ARTIFICIAL INTELLIGENCE

A.TEKNIK ARTIFICIAL INTELLIGENCE

Beberapa teknik AI dapat dikategorikan secara umum kedalam

beberapa kelompok, diantaranya :

1. Search (Pencarian)

menyediakan cara penyelesaian masalah untuk kasus dimana bila tidak ada lagi pendekatan langsung yang dapat digunakan maka pindahkan kerangka kerja kpd teknik langsung yang mungkin untuk dilekatkan.

2. Use of Knowledge (Penggunaan Pengetahuan)

menyediakan cara penyelesaian masalah yang lebih kompleks dengan mengekploitasi struktur dari objek yang terkait dengan masalah tsb.

3. Abstraction

menyediakan cara untuk memilah/memisahkan keterangan dan variasi yang penting dari sekian banyak yang tidak penting dimana akan mempercepat penyelesaian masalah.

B. MODEL – MODEL ARTIFICIAL INTELLEGENCE

Mengenal 3 Konsep Dasar Kecerdasan Buatan (Artificial Intelligence) – Kemajuan yang di hasilkan dari Artificial Intelligence atau lebih di kenal dengan kecerdasan buatan sangat mengejutkan. Upaya untuk memajukan konsep AI selama 20 tahun terakhir telah menghasilkan beberapa inovasi yang benar-benar luar biasa. Hasil inovasi yang mungkin sudah di kenal oleh banyak orang misalnya Big Data, penelitian medis, dan kendaraan otonom. Teknologi tadi hanyalah beberapa dari banyaknya aplikasi luar biasa yang muncul dari pengembangan AI.

Untuk memahami beberapa konsep yang lebih dalam, seperti pengelolaan data, pemrosesan bahasa alami (NLP), dan pengelolaan perangkat lunak, Anda perlu mengetahui tiga konsep dasar dari AI yaitu pembelajaran mesin (Machine Learning), pembelajaran mendalam (Deep Learning), dan jaringan saraf tiruan (Neural Network). AI biasanya dianggap sebagai istilah yang lebih luas, sedangkan pembelajaran mesin dan dua konsep AI lainnya merupakan bagian dari itu.

Pembelajaran Mesin (Machine Learning)

Saat ini mungkin tanpa sadar kita sudah berinteraksi dengan beberapa bentuk kecerdasan buatan dalam aktivitas sehari-hari. Misalnya saja jika Anda menggunakan Gmail, Anda dapat menikmati fitur penyaringan email otomatis atau jika Anda memiliki ponsel cerdas, Anda mungkin bisa mengisi kalender dengan bantuan Siri. Meskipun perangkat lunak ini sangat membantu, perangkat tersebut tidak memiliki kemampuan untuk belajar secara mandiri. Hal itu dikarenakan perangkat tadi tidak bisa berpikir di luar kode yang sudah diberikan kepada mereka.

Pembelajara mesin adalah cabang dari AI yang bertujuan untuk memberikan mesin kemampuan dalam mempelajari tugas tanpa kode yang sudah ada. Dalam istilah yang paling sederhana, mesin tersebut akan diberikan contoh uji coba dalam jumlah yang besar untuk tugas tertentu. Ketika mesin tadi menjalani uji coba, mesin itu akan belajar dan mengadaptasi strategi yang sesuai untuk mencapai tujuan yang diinginkan. Misalnya, mesin pengenal gambar dapat diberikan jutaan gambar untuk dianalisis. Setelah melalui permutasian yang panjang, mesin akan memperoleh kemampuan untuk mengenali pola, bentuk, wajah, dan masih banyak lagi.

Pembelajaran Mendalam (Deep Learning) 

Pembelajaran mendalam adalah teknik pembelajaran mesin yang mengajarkan komputer untuk melakukan apa yang secara alami terjadi pada manusia: belajar dengan cara mencontoh. Pembelajaran mendalam adalah teknologi utama di balik mobil tanpa kemudi (driveless car). Itu memungkinkan mereka untuk mengenali tanda berhenti, atau untuk membedakan pejalan kaki dengan tiang lampu. Ini adalah kunci dari kontrol suara di perangkat konsumen seperti ponsel, tablet, TV, dan speaker hands-free. Pembelajaran mendalam mendapatkan banyak perhatian belakangan ini karena dapat mencapai hasil yang sebelumnya tidak mungkin. Dalam deep learning, model komputer belajar untuk melakukan tugas klasifikasi langsung dari gambar, teks, atau suara. Model pembelajaran yang mendalam dapat mencapai akurasi yang canggih, terkadang melebihi kinerja tingkat manusia. Model dilatih dengan menggunakan set besar data berlabel dan arsitektur jaringan saraf yang berisi banyak lapisan.

Jaringan Saraf Tiruan (Neural Network)

Neural Network atau juga disebut sebagai jaringan saraf tiruan adalah berbagai teknologi pembelajaran yang mendalam, yang juga berada di bawah naungan kecerdasan buatan atau AI. Neural Network adalah paradigma pemrosesan informasi yang terinspirasi dari cara sistem saraf biologis, seperti otak yang memproses informasi. Kunci elemen dari paradigma ini adalah struktur novel dari sistem pemrosesan informasi. 

Neural Network dikonfigurasikan untuk aplikasi tertentu, seperti pengenalan pola atau klasifikasi data melalui proses pembelajaran. Jaringan ini terdiri dari sejumlah besar elemen pemrosesan yang sangat saling berhubungan (neuron) yang bekerja bersama untuk memecahkan masalah tertentu. Aplikasi komersial dari teknologi ini umumnya berfokus pada penyelesaian pemrosesan sinyal yang kompleks atau masalah pengenalan pola. Contoh aplikasi komersial yang signifikan sejak tahun 2000 meliputi pengenalan tulisan tangan untuk pemrosesan cek, transkripsi ucapan menjadi sebuah teks, analisis data, dan prediksi cuaca dan pengenalan wajah.

Jaringan saraf tiruan ini terinspirasi oleh hal-hal yang kita temukan dalam biologi kita sebagai manusia. Cara Neural Network memahami sesuatu sama seperti manusia yaitu belajar dengan cara mencontoh. Model jaringan saraf menggunakan prinsip matematika dan ilmu komputer untuk meniru proses otak manusia. Jaringan saraf tiruan mencoba mensimulasikan proses sel-sel otak yang saling berhubungan erat, tetapi bukannya dibangun dari biologi, neuron-neuron ini dibangun dari kode atau biasa disebut node.

Ketiga konsep AI ini dapat memungkinkan robot hardware dan software untuk berpikir dan bertindak secara dinamis di luar dari kode yang sudah diberikan. Dengan memahami konsep dasar diatas maka akan membawa AI menuju masa depan yang lebih cerdas dari yang terbayangkan.

C. TINGKATAN MODEL

Usaha untuk membuat program yang menyajikan cara manusia menyelesaikan masalah dapat dibagi kedalam dua kelas, yaitu :

Program kelas pertama mencoba menyelesaikan masalah dengan cara yang tidak persis benar dengan definisi kita tentang AI. Program yang termasuk kelas ini menggunakan algoritma dan mekanisme yang mudah dan sederhana untuk dilakukan oleh komputer tetapi biasanya sulit dan tidak menarik untuk dilakuakan oleh manusia.

Contoh program dalam kelas ini adalah Elementary  Perceiver and Memorizer (EPAM) [Feigenbaum, 1963] yang dapat mengingat pasangan terkait dari suku kata, dimana bila dimasukkan satu suku kata komputer tinggal mencarinya dalam memori kata mana yang mengandung suku kata yang dimaksud, yang pertama kali ditemukan maka itulah jawabannya, bagi manusia tidak semudah itu karena manusia selalu berfikir tentang arti dari kata yang dimaksud sesuai dengan konteks, sehingga masalah spt ini tidak menarik bagi manusia dan jarang dilakukan, namun hal semacam ini sering dilakukan dalam psychotest untuk mengetahui kemampuan mengingat seseorang.

Program kelas kedua berupaya memodelkan kemampuan manusia dalam melakukan sesuatu, yang berarti program pada kelas ini lebih mendekati kepada definisi tentang AI, yang berarti menjadi tidak mudah bagi komputer. Beberapa alasan dibuatnya model seperti ini al:

1. Untuk membuktikan teori psychology tentang kemampuan manusia. Contohnya adalah program PARRY yang ditulis Colby, 1975, yang mengekploitasi perilaku paranoid manusia berdasarkan percakapan yang dilakukan, sehingga dengan menganalisa hasil percakapan, seorang psycholog dapat menyimpulkan apakan sesorang termasuk paranoid atau tidak. paranoid : gila karena ketakutan yang berlebihan.

2. Untuk membuat komputer mengerti alasan manusia. Contohnya, membuat komputer dapat membaca/mengerti berita di koran dan menjawab pertanyaan spt“mengapa buruh mogok kerja ?”, program semacam ini harus dapat mensimulasi proses pengambilan alasan yang dilakukan manusia.

3. Untuk membuat manusia mengerti alasan komputer.Dalam banyak keadaan manusia enggan percaya pada output komputer kecuali dapat dimengerti bagaimana mesin mendapatkan hasil spt itu. Jika proses pengambilan alasan yg digunakan komputer sesuai dgn cara manusia maka akan lebih mudah untuk mendapatkan penjelasan yang dapat diterima.

4. Untuk mengekploitasi pengetahuan apa yang dapat kita kumpulkan dari manusia. Selama disepakati bahwa manusia mamiliki kemampuan terbaik dalam menyelesaikan masalah, hal ini membuat banyak keinginan untuk melihat manusia sebagai petunjuk untuk menemukan cara untuk menyelesaikan masalah atau memproses suatu pekerjaan. Hal ini juga akan memotivasi para pengembang AI untuk terus memproduksi mesin yang bertingkah laku cerdas dengan meniru manusia.

D. KRITERIA SUKSES

Satu pertanyaan terpenting yang harus dijawab pada tiap proyek penelitian ilmiah adalah “ Bagaimana kita tahukalau kita sudah berhasil ?”, begitu pula dalam AI.Bagaimana kita tahu mesin yang kita buat cerdas ?
Menjawab pertanyaan itu sama sulitnya dengan menjawab pertanyaan “Apakah kecerdasan itu ?” tapi dapatkah kita melakukan sesuatu untuk memastikan kegiatan kita ?Tahun 1950, Alan Turing memperkenalkan metode untuk menentukan apakah sebuah mesin dapat berpikir, yang kemudian dikenal dengan sebutan Turing Test.

Untuk melakukan test ini diperlukan 2 orang dan 1 mesin. Satu orang bertindak sebagai penanya yang berada pada tempat terpisah dengan orang kedua dan mesin. Penanya dapat bertanya kepada orang kedua atau mesin dengan mengetikkan pertanyaannya dan menerima jawaban dalam bentuk ketikkan juga. Penanya tidak tahu yang mana orang yang mana mesin hanya si A dan si B, yang dilakukan oleh penanya dengan pertanyaan adalah menentukan mana yang orang, mana yang mesin. Tujuan dari test ini adalah mengelabui sipenanya sehingga menganggap mesin sebagai orang, caranya adalah membuat mesin tidak selalu menjawab benar dan menunda waktu menjawab.

Jika sang penanya akhirnya menyatakan mesin sebagai orang, maka dapat dikatakan mesin berhasil melewati test, dan dapat dinyakan bahwa mesin dapat berpikir. Perlu waktu cukup lama dan perlu beberapa kali test dan perbaikan sampai akhirnya mesin ini dapat melewati test ini, namun hal yg menarik dari Turing Test ini adalah bahwa yang diperlukan oleh mesin untuk lulus test ini bukan jawaban yang benar atau tepat untuk tiap pertanyan sehingga mesin tidak harus menjadi lebih cepat dan lebih benar dalam menjawab setiap pertanyaan untuk dinyatakan sebagai orang (cerdas) atau dapat berpikir.

E. POTENSI MANUSIA

1. Potensi Kecerdasan

Kecerdasan Spiritual
Kecerdasan Logika – Matematika
Kecerdasan Intrapersonal
Kecerdasan Musikal
Kecerdasan Natural
Kecerdasan Badan (Body) -Kinestetik
Kecerdasan Interpersonal
Kecerdasan Linguistik – Auditorial
Kecerdasan Spasial – Visual

2. Potensi Diri

Terdiri atas empat elemen yakni,

• Menerima diri
• Merumuskan Cita-cita
• Berinteraksi dengan lingkungan
• Mencari dan menciptakan pengalaman baru