Bidang-Bidang Aplikasi Artificial Intelligence (Kecerdasan Buatan)

loading...

loading...

1. Pengolahan Bahasa Alami

Pengolahan bahasa alami (natural language processing atau NLP) adalah bidang AI yang berurusan dengan pemahaman bahasa manusia (Inggris, Jepang. Indonesia, dsb.). Kemajuan di bidang ini membuat komputer antara lain dapat melakukan penerjemahan dari satu bahasa manusia ke bahasa manusia yang lain. SYSTRAN merupakan contoh program yang mampu melakukan penerjemahan antarbahasa manusia. Di lingkungan Web, Altavista menyediakan program serupa yang diberi nama Babel Fish Translasion. Intellect merupakan contoh sistem permintaan berbahasa alami yang dapat digunakan untuk mengakses basis data.

Gambar 1 Babel Fish Translation, program pada Altavista yang dapat digunakan untuk menerjemahkan teks atau isi Web ke berbagai bahasa. Pada contoh di atas, sebuah kalimat dalam bahasa Inggrisditerjemahkan ke bahasa Jerman.

Intellect - Sistem Berbahasa Alami

Intellect dikembangkan oleh AlCorp. Program ini dapat digunakan untuk mendapatkan informasi berdasarkan pertanyaan dalam bahasa Inggris seperti berikut: How many minicomputers did we sell last month? How many of them were model 100B? Of those, how many were sold in England? List their customer names and addresses. Sistem ini bekerja atas dasar kamus bahasa Inggris dan mampu mengenali makna kata-kata seperti those, them, dan their.

Inti pengolahan bahasa alami ada dalam parser. Parser adalah bagian yang membaca kalimat dari bahasa sumber dan menguraikan serta menganalisis kata-kata yang terdapat di dalam kalimat tersebut dan mencocokkan dengan tata bahasa yang benar. Pendukung parser adalah kamus yang berisi kosa kata. Keluaran parser akan diproses oleh bagian yang disebut representasi pengetahuan, yang berperan dalam mengartikan kalimat masukan.

Pada aplikasi penerjemahan, setelah makna kalimat diketahui, bagian penerjemah keluaran akan menghasilkan keluaran berupa teks dalam bahasa alami.

2. Visi Komputer

Istilah yang serupa dengan istilah ini yaitu persepsi visual dan pengenalan gambar. Visi komputer adalah suatu bidang Al yang berurusan dengan pengenalan terhadap suatu objek dan kemudian digunakan untuk pengambilan keputusan.

Konsep visi komputer sangat sederhana. Komputer dilengkapi dengan kamera video. Kamera menangkap gambar dan mengolahnya menjadi isyarat-isyarat digital dan menempatkannya dalam memori. Selanjutnya program AI akan melakukan analisis terhadap data gambar yang sudah ada dalam memori. Program inilah yang dapat mendeteksi keberadaan obyek-obyek. Program seperti ini biasanya menggunakan pengolahan citra (image processing), yaitu suatu bidang ilmu komputer yang berhubungan dengan pengolahan gambar untuk kepentingan seperti penjernihan gambar, pemerolehan tepi benda, dan pemampatan gambar.

Gambar 2 Gambaran visi komputer untuk pengendalian suatu barang.

Dalam dunia industri, visi komputer dapat digunakan untuk melakukan otomasi terhadap kegiatan pengendalian kualitas produk. Dengan cara seperti ini produk yang cacat dan yang baik dapat dipisahkan oleh mesin.

3. Pengenalan Percakapan

Pengenalan percakapan (voice/speech recognition) adalah suatu proses yang memungkinkan komputer dapat mengenali suara. Teknologi seperti ini membuat khayalan tentang penyamun dalam kisah Alibaba yang membuka pintu gua dengan suara dapat diwujudkan.

Penerapan pengenalan percakapan antara lain digunakan untuk melakukan pengetikan dokumen melalui suara dan untuk analisis suara dalam program pembelajaran bahasa asing, untuk menentukan pengucapan kata oleh seseorang sesuai dengan penutur asli atau tidak.

Gambar 3 Penerapan pengenalan suara yang sangat sederhana pada program untuk menentukan ucapan pemakai sesuai dengan penutur asli atau tidak.

Saat ini teknologi sintesis suara juga telah banyak digunakan. Sintesis suara adalah teknologi yang memungkinkan komputer dapat berbicara Penerapannya pada berbagai perusahaan dapat dilihat pada Tabel 1.

Tabel 1 Aplikasi teknologi suara.

Perusahaan	Aplikasi
Scandinavian Airlines	Menjawab permintaan informasi tentang reservasi dan jadwal dan bahkan mampu menangani keluhan tentang bagasi.
Citibank	Memberikan berbagai informasi kepada pemegang kartu.
Hospital Corporation of America	Mengirimkan dan menerima data pasien dengan suara.
Weidner Insurance	Melaksanakan riset pemasaran dan telemarketing.
Perusahaan mobil	Mengaktifkan radio, pemanas, dan lain-lain dengan menggunakan suara.

4. Robotika
Robot adalah peranti elektromekanik yang dapat diprogram untuk melakukan otomasi terhadap suatu tugas yang biasanya dilakukan manusia. Adapun robotika adalah studi yang berhubungan dengan pembuatan robot. Robot banyak digunakan dalam dunia industri; misalnya untuk melakukan pengelasan atau bahkan merakit mobil.

Gambar 4 Contoh robot lengan yang mempunyai enam derajat kebebasan.

Dengan sentuhan AI, robot dapat dibuat menjadi cerdas, sehingga bisa melakukan pengambilan keputusan seperti halnya manusia. Robot seperti ini biasanya dilengkapi dengan kamera yang bertindak sebagai sensor mata. Salah satu contoh robot seperti ini yaitu RoboCup Robot ini mampu bermain sepakbola. Pada tahun 2050 ditargetkan akan tercipta tim robot yang dapat mengalahkan tim sepakbola manusia yang menjadi juara dunia.

Gambar 5 RoboCup, robot berbasis Al yang dapat bermain sepakbola.

Beberapa contoh robot yang lain:

• Scrubmate adalah robot yang dapat membersihkan kamar mandi. Robot ini dilengkapi dengan kontrol terkomputerisasi, memiliki sensor mata ultrasonik dan dilengkapi dengan peralatan pembersih. Diciptakan oleh Joe Engleberger.
• Sojourner adalah kendaraan robot beroda enam yang digunakan NASA pada tahun 1997 dalam eksplorasi di planet Mars. Robot yang dilengkapi dengan mata laser ini dapat mengambil sampel atmosfir dan tanah dan mengirimkan data dan foto ke bumi.
• SICO adalah robot yang dikenal sebagai "The Robot Therapist" ini digunakan pada sebuah rumah sakit di New York, yang dapat membantu anak-anak yang memiliki masalah-masalah emosi. Diciptakan oleh Robert Doornick.

Gambar 6 Robot-robot cerdas.

Android dan Animatronik

Di dalam dunia robotika, dikenal istilah android dan animatronik. Android atau kadang disebut humanoid adalah robot yang menyerupai orang, sedangkan animatronik adalah robot yang berbentuk binatang. Android yang diciptakan oleh David Ng. Kulit terbuat dari silikon dengan wajah yang dapat mengekspresikan senyuman dan rengutan.

5. Sistem Pakar
Sistem pakar adalah sistem yang meniru kepakaran (keahlian) seseorang dalam bidang tertentu dalam menyelesaikan suatu permasalahan (Horn, 1986). Menurut Weiss dan Kulikowski (1984), sistem pakar adalah sistem yang: menangani masalah-masalah kompleks dan nyata, yang memerlukan interpretasi seorang pakar. menyelesaikan masalah-masalah tersebut dengan menggunakan model komputer yang memakai penalaran manusia ahli dan menghasilkan kesimpulan yang sama dengan kesimpulan yang akan dicapai manusia ahli jika menghadapi masalah-masalah yang sama.

Kadangkala sistem pakar juga disebut sistem berbasis pengetahuan (knowledge-based system). Namun sebenarnya sistem pakar hanyalah salah satu macam sistem yang berbasis pengetahuan. Tabel 2 memperlihatkan beberapa contoh sistem pakar.

loading...

Tabel 2 Berbagai sistem pakar.

Sistem Pakar	Keterangan
BERT	Merupakan sistem pakar untuk merancang bangunan.
DART/DASD	Digunakan untuk mendiagnosis kerusakan computer.
DELTA	Merupakan sistem pakar untuk mendiagnosis kerusakan pada mesin-mesin diesel pada General Electric.
DENDRAL	Sistem pakar untuk menganalisis struktur molekul suatu senyawa kimia.
EL	Merupakan sistem pakar yang dapat digunakan untuk menganalisis rangkaian elektronika yang mengandung transistor, diode, dan resistor.
FOLIO	Merupakan sistem pakar untuk mengevaluası investasi saham.
HEATINGS	Sistem pakar yang digunakan untuk mengendalikan proses pembakaran batubara
MYCIN	Sistem ini dikembangkan di Universitas Stanford pada pertengahan 1970-an dengan tujuan untuk membantu jurumedis dalam mendiagnosis penyakit yang disebabkan bakteri.
OPERA	Sistem pakar ini berguna untuk mendiagnosis gangguan pada jaringan komputer PDP 11/70
PROSPECTOR	Sistem ini diciplakan oleh Richard Duda. Peter Hard, dan Rene Reboh pada tahun 1978 yang menyediakan kemampuan seperti seorang pakar di bidang geologi.
PUFF	Sistem ini digunakan untuk mendiagnosis gangguan paru-paru.
REBES	Sistem pakar yang membantu detektif menangani masalah kejahatan.
SHEARER	Sistem pakar untuk mendioagnosis kerusakan mesin pemotong batubara.
XSEL	Sistem pakar ini dapat bertindak sebagai asisten penjual, yang membantu penjual komputer DEC memilihkan pesanan pelanggan sesuai dengan kebutuhan.

Aplikasi sistem pakar dapat dikelompokkan ke dalam beberapa kategori, sebagaimana tercantum pada Tabel 3.

Tabel 3 Kategori sistem pakar.

Kategori	Keterangan
Interpretasi	Memberikan deskripsi terhadap suatu situasi melalui pengamatan.
Prediksi	Perkiraan terhadap akibat dari suatu situasi.
Diagnosis	Pendugaan terhadap suatu kesalahan atau gangguan sistem melalui pengamatan.
Perancangan	Melakukan konfigurasi objek berdasarkan kendala yang ada.
Perencanaan	Pembuatan rencana untuk mencapai sasaran.
Pemantauan	Melakukan pembandingan antara pengamatan dan rencana.
Debugging	Melakukan pemecahan terhadap suatu kesalahan.
Reparası	Melakukan perbaikan.
Instruksi	Melakukan diagnosis, debugging, dan pembetulan kinerja murid pada sistem pembelajaran.
Kontrol	Melakukan pengendalian terhadap system.

Sebuah sistem pakar mempunyai kemampuan berdialog dengan pemakai dan kemudian memberikan suatu saran, pandangan, atau kesimpulan. Contoh berikut menunjukkan kemampuan tersebut.

Sistem pakar   : Apakah buah berbentuk bulat?

Pemakai          : Ya
Sistem pakar: Apakah buah berwarna hijau ketika muda dan kuning ketika sudah tua?

Pemakai          : Tidak

Sistem pakar   : Apakah buah berwarna hijau ketika muda dan merah ketika sudah tua?

Pemakai          : Ya

Sistem pakar   : Apakah berbatang?

Pemakai          : Ya

Sistem pakar   : Menurut pengetahuan yang saya miliki, Apel memenuhi kriteria yang Anda sebutkan.

loading...

Model konseptual sistem pakar yang paling umum mengandung 4 buah komponen penting: basis pengetahuan (knowledge base), mesin inferensi (inference engine), fasilitas penjelas, dan antarmuka pemakai. Hubungan keempat komponen ini diperlihatkan pada Gambar 7.

Gambar 7 Model konseptual sistem pakar.

Basis pengetahuan merupakan komponen yang berisi pengetahuan- pengetahuan yang berasal dari pakar, berisi sekumpulan fakta (fact) dan aturan (rule). Fakta berupa situasi masalah dan teori tentang area masalah. Aturan adalah suatu arahan yang menggunakan pengetahuan untuk memecahkan masalah pada bidang tertentu.

Gambar 8 Contoh beberapa aturan yang telah disederhanakan.

Pada contoh di atas, terdapat dua buah aturan. Aturan pertama mendeskripsikan tanaman jeruk dan yang kedua menjabarkan tanaman apel.

Ketika pemakai Ya untuk menjawab pertanyaan:

Apakah buah berbentuk bulat?

pemakai dikatakan memberikan fakta berupa "Buah berbentuk bulat".

Mesin inferensi adalah komponen yang menjadi otak sistem pakar. Bagian inilah yang berfungsi melakukan penalaran dan mengambil kesimpulan.

Fasilitas penjelas merupakan komponen yang berfungsi untuk memberikan penjelasan kepada pemakai yang memintanya. Jenis pertanyaan yang dapat ditangani biasanya berupa "Mengapa" dan "Bagaimana". Tidak semua sistem pakar menyediakan bagian ini. Contoh berikut memberikan gambaran tentang penjelasan oleh sistem pakar.

Gambar 9 Contoh penjelasan pada sistem pakar.

Antarmuka pemakai merupakai bagian yang menjembatani antara sistem dan pemakai. Melalui bagian inilah pemakai berkomunikasi dengan sistem.

Catatan: Berkaitan dengan pengembangan sistem pakar, terdapat perangkat lunak yang disebut sebagai shell. Shell adalah suatu sistem pakar yang bagian basis pengetahuannya masih kosong. Untuk menjadikannya sebagai suatu sistem pakar, pemakai tinggal mengisikan basis pengetahuan untuk bidang tertentu. Beberapa contoh shell:

• Insight (level 5 Research)
• Expert Ease (Expert System International & Human Edge Software, Inc.)
• EXSYS (Exsys, Inc.)
• EST (Mind Path Technologies, Inc.)
• KNOWOL (Intelligent Machine, Co.)

6. Logika Kabur
Logika kabur (fuzzy logic) adalah suatu teknik yang digunakan untuk menangani ketidakpastian pada masalah-masalah yang memiliki banyak jawaban. Teknik ini pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965.

Banyak aktivitas manusia yang menggunakan pemikiran yang bersifat tidak pasti. Sebagai contoh, adalah definisi usia muda, usia menengah, dan usia tua. Definisi tentang usia seperti ini sebenarnya bersifat relatif. Mungkin kita dengan mudah dapat mengatakan bahwa usia 80 adalah usia tua, tetapi bagaimana halnya dengan usia 50? Apakah usia 50 tergolong sebagai usia tua atau usia menengah? Mungkin ada yang mengatakan usia 50 tergolong usia menengah, tetapi orang lain barangkali akan mengklasifikasikannya ke dalam usia tua.

loading...

Persoalan seperti di atas dapat ditangani dengan menggunakan logika kabur. Dalam hal ini, setiap klasifikasi usia memiliki fungsi keanggotaan tersendiri, sebagaimana diperlihatkan pada Gambar 10.

Gambar 10 Penggunaan fungsi keanggotaan dalam logika kabur untuk mendefinisikan usia muda, menengah, dan tua.

Berdasarkan gambar di atas kita bisa mengatakan dengan tegas bahwa usia 80 adalah usia tua (dengan derajat keanggotaan sama dengan 1) dan usia 10 adalah usia muda. Berdasarkan gambar itu pula, kita bisa mengatakan bahwa usia 30 adalah usia menengah ataupun usia muda dengan derajat keanggotaan sebesar 0,5.

Beberapa contoh aplikasi logika kabur:

• Pengontrol kereta bawah tanah di Sendai, Jepang.
• Pengatur mekanisme otofokus pada kamera dan camcorder dan untuk menghilangkan gangguan karena tangan yang gemetar.
• Sistem pengereman mobil (Nissan).
• Penghematan konsumsi daya listrik pada AC (Mitsubishi Heavy Industries, Tokyo).
• Pemilihan saham.

7. Jaringan Saraf
Jaringan saraf (neurall network), terkadang disebut artificial neural network / ANN atau komputasi saraf (neural computing), adalah suatu bidang Al yang meniru pola pemrosesan dalam otak manusia yang berbasiskan pada pengenalan pola. Dalam prakteknya, jaringan saraf tentu saja tidak sekompleks yang terjadi dalam otak manusia.

Otak manusia diperkirakan memiliki lebih dari 100 milyar sel otak yang dinamakan neuron (yang berfungsi sebagai elemen pemroses). Setiap neuron memiliki kira-kira 1000 dendrite Gambar 13 memperlihatkan keadaan dua buah sel dalam otak manusia.

Gambar 11 Sel-sel dalam otak manusia.

ANN adalah sekumpulan elemen pemroses dengan masing-masing subkelompok melakukan komputasi tersendiri dan melewatkan hasilnya ke subkelompok berikutnya. Setiap subkelompok bersifat independen.

Di dalam ANN, sekelompok elemen pemroses disebut lapisan (layer). Lapisan pertama dikenal dengan sebutan lapisan masukan darn lapisan terakhir dinamakan lapisan keluaran. Adapun lapisan yang terletak di antara lapisan keluaran dan lapisan masukan dinamakan lapisan tersembunyi.

Gambar 12 Model jaringan saraf buatan.

ANN menggunakan berbagai istilah yang berbeda dengan saraf manusia. Tabel 4 memperlihatkan perbedaan tersebut.

Tabel 4 Perbandingan saraf biologis dengan saraf buatan.

Saraf biologis	Saraf buatan
Soma/neuron	Simpul
Dendrites	Masukan
Axon	Keluaran
Synapse	Bobot
Kecepatan rendah	Kecepatan tinggi
Neuron sangat banyak (milyaran)	Simpul terbatas (ratusan)

Seperti halnya manusia yang belajar dari contoh-contoh yang diterima, ANN juga dapat mempelajari sesuatu dengan cara diberi pelatihan. Setelah melalui masa pelatihan, ANN dapat melakukan pencocokan pola atau melakukan klasifikasi.

Gambar 13 Contoh aplikasi ANN.

Berbagai aplikasi ANN:

• Validasi tanda tangan.
• Data mining (yaitu menemukan pola pada sekumpulan data yang besar).
• Pengenalan wajah.
• Pemilihan saham dan obligasi.

8. Algoritma Genetika
Algoritma genetika (biasa juga disebut komputasi adaptif/adaptive computing) diperkenalkan pertama kali oleh John H. Holland pada tahun 1975. Beliau adalah seorang profesor psikologi dan ilmu komputer di Universitas Michigan. Algoritma genetika adalah suatu pendekatan yang meniru kemampuan makhluk hidup dalam beradaptasi dengan lingkungan sehingga terbentuk proses evolusi untuk mengatasi masalah dengan lebih baik. Teknik ini berhasil digunakan untuk menyimulasikan evolusi biologi. geologi, dan ekosistem yang dalam dunia nyata memakan waktu jutaain tahun. Simulasi hanya dilakukan dalam beberapa menit. Algoritma genetika menggunakan aturan-aturan proses matematika yang dipakai untuk menentukan cara kombinasi dari komponen- komponen proses dibentuk. Ada tiga cara yang digunakan, yaitu mutasi, crossover, dan seleksi.

• Mutasi : Mencoba kombinasi proses secara acak dan mengevaluasi hasilnya.
• Crossover: Mengombinasikan bagian dari hasil yang baik dengan harapan dapat memperoleh hasil yang lebih baik.
• Seleksi: Memilih proses-proses yang baik dan membuang yang jelek.

Contoh aplikasi algoritma genetika:

• Para insinyur di General Electric menggunakannya untuk merancang mesin pesawat terbang berturbin jet, yang melibatkan persamaan-persamaan dengan kurang lebih 100 variabel dan 50 kekangan.
• Departemen psikologi pada New Mexico State University mengembangkan algoritma genetika untuk mengidentifikasi tersangka berdasarkan gambar rekaan dari saksi.

9. Sistem AI Hibrida
Sistem Al hibrida atau terkadang dinamakan sistem cerdas hibrida (hybrid intelligent system) adalah sistem yang menggabungkan beberapa teknologi Al untuk memanfaatkan atau memadukan keunggulan masing-masing teknologi. Istilah seperti soft computing. yang menggabungkan ANN, logika kabur, algoritma genetika, dan teknik AI konvensional, merupakan contoh sistem AI hibrid. Neurofuzzy merupakan contoh lain yang menggabungkan pemakaian ANN dan logika kabur. Sistem yang terakhir disebutkan ini banyak digunakan oleh perusahaan Jepang seperti Matsushita dan Sharp: antara lain diterapkan pada mesin cuci dan kulkas.

Gambar 14 Gambaran neurofuzzy.

10. Agen Cerdas
Agen cerdas (intelligent agent) kian populer seiring dengan perkembangan Internet. Namun, pengertian agen cerdas tidak harus selalu terkait dengan Internet. Perlu diketahui, berbagai nama lain yang juga menyatakan agen cerdas yaitu software agent, wizard, knowbot, dan softbot.

Sebelum memahami makna agen cerdas, ada baiknya mengenal terlebih dulu makna agen. Russel dan Norvig mendefinisikan agen sebagai Segala sesuatu yang dapat dipandang menangkap lingkungannya melalui sensor dan bertindak terhadap lingkungan melalui efektor." Sensor adalah bagian yang merangsang tindakan agen, sedangkan efektor adalah bagian yang digunakan oleh agen untuk melakukan tindakan. Jika dikaitkan dengan agen manusia, yang dimaksud dengan sensor antara lain adalah mata dan telinga, sedangkan efektor antara lain berupa tangan, lengan, dan mulut. Pada agen berupa robot, kamera atau inframerah bertindak sebagai sensor dan motor berfungsi sebagai efektor.

Gambar 15 Agen berinteraksi dengan lingkungan melalui sensor dan efektor.

Agen yang berupa perangkat lunak, atau biasa disebut agen cerdas, adalah perangkat lunak yang dapat bertindak seperti orang yang mampu berinteraksi dengan lingkungan. Agen seperti ini telah banyak digunakan pada pelbagai keperluan. Contoh:

• Agen sistem operasi
• Agen spreadsheet
• Agen perdagangan elektronis

Agen sistem operasi digunakan untuk membantu penggunaan sistem operasi. Contoh, Microsoft memiliki sejumlah agen yang dinamakan Wizard pada sistem operasi yang dibuatnya; misalnya Windows NT. Agen ini digunakan antara lain untuk menambah nama pemakai, mengelola grup pemakai, dan manajemen berkas.

Agen spreadsheet digunakan untuk membuat program spreadsheet menjadi lebih mudah digunakan oleh pemakai. Contoh, Office Assistant pada Excel dapat "mengamati" pemakai dan jika terjadi sesuatu yang dipandang perlu untuk dibantu, agen cerdas ini akan memberikan saran.

Gambar 16 Contoh Office Assistant yang memberikan saran ketika pemakai salah menulis rumus.

Agen untuk perdagangan elektronis digunakan untuk membantu pemakai yang akan melakukan belanja secara online. Perangkat lunak seperti ini dapat membantu pemakai dengan berbagai cara berikut.
1. Membantu pemakai menentukan produk yang dibeli.
2. Mencarikan spesifikasi dan mengkajinya.
3. Membuat rekomendasi.
4. Membandingkan belanjaan untuk mendapatkan harga terbaik untuk produk yang dikehendaki.
5. Mengamati dan mengenalkan kepada pemakai penawaran dan diskon khusus.

loading...

Berbagai aplikasi yang lain antara lain untuk menyortir surat elektronis dan mengamati hasil pertandingan suatu olahraga tertentu (misalnya sepakbola) dari berbagai situs Web dan kemudian melaporkan hasilnya dalam bentuk surat elektronis ke para anggota yang menginginkan hasil tersebut.

loading...