1 PENGERTIAN AI
ARTIFICIAL INTELLIGENCE (AI, kecerdasan buatan) telah menjadi salah satu cabang riset yang sangat aktip dan produktip bagi para ilmuwan dibidang masing-masing. Suatu peralatan modern canggih berupa: mesin, software, permainan, dan seterusnya, bila tidak mengandung AI, akan terasa cemplang atau tawar. Para ahli menyepakati bahwa AI menangani antara lain dua hal pokok yaitu:
- AI mempelajari proses penalaran manusia (untuk memahami apakah arti cerdas itu).
- Bagaimana merepresentasikan proses penalaran itu lewat mesin (komputer, robot, dsb.)
Lalu apakah yang disebut perilaku cerdas? Berikut ini beberapa ciri kemampuan yang menandai kecerdasan yang diadopsi dari definisi cerdas:
- Mampu belajar dari pengalaman
- Tanggap terhadap situasi baru secara cepat dan sukses
- Menggunakan nalar dalam pemecahan masalah sekaligus mengarahkan perilaku secara efektip
- Mampu menggunakan pengetahuan untuk memanipulasi lingkungan
- Bernalar dan berakal sehat.
Mengenai definisi AI, berbagai definisi telah dikemukakan para ahli, antara lain adalah:
- Sebuah studi tentang bagaimana membuat komputer mengerjakan sesuatu yang dapat dikerjakan manusia (Rich, 1991)
- Suatu perilaku sebuah mesin yang jika dikerjakan oleh manusia akan disebut cerdas (Turing, et. al, 1996)
- Cabang dari computer science yang menangani bagaimana cara merepresentasikan pengetahuan dengan menggunakan simbol-simbol daripada angka-angka dan melibatkan heuristik (pengalaman) sebagai metode pemrosesan informasi (Encylopedia Britannica).
2 PENALARAN MANUSIA
Manusia memecahkan masalah melalui kombinasi antara fakta dan pengetahuan (knowledge). Penalaran (reasoning) adalah proses yang berhubungan dengan pengetahuan, fakta, dan strategi pemecahan masalah (problem solving) untuk mendapatkan konklusi/penyelesaian. Berbagai metode penalaran yang lazim adalah deduksi, induksi, abduktip, analogi, dan akal sehat, berikut ini penjelasan singkatnya.
Deduksi (deduction)
Manusia menggunakan deduksi untuk mendapatkan informasi baru dari informasi yang sudah diketahui (pengetahuan) yang ada relasinya. Penalaran deduksi menggunakan fakta-fakta dari masalah yang ada dan pengetahuan umum yang sesuai yang pada umumnya berbentuk aturan (rules) atau implikasi (implications), jadi dari hal yang umum, dikenakan pada hal yang khusus, model deduksi adalah:
Fakta + Rule à Efek dengan rule dalam bentuk:
If <cause/premise> then <effect/conclusion>
Jika <sebab/premis> Maka <akibat/konklusi>
Sebagai contoh:
Aturan/implikasi: Jika saya berdiri di hujan, maka saya akan basah.
Fakta/premis : saya berdiri di hujan
Konklusi : saya akan basah
Penalaran deduksi sangat menarik secara logika dan merupakan teknik solusi masalah yang paling umum digunakan oleh manusia. Aturan inferensi (penyimpulan) yang disebut modus ponens adalah bentuk dasar dari penalaran deduksi dengan formula sbb.:
Jika A adalah benar, dan Jika A maka B adalah benar, maka B adalah benar
Induksi (Induction)
Manusia menggunakan induksi untuk mendapatkan kesimpulan umum (general conclusion) dari sekumpulan/himpunan fakta melalui proses generalisasi. Ini bagaikan transisi dari jumlah sedikit ke semua. Model induksi adalah:
Cause + Effect à Rule
Proses induksi dijelaskan oleh Firebaugh (1988) sbb.:
Untuk suatu himpunan objek X = {a,b,c,d, …}, jika sifat P adalah benar untuk a, dan jika sifat P adalah benar untuk b, dan jika sifat P adalah benar untuk c, …, maka sifat P adalah benar untuk semua X.
Sebagai contoh:
Fakta/premis : aluminium dipanaskan memuai
Fakta/premis : besi dipanaskan memuai
Fakta/premis : tembaga dipanaskan memuai
Konklusi : secara umum, semua besi bila dipanaskan akan memuai
Abduktip (Abductive)
Abduktip adalah bentuk deduksi yang memungkinkan menarik kesimpulan yang bersifat “plausible”. Plausible (masuk akal) adalah konklusi yang ditarik dari informasi yang tersedia, namun ada kemungkinan konklusi itu salah, jadi model abduktip adalah:
Jika B adalah benar, dan Jika A maka B adalah benar, maka A adalah benar?
Atau effect + rule à cause
Sebagai contoh:
Aturan : Tanah basah jika hari hujan.
Fakta : Tanah basah.
Konklusi : Hari hujan?
Jadi, diberikan fakta satu-satunya bahwa tanah basah, penyimpulan plausible menghasilkan konklusi hari hujan. Padahal, konklusi ini bisa salah, karena ada banyak hal yang menyebabkan tanah basah, misalnya seseorang siram-siram tanaman. Abduktip, sebagai salah satu metode penalaran, sering dipakai oleh dokter dalam mendiagnose pasien, maka diagnose dapat saja salah.
Analogi
Manusia membentuk model mental tentang konsep melalui pengalaman. Manusia menggunakan model ini melalui penalaran analogi untuk membantu memahami suatu masalah/situasi. Mereka lalu menarik analogi diantara masalah dan model, mencari kesamaan dan perbedaan untuk dapat menyimpulkan.
Sebagai contoh:
Misalkan seorang dokter yang sudah puluhan tahun praktek, maka pengalamannya dalam bentuk kasus-kasus sudah sedemikian banyaknya. Bila kasus-kasus tersebut dapat disimpan secara cerdik dalam database kasus, maka dapat dipergunakan untuk menyelesaikan masalah baru bagi pasien baru tanpa dokter itu hadir (otomasi). Pasien baru memasukan karakter berikut data-data (keluhan) dari sakitnya, kemudian sistem mencari kasus pasien lama yang serupa keluhannya untuk ditampilkan solusinya, yaitu obat beserta dosisnya. Pengalaman adalah guru terbaik, maka pengalaman perlu disimpan secara cerdik untuk memecahkan persoalan baru yang mirip!
Akal Sehat (Common-sense)
Lewat pengalaman, manusia belajar memecahkan persoalan secara effisien. Mereka menggunakan akal sehat untuk dengan cepat menarik kesimpulan. Akal sehat lebih cenderung berdasar pada kebijakan-kebijakan (judgments) yang baik daripada logika yang eksak. Contoh akal sehat adalah: Di suatu bengkel ditemukan suara klik-klik-klik dalam mesin sepeda motor, seorang montir yang berpengalaman, tanpa membongkar mesinnya, langsung dapat menyimpulkan bahwa ring piston pada silinder mesin itu perlu diganti. Pengetahuan akal sehat ini diperoleh dari pengalamannya mengerjakan banyak sepeda motor selama bertahun-tahun. Jenis pengetahuan seperti ini disebut sebagai heuristik (heuristic) atau rule-of-thumb. Akal sehat tidak menjamin ditemukannya solusi, namun ia menjamin kecepatan menemukan solusi.
Penalaran Tidak Monoton (non-monotonic)
Penalaran pada suatu masalah pada umumnya menggunakan informasi yang statis, artinya selama melakukan penyelesaian masalah, keadaan (nilai benar atau salah) bermacam fakta dianggap tetap konstan. Penalaran semacam ini disebut sebagai penalaran monoton (monotonic reasoning). Dalam beberapa masalah, ditemukan bahwa keadaan beberapa fakta (variabel) bersifat dinamis, sebagai ilustrasi adalah aturan sbb.:
IF Angin berhembus
THEN Kursi goyang akan berayun
Kemudian coba amati kejadian berikut, lalu apa yang terjadi dengan aturan diatas:
Hei, ada angin topan! à ada Angin berhembus à Kursi berayun
Seiring berlalunya angin topan, kita berharap kursi berayun. Namun, saat angin topan telah berlalu, kita berharap bahwa kursi sudah berhenti berayun. Namun sistem yang menggunakan penalaran monoton akan tetap menganggap bahwa kursi tetap berayun!
Manusia dengan ke enam inderanya tidak merasa sulit untuk mengikuti perubahan status informasi variabel yang dinamis. Bila terjadi perubahan yang dinamis, mereka dengan mudah menyesuaikan diri. Gaya penalaran semacam ini disebut penalaran yang tidak monoton. Untuk bidang AI, seperti expert system, dibutuhkan suatu sistem untuk memelihara kebenaran yang dinamis bila ingin melakukan penalaran yang tidak monoton.
3 ARTIFISIAL VERSUS NATURAL INTELIGENSIA
Nilai potensial/ekonomis AI dapat lebih dimengerti apabila dikontraskan dengan kecerdasan natural. Dibanding inteligensia alami, AI mempunyai keuntungan antara lain:
- AI permanen. Inteligensi yang disimpan pada komputer tidak akan bisa hilang/lupa, sedangkan inteligensi seorang manusia lambat laun akan hilang/pikun karena usia, atau bahkan hilang karena meninggal, atau berpindah tempat karena pindah kerja.
- AI tidak mengenal lelah. Inteligensi natural tidak mungkin bekerja terus menerus setiap hari tanpa istirahat, sedangkan AI boleh dikatakan dapat digunakan sepanjang hari terus menerus tanpa istirahat.
- AI mudah diduplikasi. Memindahkan inteligensi natural melalui pendidikan sangat membutuhkan waktu yang lama sekali, sebagai gambaran seorang dokter harus belajar lebih dari 6 tahun sebelum diijinkan buka praktek sendiri. AI, karena merupakan suatu software, maka dapat diperbanyak dengan mudah dan dengan cepat sekali, sehingga muncul ungkapan AI adalah mass production (produksi masal) dari kecerdasan dibidang tertentu.
- AI dapat bersifat any one, any time, dan any where. Dengan menempatkan software yang cerdas di internet, maka siapa saja, kapan saja, dan dimana saja (asal dapat ijin) dapat menggunakan kecerdasan artifisial itu; sedangkan seorang pakar hanya bekerja pada satu tempat pada saat yang bersamaan.
- AI dapat bekerja di tempat yang berbahaya. Bila tempat kerja membahayakan keselamatan seorang pekerja, misal di bawah tanah, di luar angkasa, di bawah laut, atau di tempat mengandung gas beracun, maka suatu sistem berbasis ineligensi buatan dapat menggantikan peran manusia.
- AI bersifat konsisten dan menyeluruh. Kecerdasan alami adalah erratic (berbuat error/kesalahan), karena manusia bersifat eratik juga. Kemampuan seorang ahli dalam memecahakan masalah sangat dipengaruhi oleh faktor dari luar seperti intimidasi, perasaan kejiwaan, subjektip, emosi, faktor ekonomi ataupun perasaan tidak suka, dengan demikian perilaku cerdasnya sering tidak konsisten. AI, karena berupa teknologi komputer, tidak mempunyai sifat demikian.
- AI lebih cepat dan lebih teliti. Kemampuan berhitung suatu prosesor adalah luar biasa ditinjau dari sisi kecepatan dan ketelitian, disamping itu kemampuan untuk dapat membedakan warna yang jumlahnya jutaan juga luar biasa, oleh sebab itu AI memungkinkan untuk bekerja lebih cepat dan lebih teliti dari pada manusia.
- AI lebih murah. Biaya menggaji seorang pakar jauh lebih mahal bila dibandingkan dengan menggunakan software yang cerdas. Software yang cerdas boleh dikatakan hanya membutuhkan biaya hanya pada awal pembuatannya.
- AI dapat didokumentasikan. Rekomendasi/keputusan komputer dapat dengan mudah didokumentasikan dengan melacak aktivitas atau jalannya program. Sebaliknya, inteligensi natural sulit dilacak, sering terjadi seorang pakar tidak dapat mengulang tindakannya yang sukses yang barusan dikerjakan, atau sulit sekali untuk mengingat proses pemecahan masalah beserta asumsi-asumsinya dari apa yang barusan ia lakukan.
4 KEUNTUNGAN INTELIGENSI NATURAL
Melihat keunggulan AI terhadap intelegensi natural (IN), apakah manusia menjadi “bawahan” AI dan berkecil hati? Tentu saja tidak. Berikut ini adalah keuntungan inteligensi natural terhadap AI yang membuat manusia tetap unggul terhadap hasil kreasinya yaitu AI:
- IN adalah kreatip, sedangkan AI masih bersifat pasif dalam pengertian tidak mempunyai inspirasi. Kemampuan mengembangkan knowledge bagi seorang manusia adalah sifat inherent (melekat), sedangkan AI tidak, knowledge harus dibuat dan dimasukan kedalam sistem secara sengaja dan hati-hati.
- IN dilengkapi dengan sensor indera yang luar biasa (panca indera plus indera ke enam), sedangkan AI seringkali masih membutuhkan input berupa simbol-simbol. Panca indera dan nuansa perasaan seperti asmara, benci, gembira dan sedih, serta indera pembauan (harum dan busuk) masih belum mampu ditirukan.
- Manusia dapat menalar atas dasar context of experience (berdasar konteks pengalaman), sedangkan AI belum mampu bersikap atas dasar context of experience, misal sebuah robot di tempat pelayatan yang bernuansa sedih tetap bernyanyi-nyanyi, sedangkan manusia mampu bersikap sedih atas dasar konteks pengalamannya.
5 PERBANDINGAN PROGRAM AI DENGAN PROGRAM
KOMPUTER KONVENSIONAL
Pada awalnya komputer diciptakan untuk mengolah angka, maka pada umumnya program komputer konvensional prosesnya berbasis algoritma, yakni formula matematis atau prosedur sekuensial yang mengarah kepada suatu solusi. Algoritma tersebut dikonversi ke program komputer yang memberitahu komputer secara pasti instruksi apa yang harus dikerjakan. Kemudian, algoritma menggunakan data seperti angka, huruf, atau kata untuk menyelesaikan masalah.
Mengingat manusia cenderung bernalar dengan menggunakan simbol-simbol daripada angka, maka perangkat lunak AI lebih berbasis representasi pengetahuan dengan kekuatan pada manipulasi simbolik ketimbang angka. Di sini simbol tersebut berupa huruf, kata, atau angka yang merepresentasikan obyek, proses dan hubungan keduanya. Sebuah obyek bisa jadi seorang manusia, benda, pikiran, konsep, kejadian, atau pernyataan suatu fakta. Menggunakan simbol, kita dapat menciptakan basis pengetahuan yang berisi fakta, konsep, dan hubungan di antara keduanya. Kemudian beberapa proses dapat digunakan untuk memanipulasi simbol tersebut untuk menghasilkan nasehat atau rekomendasi untuk penyelesaian suatu masalah.
Program komputer konvensional prosesnya berbasis algoritma, yakni formula matematis atau prosedur sekuensial yang mengarah kepada suatu solusi. Algoritma tersebut dikonversi ke program komputer yang memberitahu komputer secara pasti instruksi apa yang harus dikerjakan. Algoritma yang dipakai kemudian menggunakan data seperti angka, huruf, atau kata untuk menyelesaikan masalah. Perbedaan dasar antara AI dengan program komputer konvensional diberikan dalam Tabel 1.
Tabel 1. Perbandingan antara AI dan Program Konvensional
|
ASPEK
|
AI
|
Program Konvensional
|
| Pemrosesan |
Sebagian besar simbolik |
Algoritmik dengan angka |
| Input |
Tidak harus lengkap |
Harus lengap |
| Pendekatan pencarian |
Sebagian beasr heuristic |
Algoritma |
| Penjelasan / explanasi |
Tersedia |
Biasanya tidak tersedia |
| Fokus |
Pengetahuan |
Data |
| Pemeliharaan & peningkatan |
Relative mudah |
Biasanya sulit |
| Kemampuan berpikir secara logis |
Ada |
Tidak ada |
Contoh Conventional vs. AI Programming
Bahasa Pascal – Suatu prosedur untuk menghitung upah
…….
For I := 1 to IMAX Do // I: counter
Begin
Salary [I] := Rate [I] * Hours [I];
Writeln (Names [I], “ “, Salary[I];
End;
…………
Bahasa AI: Prolog – Program sistem diagnosa kesehatan
domains
disease, indication, name = symbol
predicates
hypothesis(name, disease)
symptom(name, indication)
clauses
symptom (Charlie, fever). symptom (Charlie, rash).
symptom (Charlie, headache).
hypothesis (Patient, flu):-
symptom (Patient, fever),
symptom (Patient, headache),
symptom (Patient, fever).
hypothesis (Patient, measles):-
symptom (Patient, fever).
symptom (Patient, fever).
symptom (Patient, fever).
hypothesis (…., ….):-
etc.
6 TIGA KELOMPOK AI
AI telah menjadi salah satu cabang riset yang sangat aktip dan produktip bagi para ilmuwan dibidang komputer dan psikologi lebih dari 50 tahun. AI dapat dikelompokan menjadi tiga kelompok sebagai berikut:
– Sistem berbasis pengetahuan (knowledge-based systems, KBS): model dinyatakan secara eksplisit dan dibangun menggunakan kata dan simbol
– Inteligensia berbasis komputasi (Computational intelligence, CI): model secara implisit yang dinyatakan dengan teknik-teknik numerik.
– Hybrid (campuran).
KBS meliputi teknik-teknik seperti rule-based, case-based reasoning, dan induction systems. Karena pengetahuan dimodelkan secara eksplisit dengan menggunakan kata dan simbol, ia dapat dibaca dan dimengerti oleh manusia. Meskipun teknik berbasis simbol telah mengalami sukses untuk domainnya yang relatip sempit, namun ia tetap mengandung keterbatasan dalam hal kemampuan yakni sebatas mengatasi situasai-situasi yang telah dimodelkan secara eksplisit. Model simbolik pada umumnya kurang baik untuk mengatasi masalah yang belum familiar.
CI berusaha mengatasi kelemahan kelompok KBS dengan cara membuat suatu model berbasis pada pengamatan dan pengalaman. Dalam hal ini, pengetahuan tidak secara eksplisit dinyatakan melainkan direpresentasikan melalui angka-angka (numeris) yang dapat disesuaikan seiring dengan bertambahnya ketelitian dari sistem. Termasuk dalam kategori ini adalah neural networks, genetic algorithms dan algoritma optimasi yang lain, serta teknik untuk mengatasi ketidak pastian seperti fuzzy logic. Induction systems mengandung perhitungan numeris, sehingga dapat pula dikelompokan pada CI. CI juga sering disebut sebagai soft computing, yaitu bidang AI yang difokuskan untuk mengatasi ketidak pastian (uncertainty), ketidak tepatan (imprecise), ambigu (ambigous), dan kabur (fuzzy) atau secara singkat untuk permasalahan yang abu-abu (grey area). Bukankah dunia ini penuh grey area?
Kelompok hibrid adalah campuran antara sesama unsur KBS atau sesama unsur CI atau kombinasi antara unsur KBS dengan unsur CI. Tujuan penggabungan ini adalah untuk membuat suatu sistem paduan yang lebih hebat dari pada unsur-unsur sistem itu bila berdiri sendiri, jadi perpaduan ini diharapkan akan mengatasi kelemahan masing-masing kelompoknya. Berbagai kombinasi telah banyak dilakukan, misalnya: gabungan antara expert systems dan neural networks, fuzzy logic dengan neural networks, dan case-based reasoning systems dengan expert systems.
7 BIDANG APLIKASI AI
Penerapan AI meliputi berbagai bidang seperti ditunjukkan pada bagian cabang dari pohon AI pada Gambar 1, sedangkan induk keilmuan AI dapat dilihat pada akar dari pohon AI yang antara lain meliputi: Bahasa/linguistik, Psikologi, Filsafat, Matematik, Teknik Elektro, Ilmu Komputer, dan Ilmu Manajemen. Bidang aplikasi AI yang umum ditemui saat ini antara lain adalah:
Sistem Pakar (Expert Systems), yaitu program konsultasi (advisory) yang mencoba menirukan proses penalaran seorang pakar/ahli dalam memecahkan masalah yang rumit. Sistem Pakar merupakan aplikasi AI yang paling tua dan banyak dikembangkan. Jadi dalam hal ini kepakaran manusia seolah-olah dipindahkan kedalam hardisk komputer.
Case Based Reasoning (CBR). CBR adalah suatu pendekatan untuk mendapatkan solusi dengan menggunakan acuan solusi problem-problem terdahulu untuk memecahkan problem yang baru. Jadi, CBR memecahkan masalah baru dengan menggunakan solusi masalah lama yang serupa atas dasar analogi. CBR dapat diibaratkan memindahkan database kasus-kasus yang telah dimiliki oleh seorang pakar kedalam hardisk komputer untuk dipakai menyelesaikan kasus baru yang serupa.
Image and Vision System
Mengingat komputer mampu mengenal jutaan warna, mampu mengenal pola, serta mempunyai resolusi yang tinggi (pixel) maka aplikasi yang berhubungan gambar, warna dan pola sangat banyak ditemukan. Sistem citra dan pandang dikembangkan di universitas Massachusetts, dalam bentuk image baik warna tiga dimensi maupun dua dimensi. Sistem visi memberikan solusi yang baik dari permasalahan yang berhubungan dengan kegiatan manusia sehari-hari, misalnya saat berjalan-jalan disekitar rumah, mata dan otak akan bekerja membentuk sistem vision yang kompleks, dengan demikian seseorang tersebut akan mengenali serta membedakan satu objek dengan yang lainnya bahkan gerakan dari suatu objek dan mengevaluasi bentuk (halus, kasar, mengkilap, transparan, dan lain sebagainya). Tujuan utama dari komputer visi adalah untuk menerjemahkan suatu pemandangan/citra. Komputer visi banyak dipakai dalam kendali kualitas produk industri dan kedokteran.
Pemrosesan Bahasa Alami (Natural Language Processing), yaitu program yang memberi kemampuan pada komputer untuk berkomunikasi dengan user dengan menggunakan bahasa manusia yang alami seperti dalam bahasa Indonesia, Inggris, Jepang atau yang lainnya. Natural Language Processing berkesimpulan jika seseorang dapat mendefinisikan semua pola tersebut dan menjelaskannya pada komputer maka hal ini akan mempermudah seseorang untuk mempelajari mesin komputer tentang bagaimana berbicara dengan komputer dan memahami maksudnya, karena komunikasi dapat dilakukan melalui tata bahasa yang sederhana ketimbang menggunakan aturan-aturan atau tata bahasa pemrograman komputer rumit dan njlimet (complicated). Alangkah indahnya bila suatu saat mendatang user hanya mengetikkan kalimat melalui keyboard dengan bahasa alami dan komputer dapat mengerti apa maksud kalimat yang diketikkan tersebut.
Voice Recognition (Pengenalan Suara)
Voice recognition adalah teknik agar komputer dapat mengenali dan memahami bahasa ucapan. Proses ini mengijinkan seseorang berkomunikasi dengan komputer dengan cara berbicara kepadanya. Istilah “pengenalan suara” mengandung arti bahwa tujuan utamanya adalah mengenai kata yang diucapkan tanpa harus tahu artinya, di mana bagian itu merupakan tugas “pemahaman suara”. Secara umum prosesnya adalah usaha untuk menerjemahkan apa yang diucapkan seorang manusia menjadi kata-kata atau kalimat yang dapat dimengerti oleh komputer. Hal ini didasari oleh pemikiran para ahli bagaimana jika user hanya mendiktekan kalimat melalui speaker dan komputer dapat mengerti apa maksud kalimat yang diucapkan tersebut.
Gambar 1. Pohon AI dan aplikasi utamanya
Sistem Sensor dan Robotika.
Robot merupakan gabungan dari unsur sperti: sistem mekanis, sistem visi dan pencitraan, dan sistem pengolahan sinyal. Sebuah robot, yaitu perangkat elektromekanik yang diprogram untuk melakukan tugas manual, tidak semuanya merupakan bagian dari AI. Robot yang hanya sekedar melakukan aksi atas dasar switch-switch mekanis/elektris dikatakan sebagai robot bodoh yang tidak lebih pintar dari sekedar lift. Robot yang cerdas biasanya mempunyai perangkat sensor, seperti kamera, yang mengumpulkan informasi mengenai operasi dan lingkungannya. Kemudian bagian AI robot tersebut menerjemahkan informasi tadi dan merespon serta beradaptasi jika terjadi perubahan lingkungan.
Intelligent Tutoring/Intelligent Computer-Aided Instruction (CAI)
CAI adalah komputer yang mampu mengajari manusia. Belajar melalui komputer sudah lama digunakan, namun dengan menambahkan aspek kecerdasan di dalamnya, dapat tercipta komputer “guru” yang dapat mengatur teknik pengajarannya untuk menyesuaikan dengan kebutuhan “murid” secara individiual. Unsur sistem database dan query yang canggih sangat dominan dalam CAI. Sistem ini juga mendukung pembelajaran bagi orang yang mempunyai kekurangan fisik atau kelemahan belajar. Kelebihan CAI ini, yaitu : material dapat diatur sesuai dengan kebutuhan/kemampuan pemakai, perbaikan dapat langsung diberikan, umpan balik secara cepat, pengajaran yang konsisten, materi belajar mudah diedit, dan tidak ada batasan lokasi.
Artificial Neural Network (ANN)
ANN merupakan jaringan saraf tiruan, suatu teknologi informasi yang meniru unsur biologi manusia seperti otak dan sistem saraf. ANN mampu belajar seperti seorang bocah, jadi dari tidak tahu sama sekali menjadi tahu sekali, melalui proses pembelajaran. ANN sangat ekselen untuk bidang pengenalan citra, pengklasifikasian, dan penginterpretasian data yang tidak sempurna.
Game Playing (GP, Permainan Game)
Software permainan muncul bagaikan jamur, video game sangat diminati oleh manusia dewasa dan kanak-kanak. Permainan adalah bidang yang bagus untuk menganalisa kecerdasan suatu komputer. Ada dua alasan yang menyebabkan hal tersebut, yaitu : permainan mengandung pola yang terstruktur untuk mencapai kemenangan atau kekalahan dengan mudah, dan permainan membutuhkan strategi yang tepat untuk dapat menang. Permainan dapat diselesaikan dengan pencarian mulai dari posisi start sampai ke posisi menang (winning position). Sebelum melakukan pencarian, posisi-posisi yang sah dalam permainan perlu dibangkitkan terlebih dahulu oleh suatu prosedur. GP dirancang supaya dapat melakukan evaluasi/pencarian solusi ke depan dari posisi awal sampai posisi yang menuju kemenangan. GP yang populer adalah Deep Thought dari IBM, program catur yang dipertandingkan melawan Grand Master Anatoly Karpov dengan hasil remis, luar biasa: suatu software komputer dapat bermain remis dengan seorang professor catur!
Fuzzy Logic (Logika Fazi)
Kata fazi berarti kabur atau samar-samar. Logika fuzzy merupakan suatu cabang logika yang menggunakan derajat keanggotaan kebenaran (dari nol sampai dengan satu), sedangkan logika klasik hanya mengelompokan derajat keanggotaan kebenaran menjadi dua nol (salah) atau satu (benar). Dengan menggunakan sistem inferensi Fuzzy yang didasarkan pada konsep teori fuzzy, aturan fuzzy if-then, dan logika fuzzy, maka diperoleh solusi yang baik dan yang mampu mengikuti perubahan variabel bebas secara halus sekali.
Genetic Algorithm (GA, Algoritma Genetika)
Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi biologis. Prinsip evolusi berbasis “survival of the fittest” (yang menang/bertahan adalah yang kuat/mampu menyesuaikan diri) dimanfaatkan dalam GA. GA cocok sekali untuk persoalan optimasi dengan banyak alternatip solusi. Misalnya menyusun suatu ramuan obat dari berbagai unsur dengan kemungkinan yang banyak sekali. Pada algoritma ini, teknik pencarian dilakukan sekaligus atas sejumlah solusi yang dikenal dengan istilah populasi. Individu yang terdapat dalam satu populasi disebut dengan istilah string (string) atau kromosom (chromosome). Cara mendapatkan solusi optimal adalah menghitung nilai fitness dari setiap individu. Fungsi untuk menghitung nilai fitness disebut fungsi fitness yang dapat berupa fungsi matematika atau fungsi lainnya dengan melihat kriteria tertentu dari permasalahan yang hendak diselesaikan. Dengan fungsi fitness yang menghasilkan nilai fitness dari suatu kromosom maka dapat dibedakan antara kromosom yang berkualitas baik dengan kromosom yang berkualitas buruk dalam populasi tersebut. Kromosom berkualitas baik mempunyai kemungkinan yang lebih besar untuk terpilih sebagai induk. Jika algoritma genetik tersebut belum mencapai kondisi untuk berhenti maka akan dibentuk generasi berikutnya yang dikenal dengan istilah anak (offspring), terbentuk dari gabungan 2 kromosom generasi sekarang yang bertindak sebagai induk (parent) dengan menggunakan operator penyilangan (crossover). Bila crossover tidak menghasilkan solusi, maka dipakai operator mutasi.
8 PENTINGNYA AI DALAM MIS
Sebagai penutup dari pengantar AI ini, maka perlu dicankam perkataan Robert Savely, Kepala bidang AI dari NASA, USA (1989): “Automate, emigrate, or evaporate are the options that face our country today. The best choice is to automate in order to be competitive with the rest of the world in manufacturing and to accomplish our goals in space explorations. The key to automation and our future lies in the effective application of the computer science field called artificial intelligence. …”.
Memang jelas sekali bahwa AI adalah kunci otonomi, otomasi, optimasi dan intelegensi, dan (3OI)! Dengan AI, manusia dapat lebih dipermuliakan, karena manusia dapat lebih banyak waktu senggang untuk kegiatan lain yang lebih manusiawi, misal menikmati hobi bersama kolega dan keluarga. Semua peralatan modern yang canggih seperti: robot, mesin, software, game, entertainment, peralatan, dan seterusnya, dapat dipastikan mengandung AI, bila tidak – akan terasa cemplang atau tawar.
Bila pekerjaan mengolah data dalam MIS bersifat time consuming, complex dan bersifat repetitive, maka akan menyebabkan kejenuhan dan kewalahan (tedious), yang pada akhirnya dapat menimbulkan stress yang mungkin dapat berakibat fatal seperti penyakit stroke. Maka untuk mengatasi kesemua karakterisitik diatas diperlukan AI! Karena AI mampu mengotomasi dan mengoptimasi dalam mengolah data atau sumber daya informasi secara cepat, tepat, dan akurat.
Bila ingin melihat film science fiction yang bagus tentang kehebatan AI, cobalah lihat film-film science fiction seperti: Bicentenial Man, AI, Star Wars, Terminator, AI Robot, Robocop, dan sebagainya. Setelah membahas pengantar AI, maka tiba saatnya untuk membahas bebarapa topik apliksai AI secara lebih detil, pembahasan dimulai dari sistem pakar.
// eof-I-PBS
Information System 