Kecerdasan Buatan(Artificial Intellegence)

Teori Otak Dengkul Bikin Robot Jalan Cepat

Ilmuwan di Jerman berhasil menemukan cara untuk membuat robot berjalan mirip manusia. Bukan hanya mirip, robot ini pun bisa berjalan cepat dibandingkan robot serupa yang sudah ada.

Robot itu bernama Runbot, sebuah robot berkaki dua berukuran kecil yang bisa bergerak sejarak tiga kali panjang kakinya dalam satu detik. Ini hanya sedikit lebih lambat dari kecepatan manusia saat berjalan dengan cepat.

Robot ini menggunakan teori ‘otak dengkul’ yang dikemukakan pertama kali oleh NIkolai Bernstein pada era 1930-an. Teori itu pada intinya mengemukakan bahwa otak manusia (yang ada di kepala) tidak melulu memproses cara berjalan.

Otak, ujar Bernstein, hanya bekerja saat berjalan dari satu permukaan ke permukaan lain, misalnya dari lantai ke rumput, atau saat permukaan tidak rata. Selebihnya, kemampuan berjalan ditangani oleh ‘otak’ alias syaraf-syaraf di tulang punggung dan kaki, termasuk di dengkul.

Dengan menerapkan teori tersebut, Profesor Florentin Woergoetter dan tim dari Universitas Gottingen, Jerman, berhasil membuat Runbot. Tim Woergoetter mencakup ilmuwan dari berbagai latar belakang, termasuk Poramate Manoonpong, Tao Geng, Tomas Kulvicius dan Bernd Porr.

Bukan Robot Kikuk

Saat berjalan menuju sebuah tanjakan, Woergoetter mengatakan, ‘otak dengkul’ Runbot akan menganggap tidak ada masalah. Namun ketika tubuh Runbot terjatuh karena gaya gravitasi menariknya ke belakang sistem ‘otak atas’ Runbot akan mendeteksinya dan melakukan perubahan.

Selanjutnya, ujar Woergoetter, perubahan itu akan diterapkan ke ‘otak dengkul’ sehingga ‘otak atas’ tak perlu terus menerus melakukan proses. “Sulitnya pada robot, adalah menerapkan gerakan pada waktu yang tepat –dalam hitungan milidetik– agar tidak jatuh,” paparnya.

Runbot memiliki cara jalan yang berbeda dengan robot populer seperti Asimo, atau sejenisnya. “Robot-robot itu adalah pejalan kinematis, mereka berjalan selangkah demi selangkah dan memperhitungkan setiap sudut setiap milidetik,” ia menjelaskan.

Melalui teknologi kecerdasan buatan dan rekayasa robotika, Woergoetter mengatakan proses rumit itu memang bisa dilakukan. “Namun sangat kikuk. Manusia tidak berjalan seperti itu. Mesin-mesin besar itu menghentak bagai robot, kami mau membuat robot yang berjalan seperti manusia,” ujarnya.

Saat ini tim tersebut sedang memikirkan bagaimana menerapkan Runbot untuk membuat robot yang berukuran lebih besar. Runbot juga akan dikembangkan agar reaksinya lebih cepat dan lebih adaptif.

 

Kecerdasan Buatan – Menajamkan Otak Tumpul

KECERDASAN buatan (artificial intelligence) merupakan inovasi baru di bidang ilmu pengetahuan. Mulai ada sejak muncul komputer modern, yakni pada 1940 dan 1950. Ini kemampuan mesin elektronika baru menyimpan sejumlah besar info, juga memproses dengan kecepatan sangat tinggi menandingi kemampuan manusia.

Apa kecerdasan buatan itu? Bagian dari ilmu pengetahuan komputer ini khusus ditujukan dalam perancangan otomatisasi tingkah laku cerdas dalam sistem kecerdasan komputer. Sistem memperlihatkan sifat-sifat khas yang dihubungkan dengan kecerdasan dalam kelakuan atau tindak-tanduk yang sepenuhnya bisa menirukan beberapa fungsi otak manusia, seperti pengertian bahasa, pengetahuan, pemikiran, pemecahan masalah, dan lain sebagainya.

Kecerdasan buatan mungkin satu dari perkembangan yang paling penting di abad ini. Hal ini akan memengaruhi kehidupan negara-negara yang memainkan peranan penting dalam perkembangan kecerdasan buatan, yang kemudian muncul sebagai negara-negara adikuasa.

Pentingnya kecerdasan buatan menjadi nyata bagi negara-negara yang berperan sejak tahun 1970. Para pemimpin negara yang mengakui potensialnya kecerdasan buatan mengharap mendapat persetujuan jangka panjang untuk sumber-sumber yang memerlukan dana intensif.

Jepang adalah yang pertama kali melakukan itu. Negara ini mengembangkan program yang sangat berambisi dalam penelitian kecerdasan buatan.

Sebagai bidang ilmu pengetahuan komputer, kecerdasan buatan sebenarnya sudah mulai diselidiki pada 1930-an dan 1940-an. Waktu itu banyak cendekiawan mengembangkan ide-ide baru mengenai komputasi. Logika matematika selanjutnya menjadi bidang aktif dari penyelidikan kecerdasan buatan, karena sistem logika deduktif telah berhasil diimplementasikan dalam program-program komputer.

Seorang ahli matematika bernama Alan Turing, yang memiliki sumbangan besar dalam pengembangan teori kemampuan penghitungan (computability), bergumul dengan pertanyaan apakah sebuah mesin dapat berpikir atau tidak. Uji yang dilakukan adalah dengan mengukur kinerja (performance) mesin cerdas. Uji Alan Turing menjadi dasar bagi banyak strategi yang digunakan dengan menilai program-program kecerdasan buatan.

Awalnya, kecerdasan buatan hanya ada di universitas-universitas dan laboratorium penelitian, dan hanya sedikit produk yang dihasilkan dan dikembangkan. Menjelang akhir 1970-an dan 1980-an, mulai dikembangkan secara penuh dan hasilnya berangsur-angsur dipublikasikan di khalayak umum.

Permasalahan di dalam kecerdasan buatan akan selalu bertambah dan berkembang seiring dengan laju perkembangan zaman menuju arah globalisasi dalam setiap aspek kehidupan manusia, yang membawa persoalan-persoalan yang semakin beragam pula. Bidang-bidang yang hampir bersangkutan dengan kecerdasan buatan termasuk keahlian teknik atau teknik mesin, terutama listrik dan teknik mekanik, bahasa, psikologi, ilmu kognitif, dan filosofi. Robotik juga dianggap oleh beberapa peneliti sebagai cabang kecerdasan buatan, tapi yang ini tidak umum.

Dibandingkan dengan program konvensional, program kecerdasan buatan lebih sederhana dalam pengoperasiannya, sehingga banyak membantu pemakai. Program konvensional dijalankan secara prosedural dan kaku, rangkaian tahap solusinya sudah didefinisikan secara tepat oleh pemrogramnya. Sebaliknya, pada program kecerdasan buatan untuk mendapatkan solusi yang memuaskan dilakukan pendekatan trial and error, mirip seperti apa yang dilakukan oleh manusia. Program konvensional tidak dapat menarik kesimpulan seperti halnya pada program kecerdasan buatan kendati dengan informasi-informasi yang terbatas.

Buku Kecerdasan Buatan yang ditulis Andri Kristanto, dosen Ilmu Komputer Universitas Widya Dharma Klaten, cocok dan layak untuk dibaca para mahasiswa jurusan teknik informatika, manajemen informatika, ilmu komputer, atau jurusan lain yang sesuai.

PENCIUMAN ELEKTRONIK INGIN MENGGESER HIDUNG

Sebagai indera penciuman, hidung sanggup membaui ribuan aroma yang berbeda. Mulai dari aroma makanan lezat, harumnya mawar, hingga bau tak sedap. Bisakah peran besar organ penciuman itu diambil alih oleh alat pencium buatan atau sejenisnya? Laboratorium Kecerdasan Komputasional, Fakultas Ilmu Komputer Universitas Indonesia, telah merancang tiruan hidung

Dok. Wisnu Jatmiko

Perangkat sistem penciuman elektronik buatan Wisnu.

Sebenarnya, tidak gampang merancang sistem penciuman buatan. Pasalnya, hidung yang sarat dengan saraf penciuman itu tergolong organ paling sulit untuk dibuat tiruannya, setelah organ perasa alias lidah. Ini diakui oleh Benyamin Kusumoputro, Ph.D., Kepala Laboratorium Kecerdasan Komputasional Fakultas Ilmu Komputer Universitas Indonesia di Depok.

Meskipun demikian bukan berarti tidak mungkin ditiru. Bisa saja, hanya belum mampu menyamai 100% peran hidung beneran. Maklum, saraf sistem penciuman manusia memang ajaib, sanggup membedakan puluhan ribu aroma berbeda. Lagi pula mekanisme sistem penciuman dari sono-nya amat efektif dalam memilah dan membedakan perlagai aroma. Ibaratnya, bisa mendeteksi satu molekul aroma di antara puluhan ribu molekul di udara!

Apa pun wujud rancangan sistem hidung elektronik itu, yang pasti tersimpan tujuan mulia. Yakni untuk mendeteksi dan mengklasifikasikan aroma secara otomatis. Sadar atau tidak, tersembunyi juga keinginan menggeser peran hidung sebagai pengontrol kualitas dalam industri yang membutuhkan pengenalan aroma, terutama industri minuman, kosmetik, dan minyak wangi.

Ini bukan berarti meremehkan indera penciuman kita sendiri. Masalahnya, sistem penciuman kita amat dipengaruhi kondisi perasaan sesaat dan kesehatan. Artinya, ketelitian dan kontrol kualitas pengenalan aroma bisa terpengaruh. Belum lagi kalau petugas kontrol kualitas aroma mendadak terserang pilek, bisa-bisa indera penciumannya tidak berfungsi dengan baik.

 

Serial Buku Robotik: Kecerdasan Buatan
Disain, Kontrol & AIPenulis: Pitowarno, E. p-p.

4.2 KECERDASAN BUATAN DALAM ROBOTIK

Kecerdasan Buatan (Artificial Intelligence) dalam robotik adalah suatu algorithma (yang dipandang) cerdas yang diprogramkan ke dalam kontroler robot. Pengertian cerdas di sini sangat relatif, karena tergantung dari sisi mana sesorang memandang.

Para filsuf diketahui telah mulai ribuan tahun yang lalu mencoba untuk memahami dua pertanyaan mendasar: bagaimanakah pikiran manusia itu bekerja, dan, dapatkah yang bukan-manusia itu berpikir? (Negnevitsky, 2004). Hingga sekarang, tak satupun mampu menjawab dengan tepat dua pertanyaan ini. Pernyataan cerdas yang pada dasarnya digunakan untuk mengukur kemampuan berpikir manusia selalu menjadi perbincangan menarik karena yang melakukan penilaian cerdas atau tidak adalah juga manusia. Sementara itu, manusia tetap bercita-cita untuk menularkan �kecerdasan manusia� kepada mesin.

Dalam literatur, orang pertama yang dianggap sebagai pionir dalam mengembangkan mesin cerdas (intelligence machine) adalah Alan Turing, sorang matematikawan asal Inggris yang memulai karir saintifiknya di awal tahun 1930-an. Di tahun 1937 ia menulis paper tentang konsep mesin universal (universal machine). Kemudian, selama perang dunia ke-2 ia dikenal sebagai pemain kunci dalam penciptaan Enigma, sebuah mesin encoding milik militer Jerman. Setelah perang, Turing membuat �automatic computing engine�. Ia dikenal juga sebagai pencipta pertama program komputer untuk bermain catur, yang kemudian program ini dikembangkan dan dimainkan di komputer milik Manchester University. Karya-karyanya ini, yang kemudian dikenal sebagai Turing Machine, dewasa ini masih dapat ditemukan aplikasi-aplikasinya. Beberapa tulisannya yang berkaitan dengan prediksi perkembangan komputer di masa datang akhirnya juga ada yang terbukti. Misalnya tentang ramalannya bahwa di tahun 2000-an komputer akan mampu melakukan percakapan dengan manusia. Meski tidak ditemukan dalam paper-papernya tentang istilah �resmi�: artificial intelligence, namun para peneliti di bidang ini sepakat untuk menobatkan Turing sebagai orang pertama yang mengembangkan kecerdasan buatan.

Secara saintifik, istilah kecerdasan buatan � untuk selanjutnya disebut sebagai AI (artificial intelligence) � pertama kali diperkenalkan oleh Warren McCulloch, seorang filsuf dan ahli perobatan dari Columbia University, dan Walter Pitts, seorang matematikawan muda pada tahun 1943, (Negnevitsky, 2004). Mereka mengajukan suatu teori tentang jaringan saraf tiruan (artificial neural network, ANN) � untuk selanjutnya disebut sebagai ANN � bahwa setiap neuron dapat dipostulasikan dalam dua keadaan biner, yaitu ON dan OFF. Mereka mencoba menstimulasi model neuron ini secara teori dan eksperimen di laboratorium. Dari percobaan, telah didemonstrasikan bahwa model jaringan saraf yang mereka ajukan mempunyai kemiripan dengan mesin Turing, dan setiap fungsi perhitungan dapat dapat diselesaikan melalui jaringan neuron yang mereka modelkan.

Kendati mereka meraih sukses dalam pembuktian aplikasinya, pada akhirnya melalui eksperimen lanjut diketahui bahwa model ON-OFF pada ANN yang mereka ajukan adalah kurang tepat. Kenyataannya, neuron memiliki karakteristik yang sangat nonlinear yang tidak hanya memiliki keadaan ON-OFF saja dalam aktifitasnya. Walau demikian, McCulloch akhirnya dikenal sebagai orang kedua setelah Turing yang gigih mendalami bidang kecerdasan buatan dan rekayasa mesin cerdas. Perkembangan ANN sempat mengalami masa redup pada tahun 1970-an. Baru kemudian pada pertengahan 1980-an ide ini kembali banyak dikaji oleh para peneliti.

Sementara itu, metoda lain dalam AI yang sama terkenalnya dengan ANN adalah Fuzzy Logic (FL) � untuk selanjutnya ditulis sebagai FL. Kalau ANN didisain berdasarkan kajian cara otak biologis manusia bekerja (dari dalam), maka FL justru merupakan representasi dari cara berfikir manusia yang nampak dari sisi luar. Jika ANN dibuat berdasarkan model biologis teoritis, maka FL dibuat berdasarkan model pragmatis praktis. FL adalah representasi logika berpikir manusia yang tertuang dalam bentuk kata-kata.

Kajian saintifik pertama tentang logika berfikir manusia ini dipublikasikan oleh Lukazewicz, seorang filsuf, sekitar tahun 1930-an. Ia mengajukan beberapa representasi matematik tentang �kekaburan� (fuzziness) logika ketika manusia mengungkapkan atau menyatakan penilaian terhadap tinggi, tua dan panas (tall, old, & hot). Jika logika klasik hanya menyatakan 1 atau 0, ya atau tidak, maka ia mencoba mengembangkan pernyataan ini dengan menambahkan faktor kepercayaan (truth value) di antara 0 dan 1.

Di tahun 1965, Lotfi Zadeh, seorang profesor di University of California, Berkeley US, mempublikasikan papernya yang terkenal, �Fuzzy Sets�. Penelitian-penelitian tentang FL dan fuzzy system dalam AI yang berkembang dewasa ini hampir selalu menyebutkan paper Zadeh itulah sebagai basis pijakannya. Ia mampu menjabarkan FL dengan pernyataan matematik dan visual yang relatif mudah untuk dipahami. Karena basis kajian FL ini kental berkaitan dengan sistem kontrol (Zadeh adalah profesor di bidang teknik elektro) maka pernyataan matematiknya banyak dikembangkan dalam konteks pemrograman komputer.

Metoda AI lain yang juga berkembang adalah algorithma genetik (genetic algorithm, GA) � untuk selanjutnya disebut sebagai GA. Dalam pemrograman komputer, aplikasi GA ini dikenal sebagai pemrograman berbasis teori evolusi (evolutionary computation, EC) � untuk selanjutnya disebut sebagai EC. Konsep EC ini dipublikasikan pertama kali oleh Holland (1975). Ia mengajukan konsep pemrograman berbasis GA yang diilhami oleh teori Darwin. Intinya, alam (nature), seperti manusia, memiliki kemampuan adaptasi dan pembelajaran alami �tanpa perlu dinyatakan: apa yang harus dilakukan�. Dengan kata lain, alam memilih �kromosom yang baik� secara �buta�/alami. Seperti pada ANN, kajian GA juga pernah mengalami masa vakum sebelum akhirnya banyak peneliti memfokuskan kembali perhatiannya pada teori EC.

GA pada dasarnya terdiri dari dua macam mekanisme, yaitu encoding dan evaluation. Davis (1991) mempublikasikan papernya yang berisi tentang beberapa metoda encoding. Dari berbagai literatur diketahui bahwa tidak ada metoda encoding yang mampu menyelesaikan semua permasalahan dengan sama baiknya. Namun demikian, banyak peneliti yang menggunakan metoda bit string dalam kajian-kajian EC dewasa ini.

Aplikasi AI dalam kontrol robotik dapat diilustrasikan sebagai berikut,

Gambar 4.1: Kontrol robot loop tertutup berbasis AI

Penggunaan AI dalam kontroler dilakukan untuk mendapatkan sifat dinamik kontroler �secara cerdas�. Seperti telah dijelaskan di muka, secara klasik, kontrol P, I, D atau kombinasi, tidak dapat melakukan adaptasi terhadap perubahan dinamik sistem selama operasi karena parameter P, I dan D itu secara teoritis hanya mampu memberikan efek kontrol terbaik pada kondisi sistem yang sama ketika parameter tersebut di-tune. Di sinilah kemudian dikatakan bahwa kontrol klasik ini �belum cerdas� karena belum mampu mengakomodasi sifat-sifat nonlinieritas atau perubahan-perubahan dinamik, baik pada sistem robot itu sendiri maupun terhadap perubahan beban atau gangguan lingkungan.

Banyak kajian tentang bagaimana membuat P, I dan D menjadi dinamis, seperti misalnya kontrol adaptif, namun di sini hanya akan dibahas tentang rekayasa bagaimana membuat sistem kontrol bersifat �cerdas� melalui pendekatan-pendekatan AI yang populer, seperti ANN, FL dan EC atau GA.

Gambar 4.1 mengilustrasikan tentang skema AI yang digunakan secara langsung sebagai kontroler sistem robot. Dalam aplikasi lain, AI juga dapat digunakan untuk membantu proses identifikasi model dari sistem robot, model lingkungan atau gangguan, model dari tugas robot (task) seperti membuat rencana trajektori, dan sebagainya. Dalam hal ini konsep AI tidak digunakan secara langsung (direct) ke dalam kontroler, namun lebih bersifat tak langsung (indirect).

Kecerdasan Buatan (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.

Teknologi Terbaru

 

Kini Komputer Bukan Lagi Barang Mewah dan Mahal. Perkembangan Teknologi Komputer memiliki dampak positif yang sangat besar yaitu Menciptakan Para Ahli dan Pakar-pakar IT di seluruh dunia.

     

Cambridge adalah salah satu dari enam lab riset milik raksasa software Microsoft. Cambridge memang bukan yang terbesar, tetapi salah satu yang terpenting. Di sini dilakukan penelitian dasar oleh para ahli IT, insinyur berbagai disiplin ilmu, ahli matematika, sosiolog, sampai psikolog.

Komputer Quantum

Perkembangan komputer melaju dengan pesatnya. Gordan Moore, salah satu pendiri Intel bahkan mengatakan, kemampuan prosesor komputer (jumlah transistor dan kecepatannya) akan bertambah dua kali lipat setiap 18 bulan. Hal ini telah berlangsung selama hampir empat dasawarsa. Jika hal ini terus berlanjut, diperkirakan ukuran transistor pada tahun 2030 akan menjadi hanya sebesar atom hidrogen. Dengan ukuran sekecil ini, proses fisika dalam sebuah transistor tidak akan mengikuti hukum-hukum fisika klasik, namun mengikuti hukum fisika kuantum. Hal ini membuka cara baru dalam memandang proses pengolahan informasi sekaligus menciptakan harapan untuk menciptakan sebuah komputer yang kemampuannya melebihi kemampuan yang dapat dicapai komputer sekarang ini.

Peter Ferrie (Virus Analist)

In 2003 I wrote ‘A recompiling virus like W95/Anxiety, but without needing the source code, combined with an inserting virus like W95/ZMist, but without rebuilding the file manually … The beast is unleashed’ (see VB, April 2003, p.5). Now, hot on the heels of MSIL/Impanate (see VB, November 2004, p.6), which introduced inserting viruses for the .NET platform, comes MSIL/Gastropod, which brings the full set of techniques one step closer.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s