Artificial Intellegence
Apakah AI itu?
Ada beberapa definisi yang diajukan oleh para ahli mengenai Artificial Intellegence. Salah satu definisi yang cukup jelas adalah :
Artificial Intellegence adalah sebagian dari komputer sains yang mempelajari (dalam arti merancang) sistem komputer yang berintelegensi, yaitu sistem yang memiliki karakteristik berpikir seperti manusia. (Avron Barr dan Edward E. Feigenbaum dalam bukunya "The handbook of AI").
Sementara ini komputer memang sudah sangat pandai dalam menghitung atau proses numerik. Kehebatan lainnya adalah kemampuan menyimpan data dan kemampuan mengerjakan operasi yang berulang dengan cepat dan tidak bosan-bosannya. Sejauh itu komputer belum memiliki intelegensi. Dimana dalam intelegensi ini terdapat komponen yang paling vital yang tidak dimiliki oleh komputer, yaitu ‘common sense’. Sense = kemengertian; common = umum. Secara sederhana, common sense adalah sesuatu yang membuat kita tidak sekedar memproses informasi, namun kita mengerti informasi tersebut. Kemengertian ini dimiliki oleh umum atau semua orang (normal), jadi disebut ‘kemengertian umum’.
Bagaimana caranya kita dapat membuat komputer yang berintelegensi ?
Bila kita melihat perbandingan antara otak manusia dengan mikroprosesor (otak komputer) pada tabel yang pernah digambarkan oleh Prof. Samaun Samadikun, otak manusia ‘kalah’ dalam hal waktu tunda propagasi, oleh karena itu manusia kalah dalam kecepatan perhitungan numerik. Dalam aspek lainnya otak manusia jauh di atas angin, terutama dalam tata letak dan jumlah elemennya. Sedangkan metoda pemrosesan secara paralel dalam komputer kini sudah dikembangkan untuk menggantikan kedudukan metoda pemrosesan yang diperkenalkan oleh Jon von Neumann, yaitu metoda pemrosesan sekuensial.
| Lay Out Jumlah device Volume Kerapatan Disipasi daya Fan in Waktu tunda propagasi Arsitektur Bahan dasar | Mikroprosesor Dua Dimensi ± 5 juta transistor ± 0,01 cm3 50 juta device/cm3 7 watt <10 10 nanodetik/gate Von Neumann Silicon | Otak Manusia Tiga dimensi ± 10 milyar neuron 1000 cm3 10 juta device/cm3 10 watt 1 s/d 100 ribu 1 milidetik/neuron non Von Neumann Organik |
Sekarang ini Artificial Intellegence, dalam usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam bentuk fisiknya melainkan dari sisi yang lain. Pertama-tama diadakan studi mengenai teori dasar mekanisme proses terjadinya intelegensi. Bidang ini disebut ‘Cognitive Science’. Dari teori dasar ini dibuatlah suatu model untuk disimulasikan pada komputer. Model ini masih mempunyai unsur pendugaan yang hasilnya nanti harus dites keabsahannya terhadap teori dasar yang mendukungnya tadi, apakah sudah dapat menirukan intelegensi atau belum.
Simbolik dan Non-Algoritmik
Bila kita melihat bagaimana cara kerja komputer modern sekarang ini yang belum berlandaskan AI. Mula-mula kita memberikan suatu program. Lalu, komputer akan mengerjakan dengan proses secara numerik setahap demi setahap setiap instruksi dari awal sampai akhir sesuai dengan program yang kita berikan. Di sini ada dua hal penting yang berbeda dengan cara kerja otak manusia. Pertama, komputer memproses secara numerik, sedangkan manusia cenderung memproses secara simbolik. Manusia memanipulasi simbol-simbol, sehingga ia bisa menurunkan rumus-rumus, suatu kemampuan yang belum dimiliki komputer. Dapat kita rasakan kapan kita berpikir dengan cara memanipulasi bilangan, tentu saja hanya ketika menghitung saja, selebihnya kita selalu memanipulasi simbol. Kedua, komputer memproses secara algoritmik, yaitu setahap demi setahap mengikuti suatu prosedur yang menuju suatu solusi. Sedangkan proses intelegensi lebih dari sekedar mengikuti prosedur yang setahap demi setahap, non-algoritmik. Arsitektur komputer konvensional memang dibuat untuk dapat memproses setahap demi setahap, dan bahasa-bahasa pemrogramannya juga berlandaskan algoritma. Bahasa-bahasa demikian disebut bahasa prosedural, misalnya Basic, Pascal, C, dan sejenisnya. Di lain pihak, AI tidak menggunakan bahasa prosedural, melainkan bahasa deklaratif. Dalam bahasa deklaratif, misalnya PROLOG, yang perlu adalah kita memberikan sejumlah fakta dan aturan-aturan yang mengkaitkan fakta tersebut, ia akan memecahkan masalah secara deduktif.
Metoda memproses informasi dalam AI adalah heuristik. Heuristik adalah petunjuk praktis yang membantu kita untuk memutuskan apa yang akan kita lakukan. Dengan heuristik kita tidak perlu berpikir secara lengkap dalam menghadapi masalah-masalah. Sadar atau tidak sadar kita seringkali menggunakan heuristik. Jika kita memegang suatu petunjuk praktis untuk menghadapi suatu situasi, kita akan dapat bertindak.
Pemrosesan Simbol
Telah disebutkan bahwa bahasa pemrograman AI harus berdasarkan bahasa yang memproses simbol. Bahasa pemroses simbol yang populer adalah LISP (List Processor). Yang sangat penting dalam pemrosesan simbol adalah konsep asosiasi. Dalam pikiran, kita membuat relasi antar kelompok-kelompok simbol yang satu dengan yang lain, dengan kata lain kita membuat asosiasi. Dalam LISP asosiasi antara simbol dilaksanakan dengan membentuk suatu struktur yang diberi nama list. Sebuah list terdiri dari sekelompok sel. Setiap sel terdiri dari dua bagian. Bagian awal berisi simbol, bagian lain berisi pointer yang berfungsi menghubungkan sel ini dengan sel yang lain. Dalam list yang lebih kompleks sel-sel dapat terdiri hanya dari pointer-pointer yang menghubungkan dia dengan sel lainnya.
Satu keistimewaan dengan menggunakan struktur list adalah kita tidak perlu tahu besarnya data ketika kita menulis program. Bahasa konvensional mengharuskan kita memesan suatu blok memori untuk menyimpan sejumlah data. Dalam list setiap sel dapat menunjukkan sel lain, sehingga besarnya data dapat berubah-ubah, dengan kata lain LISP memproses secara dinamik. Keistimewaan lain adalah mengerjakan secara rekursif. Sebuah list adalah sederetan elemen-elemen, dimana elemen ini boleh juga adalah list. Sehingga, sebuah list adalah sederetan list. Rekursif adalah istilah untuk definisi yang didalamnya terdapat kata yang didefinisikan. Contoh populer dari proses rekursif adalah pengerjaan faktorial. Faktorial mengikuti dua definisi :
- Faktorial satu adalah satu.
- Faktorial bilangan bulat adalah bilangan itu dikali faktorial bilangan bulat sebelum itu
Untuk menghitung faktorial sebuah bilangan harus dikerjakan dahulu faktorial "bilangan sebelum itu", dan seterusnya. Akhirnya akan berjumpa dengan faktorial satu yang adalah satu. Bahasa-bahasa lain dalam AI adalah :
- PROLOG, dari Universitas Marseiles
- POP-2, dari Universitas Edinburg
- SAIL, dari Universitas Stanford
- Smalltalk, dari Xerox PARC
Bidang-bidang AI
Ada beberapa bidang yang menjadi penyelidikan AI :
- Expert System
Expert System adalah program komputer yang didisain untuk berlaku sebagai seorang ahli dalam suatu bidang khusus. Namun sekarang ini Expert System ‘hanya’ digunakan untuk membantu para ahli dalam memecahkan suatu masalah. Bahkan banyak orang yang tidak percaya bahwa Expert System dapat menggantikan para ahli, karena harus sedemikian banyaknya pengetahuan yang harus dimiliki oleh Expert System.
- Natural Language Processing (NLP)
NLP dimaksudkan untuk mengenal makna dari bentuk kalimat yang berbeda-beda. Selain mampu mengerti bahasa kita sehari-hari, NLP juga mencakup kemampuan membentuk kalimat dalam bahasa sehari-hari
- Speech Recognition
Dengan speech recognition ini suatu komputer dapat mengenali suara kita, dan sekaligus bisa membedakan berbagai macam bentuk sinyal
- Computer Vision
Kalau kita melihat, sebenarnya bukan hanya melihat, tapi kita juga tahu apa yang kita lihat. Komputer yang berintelegensi juga harus mempunyai kemampuan ini.
- Robotic
Robot adalah mesin yang dapat diprogram untuk melaksanakan tugas-tugas mekanik. Robot yang berintelegensi dapat memberi respon terhadap perubahan lingkungan.
- Intelligent Computer Assisted Instruction
Komputer dimaksudkan untuk membantu dalam pendidikan, sehingga dapat mengajar dengan cara sesuai keadaan pelajar
- Automatic Programming
Komputer dapat membuat program sendiri sesuai dengan spesifikasi yang diinginkan oleh programmer.
- Planning and Decision Support
Komputer ini khusus membantu manager secara aktif dalam perencanaan dan pengambilan keputusan.
