PENGANTAR TEKNOLOGI SISTEM CERDAS
PENGANTAR
TEKNOLOGI SISTEM CERDAS
Di
susun oleh :
Dea
Ludiastami (12114584)
UNIVERSITAS
GUNADARMA
PTA
2016/2017
KECERDASAN BUATAN (ARTIFICAL INTELEGENCE)
A. DEFINISI KECERDASAN
BUATAN
Kecerdasan Buatan
(Artificial Intelligence) merupakan salah satu bagian dari ilmu komputer yang
mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan
seperti dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik daripada
yang dilakukan manusia.
Untuk membuat aplikasi
kecerdasan buatan ada 2 bagian utama yang sangat dibutuhkan :
Basis Pengetahuan
(Knowledge Base), bersifat fakta-fakta, teori , pemikiran dan hubungan antar
satu dengan yang lainnya.
Motor Inferensi
(Inference Engine), kemampuan menarik kesimpulan berdasarkan pengetahuan
dan pengalaman.
B. PERBEDAAN KERCEDASAN
BUATAN DAN KECERDASAN ALAMI
Adapun perbedaan antara
kecerdasan buatan dengan kecerdasan alami adalah sebagai berikut:
Kecerdasan Buatan Lebih bersifat permanen, Lebih
mudah diduplikasi & disebarkan, Lebih murah, Bersifat konsisten, Dapat
didokumentasi, Lebih cepat, Lebih baik.
Kecerdasan Alami bersifat
Kreatif, Memungkinkan orang untuk menggunakan pengalaman secara langsung, Pemikiran
manusia dapat digunakan secara luas.
C. SEJARAH KECERDASAN
BUATAN
Pada awal abad 17 ketika
Rene Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya
mesin-mesin yang rumit. Kemudian Blaise Pascal yang menciptakan mesin
penghitung digital mekanis pertama pada 1642. Pada abad 19, Charles Babbage dan
Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Lalu, Bertrand Russell
dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak
logika formal. Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis
Gagasan yang tetap ada dalam Aktivitas” pada 1943 yang meletakkan pondasi awal
untuk jaringan syaraf.
Lalu tahun 1950-an Alan
Turing, yakni seorang pionir AI dan ahli matematika Inggris melakukan
percobaan. Turing(Turing Test) yaitu sebuah komputer yang melalui terminalnya
ditempatkan pada jarak jauh. Di ujung yang satu ada terminal dengan software AI
dan diujung lain ada sebuah terminal dengan seorang operator. Operator itu
tidak mengetahui jika diujung terminal lain dipasang software AI. Mereka
berkomunikasi dimana terminal di ujung memberikan respon terhadap serangkaian
pertanyaan yang diajukan oleh operator. Dan operator tersebut mengira ia sedang
berkomunikasi dengan operator lainnya yang berada pada terminal lain. Turing
beranggapan bahwa jika mesin dapat membuat seorang percaya bahwa dirinya mampu
berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut
cerdas.
D. KATEGORI KONSEP DASAR
AI
1. Acting Humanly ialah
system yang melakukan pendekatan dengan menirukan tingkah laku seperti manusia.
2. Thinking Humanly Yaitu
system yang dilakukan dengan cara intropeksi yaitu penangkapan pemikiran
psikologis.
3. Thinking Rationaly Membuat
pengetahuan informal, lalu menyatakan dalam formal term dengan notasi-notasi
logika.
4. Acting Rationaly Membuat
inferensi dan melakukan aksi secara rasional adalah dengan menalar secara
logis.
E. DISIPLIN ILMU SUB
BAGIAN AI
1. Natural Languange
Processing (NLP) merupakan salah satu cabang AI yang mempelajari pembuatan
sistem untuk menerima masukan bahasa alami manusia.
2. Expert System (ES)
merupakan salah satu cabang AI yang mempelajari pembuatan sebuah sistem yang
dapat bekerja layaknya seorang pakar.
3. Pattern Recognition
(PR) merupakan salah satu cabang AI yang mempelajari pembuatan sebuah sistem
untuk dapat mengenali suatu pola tertentu.
4. Robotic merupakan
salah satu cabang AI yang menggabungkan cabangcabang AI yang lain termasuk
ketiga cabang di atas untuk membentuk sebuah sistem robotik.
NATURAL LANGUAGE PROCESSING
Natural language atau
Bahasa alami dapat mendapatkan dan memahami informasi yang ambigu bahkan
berantakan yang biasa digunakan oleh manusia dan biasanya hanya manusia yang
dapat mengerti.
1 MODEL BAHASA
Model bahasa alam sebagai
distribusi tidak dapat berbicara satu arti kalimat, tetapi merupakan probabilitas
distribusi atas kemungkinan yang berarti.
1.1 N-gram Character
Models, Model n-gram didefinisikan sebagai rantai Markov urutan n − 1.
1.2 Smoothing N-gram
Models, Komplikasi utama dari model n-gram adalah pelatihan corpus hanya menyediakan perkiraan dari distribusi
probabilitas mendekati kebenaran.
1.3 Model Evaluasi, Evaluasi
dapat mengukur akurasi pada bahasa identifikasi seperti : menghitung
kemungkinan ditugaskan untuk corpus validasi oleh model.
1.4 Model Kata N-gram, Model
n-gram merupakan kata bukan karakter.
2 Teks Klasifikasi
Klasifikasi genre adalah
contoh dari Text Klasifikasi, seperti analisis sentimen deteksi spam.
2.1 Klasifikasi oleh
kompresi data, Cara klasifikasi adalah kompresi data.
3 PENGAMBILAN INFORMASI
Pengambilan informasi
adalah tugas mencari dokumen-dokumen yang relevan sesuai dengan kebutuhan
pengguna untuk informasi.
3.1 IR Scoring Function, Tiga
faktor yang mempengaruhi query: Pertama, frekuensi munculnya sebuah query dalam
sebuah dokumen. Kedua, Invers Dokument Frekuensi atau IDF. Ketiga, panjang
dokumen, miliaran kata dalam sebuah dokumen mungkin akan menyebutkan semua kata
query.
3.2 Evaluasi sistem IR, Melakukan
percobaan dalam sistem yang diberikan satu set pertanyaan dan hasil mengatur ditorehkan
dengan rasa hormat kepada relevansi hukum manusia.
3.3 Perbaikan IR, Perbaikan
IR adalah model yang lebih baik dari efek panjang dokumen relevansi.
3.4 The PageRank
algorithm, PageRank adalah salah satu dari dua ide asli yang mengatur pencarian
Google dari mesin pencarian web lain kerika diperkenalan pada tahun 1997.
3.5 The Hits Algorithm, Menghemat
kata-kata daftar hit query dan halaman
lalu menambahkan link dari halaman-halaman yang berada dalam satu cakupan dari
salah satu halaman di set relevan asli.
3.6 Question Answering, Pencarian
informasi adalah tugas mencari dokumen yang relevan dengan query, di mana
permintaan mungkin menjadi pertanyaan, topik daerah atau konsep.
4 EKSTRAKSI INFORMASI
Ekstraksi informasi
adalah proses memperoleh pengetahuan dengan membaca sekilas teks dan mencari kejadian
dari objek kelas tertentu.
4.1 Finite-negara
automata untuk ekstraksi informasi, Jenis paling sederhana dari sistem
ekstraksi informasi adalah sistem ekstraksi atribut berbasis yang mengasumsikan
bahwa seluruh teks mengacu pada objek tunggal dan tugas ini adalah untuk mengekstrak
atribut bahwa objek.
4.2 Model Probabilitas
Untuk Ekstraksi Informasi, Ekstraksi informasi berusaha dari bervariasi
masukan, sederhana dari pendekatan tarif buruk.
4.3 Conditional Random
Fields For Information Extraction, Semua yang kita butuhkan untuk memahami teks
adalah Model diskriminatif, Model probabilitas bersyarat dari atribut
tersembunyi mengingat pengamatan (teks).
4.4 Ontology Extraction
From Large, Sebuah aplikasi yang berbeda dari teknologi ekstraksi adalah
membangun basis pengetahuan besar atau ontologi fakta dari corpus a.
4.5 Otomatis Template
Konstruksi, Hubungan sub kategori begitu mendasar untuk kerajinan beberapa
template untuk membantu mengidentifikasi kasus itu terjadi di alam aksara.
4.6 Machine Reading, Konstruksi Template otomatis adalah
langkah besar dari konstruksi kerangka buatan, namun masih membutuhkan beberapa
contoh label dari setiap relasi untuk memulai.
KESIMPULAN
Berdasarkan teori diatas,
dijelaskan bahwa AI(Artifical Intelegence) merupakan kecerdasan buatan yang
membutuhkan seperangkat perangkat keras seperti computer. AI mempunyai
kelebihan untuk berprilaku sama seperti manusia cerdas tetapi tidak terlalu
luas tergantung cabang dari AI tersebut. Salah satu AI(Artifical Intelegence)
dibidang linguistik komputasional adalah NLP(natural language processing) yang
bisa mengkaji interaksi
antara komputer dengan bahasa (alami) manusia. Umumnya, bahasa yang diterima
oleh komputer butuh untuk diproses dan dipahami terlebih dahulu supaya maksud
dari user bisa dipahami dengan baik oleh computer oleh karena itu diperlukan NLP(natural
language processing) agar computer itu sendiri bisa mendapatkan dan memahami
informasi yang ambigu bahkan berantakan yang biasa digunakan oleh manusia. Dengan
adanya NLP(natural language processing) ini akan membuat manusia lebih mudah
untuk berinteraksi dengan computer.
REFERENSI
Kusumadewi, Sri, 2003, Artificial Intelligent (Teknik dan
Aplikasinya), Yogyakarta : Penerbit ANDI.
Komentar
Posting Komentar