Kecerdasan Buatan
BAB 6
“KECERDASAN BUATAN”
A.Kecerdasan Buatan (AI) dan Penerapannya
Sejarah Perkembangan Kecerdasan Buatan
§ Era Komputer Elektronik (1941)
Pada tahun 1941, telah ditemukan alat penyimpanan dan pemrosesan informasi. Penemuan tersebut dinamakan komputer elektronik yang dikembangkan di USA dan Jerman. Kemudian pada tahun 1949, berhasil dibuat komputer yang mampu menyimpan program sehingga membuat pekerjaan untuk memasukkan program menjadi lebih mudah. Penemuan inilah yang menjadi dasar pengembangan program yang mengarah pada kecerdasan buatan.
§ Masa-Masa Persiapan Al ( 1943-1956)
Pada tahun 1943, Warren McCulloch dan Walter Pitt menunjukkan bahwa setiap fungsi dapat dihitung dengan suatu jaringan sel syaraf dan bahwa semua hubungan logis dapat diimplementasikan dengan struktur jaringan yang sederhana.
Tahun 1950, Nobert Wiener mmebuat penelitian mengenai prinsip-prinsip teori feedback. Kemudian, tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon, dan Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang otomata. Hasilnya adalah program yang mampu berpikir non-numerik dan menyelesaikan masalah pemikiran, yang dinamakan Principia Mathematica. Karena hal inilah, McCarthy disebut sebagai bapak kecerdasan buatan.
§ Awal Perkembangan Al (1952-1969)
Diawali dengan kesuksesan Newell dan Simon yang menciptakan sebuah program General Problem Solver yang dirancang untuk memulai penyelesaian masalah secara manusiawi.
Tahun 1958, McCarthy di MIT Lab Memo No.1 mendefinisikan bahasa pemrograman tingkat tinggi, yaitu LISP yang sekarang mendominasi pembuatan program-program kecerdasan buatan.
Tahun 1963, program yang dibuat James Slagle mampu menyelesaikan masalah integral tertutup untuk mata kuliah kalkulus.
Tahun 1986, program analogi buatan Tom Evan menyelesaikan masalah analogi geometris yang ada pada tes IQ.
§ Perkembangan Kecerdasan buatan melambat (1966-1974)
Disebabkan oleh 3 kesulitan utama, yaitu program-program kecerdasan buatan yang bermunculan hanya mengandung sedikit sekali pengetahuan pada subjeknya, banyak masalah yang harus diselesaikan oleh kecerdasan buatan, ada beberapa batasan pada struktur dasar yang digunakan untuk menghasilkan perilaku inteljensia.
§ Sistem Berbasis Pengetahuan (1969-1979)
Ed Feingenbaum, Bruce Buchanan, dn Joshua Lederberg membuat program untuk memecahkan masalah struktur molekul dari informasi yang didapatkan dari spectrometer massa. Program ini dinamakan Dendral Programs yang berfokus pada segi pengetahuan kimia.
§ Kecerdasan buatan menjadi industri (1980-1988)
Industrialisasi kecerdasan buatan diawali dengan ditemukannya sistem pakar yang dinamakan R1 yang mampu mengkonfigurasi sistem-sistem komputer baru. Program tersebut mulai dioperasikan di Digital Equipment Corporation, McDermott, pada tahun 1982.
§ Kembalinya jaringan syaraf tiruan (1986-sekarang)
pada tahun 1985-an setidaknya empat kelompok riset menemukan kembali algoritma belajar propagasi balik (Black-Propagation Learning). Algoritma ini berhasil diimplementasikan ke dalam bidang ilmu komputer dan psikologi.
Penerapan Kecerdasan Buatan yang Sudah digunakan Saat Ini
§ Siri
Siri adalah salah satu asisten pribadi virtual paling populer yang ditawarkan oleh Apple di iPhone dan iPad. Asisten yang diaktifkan sebagai suara perempuan ramah berinteraksi dengan pengguna dalam rutinitas sehari-hari. Dia membantu Anda menemukan informasi, mendapatkan petunjuk arah, mengirim pesan, melakukan panggilan suara, membuka aplikasi, dan menambahkan acara ke kalender.
§ Tesla
Tesla adalah sesuatu yang meniadakan driver manusia. Ini adalah salah satu teknologi mobil terbaik yang tersedia sampai sekarang. Mobil ini tidak hanya mampu meraih banyak penghargaan tetapi juga fitur seperti mengemudi sendiri, kemampuan prediktif, dan inovasi teknologi mutlak.
§ Cogito
Cogito awalnya didirikan oleh Dr Sandy dan Joshua. Cogito digunakan pada jutaan panggilan suara yang dilakukan setiap hari. Contoh penerapan Artificial Intelligence dengan menganalisis suara manusia dan memberikan panduan untuk memberikan pelayanan maksimum.
§ Netflix
Aplikasi ini menjadi lebih cerdas setiap tahun. Satu-satunya kelemahan dari teknologi ini adalah film kecil akan luput dari perhatian sementara film-film besar tumbuh dan menyebar di platform. Tapi seperti yang saya tulis sebelumnya, itu masih meningkat dan belajar menjadi lebih cerdas.
§ Pandora
Pandora adalah salah satu solusi teknologi artificial intelligence yang paling populer dan sangat detil. Ini juga disebut DNA musik. Tergantung pada 400 karakteristik musik, tim musisi ahli secara individual menganalisis lagu tersebut. Sistem ini juga bagus dalam merekomendasikan rekam jejak untuk merekomendasikan lagu yang tidak pernah diperhatikan, meskipun disukai orang.
B. Teori Informasi
Pengertian
Menurut Stephen W. Littlejohn (2009), teori informasi adalah studi kuantitatif mengenai transmisi sinyal. Dalam teori komunikasi manusia, teori informasi berperan sebagai sebuah metafora bagi transmisi komunikasi antara pengirim pesan kepada penerima pesan yang berlangsung secara linear.
Konsep
Dalam teori informasi, terdapat beberapa konsep penting yang harus dipahami, yaitu :
· Informasi
Menurut Littlejohn (2009), yang dimaksud dengan informasi adalah ukuran ketidakpastian dalam sebuah sistem atau sinyal. Dengan kata lain, teori informasi menyatakan bahwa semakin tinggi informasi dalam sistem maka ketidakpastian akan semakin besar.
· Entropi
Entropi adalah konsep yang paling mendasar dalam teori informasi. Konsep entropi pertama kali dikenalkan dalam termodinamika yang digunakan untuk menyuguhkan sebuah pernyataan hokum kedua termodinamika. Entropi mengandung arti keteracakan atau kurangnya prediktabilitas di dalam sebuah sistem.
· Pilihan
Menurut Littlejohn (2009), cara lain untuk memahami konsep informasi adalah dengan berpikir sejumlah pilihan yang dapat dibuat ketika memprediksi keluaran atau outcome. Semakin banyak pilihan, maka prediktabilitas akan semakin rendah, dan semakin banyak informasi yang berada dalam sistem. Sistem yang lebih rumit dan kompleks akan memiliki banyak sekali kemungkinan keluaran, pilihan, atau alternatif dibandingkan dengan sebuah sistem yang jauh lebih sederhana.
· Redundancy
Menurut Littlejohn (2009), redundancy adalah kebalikan dari informasi. Redundancy adalah ukuran prediktabilitas dalam suatu sistem. Sebagaimana informasi, redundancy adalah sebuah ukuran kuantitatif yakni rasio entropi terhadap kemungkinan jumlah maksimum dalam suatu sistem. Entropi dikatakan maksimal manakala seluruh alternatif yang ada adalah sama.
C. Pembelajaran Mesin (Machine Learning)
Apa Itu Machine Learning?
Ada setidaknya empat hal pokok yang dipelajari dalam hal ini. Pertama, pembelajaran terarah atau supervised learning. Kedua, pembelajaran tak terarah atau unsupervised learning. Ketiga pembelajaran semi terarah atau semi-supervised learning dan yang terakhir reinforcement learning. Ilmu pembelajaran mesin ini merupakan salah satu program kursus yang saat ini banyak tersedia, kalian bisa mengikuti kursus sejenis untuk mengenal dan belajar lebih jauh.
Bagaimana Cara Kerja Machine Learning ?
Berikut ini tahapan kerja machine learning:
· Memilah Data
pada tahapan memilah data, dipisahkan menjadi tiga bagian, yaitu training data (data yang akan dilatih), validation data (data yang dipakai untuk validasi) dan test data (data yang dipakai untuk percobaan prediksi). Hal ini juga menegaskan bahwa machine learning yaitu suatu hal yang sangat bergantung pada adanya data.
· Model Data dan Validasi Model
Tahap selanjutnya adalah membuat model data. Dalam hal ini, kita harus menggunakan training data yang sudah disiapkan untuk membangun model menggunakan fitur yang disesuaikan dengan tujuan pengembangan sistem komputer ini. Setelah itu barulah dilakukan validasi model yaitu pengujian terhadap model data dengan validation data. Hal ini bermanfaat untuk mendapat feedback dari input, proses serta output yang dipakai.
· Test Model dan Penggunaan Test Model
Dalam tahap ini kita akan semakin mengerti bahwa ilmu pemrosesan bahasa alami adalah kategori AI yang hanya bisa bekerja dengan adanya data. Pada tahap ini akan dilakukan perbandingan kinerja model yang telah divalidasi dengan data percobaan prediksi atau test data. Selanjutnya baru bisa dilakukan pengaplikasian model yang telah dilatih tersebut untuk membuat prediksi pada data baru lagi.
Referensi
https://id.m.wikipedia.org/wiki/Sejarah_kecerdasan_buatan
https://agusckurniawan.blogspot.com/2011/01/pengambilan-keputusan-dalam-statistik.html
https://bootup.ai/blog/machine-learning-adalah-pengertian-dan-konsep/
Komentar
Posting Komentar