Rangkuman Pengantar Teknologi Sistem Cerdas
RANGKUMAN
PENGANTAR TEKNOLOGI SISTEM CERDAS
Nama : Ribut Ocktafiani
Kelas : 3KA26
LABORATORIUM
SISTEM INFORMASI
UNIVERSITAS
GUNADARMA
ATA
2016/2017
Pengertian
Artificial Intelligence
Artificial Intelligence (AI) atau
kecerdasan buatan merupakan cabang dari ilmu computer yang khusus ditujukan
untuk membuat software dan hardware yang sepenuhnya bisa menirukan fungsi otak
manusia. Definisi ini menunjukkan bahwa AI adalah bagian dari computer sehingga
harus didasarkan pada sound theoretical (teori suara) dan prinsip-prinsip
aplikasi dari bidangnya.
Perbedaan
Kecerdasan Buatan dengan Kecerdasan Alami
Selain
kecerdasan buatan, terdapat pula kecerdasan alamiah. Keduanya memiliki
keunggulan masing-masing. Ada beberapa keunggulan kecerdasan buatan dibanding
kecerdasan alamiah, yaitu:
1. Lebih
permanen
2. Memberikan
kemudahan dalam duplikasi dan penyebaran
3. Relatif
murah dari kecerdasan alamiah
4. Dapat
didokumentasi
5. Konsisten
dan teliti
6. Dapat
mengerjakan beberapa task dengan lebih cepat dan lebih baik dibanding manusia
Sedangkan kecerdasan alamiah
memiliki beberapa keuntungan, yaitu :
1. Lebih
kreatif
2. Dapat
melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan
masukan berupa symbol dan representasi
3. Focus
yang luas sebagai referensi untuk pengambilan keputusan, sebaliknya AI
menggunakan focus yang sempit
Kategori Konsep Dasar Artificial
Intelligence
AI memiliki 4 dasar kategori konsep
dasar, yaitu:
·
Acting Humanly : Pedekatan Uji Turing
·
Thinking Humanly : Pendekatan Model
Kognitif
·
Thinking Rationally : The Laws of
Thought Approach
·
Acting
Rationally : The Rational Agent Approach
Disiplin
Ilmu Sub Bagian dalam Artificial Intelligence
Lingkup utama dalam Kecerdasan Buatan adalah :
1. Sistem Pakar
(Expert System
2. Pengolahan Bahasa
Alami (Natural Language Processing)
3. Pengenalan Ucapan
(Speech Recognition)
4. Robotika &
Sistem Sensor (Robotic & Sensory System)
5. Computer Vision
6. Intelligent
Computer-aided Instruction
7. Game Playing
Kami
juga telah mendefinisikan AI sebagai studi tindakan rasional, yang berarti
bahwa perencanaan yaitu merancangkan rencana aksi untuk mencapai satu tujuan adalah
bagian penting dari AI. Dalam bab ini kami memperkenalkan representasi
perencanaan masalah yang tidak dapat ditangani dengan pendekatan-pendekatan
sebelumnya. Yaitu Classical Planning atau Perencanaan Klasik.
Definisi
Perencanaan Klasik
Classical
Planning atau Perencanaan klasik berkonsentrasi pada masalah-masalah yang mana
kebanyakan tindakan meninggalkan hal-hal yang kebanyakan tidak berubah. Serangkaian
tindakan (variabel-free) tanah dapat diwakili oleh skema tindakan. Skema adalah representasi mengangkat — itu mengangkat
tingkat penalaran dari logika propositional untuk subset terbatas logika urutan
pertama. Contoh
·
Transportasi kargo udara
·
Masalah ban
serep
·
Blok dunia
·
Kompleksitas
klasik perencanaan
Algoritma Untuk
Perencanaan Sebagai Ruang Negara-Cari
·
Cari ruang negara-maju (kemajuan)
Pencarian pertama, maju rentan terhadap menjelajahi
tindakan-tindakan yang tidak relevan. Kedua, perencanaan masalah yang sering memiliki ruang besar
negara.
·
Mundur
(regresi) Cari relevan-negara
Dalam
pencarian Regresi yang dimulai dari tujuan dan menerapkan tindakan mundur,
sampai ditemukannya urutan langkah-langkah untuk pencapaian negara yang
relevan. Secara umum, pencarian backward bekerja ketika kita tahu bagaimana
untuk mundur dari suatu keadaan. PDDL dirancang untuk membuat mudah tindakan
kemunduran, jika sebuah domain dapat dinyatakan dalam PDDL, maka kita dapat
melakukan regresi.
·
Heuristik untuk perencanaan
Ide
utama dalam mendefinisikan heuristik adalah dekomposisi, yaitu membagi masalah
menjadi beberpa bagian-bagian yang lebih kecil (subgoal), lalu memecahkan
setiap bagian (subgoal) secara independen, setelah setiap masalah pada bagian
tadi sudah diselesaikan, maka kemudian menggabungkan bagian-bagian tadi menjadi
satu kesatuan
Perencanaan Graf
Graph Plan
adalah algoritma yang diterapkan ke salah satu teknik pencarian. Untuk mencari
solusi atas ruang yang dibentuk oleh grafik perencanaan.
Pendekatan Perencanaan Klasik Lainnya
Saat ini
pendekatan yang paling populer dan efektif untuk perencanaan otomatis adalah menerjemahkan ke satisfiability
Boolean masalah (SAT), teruskan pencarian negara-ruang dengan heuristik dengan
hati-hati (Pasal 10.2), cari menggunakan grafik perencanaan.
·
Perencanaan klasik sebagai Boolean
satisfiability
Terjemahan
adalah serangkaian langkah-langkah sederhana, langkah-langkah sederhana terdiri
dari propositionalize tindakan, tentukan keadaan awal, propositionalize tujuan,
tambahkan aksioma penerus-negara, tambahkan aksioma prasyarat, tambahkan
aksioma tindakan pengecualian.
Kalkulus Situasi PDDL adalah bahasa yang dengan hati-hati menyeimbangkan ekspresi
bahasa dengan kompleksitas algoritma yang beroperasi di atasnya
·
Perencanaan
sebagai kendala kepuasan
Kita telah melihat bahwa
kepuasan kendala memiliki banyak kesamaan dengan Boolean Satisfiability, dan
kita telah melihat bahwa CSP teknik efektif untuk penjadwalan masalah, sehingga
tidak mengherankan bahwa CSP mungkin untuk merumuskan masalah perencanaan yang
dibatasi (yaitu, masalah dalam mencari rencana panjang k) sebagai sebuah CSP.
·
Perencanaan
sebagai penyempurnaan sebagian memerintahkan rencana
Semua pendekatan untuk membangun rencana yang
benar-benar terdiri dari urutan tindakan ketat.
Analisis
Pendekatan Perencanaan
Perencanaan
menggabungkan dua bidang utama dari AI yaitu pencarian dan logika. Sebuah
perencanaan dapat dilihat baik sebagai sebuah program yang mencari solusi atau
sebagai salah satu yang membuktikan solusi. Perencanaan adalah latihan dalam
mengendalikan ledakan kombinatorial. Sebuah perencana yang menggunakan trik
bawah-ke-atas dapat memecahkan masalah dalam dunia blok tanpa backtracking.
Referensi:
Referensi:
Komentar
Posting Komentar