Definisi Kecerdasan Buatan
Kecerdasan buatan (Artificial Intelligence) adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah bisnis. Dalam menentukan teknik penyelesaian masalah terbaik dalam AI memang tidak mudah, untuk itu ada empat teknik dasar pemecahan masalah yang terdapat pada AI, yaitu : Searching, Reasoning, Planning dan Learning.
Secara umum, untuk membangun suatu sistem yang mampu menyelesaikan masalah, perlu dipertimbangkan 4 hal :
1. Mendefinisikan masalah dengan tepat. Pendefinisian ini mencakup spesifikasi yang tepat mengenai keadaan awal dan solusi yang diharapkan.
2. Menganalisis masalah tersebut serta mencari beberapa teknik penyelesaian masalah yang sesuai.
3. Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah tersebut.
4. Memilih teknik penyelesaian masalah yang terbaik
Definisi Learning
Learning merupakan sebuah persoalan sulit untuk program AI, dalam mencapai kesuksesan diperlukan dalam pemecahan persoalan. Bagian kemampuan untuk mempelajari komponen terpenting dari tindak tanduk atau jalan kecerdasan. Sebuah sistem pakar harus berkemampuan ekstensif dan dapat menghitung kerugian dalam memecahkan sebuah persoalan. Tidak seperti manusia, bilamana jika ia diberikan persoalan yang serupa pada waktu berikutnya, dia tidak akan ingat solusinya. Dia membentuk urutan yang sama untuk menghitung lagi. Learning merupakan sebuah area yang sulit diteliti, beberapa program telah ditulis dengan tujuan bahwa ini bukan merupakan hasil (goal) yang diinginkan.
Learning secara otomatis menemukan aturan yang diharapkan bisa berlaku umum untuk data-data yang belum pernah kita ketahui.
Secara konseptual, Learning biasanya berhubungan dengan:
1. Self-improvement atau pengembangan diri.
2. Adaptasi ke lingkungan yang berbeda atau baru.
3. Modifikasi perilaku.
4. Concept formulation and refinement, termasuk generalisasi atau spesialisai model konseptual.
Beberapa Teknik Learning :
1. Rote Learning
Seperti yang telah dibahas sebelumnya, rote learning adalah sebuah cara memperoleh knowledge yang paling sederhana. Dengan cara ini komputer menyimpan data hasil perhitungan kedalam cache. Setelah itu, komputer tidak perlu melakukan kalkulasi kembali karena hasil perhitungan telah tersimpan. Cara ini sangat efektif untuk mempersingkat waktu proses karena komputer tinggal mengambil data. Namun sebagai trade-off, cara ini akan membutuhkan media penyimpanan yang besar.
2. Learning by Taking Advice
Pada awalnya manusia tidak memiliki pengetahuan apapun. Namun seiring berjalannya waktu, kita selalu mendapatkan knowledge dari orang tua dan guru. Demikian juga sebuah komputer. Komputer tidak memiliki kemampuan apabila tidak diprogram terlebih dahulu.
3. Learning in Problem Solving
Cara ini dapat digunakan sebagai alternatif dari 2 cara yang telah dibahas diatas. Dengan cara ini tidak diperlukan seorang ahli untuk memberikan knowledgennya. Komputer dapat menambah pengetahuannya dengan cara menggeneralisasi pengalaman yang telah dia dapatkan.
4. Learning from Example
Teknik belajar melalui contoh merupakan salah 1 cara dari learning in problem solving. Dalam menggunakan cara ini dibutuhkan contoh- contoh. Contoh yang tersedia akan diproses dan diklasifikasikan.
Klasifikasi adalah sebuah proses memasukkan sebuah input ke dalam kelas yang sesuai. Klasifikasi adalah sebuah komponen yang penting dalam banyak pekerjaan problem solving. Biasanya klasifikasi ini dimasukkan ke dalam operasi yang lain.
Sebelum memulai klasifikasi, maka kelas- kelas harus dibentuk terlebih dahulu. Ada beberapa cara yang dapat dilakukan untuk membentuk kelas- kelas tersebut,
• Mendefinisikan kelas dengan cara menghitung jumlah dari fiturnya.
• Mendefiniskan kelas sebagai sebuah struktur yang terdiri dari fitur- fitur tersebut.
Beberapa aspek untuk paradigma ini adalah:
Ø Belajar dari contoh secara langsung. Proses induksi digunakan untuk menghasilkan sebagian dari struktur pengetahuan yang ada dengan menggunakan informasi ‘contoh’.
Ø Belajar dari contoh mungkin digunakan untuk menghasilkan keseluruhan aturan-aturan baru.
Ø Belajar dari contoh hampir sama dengan belajar melaui analogi-analogi. Ini berarti kesimpulan atau aksi-aksi baru berdasar atau mempunyai kesamaan struktur dengan kesimpulan atau aksi-aksi sebelumnya.
Ø Belajar dari contoh-contoh dapat dibagi dalam dua kategori, yaitu melibatkan pencarian ruang informasi untuk konsep clustering, dan pada level yang lebih tinggi, untuk mendeskripsikan konsep.
Ø Belajar dengan eksplorasi (learning by exploration). Alam memberikan contoh terbaik berupa kemampuan adaptasi makhluk hidup, kemampuan untuk menjaga kehidupan (survival) tercermin dari perilaku makhluk.
Ø Belajar dari analogi (learning by analogy). Belajar dari analogi adalah suatu cara untuk menghubungkan pengetahuan dengan domainnya.
Contoh Penerapan Learning
· Dalam bidang transportasi:
Software ALVINN digunakan pada sebuah mobil tanpa dikemudikan manusia dengan menggunakan JST yang dilatih dengan berbagai gambar kondisi jalan raya yang ditangkap kamera pada mobil.
· Dalam bidang speech processing
Telah berhasil dibuat berbagai sistem pengenalan suara, pengenalan pembicara dan bahkan sistem speech to speech Machine Translation (S2SMT). Dengan S2SMT, seseorang bisa berbicara dengan orang lain yang menggunakan bahasa berbeda. S2SMT terdiri dari tiga komponen utama, yaitu ”Automatic Speech Recognition” (ASR) yang mengubah suara manusia menjadi teks, Machine Translation (MT) yang menerjemahkan teks suatu bahasa ke dalam teks bahasa lain, dan Text to Speech (TTS) yang mengubah teks menjadi suara.
Setelah mempelajari berbagai macam teknik learning. Kita dapat mengambil kesimpulan bahwa bidang pengetahuan ini sangatlah luas. Apa yang telah dibahas disini hanya mencakup sebagian kecil karena masih banyak teknik learning lainnya.
Metode ini menggunakan solusi dari contoh masalah sebagai masukan dan akan berusaha untuk menemukan pengetahuan-pengetahuan baru yang belum terungkap sebelumnya. Metode ini juga menggunakan heuristic search yang berdasarkan kepada analogy dan minat. Hasil atau keluaran dari metode ini cendrung tidak diketahui atau sulit diperkirakan.
SUMBER
http://omar_pahlevi.staff.gunadarma.ac.id/Downloads/files/31328/pertemuan+06.ppt
http://syamaji.blogspot.com/2012/11/konsep-konsep-dalam-kecerdasan-buatan.html
https://denysutani.wordpress.com/2008/12/18/machine-learning/
0 komentar:
Posting Komentar