Materi 4

Pencarian Heuristik

Ada 4 metode pencarian heuristik

· Pembangkit & Pengujian (Generate and Test)

· Pendakian Bukit (Hill Climbing)

· Pencarian Terbaik Pertama (Best First Search)

· Simulated Annealing

Pencarian Terbaik Pertama

(Best First Search)

ü Metode best-first search ini merupakan kombinasi dari metode depth-first search dan metode breadth-first search dengan mengambil kelebihan dari kedua metode tersebut.

ü Apabila pada pencarian dengan metode hill climbing tidak diperbolehkan untuk kembali ke node pada level yang lebih rendah meskipun node pada level yang lebih rendah tersebut memiliki nilai heuristik yang lebih baik, lain halnya dengan metode best-first search ini.

ü Pada metode best-first search, pencarian diperbolehkan mengunjungi node yang ada di level yang lebih rendah, jika ternyata node pada lebih yang lebih tinggi ternyata memiliki nilai heuristik yang lebih buruk.

ü Penentuan node berikutnya adalah node yang terbaik yang pernah dibangkitkan

ü Menggunakan informasi :

o Biaya perkiraan

o Biaya sebenarnya

ü Terdapat 2 jenis :

1. Greedy Best First Search

a. Biaya perkiraan f(n) = h(n)

2. A*

a. f(n) = g(n) + h(n)

b. Untuk mengimplementasikan metode ini menggunakan graph keadaan, dibutuhkan 2 antrian yang berisi node-node yaitu:

o OPEN, berisi node,node yang sudah dibangkitkan, namun belum diuji. Umumnya berupa antrian berprioritas yang berisi elemen-elemen dengan nilai heuristik tertinggi.

o CLOSED berisi node-node yang sudah diuji

ü Algoritma:

o Tempatkan node awal A pada antrian OPEN.

o Kerjakan langkah-langkah berikut hingga tujuan ditemukan atau antrian OPEN sudah kosong.

o Ambil node terbaik dari OPEN

o Bangkitkan semua successornya

o Untuk tiap-tiap successor kerjakan

o Jika node tersebut belum pernah dibangkitkan sebelumnya, evaluasi node tersebut dan masukkan ke OPEN

o Jika node tersebut sudah pernah dibangkitkan sebelumnya, ubah parent jika lintasan baru lebih menjanjikan. Hapus node tersebut dari antrian OPEN

Materi II

Masalah, Ruang, Dan Pencarian

Sistem AI :

Input --> Komputer(Pengetahuan dan Motor Inferensi) --> Output (jawaban, solusi)

Masalah

Untuk membangun sebuah system yang mampu menyelesaikan suatu masalah, perlu dipertimbangkan 4 hal :

1. Mendefinisikan masalah dengan tepat.

   • Spefikasi yang tepat mengenai keadaan awal.

   • Solusi yang diharapkan.

2. Manganalisis masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai.

3. 1. Merpresentasikan pengetahuan yang perlu untuk menyelesaikan masalah.

4. Memilih teknik penyelesaian masalah yang terbaik.

Masalah Sebagai Ruang Keadaan

• Misal permasalahan yang dihadapi adalah permainan catur.

• Maka harus ditentukan :

  • Posisi awal pada papan catur.

  • Aturan – aturan untuk melakukan gerakan secara legal.

  • Tujuan (goal).

• Posisi awal selalu sama.

• Aturan – aturan untuk melakukan gerakan secara legal :

  • Aturan – aturan sangat berguna untuk menentukan suatu bidak.

  • Untuk mempermudah : (a,b,c,d,e,f,g,h) untuk bidak horizontal, (1,2,3,4,5,6,7,8) untuk bidak vertical.

  • 
    

Ruang keadaan (State Space) : suatu ruang yang berisi semua keadaan yang mungkin.

• Sehingga secara umum untuk mendeskripsikan masalah dengan baik, harus :

  • Mendefinisikan suatu ruang keadaan.

  • Menetapkan satu atau lebih keadaan awal.

  • Menetapkan satu atau lebih tujuan.

  • Menetapkan kumpulan aturan.

• Ada beberapa cara untuk merepresentasikan ruang keadaan :

  • Graph keadaan.

  • Pohon pelacakan.

• Penyelesaian :

1. Identifikasi ruang keadaan

2. Keadaan awal.

Materi 1

Definisi Artificial Intelligent / Kecerdasan Buatan :
Kecerdasan buatan merupakan bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin komputer supaya dapat melakukan pekerjaan seperti bahkan sebaik manusia. Malah kadang dapat megerjakan suatu pekerjaan labih baik daripada manusia.

- Kecerdasan buatan tidak lepas dari adanya suatu proses yakni meliputi input , proses yang berbasis pengetahuan + motor inferensi, untuk kemudian menghasilkan suatu output yang berbasiskan solusi untuk memecahkan masalah yang ada.
- Sedangkan Cerdas disini berarti memiliki pengetahuan + pengalaman, penalaran ( bagaimana membuat keputusan dan mengambil tindakan ) berdasarkan untuk menghasilkan yang baik.

Sejarah Kecerdasan Buatan :
Tahun 50 an : Ahli matematika Inggris melakukan percobaan Turing Test yaitu bagaimana sebuah komputer dapat ditempatkan jarak jauh dan dapat berhubungan langsung dimana salah satu komputer tidak menggunakan manusia sebagai media komunikasi tetapi computer yang dapat berkomunikasi langsung / menjawab otomatis dengan user dikomputer lain/

Apakah AI dapat mengalahkan Kecerdasan Alami ?
Kecerdasan buatan dan kecerdasan alami sama-sama memiliki kekurangan dan kelebihan masing-masing dan tidak dapat disamakan dan diberi sifat lebih tinggi datu rendah.

Kelebihan Kecerdasan Buatan (AI ):
- Lebih bersifat permanen karena sampai kapanpun itu tetap ada kecuali hardware atau komponen-komponen dalam AI itu rusak.
- Lebih mudah dipublikasikan dan disebarkan.
- Lebih murah.
- Dapat didokumentasikan
- Lebih cepat dan lebih baik dalam perkembangannya.

Kelebihan Kecerdasan Alami :
- Kreatif yang dimilki manusia tidak bisa dimilki oleh mesin
- Pengalaman secara langsung
- Pemikiran yang luas dan bertumbuh




Bidang Kecerdasan Buatan :

Sistem pakar : mengalihkan / menduplukasi ilmu pengetahuan ahli untuk memcahkan masalah dengan solusinya yang sama seperti manusia berpikir.
Pengolahan bahas alami :
- Perintah bahasa sehari-hari
- Language translator
- Text summarization (meringkas)

Pengenalan Ucapan :
- Memberi instruksi dengan suara
- Alat bentu membaca untuk tunanetra
- Telepon untuk penderita bisu dan tuli

Robotika dan system sensor :
- Mesin cuci
- Robotika

Computer vision :
- Pengenalan pada sidik jari
- Pengenalan tulisan

Intelligent computer :
- Aided instruction
- Komputer sebagai tutor

Game playing :


Soft Computing :
Inovasi terbaru dalam kecerdaan buatan.
Metodologi-metodologi dalam Soft Computing :
- Logika Fuzzy ( Fuzzy logic )
- JAringan saraf tiruan ( neural network )
- Probabilistic reasoning ( mengakomodasi ketidakpastian )
- Evolutionary computing ( Algoritma Genetika )