Kamis, 28 September 2017

Penyelesaian Masalah melalui proses Pencarian / Searching

1.  Agen pemecah permasalahan
A.    Simple reflex agents: berdasarkan persepsi yg terakhir.
B.     Model-based reflex agents: memiliki representasi internal tentang keadaan sekitar.
C.     Goal-based agents: memiliki informasi tentang tujuan, memilih tindakan yang mencapai tujuan.
D.    Utility-based agents: melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan.
E.     Learning agents: belajar dari pengalaman, meningkatkan kinerja.

2.  Pencarian sebagai solusi pemecahan masalah
Searching di dalam AI (Artificial Intelligence) adalah salah satu motode penyelesaian masalah dengan pencarian solusi pada suatu permasalahan yang dihadapi.
Teknik searching sendiri terbagi menjadi dua, yaitu:
A.    Blind Searching
Blind Searching adalah model pencarian buta atau pencarian yang tidak memiliki inforamasi awal, model pencarian ini memiliki tiga ciri – ciri utama yaitu:
-   Membangkitkan simpul berdasarkan urutan
-   Kalau ada solusi maka solusi akan ditemukan
-   Hanya memiliki informasi tentang node yang telah dibuka (node selanjutnya tidak diketahui).
Blind Searching sendiri dibagi menjadi tiga macam yaitu :
                i.        BFS (Breadth First Search)
               ii.        DFS (Depth-first Search)
             iii.        UCS (Uniform Cost Search).

B.     Heuristic Searching
Heuristic Search merupakan metode pencarian yang memperhatikan nilai heuristik (nilai perkiraan).Teknik pencarian heuristik (heuristic searching) merupakan suatu strategi untuk melakukan proses pencarian ruang keadaan (state space) suatu problema secara selektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar, dan mengesampingkan usaha yang bodoh dan memboroskan waktu.
Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness).Heuristic Search memperkirakan jarak menuju Goal (yang disebut dengan fungsi heuristik).
Fungsi heuristik ini digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.
Jenis-jenis Heuristic Searching :
                      i.        Generate and Test
                     ii.        Hill Climbing
                   iii.        Best First Search
                    iv.        Alpha Beta Prunning
                     v.        Means-End-Anlysis
                    vi.        Constraint Satisfaction

3.  Strategi Pencarian yang tidak berbentuk / uniformed search strategi
Algoritma ini tidak memberikan informasi apapun tentang permasalah yang ada, tetapi hanya berfokus memberikan informasi tentang algorima tersebut. Algoritma ini juga disebut Blind Search. Istilah Blind Search berpedoman bahwa, teknik pencarian ini tidak memiliki informasi tambahan lain selain dari yang disediakan.
Yang dilakukan oleh algorima ini adalah melakukan generate dari successor dan membedakan goal state dari non-goal state. Pencarian ini dilakukan berdasarkan pada urutan mana saja node yang hendak di-expand.
Macam-macam Uninformed Search Algorithm:
A.    Breadth First Search(BFS)
Pencarian dengan metode ini menggunakan teknik dimana langkah pertama yang harus dilakukan adalah root node di-ekspansi, setelah itu dilanjutkan semua successor dari root node juga di-expand. Hal ini terus dilakukan berulang-ulang hingga leaf(node pada level paling bawah yang sudah tidak memiliki successor lagi).
B.     Uniform Cost Search(UCS)
Pencarian dengan BFS akan menjadi optimal ketika nilai pada semua path adalah sama. Dengan sedikit perluasan, dapat ditemukan sebuah algoritma yang optimal dengan melihat kepada nilai tiap path di antara node-node yang ada.
Selain menjalankan fungsi algoritma BFS, Uniform Cost Search melakukan ekspansi node dengan nilai path yang paling kecil. Hal ini bisa dilakukan dengan membuat antrian pada successor yang ada berdasar kepada nilai path-nya (node disimpan dalam bentuk priority queue).
C.     Depth First Search(DFS)
Teknik pencarian dengan metode ini adalah dengan melakukan ekspansi menuju node yang paling dalam pada tree. Node paling dalam dicirikan dengan tidak adanya successor dari node itu. Setelah node selesai di ekspansi, maka node tersebut akan ditinggalkan dan dilakukan ke node paling dalam lainnya yang masih memiliki successor yang belum di ekspansi.
D.    Depth Limited Search
Pencarian menggunakan DFS akan berlanjut sampai kedalam paling terakhir dari sebuah tree. Misalkan yang muncul pada DFS adalah ketikda proses pencarian tersebut menemui infinite state space. Hal ini bisa diatasi dengan mengisiasikan batas depth pada level tertentu semenjak awal pencarian. Sehingga node pada level depth tersebut akan diperlakukan seolah-olah mereka sudah tidak memiliki successor.
E.     Iterative Deepening Depth First Search
Iterative deepening search merupakan sebuah strategi umum yang biasanya dikombinasikan dengan depth first tree search, yang akan menemukan berapa depth limit terbaik untuk digunakan. Hal ini dilakukan dengan secara menambah limit secara bertahap, mulai dari 0,1, 2, dan seterusnya sampai goal sudah ditemukan.
F.     Bidirectional Search
Pencarian dengan metode bidirectional search adalah dengan menjalankan dua pencarian secara simultan, yang satu dikerjakan secara forward dari initial state menuju ke goal, sedangkan yang satu lagi dikerjakan secara backward mulai dari goal ke initial state. Yang kemudian diharapkan bahwa kedua pencarian itu akan bertemu di tengah-tengah.


Daftar Pustaka:

Read More

Pengenalan Kecerdasan Buatan/ Articial Intelligence (AI)

1.     Pengertian Kecerdasan Buatan (bertindak dan berpikir seperti manusia dan rasional)
Definisi kecerdasan buatan dapat kita bagi ke dalam kategori yaitu:
A.    Sebuah sistem yang berpikir seperti manusia
B.     Sebuah sistem yang bertindak seperti manusia
C.     Sebuah sistem yang berpikir rasional
D.    Sebuah sistem yang bertindak rasional
Pendekatan yang berpusat pada manusia merupakan sebuah sains yang empiris, mencakup penegasan hipotesis dan percobaan. Sedangkan pendekatan yang rasional melibatkan sebuah kombinasi dari matematika dan teknik. Peneliti-peneliti dalam tiap kategori kadang saling menjelekkan pencapaian masing-masing, namun kenyataannya, tiap kelompok tersebut telah menghasilkan pengetahuan-pengetahuan yang  berharga.
A.    Bertindak seperti manusia : Pendekatan Tes Turing
Pendekatan tes Turing yang ditemukan oleh Alan Turing memberikan definisi yang memuaskan untuk pengertian kecerdasan. Untuk melewati tes tersebut, sebuah komputer harus memiliki kemampuan: pemrosesan bahasa alami, penyajian pengetahuan, automated reasoning, dan machine learning. Ada lagi yang namanya total Turing test, dimana untuk lulus tes ini komputer harus memiliki daya lihat untuk mengenali objek dan robotik untuk bergerak.
B.     Berpikir seperti manusia: Pendekatan Pemodelan Kognitif
Untuk mengatakan sebuah program berpikir seperti manusia, sebelumnya harus ada terlebih dahulu penetapan tentang bagaimana manusia berpikir. Caranya melalui introspeksi atau melalui percobaan psikologi. Cabang ilmu pengetahuan sains kognitif berusaha menggabungkan model komputer dari kecerdasan buatan dan teknik percobaan dari psikologi untuk membentuk suatu teori yang tepat tentang cara kerja pikiran manusia. Sains kognitif yang sejati, mengambil dasar dari penelitian pada manusia atau binatang yang sebenarnya. Oleh karena itu, sains kognitif dan kecerdasan buatan merupakan dua cabang ilmu pengetahuan yang saling mendukung satu sama lain.
C.     Berpikir rasional: Pendekatan Hukum Pikiran
Hukum pikiran berupa silogisme yang telah ditemukan oleh Aristoteles memulai munculnya bidang logika. Bidang logika mencari solusi suatu permasalahan (jika solusinya memang ada) setelah mengubah deskripsi permasalahannya ke dalam bentuk notasi logika. Yang disebut tradisi logika dalam kecerdasan buatan, diharapkan dapat membangun sebuah program untuk menciptakan sistem yang cerdas.
D.    Bertindak rasional: Pendekatan agen rasional
Bertindak rasional berarti bertindak untuk mencapai suatu tujuan, sesuai keyakinannya. Sedangkan agen adalah sesuatu yang merasa dan bertindak. Kecerdasan buatan dipandang sebagai pembelajaran dan pembentukan agen rasional.

2.    Bidang ilmu yang menjadi dasar Kecerdasan Buatan
Meskipun bidang kecerdasan buatan berumur relatif muda, namun ia telah mewarisi banyak ide, sudut pandang dan teknik-teknik dari berbagai disiplin. Dari bidang filosofi, AI mewarisi teori-teori penarikan kesimpulan dan pembelajaran, juga sudut pandang bahwa pikiran terbentuk dari serangkaian operasi sistem fisik. Teori-teori filosofi yang berpengaruh pada AI antara lain: silogisme, dualisme, materialisme, empirisme, teori induksi, positifisme logis, kalimat observasi, teori konfirmasi, dan  means-end analysis. Filosofi memberikan penjelasan tentang hubungan antara pengetahuan dan tindakan yang merupakan hal vital dalam AI.
Dari matematika, AI mendapatkan teori formal logika, probabilitas, pengambilan keputusan dan komputasi. Para filosofer telah memberikan gagasan penting tentang AI, namun untuk membuat lompatan dalam sains, teori matematika tentang komputasi, logika dan probabilitas mutlak diperlukan. Dari area komputasi yaitu yang telah menopang AI adalah penemuan algoritma, teorema ketidaksempurnaan, intractability ,dan juga konsep penting dalam teori kompleksitas yaitu teori reduksi, serta teori NP-completeness yang memberikan metode untuk mengenali masalah yang intractable.
            Kontribusi matematika yang tidak kalah pentingnya adalah teori probabilitas. Banyak ilmuwan yang telah menemukan metode-metode statistik yang berpengaruh pada AI seperti Bernoulli, Pascal, dan Bayes. Teori Bayes dan bidang lanjutan analisis Bayes telah membentuk basis pendekatan modern bagi uncertain reasoning dalam sistem AI. Decision Theory yang dipelopori oleh John Van Neumann dan Oskar Morgenstern mengombinasikan teori probabilitas dengan teori utilitas dan telah menghasilkan teori umum pertama yang dapat membedakan antara tindakan yang baik dan yang buruk. Teori ini adalah penerus matematika utilitarianisme yang memberikan dasar bagi banyak rancangan agen AI.
Dari psikologi, kita mendapatkan alat untuk menyelidiki pikiran manusia, dan suatu bahasa ilmiah dalam mengungkapkan teori yang dihasilkan. Dari ilmu bahasa, kita mendapatkan makna dan struktur dari bahasa. Dan dari ilmu komputer, kita mendapatkan alat untuk membuat AI menjadi nyata.

3.    Sejarah Kecerdasan Buatan
            AI sendiri merupakan bidang keilmuan yang berumur relatif muda. Namun pengembangannya sendiri sudah dimulai sejak tahun 1943. Karya pertama yang bisa dikatakan sebagai AI dilakukan oleh Warren McCulloch dan Walter Pitts. Mereka mengusulkan sebuah model neuron artifisial dimana setiap neuron  digolongkan dalam kondisi “on” atau “off”, dengan perubahan pada “on” terjadi sebagai respon terhadap rangsangan yang diberikan oleh sejumlah neuron lain yang berdekatan. Karya mereka ini dikatakan sebagai pelopor bagi tradisi logis dalam AI dan tradisi connectionist. Istilah artificial intelligence sendiri merupakan nama yang lahir dari workshop yang dilakukan di Darmouth College oleh John McCarthy dan rekan-rekan ilmuwannya pada tahun 1956.         
4.    Agen intelejen
A.   Agen dan lingkungannya
Agen Intelligent sering digambarkan secara skematis sebagai sistem fungsional abstrak mirip dengan program komputer. Untuk alasan ini, agen cerdas kadang-kadang disebut agen cerdas abstrak s (AIA) Untuk membedakan mereka dari dunia nyata implementasinya sebagai sistem komputer, sistem biologis, atau organisasi. Beberapa definisi dari agen cerdas mereka menekankan otonomi , sehingga lebih memilih cerdas agen otonom jangka s. Yang lain (terutama Russell & Norvig (2003) ) perilaku goal-directed dianggap sebagai inti dari kecerdasan dan sebagainya lebih suka istilah yang dipinjam dari ekonomi , ” agen rasional “.
Agen Cerdas dalam kecerdasan buatan berhubungan erat dengan agen di ekonomi , dan versi dari paradigma agen cerdas yang dipelajari dalam ilmu kognitif , etika , filsafat alasan praktis , serta di banyak interdisiplinersosio-kognitif pemodelan dan sosial simulasi komputer.
Intelligent agen juga berhubungan erat dengan agen perangkat lunak (program perangkat lunak otonom yang melaksanakan tugas atas nama pengguna). Dalam ilmu komputer , agen cerdas istilah dapat digunakan untuk merujuk kepada agen perangkat lunak yang memiliki kecerdasan tertentu, terlepas jika tidak agen rasional oleh dan Norvig Definisi Russell. Sebagai contoh, program otonom digunakan untuk bantuan operator atau data mining (kadang-kadang disebut sebagai bot).
Lingkungan Tugas Agen, merupakan definisi dari pemasalahan yang akan diselesaikan oleh agen.antara lain :
-        Performance Measure
karakteristik apa yang menjadi tujuan dari agen ?
contoh : motor - tiba ditujuan dengan cepat dan hemat bahan bakar .
-        Environment
bagaimana karakterisitik lingkungan yang akan dihadapi ?
contoh : motor - tipe jalan, tingkat kemacetan.
-        Actuators
perangkat apa yang dibutuhkan agen untuk mencapai tujuan ?
contoh : motor - steering, klakson dll .
-        Sensors
perangkat apa yang dibutuhkan agen untuk mengetahui kondisi lingkungan ?
contoh : motor – speedometer.
B.    Konsep Rasionalitas
Rational Agent merupakan suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan dan pengetahuan lain yang dimilikinya. Mengevaluasi kinerja sangat penting. Kita harus berhati-hati untuk membedakan antara rasionalitas dan omniscience (kemahatahuan). Rasionalitas bahwa agen tahu hasil dari sebuah tindakan yang dilakukan secara rasional. Sedangkan omniscience adalah sebuah kemustahilan dari kenyataan yang sebenarnya telah terjadi. Faktor yang mempengaruhi rasionalitas :
-       Pengukuran kinarja (Performance Measure)
-       Percept Sequence (persepsi urutan)
-       Knowledge from Environment
-       Possible Actions
C.    Lingkungan alami
Lingkungan sangat lah penting dalam proses perancangan sebuah agent. Hal ini dikarenakan setiap tindakan yang akan dilakukan oleh agent harus mempertimbangkan kondisi lingkungan. Terdapat beberapa kriteria pembegian lingkungan.
-       Accessible (dapat diakses)
 Jika sensor agent dapat mendeteksi semua keadaan lingkungan, terutama yang berhubungan dengan pengambilan keputusan.
-       Deterministic
 Merupakan suatu lingkungan dimana lingkungan yang akan dating ditentukan oleh keadaan saat ini dan setiap aksi yang dilakukan oleh agen saat ini.
-       Dynamic
 Suatu lingkungan yang keadaanya selalu berubah-ubah.
-       Discrete (diskrit)
 Keadaan dimana lingkungan saat ini dapat digambarkan dengan pasti, dengan tingkat kesalahan seminimal mungkin.
D.   Struktur agen
Tugas AI adalah untuk merancang sebuah agent yaitu sebuah fungsi yang mengimplementasikan pemetaan agen dari persepsi terhadap tindakan. Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut arsitektur. Secara umum, arsitektur membuat persepsi dari sensor yang tersedia untuk program, menjalankan program, dan umpan pilihan program aksi terhadap efektor seperti yang dihasilkan.
Hubungan antara agen, arsitektur, dan program dapat disimpulkan :
-       Mapping : Hubungan antara Percepts and Action.
-       Tugas dari AI adalah men-design Agent Program : merupakan sebuah function yang mengimplementasikan agent mapping dari percepts to action.
-       Architecture menerima percepts dari sensor, menjalankan program, melakukan aksi yang dipilih action ke effectors.
-       Agent = Architecture + Program
-       PAGE = Percepts, Actions, Goal(s) and Environment.


Daftar pustaka


Read More

About Me

Terimakasih telah datang ke blog saya dan selamat membaca.

Popular Posts

Designed ByBlogger Templates