1)
Pengertian Kecerdasan Buatan
Kecerdasan Buatan adalah salah satu cabang Ilmu pengetahuan
berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit
dengan cara yang lebih manusiawi. Hal Ini biasanya dilakukan dengan
mengikuti/mencontoh karakteristik dan analogi berpikir dari
kecerdasan/Inteligensia manusia, dan menerapkannya sebagai algoritma yang
dikenal oleh komputer. Dengan suatu pendekatan yang kurang lebih fleksibel dan
efisien dapat diambil tergantung dari keperluan, yang mempengaruhi bagaimana
wujud dari perilaku kecerdasan buatan. AI (Artificial Intelligence) biasanya
dihubungkan dengan Ilmu Komputer, akan tetapi juga terkait erat dengan bidang
lain seperti Matematika, Psikologi, Pengamatan, Biologi, Filosofi, dan yang
lainnya. Kemampuan untuk mengkombinasikan pengetahuan dari semua bidang
ini pada akhirnya akan bermanfaat bagi kemajuan dalam upaya menciptakan suatu
kecerdasan buatan.
Pengertian lain dari kecerdasan buatan adalah bagian ilmu
komputer yang membuat agar mesin komputer dapat melakukan pekerjaan seperti dan
sebaik yang dilakukan manusia. Pada awal diciptakannya, komputer hanya
difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan jaman,
maka peran komputer semakin mendominasi kehidupan manusia. Komputer tidak lagi
hanya digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan untuk
dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh
manusia.
Manusia bisa menjadi pandai dalam menyelesaikan segala
permasalahan di dunia ini karena manusia mempunyai pengetahuan dan pengalaman
Pengetahuan diperoleh dari belajar. Semakin banyak bekal pengetahuan yang
dimiliki oleh seseorang tentu saja diharapkan akan lebih mampu dalam
menyelesaikan permasalahan. Namu bekal pengetahuan saja tidak cukup, manusia
juga diberi akal untuk melakukan penalaran, mengambil kesimpulan berdasarkan
pengetahuan dan pengalaman yang mereka miliki. Tanpa memiliki kemampuan untuk
menalar dengan baik, manusia dengan segudang pengalaman dan pengetahuan tidak akan
dapat menyelesaikan masalah dengan baik. Demikian pula dengan kemampuan menalar
yang sangat baik, namun tanpa bekal pengetahuan dan pengalaman yang memadai,
manusia juga tidak akan bisa menyelesaikan masalah dengan baik.
Agar komputer bisa bertindak seperti dan sebaik manusia,
maka komputer juga harus diberi bekal pengetahuan dan mempunyai kemampuan untuk
menalar. Untuk itu AI akan mencoba untuk memberikan beberapa metoda untuk
membekali komputer dengan kedua komponen tersebut agar komputer bisa menjadi mesin
pintar.
2) Perbedaan Kecerdasan Alami Dengan Kecerdasan Buatan
BEDA KECERDASAN BUATAN &
KECERDASAN ALAMI
Kelebihan kecerdasan buatan :
1. Lebih
bersifat permanen. Kecerdasan alami bisa berubah karena sifat manusia pelupa.
Kecerdasan buatan tidak berubah selama sistem komputer & program tidak
mengubahnya.
2. Lebih
mudah diduplikasi & disebarkan. Mentransfer pengetahuan manusia dari 1
orang ke orang lain membutuhkan proses yang sangat lama & keahlian tidak
akan pernah dapat diduplikasi dengan lengkap.Jadi jika pengetahuan terletak
pada suatu sistem komputer, pengetahuan tersebut dapat disalin dari komputer
tersebut & dapat dipindahkan dengan mudah ke komputer yang lain.
3. Lebih
murah. Menyediakan layanan komputer akan lebih mudah & murah dibandingkan
mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu
yang sangat lama.
4. Bersifat
konsisten dan teliti karena kecerdasan buatan adalah bagian dari teknologi
komputer sedangkan kecerdasan alami senantiasa berubah-ubah
5. Dapat
didokumentasi.Keputusan yang dibuat komputer dapat didokumentasi dengan mudah
dengan cara melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami
sangat sulit untuk direproduksi.
6. Dapat
mengerjakan beberapa task lebih cepat dan lebih baik dibanding manusia
Kelebihan kecerdasan alami :
1. Kreatif
: manusia memiliki kemampuan untuk menambah pengetahuan, sedangkan pada
kecerdasan buatan untuk menambah pengetahuan harus dilakukan melalui sistem
yang dibangun.
2. Memungkinkan
orang untuk menggunakan pengalaman atau pembelajaran secara langsung. Sedangkan
pada kecerdasan buatan harus mendapat masukan berupa input-input simbolik.
3. Pemikiran
manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat
terbatas.
3) Perbedaan
komputasi konvensional dan komputasi kecerdasan alamiah
Proses Komputasi Kecerdasan
Buatan :
• Perangkat
lunak Kecerdasan Buatan didasarkan kepada representasi dan manipulasi simbol
(symbol).
• Sebuah
simbol bisa merupakan huruf, kata atau bilangan yang
digunakan untuk menggambarkan obyek, proses dan saling
hubungannya.
• Obyek
bisa berupa orang, benda, ide, pikiran, peristiwa
atau pernyataan suatu fakta.
• Dengan
menggunakan simbol memungkinkan komputer bisa menciptakan suatu basis data yang
menyatakan fakta, pikiran dan hubungannya satu sama lain.
• Berbagai
proses digunakan untuk memanipulasi simbol agar mampu memecahkan masalah.
Pengolahannya bersifat kuantitatif, dan bukan kualitatif
seperti halnya komputasi yang didasarkan kepada algoritma.
• Apabila
basis pengetahuan, fakta dan hubungannya sudah dibuat, maka penggunaannya untuk
memecahkan masalah harus sudah dimulai.
• Teknik
dasar untuk melakukan penalaran dan menarik kesimpulan dari pengalaman melalui
basis pengetahuan adalah pelacakan (searching) dan pencocokan
pola (pattern matching).
• Secara
harfiah komputer terus memburu dan dan mencari pengetahuan yang ada sampai ia
menemukan jawaban yang terbaik atau jawaban yang paling cocok.
Kecerdasan buatan
|
Program konvensional
|
|
Fokus pemrosesan
|
Konsep simbolik / numerik
(pengetahuan)
|
Data & informasi
|
Pencarian
|
Heuristik
|
Algoritma
|
Sifat input
|
Bisa tidak lengkap
|
Harus lengkap
|
Keterangan
|
Disediakan
|
Biasanya tidak disediakan
|
Struktur
|
Kontrol dipisahkan dari
pengetahuan
|
Kontrol terintegrasi
dengan informasi (data)
|
Sifat output
|
Kuantitatif
|
Kualitatif
|
Kemampuan menalar
|
Ya
|
Tidak
|
KOMPUTASI KONVENSIONAL
|
KECERDASAN BUATAN
|
Menggunakan fungsi otak manusia.
|
Meniru beberapa fungsi otak manusia.
|
Komputer diperintahkan untuk
menyelesaikan suatu masalah.
|
Komputer diberitahu tentang suatu
masalah.
|
Hanya dapat ditulis dalam bahasa
pemrograman biasa seperti C/C++, Basic.
|
Programnya dapat ditulis dalam
semua bahasa pemrograman.
|
4) Area Kecerdasan Buatan
1.
Sudut pandang Kecerdasan: mesin menjadi
‘cerdas’(mampu berbuat apa yang dilakukan oleh manusia)
2.
Sudut pandang
Penelitian: studi bagaimana membuat agar komputer dapat melakukan sesuatu
sebaik yang dilakukan oleh manusia.
Domain penelitian:
Mundane task
·
Persepsi(vision& speech)
·
Bahasa alami (understanding, generation &
translation)
·
Pemikiranyang bersifatcommonsense
·
Robot control
Formal task
·
Permainan/games
·
Matematika (geometri, logika, kalkulus,
integral, pembuktian)
Expert task
·
Analisisfinansial
·
Analisismedikal
·
Analisisilmupengetahuan
·
Rekayasa(desain, pencarian, kegagalan, perencanaan,
manufaktur)
3.
Sudut pandang Bisnis: kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaika
nmasalah-masalah bisnis
4.
Sudut pandang Pemrograman: studi tentang pemrograman
simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).
Supaya komputer dapat bertindak
seperti atau serupa dengan manusia, maka komputer harus diberi bekal
pengetahuan, dan mempunyai kemampuan untuk menalar. Penerapan bidang AI beraneka ragam. Tujuan
dari sistem kecerdasan buatan dapat dibagi dalam 4 kategori
·
Sistem yang dapat berfikir seperti manusia
(Bellman, 1978)
·
Sistem yang dapat berfikir secara rasional (
Winston, 1992)
·
Sistem yang dapat beraksi seperti manusia (Rich
and Knight, 1991)
·
Sistem yang dapat beraksi secara rasional
(Nilsson, 1998)
5) Bidang Ilmu Kecerdasan Buatan Dan
Aplikasinya
v Natural Language Processing (NLP)
NLP
mempelajari bagaimana bahasa alami itu diolah sedemikian hingga user dapat
berkomunikasi dengan komputer. Konsentrasi ilmu ini adalah interaksi antara
komputer dengan bahasa natural yang digunakan manusia, yakni bagaimana komputer
melakukan ekstraksi informasi dari input yang berupa natural language dan atau
menghasilkan output yang juga berupa natural language,
Pada
system Automated online assistant .
·
Dimana user
dapat berkomunikasi dengan komputer menggunakan bahasa sehari-hari, misal
bahasa Inggris, bahasa Indonesia, bahasa Jawa, dan lain-lain,
·
Pengguna
sistem dapat memberikan perintah dengan bahasa sehari-hari, misalnya, untuk
menghapus semua file, pengguna cukup memberikan perintah ”komputer, tolong
hapus semua file !” maka sistem akan mentranslasikan perintah bahasa alami
tersebut menjadi perintah bahasa formal yang dipahami oleh komputer, yaitu ”delete
*.* <ENTER>”.
·
Translator
bahasa Inggris ke bahasa Indonesia begitu juga sebaliknya dan lain-lain, tetapi
sistem ini tidak hanya sekedar kamus yang menerjemahkan kata per kata, tetapi
juga mentranslasikan sintaks dari bahasa asal ke bahasa tujuan
·
Text
summarization : Suatu sistem
yang dapat membuat ringkasan hal-hal penting dari suatu wacana yang diberikan.
v Computer Vision
Menginterpretasikan gambar atau objek-objek tampak
melalui komputer. Cabang ilmu ini erat kaitannya
dengan pembangunan arti/makna dari image ke obyek secara fisik. Yang dibutuhkan
didalamnya adalah metode-metode untuk memperoleh, melakukan proses, menganalisa
dan memahami image. Apabila cabang ilmu ini dikombinasikan dengan Artificial
Intelligence secara umum akan mampu menghasilkan sebuah visual intelligence
system.
Contoh
penerapan computer vision untuk
identifikasi wajah
v Robotika dan Sistem Navigasi
Bidang
ilmu inilah yang mempelajari bagaimana merancang robot yang berguna bagi
industry dan mampu membantu manusia, bahkan yang nantinya bisa menggantikan
fungsi manusia. Robot mampu melakukan beberapa task dengan berinteraksi dengan
lingkungan sekitar. Untuk melakukan hal tersebut, robot diperlengkapi dengan
actuator seperti lengan, roda, kaki, dll. Kemudian, robot juga
diperlengkapi dengan sensor, yang memampukan mereka untuk menerima dan bereaksi
terhadap environment mereka
Ada
beberapa istilah penting di dalam robot vision yang saling berhubungan,
diantaranya computer vision, machine vision dan robot vision. Computer
vision merupakan teknologi paling penting di masa yang akan datang dalam
pengembangan robot yang interaktif. Computer Vision merupakan bidang pengetahuan
yang berfokus pada bidang sistem kecerdasan buatan dan berhubungan dengan
akuisisi dan pemrosesan image. Machine vision merupakan proses menerpakan
teknologi untuk inspeksi automatis berbasis image, kontrol proses dan pemanduan
robot pada berbagai aplikasi industri dan rumah tangga. Robot vision
merupakan pengetahuan mengenai penerapan computer vision pada
robot. Robot membutuhkan informasi vision untuk memutuskan
aksi apa yang akan dilakukan. Penerapan saat ini vision pada robot antara
lain sebagai alat bantu navigasi robot, mencari obyek yang diinginkan, inspeksi
lingkungan dan lainnya. Vision pada robot menjadi sangat penting karena
informasi yang diterima lebih detail dibanding hanya sensor jarak atau sensor
lainnya. Misalnya dengan vision, robot dapat mengenal apakah obyek yang
terdeteksi merupakan wajah orang atau bukan. Lebih jauh lagi, sistem
vision yang canggih pada robot membuat robot dapat membedakan wajah A dengan
wajah B secara akurat (Face recognition system menggunakan metode PCA, LDA dan
lainnya) [6]. Proses pengolahan dari input image dari kamera hingga
memiliki arti bagi robot dikenal sebagai visual perception, dimulai dari
akuisisi image, image preprocessing untuk memperoleh image yang diinginkan dan
bebas noise misalnya, ekstrasi fitur hingga interpretasi seperti ditunjukkan
pada gambar 1.8. Misalnya saja untuk identifikasi pelanggan dan penghindaran
multiple moving obstacles berbasis vision, atau untuk menggerakan servo sebagai
aktuator untuk mengarahkan kamera agar tetap mengarah ke wajah seseorang (face
tracking).
v Game Playing
Game
biasanya memiliki karakter yang dikontrol oleh user, dan karakter lawan yang
dikontrol oleh game itu sendiri. Dimana kita harus merancang aturan-aturan yang
nantinya akan dikerjakan oleh karakter lawan. Game akan menjadi menarik apabila
karakter lawan (non-player) bereaksi dengan baik terhadap apa yang dilakukan
oleh player. Hal ini akan memancing penasaran user dan membuat game menarik
untuk dimainkan. Tujuan intinya adalah membuat non-player memiliki strategi
yang cerdas untuk mengalahkan player. Pada bidang ini, AI dibutuhkan,
yaitu untuk merancang dan menghasilkan game yang fun serta antarmuka antara
man-machine yang cerdas dan menarik untuk dimainkan
Games
tingkat lanjut yang menerapkan AI
v Sistem Pakar
Bidang
ilmu ini mempelajari bagaimana membangun sistem atau komputer yang memiliki
keahlian untuk memecahkan masalah dan menggunakan penalaran dengan meniru atau
mengadopsi keahlian yang dimiliki oleh pakar. Dengan sistem ini, permasalahan
yang seharusnya hanya bisa diselesaikan oleh para pakar/ahli, dapat
diselesaikan oleh orang biasa/awam. Sedangkan, untuk para ahli, sistem pakar
juga akan membantu aktivitas mereka sebagai asisten yang seolah-olah sudah
mempunyai banyak pengalaman.
Expert
System atau sistem pakar merupakan system komputer yang meniru kemapuan
pengambilan keputusan dari manusia yang ahli akan bidangnya. Expert System
dirancang untuk menyelesaikan permasalahan yang komplek, seperti halnya sebuah
ahli. Sistem pakar diartikan sebagai suatu program komputer yang memperlihatkan
derajat keahlian dalam pemecahan masalah di bidang tertentu sebanding dengan
seorang pakar (Ignizio, 1991). Keahlian sistem pakar dalam memecahkan suatu
masalah diperoleh dengan cara merepresentasikan pengetahuan seorang atau
beberapa orang pakar dalam format tertentu dan menyimpannya dalam basis
pengetahuan. Sistem pakar berbasis kaidah (rule-based expert system) adalah
sistem pakar yang menggunakan kaidah (rules) untuk merepresentasikan pengetahuan
di dalam basis pengetahuannya.
Model
Sistem Pakar
v Intelligent computer-aided
instruction
Komputer dapat digunakan sebagai tutor yang dapat
melatih dan mengajar. Dengan menambahkan aspek kecerdasan di
dalamnya, dapat tercipta komputer “guru” yang dapat mengatur teknik
pengajarannya untuk menyesuaikan dengan kebutuhan “murid” secara individiual.
Sistem ini juga mendukung pembelajaran bagi orang yang mempunyai kekurangan
fisik atau kelemahan belajar.
Contoh
: Learn to speak English.
v Pemahaman Ucapan/Suara (Speech/Voice Understanding)
Speech/Voice
Understanding adalah teknik agar komputer dapat mengenali dan memahami bahasa
ucapan. Proses ini mengijinkan seseorang berkomunikasi dengan komputer dengan
cara berbicara kepadanya. Istilah “pengenalan suara” mengandung arti bahwa
tujuan utamanya adalah mengenai kata yang diucapkan tanpa harus tahu artinya,
di mana bagian itu merupakan tugas “pemahaman suara”. Secara umum prosesnya
adalah usaha untuk menerjemahkan apa yang diucapkan seorang manusia menjadi
kata-kata atau kalimat yang dapat dimengerti oleh komputer.
6) Pencarian tersusun atau Pencarian
heuristik
Pencarian
tersusun atau pencarian heuristik merupakan suatu teknik yang digunakan untuk
meningkatkan efisiensi dalam proses pencarian. Metode heuristik menggunakan
suatu fungsi yang menghitung biaya perkiraan dari suatu simpul tertentu menuju
ke simpul tujuan. Dalam pencarian state space, heuristik adalah aturan untuk
memilih cabang-cabang yang paling mungkin menyebabkan penyelesaian permasalahan
dapat diterima. Aplikasi yang menggunakan fungsi heuristic : Google, Deep Blue
Chess Machine.
Metode pencarian Heuristik
v Generate and test
Ini adalah gabungan dari pencarian
depth first dengan pelacakan mundur. Nilai dari pengujian ini berupa
"ya" atau "tidak". Pencarian ini memiliki beberapa
algoritma, yaitu :
- Bangkitkan suatu kemungkinan solusi (membangkitkan suatu titik tertentu atau lintasan tertendu dari keadaan awal).
- Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengancara membandingkan node tersebut atau node akhir dari suatu lintasan yang dipilih merupakan tujuan yang diharapkan.
Algoritma:
– Bangkitkan suatu kemungkinan
solusi (membangkitkan suatu titik tertentu atau lintasan tertentu dari
keadaan awal).
– Uji untuk melihat apakah node
tersebut benar-benar merupakan solusinya dengan cara membandingkan node
tersebut atau node akhir dari suatu lintasan yang dipilih dengan kumpulan
tujuan yang diharapkan.
– Jika solusi ditemukan,
keluar. Jika tidak, ulangi kembali langkah yang pertama.
Contoh : Traveling Salesman
Problem (TSP)
Seorang salesman ingin mengunjungi n
kota. Jarak antara tiap-tiap kota sudah diketahui. Ingin diketahui rute
terpendek dimana setiap kota hanya boleh dikunjungi tepat 1 kali.
Contoh : Traveling Salesman
Problem (TSP)
• Generate & test akan
membangkitkan semua solusi yang mungkin:
– A – B – C – D
– A – B – D – C
– A – C – B – D
– A – C – D – B
Kelemahan dari generate and test
adalah perlunya membangkitkan semua kemungkinan sebelum dilakukan pengujian,
serta membutuhkan waktu yang cukup lama dalam pencarian.
Kelemahan dari Pembangkit & Pengujian (Generate and Test) yaitu ;
Kelemahan dari Pembangkit & Pengujian (Generate and Test) yaitu ;
v Pendakian Bukit (Hill Climbing)
• Metode ini hampir sama dengan
metode pembangkitan & pengujian, hanya saja proses pengujian dilakukan
dengan menggunakan fungsi heuristik.
• Pembangkitan keadaan
berikutnya sangat tergantung pada feedback dari prosedur pengetesan.
• Tes yang berupa fungsi
heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil
terhadap keadaan-keadaan lainnya yang mungkin.
v Simple Hill climbing
Metode ini hampir sama dengan
generate and test, perbedaannya ada pada feedback dari prosedur test untuk
pembangkitan keadaan berikutnya. Tes yang dilakukan berupa fungsi heuristik
akan menunjukkan seberapa baik nilai terkaan yang diambil terhadap keadaan lain
yang memungkinkan. Algoritma dari pencarian ini adalah :
- Mulai dari keadaan awal, jika merupakan tujuan, maka berhenti; tapi jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal.
- Kerjakan langkah-langkah berikut hingga solusinya ditemukan, atau hingga tidak ada lagi operator baru yang diaplikasikan pada keadaan sekarang :
- Cari operator yang belum pernah digunakan sebagai operator untuk keadaan baru
- evaluasi keadaan baru tersebut
·
jika keadaan baru adalah tujuan, keluar.
·
jika bukan tujuan namun nilai lebih baik,
keadaan baru akan digunakan sebagai keadaan sekarang.
·
jika keadaan baru tidak lebih baik, maka
lanjutkan interasi.
Kelemahan pada sistem ini
adalah algoritma akan berhenti ketika mencapai optimum local, urutan penggunaan
operator akan sangat berpengaruh, dan tidak diijinkan untuk melihat langkah
sebelumnya.
Contoh TSP
• Operator : Tukar kota ke-i
dengan kota ke-j (Tk i,j)
• Untuk 4 kota:
– Tk 1,2 : tukar kota ke-1
dengan kota ke-2.
– Tk 1,3 : tukar kota ke-1
dengan kota ke-3.
– Tk 1,4 : tukar kota ke-1
dengan kota ke-4.
– Tk 2,3 : tukar kota ke-2
dengan kota ke-3.
– Tk 2,4 : tukar kota ke-2
dengan kota ke-4.
– Tk 3,4 : tukar kota ke-3
dengan kota ke-4.
Untuk N kota, akan ada operator
sebanyak:
v Steepest Ascent Hill Climbing
• Steepest-ascent hill climbing
sebenarnya hampir sama dengan simple hill climbing, hanya saja gerakan
pencarian tidak dimulai dari posisi paling kiri.
• Gerakan selanjutnya dicari
berdasarkan nilai heuristik terbaik.
• Dalam hal ini urutan
penggunaan operator tidak menentukan penemuan solusi.
• Steepest-ascent hill climbing
sebenarnya hampir sama dengan simple hill climbing, hanya saja gerakan
pencarian tidak dimulai dari posisi paling kiri.
• Gerakan selanjutnya dicari
berdasarkan nilai heuristik terbaik.
• Dalam hal ini urutan
penggunaan operator tidak menentukan penemuan solusi.
Algoritma
• Mulai dari keadaan awal,
lakukan pengujian: jika merupakan tujuan, maka berhenti; dan jika tidak,
lanjutkan dengan keadaan sekarang sebagai keadaan awal.
• Kerjakan hingga tujuan
tercapai atau hingga iterasi tidak memberikan perubahan pada keadaan sekarang.
• Tentukan SUCC sebagai nilai
heuristic terbaik dari successorsuccessor.
• Kerjakan untuk tiap operator
yang digunakan oleh keadaan sekarang:
• Gunakan operator tersebut dan
bentuk keadaan baru.
• Evaluasi keadaan baru
tersebut. Jika merupakan tujuan, keluar. Jika bukan, bandingkan nilai heuristiknya
dengan SUCC. Jika lebih baik, jadikan nilai heuristic keadaan baru tersebut
sebagai SUCC. Namun jika tidak lebih baik, nilai SUCC tidak berubah.
• Jika SUCC lebih baik daripada
nilai heuristic keadaan sekarang, ubah node SUCC menjadi keadaan sekarang.
v Best first search
Algoritma
best first search ini merupakan kombinasi dari algoritma depth first search
dengan algoritma breadth first search dengan mengambil kelebihan
dari kedua algoritma tersebut. Apabila pada pencarian dengan
algoritma hill climbing tidak diperbolehkan untuk kembali ke node
pada level yang lebih rendah meskipun node di level yang lebih rendah
tersebut memiliki nilai heuristik yang lebih baik, lain halnya pada algoritma
best first search, pencarian diperbolehkan mengunjungi node yang ada di level
yang lebih rendah, jika ternyata node di level yang lebih tinggi memiliki nilai
heuristik yang lebih buruk
Algoritma best
first search merupakan salah satu bagian dari tipe informed search. Algoritma
ini menggunakan nilai-nilai heuristik tiap simpul yang dibuka. Simpul dengan
nilai heuristik terbaik akan dibuka lebih dahulu. Bila goal state belum
ditemukan, akan dilakukan pemeriksaan pada simpul berikutnya dengan nilai
heuristik terbaik pada kedalaman yang sama. Simpul tersebut kemudian dibuka dan
diperiksa apakah terdapat goal state pada cabang-cabangnya. Bila goal state
belum ditemukan, akan dilakukan proses yang sama pada simpul berikutnya.
v Simulated annealing
Simulated
Annealing adalah optimasi dari algoritma Stochastic dan Metaheuristic. Dan
simulated annealing adalah adaptasi dari algoritma Metropolis-Hasting
Montecarlo dan digunakan dalam fungsi pengoptimalan. Sebagaimana algoritma
Genetik, Simulated Annealing juga menjadi basis untuk pengembangan dari
algoritma yang lebih khusus seperti Parallel Simulated Annealing, Fast
Simulated Annealing dan Adaptive Simulated Annealing.
Simulated
Annealing terinspirasi oleh proses peleburan logam dalam metalurgi. Dalam
proses alami ini material logam dipanaskan pada suhu tinggi hingga mencair dan kemudian
didinginkan secara perlahan dalam kondisi terkontrol untuk memperbesar ukuran
kristal logam dan mengurangi cacat pada kristal logam tersebut. Hasil dari
proses ini adalah meningkatnya kekuatan dan ketahanan dari material logam
tersebut. Suhu panas meningkatkan energi atom menjadikannya bergerak bebas dan
pendinginan perlahan yang terkontrol memungkinkan konfigurasi energi yang kecil
yang didapat.
Tujuan teknik
pemrosesan informasi ini adalah untuk menghasilkan konfigurasi harga minimum
dalam pencarian. Rancangan aksi algoritma ini adalah untuk secara probabilistik
membuat sampling dari permasalahan, dimana penerimaan sampel baru ke sampel
yang sedang dikerjakan diatur oleh fungsi probabilistik harga sampel yang lebih
cerdas, fungsi ini menerima eksekusi berulangkali dalam algoritma ini.
Keputusan probabilistik ini berdasar pada metropolis-hasting untuk
menyimulasikan sampel-sampel dalam sistem thermodinamika.
Label:
Tulisan
Responses
0 Respones to "Kecerdasan Buatan"
Posting Komentar