Kecerdasan Buatan

Sejarah Kecerdasan Buatan

Kecerdasan buatan merupakan bidang ilmu komputer yang sangat penting di era kini dan masa akan datang untuk mewujudkan sistem komputer yang cerdas.  Bidang ini telah berkembang sangat pesat di 20 tahun terakhir seiring dengan kebutuhan perangkat cerdas pada industry dan rumah tangga, oleh karena itu buku ini memaparkan berbagai pandangan modern dan hasil riset terkini  yang perlu dikuasai oleh para akademisi, pelajar dan praktisi lengkap dengan implementasi nyata.

Kata “intelligence” berasal dari bahasa Latin “intelligo” ang bearti “saya paham”.  Barti dasar dari intelligence ialah kemampuan untuk memahami dan melakukan aksi.  Sebenarnya, area Kecerdasan Buatan (Artificial Intelligence) atau disingkat dengan AI,  bermula dari kemunculan komputer sekitar th 1940-an, meskipun sejarah perkembangannya dapat dilacak sejak zaman Mesir kuno. Pada masa ini, perhatian difokuskan pada kemampuan komputer mengerjakan sesuatu yang dapat dilakukan oleh manusia.  Dalam hal ini, komputer tersebut dapat meniru kemampuan kecerdasan  dan perilaku  manusia.

McMulloh dan Pitts pada tahun 1943 mengusulkan model matematis bernama perceptron dari neuron di dalam  otak.  Mereka juga menunjukkan  bagaimana neuron menjadi aktif seperti saklar on-off dan neuron tersebut mampu untuk belajar dan memberikan aksi berbeda terhadap waktu dari input yang diberikan.  Sumbangan terbesar di bidang AI diawali pada paper Alan Turing, pada tahun 1950 yang mencoba menjawab  “Dapatkah computer berfikir” dengan menciptakan mesin Turing.  Paper Alan Turing pada tahun 1950 berjudul “Computing Machineri and Intelligence” mendiskusikan syarat sebuah mesin dianggap cerdas. Dia beranggapan bahwa jika mesin dapat dengan sukses berprilaku seperti manusia, kita dapat menganggapnya cerdas.

Pada akhir 1955, Newell dan Simon mengembangkan  The Logic Theorist, program AI pertama. Program ini merepresentasikan  masalah sebagai model pohon, lalu penyelesaiannya dengan  memilih cabang yang akan menghasilkan kesimpulan terbenar. Program ini berdampak besar dan menjadi batu loncatan penting dalam mengembangkan bidang AI. Pada tahun 1956 John McCarthy dari Massacuhetts Institute of Technology dianggap sebagai bapak AI, menyelenggarakan konferensi untuk menarik para ahli komputer bertemu, dengan  nama kegiatan “The Dartmouth summer research project on artificial intelligence.”   Konferensi Dartmouth itu mempertemukan para pendiri dalam AI, dan bertugas untuk meletakkan dasar bagi masa depan  pemgembangan dan penelitian AI.  John McCarthy  di saat itu mengusulkan definisi AI adalah “ AI merupakan cabang dari ilmu komputer yangberfokuspadapengembangan komputer untuk dapat memiliki kemampuan dan  berprilaku  seperti manusia”.

Gambar  1.1. John McCarthy, dikenal sebagai bapak AI

Pada  tahun 1960 hingga 1970, muncul berbagai dikusi bagaimana komputer dapat meniru sedetail mungkin pada kemampuan otak manusia, dimana saat itu dapat dikategorikan sebagai “classical AI”. Pada tahun 1980, dimana computer yang semakin mudah diperoleh dengan harga yang lebih murah menjadikan berbagai riset di bidang kecerdasan buatan berkembang sangat pesat pada berbagai universitas.  Tabel 1.1 merupakan rangkuman sejarah penting pengembagan bidang Kecerdasan Buatan.

Tabel 1.1  Sejarah penting pengembangan  bidang Kecerdasan Buatan

No	Tahun	Deskripsi
1	1206	Robot humanoid pertama karya Al-Jazari
2	1796	Boneka penuang the dari jepang bernama Karakuri
3	1941	Komputer elektronik pertama
4	1949	Komputer dengna program tersimpan pertama
5	1956	Kelahiran dari Artificial Intelligence pada Dartmouth conference
6	1958	Bahasa LISP dibuat
7	1963	Penelitian intensif departemen pertahanan Amerika
8	1970	Sisem pakaer pertama diperkenalkan secara luas
9	1972	Bahasa Prolog diciptakan
10	1986	Perangkat berbasis AI dijual luas mencapai $425 juta
11	1994	AC berbasis Neuro fuzzy dijual
12	2010	Sistem kecerdasan buatan untuk Pesawat komersial BOEING 900-ER ramai digunakan
13	2011	Service Robot untuk restoran berhasil dibuat di Indonesia
14	2012	Sistem Pakar Troubleshooting Komputer berbasis Fuzzy dan Self Learning
15	2012	Sistem immune pada Deteksi spam diciptaka

Saat ini, hampir semua perangkat komputer dan perangkat elektronika canggih menerapkan kccerdasan buatan untuk membuat sistem lebih handal. Di masa yang akan datang, diperkirakan semua perangkat elektronika dan komputer menjadi jauh lebih cerdas karena  telah ditanamkan berbagai metode kecerdasan buatan.

Bidang Ilmu Kecerdasan Buatan

Supaya komputer dapat bertindak seperti atau serupa dengan manusia, maka komputer harus diberi bekal pengetahuan, dan mempunyai kemampuan untuk menalar.  Penerapan bidang AI beraneka ragam. Tujuan dari sistem kecerdasan buatan dapat dibagi dalam 4 kategori

Ø  Sistem yang dapat berfikir seperti manusia (Bellman, 1978)

Ø  Sistem yang dapat berfikir secara rasional ( Winston, 1992)

Ø  Sistem yang dapat beraksi seperti manusia (Rich and Knight, 1991)

Ø  Sistem yang dapat beraksi secara rasional (Nilsson, 1998)

Secara garis besar bidang ilmu yang dipelajari dalam bidang  AI bisa dilihat pada gambar di bawah ini:

Gambar 1.2.  Domain Area AI

Penjelasan dari cabang ilmu  AI di atas  sebagai berikut :

1.  Natural Language Processing (NLP)

NLP mempelajari bagaimana bahasa alami itu diolah sedemikian hingga user dapat berkomunikasi dengan komputer. Konsentrasi ilmu ini adalah interaksi antara komputer dengan bahasa natural yang digunakan manusia, yakni bagaimana komputer melakukan ekstraksi informasi dari input yang berupa natural language dan atau menghasilkan output yang juga berupa natural language, misalnya pada system Automated online assistant seperti gambar 1.3 dan deteksi email spam yang cerdas.

2.  Computer Vision

Cabang ilmu ini erat kaitannya dengan pembangunan arti/makna dari image ke obyek secara fisik. Yang dibutuhkan didalamnya adalah metode-metode untuk memperoleh, melakukan proses, menganalisa dan memahami image. Apabila cabang ilmu ini dikombinasikan dengan Artificial Intelligence secara umum akan mampu menghasilkan sebuah visual intelligence system. Akuisisi dan pemrosesan informasi berupa vision dapat ditampilkan pada gambar 1.4

Gambar 1.4  Model persepsi visual pada computer vision

 3. Robotika dan Sistem Navigasi

Bidang ilmu inilah yang mempelajari bagaimana merancang robot yang berguna bagi industry dan mampu membantu manusia, bahkan yang nantinya bisa menggantikan fungsi manusia. Robot mampu melakukan beberapa task dengan berinteraksi dengan lingkungan sekitar. Untuk melakukan hal tersebut, robot diperlengkapi dengan actuator  seperti lengan, roda, kaki, dll. Kemudian, robot juga diperlengkapi dengan sensor, yang memampukan mereka untuk menerima dan bereaksi terhadap environment mereka Al-Jajari (1136-1206) seorang ilmuwan Islam pada dinasti Artuqid yang dianggap pertama kali menciptakan robot humanoid dimana berfungsi sebagai 4 musisi, hebat kan? Bahkan pada tahun 1796 sudah dihasilkan boneka mekanik bernama Karakuri yang mampu menuangkan air teh atau menulis karakter Kanji yang dibuat oleh Hisashige Tanaka.

Gambar 1.6  Al-Jazari’s programmable automata (Tahun 1206)

Gambar 1.7  Karakuri, rancangan robot  dari Jepang  adad 16  yang mampu menuang air teh

Ada beberapa istilah penting di dalam robot vision yang saling berhubungan, diantaranya computer vision, machine vision dan robot vision. Computer vision merupakan teknologi paling penting di masa yang akan datang dalam pengembangan robot yang interaktif. Computer Vision merupakan bidang pengetahuan yang berfokus pada bidang sistem kecerdasan buatan dan berhubungan dengan akuisisi dan pemrosesan image. Machine vision merupakan proses menerpakan teknologi untuk inspeksi automatis berbasis image, kontrol proses dan pemanduan robot pada berbagai aplikasi industri dan rumah tangga. Robot vision merupakan pengetahuan mengenai penerapan computer vision pada robot. Robot  membutuhkan informasi vision untuk memutuskan aksi apa yang akan dilakukan. Penerapan saat ini vision pada robot antara lain sebagai alat bantu navigasi robot, mencari obyek yang diinginkan, inspeksi lingkungan dan lainnya. Vision pada robot menjadi sangat penting karena informasi yang diterima lebih detail dibanding hanya sensor jarak atau sensor lainnya. Misalnya dengan vision, robot dapat mengenal apakah obyek yang terdeteksi merupakan wajah orang atau bukan. Lebih jauh lagi, sistem vision yang canggih pada robot membuat robot dapat membedakan wajah A dengan wajah B secara akurat (Face recognition system menggunakan metode PCA, LDA dan lainnya). Proses pengolahan dari input image dari kamera hingga memiliki arti bagi robot dikenal sebagai visual perception, dimulai dari akuisisi image, image preprocessing untuk memperoleh image yang diinginkan dan bebas noise misalnya, ekstrasi fitur hingga interpretasi seperti ditunjukkan pada gambar 1.8. Misalnya saja untuk identifikasi pelanggan dan penghindaran multiple moving obstacles berbasis vision, atau untuk menggerakan servo sebagai aktuator untuk mengarahkan kamera agar tetap mengarah ke wajah seseorang (face tracking).

Gambar 1.8  Contoh  Model visual perception pada robot

Contoh nyata model service robot berbasis vision  (vision-based service robot) yang dikembangkan penulis bernama Srikandi III yang menggunakan 2 buah kamera (stereo vision) seperti gambar di bawah, dimana robot dapat mengirimkan order pesanan minuman ke pelanggan:

Pada pengembangan selanjutnya, menanamkan kecerdasan buatan yang komplek pada robot sehingga  mampu mengenal dan memahami suara manusia, perhatian terhadap berbagai gerak lawan bicara dan mampu memberikan response alami yang diberikan robot ke manusia merupakan tantangan ke depan untuk membangun robot masa depan.

4. Game Playing

Game biasanya memiliki karakter yang dikontrol oleh user, dan karakter lawan yang dikontrol oleh game itu sendiri. Dimana kita harus merancang aturan-aturan yang nantinya akan dikerjakan oleh karakter lawan. Game akan menjadi menarik apabila karakter lawan (non-player) bereaksi dengan baik terhadap apa yang dilakukan oleh player. Hal ini akan memancing penasaran user dan membuat game menarik untuk dimainkan. Tujuan intinya adalah membuat non-player memiliki strategi yang cerdas untuk mengalahkan player. Pada bidang ini,  AI dibutuhkan, yaitu untuk merancang dan menghasilkan game yang fun serta antarmuka antara man-machine yang cerdas dan menarik untuk dimainkan.

5.  Sistem Pakar

Bidang ilmu ini mempelajari bagaimana membangun sistem atau komputer yang memiliki keahlian untuk memecahkan masalah dan menggunakan penalaran dengan meniru atau mengadopsi keahlian yang dimiliki oleh pakar. Dengan sistem ini, permasalahan yang seharusnya hanya bisa diselesaikan oleh para pakar/ahli, dapat diselesaikan oleh orang biasa/awam. Sedangkan, untuk para ahli, sistem pakar juga akan membantu aktivitas mereka sebagai asisten yang seolah-olah sudah mempunyai banyak pengalaman.Sedangkan definisi lain dari  sistem pakar adalah sistem berbasis komputer yang menurut turban, Sistem Pakar dapat ditampilkan dengan dua lingkungan, yaitu lingkungan pengembangan dan lingkungan konsultasi (runtime).

Gambar 1.11.  Model Sistem Pakar

Lingkungan pengembangan digunakan oleh ES builder untuk membangun komponen dan memasukkan pengetahuan ke dalam basis pengetahuan. Lingkungan konsultasi digunakan oleh user nonpakar untuk memperoleh pengetahuan dan nasihat pakar. Lingkungan ini dapat dipisahkan setelah sistem lengkap.

  Tiga komponen utama yang tampak secara virtual di setiap sistem pakar adalah :

Ø  Basis pengetahuan

merupakan representasi pengetahuan dari seorang pakar yang diperlukan untuk memahami, memformulasikan dan memecahkan masalah. Terdiri dari 2 elemen dasar yaitu :

·         Fakta yang berupa informasi tentang situasi permasalahan, teori dari area permasalahan atau informasi tentang objek.

·         Spesial heuristik yang merupakan informasi tentang cara bagaimana membangkitkan fakta.

Ø  Mesin inferensi

Membuat inferensi yang memutuskan rule-rule  mana yang akan digunakan.

Ø  Antarmuka pengguna.

Merupakan bagian dari sistem pakar yang berfungsi sebagai pengendali masukan dan keluaran. User interface melayani user selama proses konsultasi mulai dari tanya-jawab untuk mendapatkan fakta-fakta yang dibutuhkan oleh inference engine sampai menampilkan output yang merupakan kesimpulan dan solusi.

Informasi dari pakar harus dijadikan pengetahuan bagi system pakar yang akan kita kembangkan. Pengetahuan dari system pakar selanjutnya dapat direpresentasikan dengan beberapa cara. Salah satu yang paling umum untuk merepresentasikan pengetahuan dalam bentuk aturan  IF-THEN, misalnya :

·         IF the car doesn’t run and

·         The fuel gauge reads empty

·         THEN fill the gas tank