KECERDASAN BUATAN
(ARTIFICIAL INTELLIGENCE)
PERTEMUAN 1
PENGANTAR KECERDASAN BUATAN
Pembahasan
 Kontrak Perkuliahan
 Pemahaman Tujuan Perkuliahan
 Pengantar Kecerdasan Buatan
- Definisi kecerdasan buatan
- Kecerdasan buatan vs kecerdasan
alami
- Sejarah kecerdasan buatan
- Perkembangan dan aplikasinya
Kontrak Perkuliahan
 Materi kuliah
 Aturan perkuliahan
- Pembentukan Kelompok (5 org/per kelompok) dan
Koordinator Kelas
 Aturan penilaian
- Tugas & Kehadiran : 10%
- Diskusi & Presentasi : 20%
- Final Project : 25%
- UTS : 20%, UAS : 25%
 Email : datenshi_nicely@yahoo.com
Pemahaman Tujuan Perkuliahan
Kuliah ini memberikan prinsip-prinsip dasar
dan metode utama dari Kecerdasan Buatan,
menyiapkan mahasiswa untuk membangun
sistem yang kompleks dalam kaitan
kemampuan dalam pemrosesan pintar
informasi.
Definisi
Kecerdasan Buatan
Pengantar
 Bisakah mesin berpikir?
 Jika bisa, bagaimana caranya?
 Dan jika tidak bisa, kenapa tidak?
 Dan apa yang dikatakan sebagai pikiran (mind)?
Arti Kecerdasan
kemampuan untuk …
 belajar atau mengerti dari pengalaman,
 memahami pesan yang kontradiktif dan
ambigu,
 menanggapi dengan cepat dan baik atas
situasi yang baru,
 menggunakan penalaran dalam memecahkan
masalah serta menyelesaikannya dengan
efektif
(Winston dan Pendergast, 1994)
Apa itu AI?
 Merupakan kawasan penelitian, aplikasi dan
instruksi yang terkait dengan pemrograman
komputer untuk melakukan sesuatu hal - yang
dalam pandangan manusia adalah – cerdas (H.
A. Simon [1987])
 Sebuah studi tentang bagaimana membuat
komputer melakukan hal-hal yang pada saat ini
dapat dilakukan lebih baik oleh manusia (Rich
and Kinight [1991])
Kategori Definisi AI
 Dikelompokkan menjadi 4 macam :
 Thinking humanly
(Pendekatan ini dilakukan dengan dua cara)
o Melalui introspeksi, mencoba menangkap pemikiran kita sendiri saat
kita berfikir. “how do you know that you understand?”.
o Melalui penelitian-penelitian dari segi psikologi.
 Acting humanly
(the Turing test approach, 1950)
o Tahun 1950, Alan Turing merancang suatu ujian bagi komputer yang
berintelijensia (bot Cerdas) untuk menguji apakah komputer tersebut
mampu mengelabuhi seorang manusia/ interrogator melalui
komunikasi berbasis teks jarak jauh.
o Tentunya komputer tersebut harus memiliki kemampuan, Natural
Language Processing, Knowledge Representation, Automated
Reasoning, Machine Learning, Computer Vision, Robotics
Kategori Definisi AI (Lanjutan 1)
 Thinking Rationally
(Terdapat dua masalah dalam pendekatan ini)
o Tidak mudah membuat pengetahuan informal, lalu menyatakan
dalam formal term dengan notasi-notasi logika.
o Terdapat perbedaan besar antara dapat memecahkan masalah
“secara prinsip” dan memecahkannya “dalam dunia nyata”.
 Acting rationally
(the Rational agent approach)
o Membuat inferensi logis merupakan bagian dari suatu rational
agent. Karena untuk melakukan aksi secara rasional adalah dengan
menalar secara logis.
o Dengan menalar secara logis, maka bisa didapatkan kesimpulan
bahwa aksi yang dilakukan akan mencapai tujuan atau tidak.
Kategori Definisi AI (Lanjutan 2)
Detail Kecerdasan Buatan
 Sudut Pandang Kecerdasan
Kecerdasan buatan mampu membuat mesin
menjadi cerdas (berbuat seperti yang
dilakukan manusia)
 Sudut Pandang Penelitian
Kecerdasan buatan adalah studi bagaimana
membuat komputer dapat melakukan sesuatu
sebaik yang dilakukan manusia
 Sudut Pandang Bisnis
Kecerdasan buatan adalah kumpulan peralatan
yang sangat powerful dan metodologis dalam
menyelesaikan masalah bisnis
 Sudut Pandang Pemrogram
Kecerdasan buatan meliputi studi tentang
pemrograman simbolik, problem solving, dan
pencarian (searching)
2 Bagian Utama AI
 Basis Pengetahuan (knowledge base)
berisi fakta-fakta, teori, pemikiran dan hubungan
komponen satu dengan yang lainnya
 Motor Inferensi (inference engine)
Kemampuan menarik kesimpulan berdasar
pengalaman. Berkaitan dengan representasi dan
duplikasi proses tersebut melalui mesin
(misalnya, komputer dan robot).
Konsep Kecerdasan Buatan
 Turing Test
Metode Pengujian Kecerdasan (Alan Turing).
Proses uji ini melibatkan seorang penanya
(manusia) dan dua obyek yang ditanyai.
 Pemrosesan Simbolik
Sifat penting dari AI adalah bahwa AI merupakan
bagian dari ilmu komputer yang melakukan
proses secara simbolik dan non-algoritmik dalam
penyelesain masalah.
 Heuristic
Suatu strategi untuk melakukan proses
pencarian (search) ruang problem secara efektif,
yang memandu proses pencarian yang kita
lakukan di sepanjang jalur yang memiliki
kemungkinan sukses paling besar.
 Inferensi (Penarikan Kesimpulan)  AI mencoba
membuat mesin yang memiliki kemampuan
berpikir atau mempertimbangkan (reasoning),
termasuk didalamnya proses (inferencing)
berdasarkan fakta-fakta dan aturan dengan
menggunakan metode heuristik, dll
 Pencocokan Pola (Pattern Matching) 
Berusaha untuk menjelaskan obyek, kejadian
“State of the Art” AI
 Deep Blue mengalahkan Kasparov, juara dunia Catur.
 PEGASUS, suatu sistem memahami ucapan yang
mampu menangani transaksi seperti mendapatkan
informasi tiket udara termurah.
 MARVEL: suatu sistem pakar real-time memonitor arus
data dari pesawat Voyager dan setiap anomali sinyal.
 Sistem robot mengemudikan sebuah mobil dengan
kecepatan yang cepat pada jalan raya umum.
 Suatu diagnostik sistem pakar sedang mengkoreksi hasil
diagnosis pakar yang sudah punya reputasi.
 Agent pintar untuk bermacam-macam domain yang
bertambah pada laju yang sangat tinggi .
 Subjek materi pakar mengajar suatu learning agent
penalarannya dalam pusat penentuan gravitasi.
Tujuan Kecerdasan Buatan
 Membuat komputer lebih cerdas
 Mengerti tentang kecerdasan
 Membuat mesin lebih berguna
Kecerdasan Buatan
VS
Kecerdasan Alami
Perbedaan Kecerdasan Buatan
dengan Kecerdasan Alami
 Lebih permanen
 Menawarkan kemudahan duplikasi dan penyebaran
 Lebih murah daripada kecerdasan alami
 Konsisten dan menyeluruh
 Dapat didokumentasikan
 Dapat mengeksekusi tugas tertentu lebih cepat daripada
manusia
 Dapat menjalankan tugas tertentu lebih baik dari banyak
atau kebanyakan orang.
Kelebihan Kecerdasan Alami
dibanding AI
 Bersifat lebih kreatif
 Dapat melakukan proses pembelajaran secara
langsung, sementara AI harus mendapatkan
masukan berupa simbol dan representasi-
representasi
 Menggunakan fokus yang luas sebagai referensi
untuk pengambilan keputusan. Sebaliknya, AI
menggunakan fokus yang sempit
Sejarah
Kecerdasan Buatan
Perkembangan dan
Aplikasinya
Sejarah Kecerdasan Buatan
 Awal kerja JST dan logika
 Teori Logika (Alan Newell and Herbert Simon)
 Kelahiran AI: Dartmouth workshop - summer
1956
 John McCarthy’s memberi nama bidang: artificial
intelligence
Jaman “batu” (1943-1956)
Awal antusias, harapan besar
(1952-1969)
 McCarthy (1958)
- mendefinisikan Lisp
- menemukan time-sharing
- Advice Taker
 Pembelajaran tanpa pengetahuan
 Pemodelan JST
 Pembelajaran Evolusioner
 Samuel’s checkers player: pembelajaran
 Metode resolusi Robinson.
 Minsky: the microworlds (e.g. the block’s world).
 Banyak demonstrasi kecil ttg perilaku “intelligent”
 Prediksi over-optimistic Simon
Masa Gelap (1966-1973)
 AI tidak mengalami perkembangan: ledakan
perkembangan combinatorial
 Fakta bahwa suatu program bisa
mendapatkan suatu solusi secara prinsip tidak
berarti bahwa program memuat beberapa
mekanisme yang dibutuhkan untuk
mendapatkannya secara praktis.
 Kegagalan dari pendekatan terjemahan
bahasa alami berbasis pada grammars
sederhana dan kamus kata.
 Penterjemahan kembali yang populer
English->Russian->English
 Penemuan untuk pemrosesan bahasa natural
dihentikan.
 Kegagalan perceptron untuk belajar dari
fungsi sederhana sebagaimana
disjunctive/eksclusive OR.
 Penelitian pada JST dihentikan.
 Realisasi dari kesukaran dalam proses
learning dan keterbatasan dari metode yang
dieksplorasi
 Konsep pembelajaran simbolik (Winston’s
influential thesis, 1972)
Renaissance (1969-1979)
 Perubahan pada paradigma penyelesaian:
 Dari penyelesaian masalah berbasis “search-based”
menjadi penyelesaian masalah berbasis pengetahuan.
 Sistem pakar pertama
 Dendral: menginferensi struktur molecular dari
informasi yang disediakan oleh spektrometer massa.
 Mycin: diagnoses blood infections
 Prospector: merekomendasikan eksplorasi
pengeboran pada lokasi geologi yang menyediakan
suatu deposit mineral molybdenum.
Era Industrial
(1980-sekarang)
 Sukses pertama Sistem Pakar secara
komersial.The.
 Many AI companies.
 Eksplorasi dari strategi pembelajarqan yqang
bermacam-macam (Explanation-based
learning, Case-based Reasoning, Genetic
algorithms, Neural networks, etc.)
Kembalinya neural networks
(1986-sekarang)
 Penggalian kembali algoritma learning back
propagation untuk neural networks yang pertama
dikenalkan dalam tahun 1969 oleh Bryson and Ho.
 Banyak aplikasi sukses dari Neural Networks.
 Kehilangan respek terhadap sulitnya membangun
sistem pakar (macetnya knowledge acquisition).
Kematangan
(1987-sekarang)
 Perubahan dalam cakupan dan metodologi
penelitian bidang Kecerdasan Buatan:
 Membangun di atas teori yang ada, bukan
cuma mengusulkan teori baru;
 berbasis klaim pada theorema dan
eksperimen, bukan pada intuisi;
 menunjukkan relevansi ke aplikasi nyata,
bukan pada contoh “mainan”.
Agent Cerdas (1995-sekarang)
• Realisasi yang pada mulanya dipisahkan dalam sub
dari Kecerdasan Buatan (speech recognition, problem
solving and planning, robotics, computer vision,
machine learning, knowledge representation, etc.)
perlu direorganisasi bilamana hasil-hasilnya diikat
bersama-sama kedalam suatu desain agent tunggal.
 Suatu proses reintegrasi dari sub-area yang berbeda
dari KB untuk membentuk “whole agent”:
 “agent perspective” of AI
 agent architectures (e.g. SOAR, Disciple);
 multi-agent systems;
 agent untuk aplikasi tipe-tipe yang berbeda, web
agents.
Domain Yang Sering Dibahas
 Mundane Task
- Persepsi (vision & speech)
- Bahasa alami (understanding, generation & translation)
- Pemikiran yang bersifat commonsense
- Robot control
 Formal Task
- Permainan / Games
- Matematika (Geometri, logika, kalkulus integral,
pembuktian)
 Expert Task
- Analisis finansial
- Analisis medikal
- Analisis ilmu pengetahuan
- Rekayasa (design, pencarian kegagalan, perencanaan
manufaktur)
Tugas
 Cari contoh aplikasi kecerdasan buatan, dan
jelaskan fungsi dari aplikasi tersebut di
masyarakat !
Summary
 Kecerdasan buatan terdiri dari knowledge
base dan motor inference
 Digunakan untuk membantu menyelesaikan
permasalahan manusia
 Kecerdasan buatan mengalami
perkembangan terus menerus sampai saat ini
 Semakin banyak objek yang mampu
diselesaikan oleh Kecerdasan buatan
Daftar Pustaka
 Sri Kusumadewi, Artificial Intelligence (Teknik dan
Aplikasinya), Graha Ilmu, 2003, Yogyakarta
 William Siler and James J. Buckley, “Fuzzy Expert
System and Fuzzy Reasoning”, Wiley-Interscience,
2005
 Laurene Fauset, “Fundamental of Neural Network”,
Prentice Hall, 2000

More Related Content

PPT
pertemuan-1.ppt
PPT
1 pengertian ai
PPTX
AI-1-Konsep AI.pptx
PPTX
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-1.pptx
PPT
Pengantar Artificial Intelligence untuk mahasiswa
PPTX
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-1.pptx
PPTX
2 - Artificial Intelegence.pptx
PPTX
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-1.pptx
pertemuan-1.ppt
1 pengertian ai
AI-1-Konsep AI.pptx
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-1.pptx
Pengantar Artificial Intelligence untuk mahasiswa
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-1.pptx
2 - Artificial Intelegence.pptx
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-1.pptx

Similar to AI_Pertemuan_I (1).pptx (20)

PPTX
Kecerdasan Buatan - Artificial Intellegence
PPTX
ARTIFICAL INTELLIGENCE.pptx
PPTX
2 Intelegensi Buatan.pptx
PPTX
TIB_AI.pptx
PPT
2321937835809876543234567898765433456788.ppt
DOCX
Definisi kecerdasan buatan
PDF
Pertemuan1 Pengantar Artifical Intelegent (Kecerdasan Buatan)
PPT
Pertemuan 1-konsep-dasar-ai
PDF
Pengantar Kecerdasan Buatan
PPT
Kecerdasan buatan
PDF
Pertemuan 01 Definisi Artificial Intelligence
PPTX
Kecerdasan buatan 1
PPT
Kecerdasanbuatan
PPT
Kecerdasanbuatan
PPTX
Mis2013 chapter 11 kecerdasan buatan
PPTX
Ai 1
PPT
10 - Artificial Intelligence.ppt
PPTX
pengantar pendidikan tentang Apa itu AI.pptx
PDF
1 ai
PPTX
Materi1 pengantar ai
Kecerdasan Buatan - Artificial Intellegence
ARTIFICAL INTELLIGENCE.pptx
2 Intelegensi Buatan.pptx
TIB_AI.pptx
2321937835809876543234567898765433456788.ppt
Definisi kecerdasan buatan
Pertemuan1 Pengantar Artifical Intelegent (Kecerdasan Buatan)
Pertemuan 1-konsep-dasar-ai
Pengantar Kecerdasan Buatan
Kecerdasan buatan
Pertemuan 01 Definisi Artificial Intelligence
Kecerdasan buatan 1
Kecerdasanbuatan
Kecerdasanbuatan
Mis2013 chapter 11 kecerdasan buatan
Ai 1
10 - Artificial Intelligence.ppt
pengantar pendidikan tentang Apa itu AI.pptx
1 ai
Materi1 pengantar ai
Ad

Recently uploaded (9)

PDF
Struktur Data - 2 Pengantar Struktur Data
PDF
Struktur Data - 1 Kontrak Perkuliahan
PDF
Struktur Data - 3 Array: Konsep & Implementasi
PDF
Struktur Data - 4 Pointer & Linked List
PPTX
CARA AKSES KE INTERNET MELALUI WIFI ATAU LAN
PPTX
INFORMATIKA UNTUK SISWA SMP KELAS VII.pptx
PPTX
Introduction Financial Consolidatioan Multi currency integration to all ERP o...
PPTX
Materi Workshop Keuangan Digital 2025.pptx
PPTX
Berfikir Komputasi untuk siswa SMP KELAS 9.pptx
Struktur Data - 2 Pengantar Struktur Data
Struktur Data - 1 Kontrak Perkuliahan
Struktur Data - 3 Array: Konsep & Implementasi
Struktur Data - 4 Pointer & Linked List
CARA AKSES KE INTERNET MELALUI WIFI ATAU LAN
INFORMATIKA UNTUK SISWA SMP KELAS VII.pptx
Introduction Financial Consolidatioan Multi currency integration to all ERP o...
Materi Workshop Keuangan Digital 2025.pptx
Berfikir Komputasi untuk siswa SMP KELAS 9.pptx
Ad

AI_Pertemuan_I (1).pptx

  • 2. Pembahasan  Kontrak Perkuliahan  Pemahaman Tujuan Perkuliahan  Pengantar Kecerdasan Buatan - Definisi kecerdasan buatan - Kecerdasan buatan vs kecerdasan alami - Sejarah kecerdasan buatan - Perkembangan dan aplikasinya
  • 3. Kontrak Perkuliahan  Materi kuliah  Aturan perkuliahan - Pembentukan Kelompok (5 org/per kelompok) dan Koordinator Kelas  Aturan penilaian - Tugas & Kehadiran : 10% - Diskusi & Presentasi : 20% - Final Project : 25% - UTS : 20%, UAS : 25%  Email : [email protected]
  • 4. Pemahaman Tujuan Perkuliahan Kuliah ini memberikan prinsip-prinsip dasar dan metode utama dari Kecerdasan Buatan, menyiapkan mahasiswa untuk membangun sistem yang kompleks dalam kaitan kemampuan dalam pemrosesan pintar informasi.
  • 6. Pengantar  Bisakah mesin berpikir?  Jika bisa, bagaimana caranya?  Dan jika tidak bisa, kenapa tidak?  Dan apa yang dikatakan sebagai pikiran (mind)?
  • 7. Arti Kecerdasan kemampuan untuk …  belajar atau mengerti dari pengalaman,  memahami pesan yang kontradiktif dan ambigu,  menanggapi dengan cepat dan baik atas situasi yang baru,  menggunakan penalaran dalam memecahkan masalah serta menyelesaikannya dengan efektif (Winston dan Pendergast, 1994)
  • 8. Apa itu AI?  Merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal - yang dalam pandangan manusia adalah – cerdas (H. A. Simon [1987])  Sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Kinight [1991])
  • 9. Kategori Definisi AI  Dikelompokkan menjadi 4 macam :
  • 10.  Thinking humanly (Pendekatan ini dilakukan dengan dua cara) o Melalui introspeksi, mencoba menangkap pemikiran kita sendiri saat kita berfikir. “how do you know that you understand?”. o Melalui penelitian-penelitian dari segi psikologi.  Acting humanly (the Turing test approach, 1950) o Tahun 1950, Alan Turing merancang suatu ujian bagi komputer yang berintelijensia (bot Cerdas) untuk menguji apakah komputer tersebut mampu mengelabuhi seorang manusia/ interrogator melalui komunikasi berbasis teks jarak jauh. o Tentunya komputer tersebut harus memiliki kemampuan, Natural Language Processing, Knowledge Representation, Automated Reasoning, Machine Learning, Computer Vision, Robotics Kategori Definisi AI (Lanjutan 1)
  • 11.  Thinking Rationally (Terdapat dua masalah dalam pendekatan ini) o Tidak mudah membuat pengetahuan informal, lalu menyatakan dalam formal term dengan notasi-notasi logika. o Terdapat perbedaan besar antara dapat memecahkan masalah “secara prinsip” dan memecahkannya “dalam dunia nyata”.  Acting rationally (the Rational agent approach) o Membuat inferensi logis merupakan bagian dari suatu rational agent. Karena untuk melakukan aksi secara rasional adalah dengan menalar secara logis. o Dengan menalar secara logis, maka bisa didapatkan kesimpulan bahwa aksi yang dilakukan akan mencapai tujuan atau tidak. Kategori Definisi AI (Lanjutan 2)
  • 12. Detail Kecerdasan Buatan  Sudut Pandang Kecerdasan Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat seperti yang dilakukan manusia)  Sudut Pandang Penelitian Kecerdasan buatan adalah studi bagaimana membuat komputer dapat melakukan sesuatu sebaik yang dilakukan manusia
  • 13.  Sudut Pandang Bisnis Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah bisnis  Sudut Pandang Pemrogram Kecerdasan buatan meliputi studi tentang pemrograman simbolik, problem solving, dan pencarian (searching)
  • 14. 2 Bagian Utama AI  Basis Pengetahuan (knowledge base) berisi fakta-fakta, teori, pemikiran dan hubungan komponen satu dengan yang lainnya  Motor Inferensi (inference engine) Kemampuan menarik kesimpulan berdasar pengalaman. Berkaitan dengan representasi dan duplikasi proses tersebut melalui mesin (misalnya, komputer dan robot).
  • 15. Konsep Kecerdasan Buatan  Turing Test Metode Pengujian Kecerdasan (Alan Turing). Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai.  Pemrosesan Simbolik Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melakukan proses secara simbolik dan non-algoritmik dalam penyelesain masalah.
  • 16.  Heuristic Suatu strategi untuk melakukan proses pencarian (search) ruang problem secara efektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar.  Inferensi (Penarikan Kesimpulan)  AI mencoba membuat mesin yang memiliki kemampuan berpikir atau mempertimbangkan (reasoning), termasuk didalamnya proses (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik, dll  Pencocokan Pola (Pattern Matching)  Berusaha untuk menjelaskan obyek, kejadian
  • 17. “State of the Art” AI  Deep Blue mengalahkan Kasparov, juara dunia Catur.  PEGASUS, suatu sistem memahami ucapan yang mampu menangani transaksi seperti mendapatkan informasi tiket udara termurah.  MARVEL: suatu sistem pakar real-time memonitor arus data dari pesawat Voyager dan setiap anomali sinyal.  Sistem robot mengemudikan sebuah mobil dengan kecepatan yang cepat pada jalan raya umum.  Suatu diagnostik sistem pakar sedang mengkoreksi hasil diagnosis pakar yang sudah punya reputasi.  Agent pintar untuk bermacam-macam domain yang bertambah pada laju yang sangat tinggi .  Subjek materi pakar mengajar suatu learning agent penalarannya dalam pusat penentuan gravitasi.
  • 18. Tujuan Kecerdasan Buatan  Membuat komputer lebih cerdas  Mengerti tentang kecerdasan  Membuat mesin lebih berguna
  • 20. Perbedaan Kecerdasan Buatan dengan Kecerdasan Alami  Lebih permanen  Menawarkan kemudahan duplikasi dan penyebaran  Lebih murah daripada kecerdasan alami  Konsisten dan menyeluruh  Dapat didokumentasikan  Dapat mengeksekusi tugas tertentu lebih cepat daripada manusia  Dapat menjalankan tugas tertentu lebih baik dari banyak atau kebanyakan orang.
  • 21. Kelebihan Kecerdasan Alami dibanding AI  Bersifat lebih kreatif  Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasi- representasi  Menggunakan fokus yang luas sebagai referensi untuk pengambilan keputusan. Sebaliknya, AI menggunakan fokus yang sempit
  • 23. Sejarah Kecerdasan Buatan  Awal kerja JST dan logika  Teori Logika (Alan Newell and Herbert Simon)  Kelahiran AI: Dartmouth workshop - summer 1956  John McCarthy’s memberi nama bidang: artificial intelligence Jaman “batu” (1943-1956)
  • 24. Awal antusias, harapan besar (1952-1969)  McCarthy (1958) - mendefinisikan Lisp - menemukan time-sharing - Advice Taker  Pembelajaran tanpa pengetahuan  Pemodelan JST  Pembelajaran Evolusioner  Samuel’s checkers player: pembelajaran  Metode resolusi Robinson.  Minsky: the microworlds (e.g. the block’s world).  Banyak demonstrasi kecil ttg perilaku “intelligent”  Prediksi over-optimistic Simon
  • 25. Masa Gelap (1966-1973)  AI tidak mengalami perkembangan: ledakan perkembangan combinatorial  Fakta bahwa suatu program bisa mendapatkan suatu solusi secara prinsip tidak berarti bahwa program memuat beberapa mekanisme yang dibutuhkan untuk mendapatkannya secara praktis.  Kegagalan dari pendekatan terjemahan bahasa alami berbasis pada grammars sederhana dan kamus kata.  Penterjemahan kembali yang populer English->Russian->English  Penemuan untuk pemrosesan bahasa natural dihentikan.
  • 26.  Kegagalan perceptron untuk belajar dari fungsi sederhana sebagaimana disjunctive/eksclusive OR.  Penelitian pada JST dihentikan.  Realisasi dari kesukaran dalam proses learning dan keterbatasan dari metode yang dieksplorasi  Konsep pembelajaran simbolik (Winston’s influential thesis, 1972)
  • 27. Renaissance (1969-1979)  Perubahan pada paradigma penyelesaian:  Dari penyelesaian masalah berbasis “search-based” menjadi penyelesaian masalah berbasis pengetahuan.  Sistem pakar pertama  Dendral: menginferensi struktur molecular dari informasi yang disediakan oleh spektrometer massa.  Mycin: diagnoses blood infections  Prospector: merekomendasikan eksplorasi pengeboran pada lokasi geologi yang menyediakan suatu deposit mineral molybdenum.
  • 28. Era Industrial (1980-sekarang)  Sukses pertama Sistem Pakar secara komersial.The.  Many AI companies.  Eksplorasi dari strategi pembelajarqan yqang bermacam-macam (Explanation-based learning, Case-based Reasoning, Genetic algorithms, Neural networks, etc.)
  • 29. Kembalinya neural networks (1986-sekarang)  Penggalian kembali algoritma learning back propagation untuk neural networks yang pertama dikenalkan dalam tahun 1969 oleh Bryson and Ho.  Banyak aplikasi sukses dari Neural Networks.  Kehilangan respek terhadap sulitnya membangun sistem pakar (macetnya knowledge acquisition).
  • 30. Kematangan (1987-sekarang)  Perubahan dalam cakupan dan metodologi penelitian bidang Kecerdasan Buatan:  Membangun di atas teori yang ada, bukan cuma mengusulkan teori baru;  berbasis klaim pada theorema dan eksperimen, bukan pada intuisi;  menunjukkan relevansi ke aplikasi nyata, bukan pada contoh “mainan”.
  • 31. Agent Cerdas (1995-sekarang) • Realisasi yang pada mulanya dipisahkan dalam sub dari Kecerdasan Buatan (speech recognition, problem solving and planning, robotics, computer vision, machine learning, knowledge representation, etc.) perlu direorganisasi bilamana hasil-hasilnya diikat bersama-sama kedalam suatu desain agent tunggal.  Suatu proses reintegrasi dari sub-area yang berbeda dari KB untuk membentuk “whole agent”:  “agent perspective” of AI  agent architectures (e.g. SOAR, Disciple);  multi-agent systems;  agent untuk aplikasi tipe-tipe yang berbeda, web agents.
  • 32. Domain Yang Sering Dibahas  Mundane Task - Persepsi (vision & speech) - Bahasa alami (understanding, generation & translation) - Pemikiran yang bersifat commonsense - Robot control  Formal Task - Permainan / Games - Matematika (Geometri, logika, kalkulus integral, pembuktian)
  • 33.  Expert Task - Analisis finansial - Analisis medikal - Analisis ilmu pengetahuan - Rekayasa (design, pencarian kegagalan, perencanaan manufaktur)
  • 34. Tugas  Cari contoh aplikasi kecerdasan buatan, dan jelaskan fungsi dari aplikasi tersebut di masyarakat !
  • 35. Summary  Kecerdasan buatan terdiri dari knowledge base dan motor inference  Digunakan untuk membantu menyelesaikan permasalahan manusia  Kecerdasan buatan mengalami perkembangan terus menerus sampai saat ini  Semakin banyak objek yang mampu diselesaikan oleh Kecerdasan buatan
  • 36. Daftar Pustaka  Sri Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, 2003, Yogyakarta  William Siler and James J. Buckley, “Fuzzy Expert System and Fuzzy Reasoning”, Wiley-Interscience, 2005  Laurene Fauset, “Fundamental of Neural Network”, Prentice Hall, 2000