam ilmu imunologi terinspirasi model

buatan artificial immune models (AISs) yang berbeda, yang

didasarkan pada teori tertentu pada imunologi atau kombinasi dari

teori yang berbeda.

classical view and theory of clonal selection in natural immune system

dalam sistem kekebalan tubuh alami didefinisikan oleh Burnet

sebagai B-Sel dan Killer-T-Sel dengan reseptor-antigen spesifik.

Sejarah singkat

Paradigma komputasi Kecerdasan Komputasional

Evolutionary Computation

tujuan untuk meniru proses dari evolusi alami, di mana konsep utama

adalah kelangsungan hidup fittest: yang lemah harus mati.

dalam evolusi alam, survival dicapai melalui reproduksi.

Algoritma evolusioner menggunakan populasi individu, di mana

seorang individu disebut sebagai kromosom.

Sebuah kromosom mendefinisikan karakteristik individu dalam

populasi.

Setiap karakteristik yang disebut sebagai gen.

Nilai gen disebut sebagai alele.

Untuk setiap generasi, orang berlomba-lomba untuk mereproduksi

keturunan.

Orang-orang dengan kemampuan bertahan hidup terbaik memiliki

kesempatan terbaik untuk mereproduksi.

Offspring dihasilkan dengan menggabungkan bagian-bagian dari

orang tua, proses yang disebut sebagai crossover.

Setiap individu dalam populasi juga dapat mengalami mutasi yang

mengubah beberapa alel kromosom.

Kekuatan kelangsungan hidup seseorang diukur dengan

menggunakan fungsi fitness yang mencerminkan tujuan dan kendala

dari masalah yang harus dipecahkan.

Setelah setiap generasi, individu dapat mengalami pemusnahan, atau

individu dapat bertahan hidup ke generasi berikutnya (disebut

sebagai elitisme).

Selain itu, karakteristik perilaku (seperti dirumuskan dalam fenotipe)

dapat digunakan untuk mempengaruhi proses evolusi dalam dua

cara: fenotipe dapat mempengaruhi perubahan genetik, dan / atau

karakteristik perilaku berevolusi secara terpisah.

Evolutionary Computation

Beberapa kelas Evolutionary Algorithms (EA)

Genetic algorithms, evolusi model genetik.

Genetic programming, didasarkan pada algoritma genetika, tetapi

individu adalah program (direpresentasikan sebagai pohon).

Evolutionary programming, berasal dari simulasi perilaku adaptif

dalam evolusi (fenotip evolusi).

Evolution strategies, diarahkan pada pemodelan parameter strategi

yang mengontrol variasi dalam evolusi, yaitu evolusi evolusi.

Differential evolution, mirip dengan algoritma genetika, berbeda

dalam mekanisme reproduksi yang digunakan.

Cultural evolution, model evolusi budaya penduduk dan bagaimana

budaya mempengaruhi evolusi genetik dan fenotipik individu.

Coevolution, di mana awalnya individu "bodoh" berkembang melalui

kerja sama, atau dalam persaingan dengan satu sama lain,

memperoleh karakteristik yang diperlukan untuk bertahan hidup.

Swarm Intelligence

berasal dari studi koloni, atau kawanan organisme sosial.

Studi tentang perilaku sosial organisme (individu) dalam kawanan

diminta untuk mendesain optimasi yang sangat efisien dan algoritma

clustering

koreografi cara terbang kawanan burung untuk mendesain particle

swarm optimization (PSO),

Aplikasi PSO meliputi fungsi pendekatan, clustering, optimalisasi

struktur mekanik, dan sistem memecahkan persamaan

studi tentang perilaku mencari makan semut menghasilkan algoritma

ant colony optimization (ACO)

Aplikasi lain dari optimasi koloni semut termasuk optimasi routing

dalam jaringan telekomunikasi, pewarnaan graf, penjadwalan dan

memecahkan masalah penugasan kuadrat

Artificial Immune Systems (AIS)

Natural immune system (NIS) memiliki kemampuan luar biasa untuk

pengenalan pola, digunakan untuk membedakan antara sel-sel asing

yang memasuki tubuh (disebut sebagai non-self, atau antigen) dan

sel-sel milik tubuh (disebut sebagai self).

Ketika NIS bertemu antigen, sifat adaptif dari NIS dipamerkan, NIS

menghafal struktur antigen ini untuk respon antigen yang lebih cepat.

Model dari NIS:

The classical view dari sistem kekebalan tubuh adalah sistem kekebalan

tubuh membedakan antara self dan non- self, menggunakan limfosit yang

diproduksi dalam organ limfoid. Limfosit ini "belajar" untuk mengikat

antigen.

Clonal selection theory, di mana B-sel aktif menghasilkan antibodi

melalui proses kloning. Klon yang dihasilkan juga bermutasi.

Artificial Immune Systems (AIS)

Danger theory, di mana sistem kekebalan tubuh memiliki kemampuan

untuk membedakan antara antigen yang berbahaya dan tidak-berbahaya.

Network theory, diasumsikan bahwa B-Sel membentuk jaringan. Ketika

B-sel merespon antigen, B-sel menjadi aktif dan merangsang semua B-Sel

lain yang terhubung dalam jaringan.

Artificial Immune Systems (AIS) memodelkan beberapa aspek NIS,

dan terutama diterapkan untuk memecahkan masalah pengenalan

pola, untuk melakukan tugas-tugas klasifikasi, dan data klaster.

Salah satu area aplikasi utama AIS adalah untuk deteksi anomali,

seperti deteksi penipuan, dan deteksi virus komputer.

Kecedasan Komputasional bukan merupakan metode tunggal

dalam menghadapi masalah komputasi dunia nyata ini,

sering kali sangat menguntungkan untuk mensinergikan

beberapa teknik komputasi dari pada digunakan secara terpisah.

Ciri khas dari Kecedasan Komputasional ini adalah penekanan

pada partnership atau kerjasama yang saling menguntungkan

dari berbagai metode yang ada,

lebih lanjut gagasan ini disebut Kecedasan Komputasional Hibrid

yang saling mendukung.

Metode ini ibarat pilar, saling mendukung dan bekerjasama

dalam memecahkan suatu permasalahan.


Keunggulan yang diperoleh dari kerjasama metode-metode itu lebih

ditekankan daripada keunggulan individual salah satu daripadanya.

Kekurangan satu metode akan ditutup dengan kelebihan metode

yang lain.

Keunggulan satu metode disumbangkan, sehingga segi-segi positif

dari metode yang ada tersebut dapat dimanfaatkan secara optimal.

Fuzzy-Genetic, Neuro-Genetic, dan sistem Neuro-Fuzzy-Genetic

adalah contoh kombinasi tersebut


Pustaka Jong Jek Siang, 2005, Jaringan Syaraf Tiruan dan Pemrogramannya

Menggunakan Matlab, Andi ,Yogyakarta

Son Kuswadi, 2007, Kendali Cerdas, Teori dan Aplikasi Praktisnya, Andi,Yogyakarta

Thomas Sri Widodo, 2005, Sistem Neuro Fuzzy untuk Pengolahan Informasi, Pemodelan, dan Kendali, Graha Ilmu, Yogyakarta

Sri Kusumadewi, 2002, Analisis & Desain Sistem Fuzzy menggunakan Toolbox Matlab, Graha Ilmu, Yogyakarta

Sri Kusumadewi dan Sri Hartati, 2010, Neuro-Fuzzy Integrasi Sistem Fuzzy dan Jaringan Syaraf, Graha Ilmu, Yogyakarta

Sumathi, S., dan Surekha, P, 2010, Computational Intelligence Paradigms, Theory and Applications using MATLAB, CRC Press, Boca Raton.

Hung T. Nguyen , dkk, 2000, A first course in fuzzy and neural control, CRC Press, Boca Raton.

Engelbrecht, AP. 2007. Computational Intelligence An Introduction Second Edition. John Wiley and Sons, Ltd. Chichester.

1. kecerdasan komputasional

Documents