Paradigma Konektifitas (PDP)

1. Kecerdasan berasal dari interaksi sejumlah besar unit-unit proses sederhana.
2. Kompleksitas yang sedemikian dihasilkan dari interaksi-interaksi yang terjadi antar himpunan kecil dari kaidah sederhanan.
3. Koneksifitas
   • Penguat koneksi, proses aktifasi yang melalui koneksi.
   • Perubahan bobot koneksifitas dalam rangka memperbaiki unjuk kerja sistem
4. Contoh kaidah sederhana:
   • Ketika unit A dan unit B secara simultan aktif, akan meningkatkan konektifitas aktif antara kedua unit itu.
   • Kaidah learning yang rumit berfungsi digunakan.

Implementasi Neural Network :

1. Data Filtering
2. Contoh yang digunakan  pada Telekomunikasi (TELKOM) & PLN:
   • Pemanfaatan Citra digunakan untuk menghasilkan pengkodean data citra yang efisien.
   • Pengolahan Sinyal dilakukan estimasi perambatan balik untuk melakukan prediksi serta pemodelan     simulasi.
   • Pemfilteran Derau digunakan untuk melakukan pemfilteran derau & mampu mempertahankan struktur     lebih baik.
   • Routing Trafic digunakan untuk meminimumkan  parameter yang menghambat, seperti waktu  tunda (delay) & banyaknya hubungan yang harus dilalui.
3. Prediction
   Contoh : peramalan cuaca, menemukan saham terbaik di pasar bursa saham, mengidentifikasi orang yang terserang kanker.
4. Classification
   menggunakan nilai input  untuk menentukan klasifikasi.
   contoh : klasifikasi bau aroma(hidung bionic),  klasifikasi kadar timbal yang terdapat pada air kali cisadane (puspitek serpong).
5. Data Association
   seperti klasifikasi tetapi juga mengenal data yang mengalami kesalahan(bila alat tidak bekerja).
   Contoh : klasifikasi masyarakat miskin, klasifikasi curah hujan.

Related posts:

1. sistem komunikasi data 2 model dasar sistem komunikasi data : Tugas utama dari sistem...

Related posts brought to you by Yet Another Related Posts Plugin.

1. Critic
2. Sensor
3. Learning Element
4. Problem Generator
5. Performance Element
6. Effector

Jenis2 Learning :

1. Rote Learning
   Apa yang pernah dipelajari membentuk kenyataan dimana harus mengulang dan mengingatnya.
2. Cognitive Learning
   Penggunaan alasan untuk dapat : menganalisa, mengorganisasi dan menghubungkan bagian-bagian tertentu dari pengetahuan.

Rote Learning

1. Tidak terbatas pada kenyataan, tetapi dapat diterapkan dalam rangkaian kegiatan-kegiatan.
2. Intinya : Spesialisasi dimana segala sesuatu yang dihafal adalah spesifik dan rangkaian langkah-langkah yang membentuk proses tidak dapat digeneralisasi. Rangkaian penghafalan disebut : Prosedur.
3. Melibatkan pengingatan baik kenyataan atau prosedur-prosedur dan tidak membutuhkan suatu generalisasi yang rinci atau pemikiran tingkat tinggi

Cognitive Learning

1. Dapat membentuk deskripsi kelas untuk prosedur-prosedur, kemudian dapat beradaptasi terhadap prpsedur-prosedur yang tergeneralisasi ke berbagai situasi sejenis.
2. Kemampuan untuk mendeskripsikan kelas adalah dasar pembentukan sebuah komputer berpikir “ala manusia”.

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.

Robot berasal dari bahasa chekoslovakia ‘robota’ yang artinya tenaga kerja (Create the Artificial life Robot ->Cheko is “worker”). Robot diharapkan dapat melihat, mendengar,menganalisa lingkungannya dan dapat melakukan tindakan-tindakan yang terprogram. Sekarang ini robot digunakan untuk maksud-maksud tertentu dan yang paling banyak adalah untuk keperluan industri seperti robot cybotech P15 yang banyak digunakan untuk pekerjaan mengecat. Robot juga banyak diperlukan untuk mengerjakan pekerjaan-pekerjaan yang berbahaya, kotor dan sulit(tiga dimensi/3D).

Robot modern pertama kali dikembangkan oleh Joseph Engelberger dan George Devoe yang kemudian mendirikan perusahaan Unimation Company. Pengaruh robot mulai terasa dalam industri ketika negara Jepang mulai menggunakan secara intensif.

Asimov’s 3 laws of robotics :

1. Tidak boleh melukai manusia.
2. Harus patuh terhadap perintah manusia, kecuali yang bertentangan dengan no. 1.
3. Harus  mempertahankan diri, kecuali bertentangan dengan  no. 1. dan 2.

Tipe robot ada 2, yaitu:

1. Tipe pertama bentuknya sudah fix dan membutuhkan tempat yang tetap, misalnya robot-robot perangkat  industri seperti yang digunakan untuk merakit mobil. Jenis ini  dioperasikan hanya dalam lingkungan terkendali  tinggi  yang telah dirancang untuk hal tersebut.
2. Tipe kedua terdiri dari berbagai jenis robot otomatis/robot otonomous. Robot-robot ini dirancang untuk dioperasikan dalam dunia nyata. Robot jenis ini dibuat untuk bekerja seperti manusia. Robot jenis ini yang menarik bagi pemrogram AI.

Tangan  robot  umumnya dibentuk pada tangan  manusia,  kebanyakan tangan robot adalah six-axis arm, karena diperbolehkan untuk mendapatkan gerakan bebas.

Terdapat dua cara dalam mengajarkan robot, di mana robot-robot berpikir :

1. Dengan menggunakan Teach Pendant.
2. Diprogramkan dengan menggunakan bahasa kendali robot /robotic control language.

Autonomous Robot jauh lebih kompleks dari industrial robot, karena robot ini harus jauh lebih pandai. Jika  Autonomous Robot berhasil beroperasi dalam  lingkungan  tak terkendali dari dunia nyata(kehidupan sebenarnya), maka robot ini akan membutuhkan berbagai keahlian di mana industrial robot tidak membutuhkan.

Perception meliputi interpretasi penglihatan (sights), suara (sounds), smell (rasa) dan menyuruh / maraba (touch).
Action meliputi kemampuan mengendalikan / navigasi alam atau dunia dan memanipulasi objek.

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.

Sistem pakar adalah perangkat lunak komputer yang memiliki basis pengetahuan (knowledge base) untuk domain tertentu & juga memerlukan untuk mengeksplotasikan satu atau lebih mekanisme penalaran atau pemikiran / pertimbangan (inference) yang menyerupai seorang pakar dalam memecahkan masalah.

Sistem pakar memecahkan persoalan yang secara normal dipecahkan dengan keahlian/kepakaran manusia.

Kemampuan ES : memecahkan masalah-masalah praktis pada saat sang pakar  berhalangan.

Kondisi-kondisi dimana sistem pakar dapat membantu manusia dalam menyelesaikan masalahnya, antara lain:

1. Kebutuhan akan tenaga ahli(pakar) yang banyak, tetapi pakar yang tersedia jumlahnya sangat terbatas.
2. Pemakaian pakar yang berlebihan dalam membuat keputusan, walaupun dalam suatu tugas yang rutin.
3. Pertimbangan kritis harus dilakukan dalam waktu yang singkat untuk menghindari hal-hal yang tidak diinginkan.
4. Hasil yang optimal, seperti dalam perencanaan atau konfigurasi.
5. Sejumlah besar data yang harus diteliti oleh pakar secara kontinu.

ES : Learning by doing for knowledge (pengetahuan yang berasal dari belajar dari pengalaman).

Ciri-ciri sistem pakar :

1. Terbatas pada domain keahlian tertentu
2. Dapat memberikan penalaran untuk data yang tidak pasti.
3. Dapat mengemukakan rangkaian alasan-alasan yang diberikannya dengan cara yang dapat dipahami.
4. Berdasarkan pada kaidah/ ketentuan/ rule tertentu.
5. Dirancang untuk dapat dikembangkan secara bertahap.
6. Pengetahuan & mekanisme penalaran (inference) jelas terpisah.
7. Keluarannya bersifat anjuran.
8. Sistem dapat mengaktifkan kaidah secara searah yang sesuai dituntun oleh dialog dengan user.

Keuntungan sistem pakar :

1. Membuat seorang yang awam bekerja secara seperti layaknya seorang pakar.
2. Meningkatkan produktifitas akibat meningkatnya kualitas hasil pekerjaan, disebabkan meningkatnya efesiensi kerja.
3. Menghemat waktu kerja.
4. Menyederhanakan pekerjaan.
5. Merupakan arsip yang terpercaya dari sebuah keahlian.
6. Memperluas jangkauan, dari keahlian secara pakar.

Tipe-tipe sistem pakar berdasarkan struktur program, ada 3(tiga) tipe :

1. Program Mandiri
   Sistem pakar yang murni dan berdiri sendiri, artinya program utamanya tanpa mengandung subroutine yang memakai algoritma  konvensional.
2. Program Terkait
   Sistem pakar yang dikelilingi program lainnya, artinya sebuah subroutine yang akan dipanggil oleh program utama. Misalnya  memiliki subroutine untuk :
   • perhitungan matematik
   • pembuatan grafik
   • keperluan lainnya
3. Program Terhubungkan
   Sistem pakar merupakan program yang dapat berhubungan dengan paket program lainnya, misalkan:
   • spreadsheet (lotus, excel, quatro pro, dan sebagainya).
   • Database Management System (dBase III+, foxbase, dan sebagainya) atau pembuat Grafik.

Komponen Sistem Pakar :

1. Basis Pengetahuan(Knowledge Base)
2. Mesin Inference(Inference Engine)
3. User Interface
4. Development Engine

Klasifikasi sistem pakar :

1. Diagnosis
2. Pengajaran
3. Interpretasi
4. Prediksi
5. Perencanaan
6. Kontrol

Related posts:

1. sistem komunikasi data 1 Komunikasi Data Merupakan suatu bagian dari ilmu komunikasi yang mengkhususkan...

Related posts brought to you by Yet Another Related Posts Plugin.

1. PARSER STATE MACHINE
   • BAHASA RAKITAN
   • MESIN TURING
2. PARSER CONTEXT-FREE RECURSIVE DESCENT
   • BAHASA C
   • PASCAL
   • CLIPS / LISP
   • JAVA
   • COLD FUSION
   • PERL
3. PARSER NOISE DISPORSAL
   • DOS
   • LINUX OS
   • FOXPRO / FOXBASE / ORACLE / M SQL

Proses Penterjemahan dalam mengerti bahasa alami (Natural Language Understanding), ada 4 tahap :

1. Lexical Analysis : cek masing-masing word & dictionary lock  up
2. Syntax Analysis (Parsing) : sesuai grammar
3. Semantic Analysis : mengecek masing-masing arti kata
4. Discourse :
   • Melihat semua kalimat yang lain
   • Sifatnya kompleks
   • Mengecek arti kata secara keseluruhan
   • Hukum/sesuai daerahnya

Kalimat yang mau diterjemahkan ada dalam paragraf berikut:

Peter and Jane were these students. They tried to know about LISP at San Fransisco. They should be learned about LISP in Fall Season 1988. These students had a good knowledge of LISP features.

Contoh: “These Students had a good knowledge of LISP features”

Lexical Analysis

Menghubungkan setiap kata dalam kalimat, dengan informasi tentang :

1. Kategori gramatik :    Noun(NOUN), VERB(VB), Determiner(DET), Adjective(ADJ)
2. Root (asal Kata) : have untuk “had”, this untuk “these”, student untuk “students”
3. Tense atau form(bentuk) :     present, past, …. Singular(SING), Plural (PLUR)

Syntax Analysis

Syntax Analysis

Menyusun grammar dari kalimat yang dapat direpresentasikan dengan “Parse Tree”.

Setiap Node diberi Label:
S : Sentences
Adjs : Adjective Sequences
PREPG : Preposition Group
NG : Noun Group
Adj : Adjective
DET : Determiner
Q : Qualifier
VB : Verb
PREP : Preposition

Parse Tree

Semantic Analysis
Menentukan kegiatan utama dalam kalimat walaupun verbnya “have”, kegiatan utama : “knowledge” menentukan pelakunya, obyek dari kegiatan & karakteristik lainnya (waktu, lokasi)
Kegiatan : know
Qualifier : well
Pelaku : these students
Obyeks : lisp
Waktu : past (lampau)
Lokasi :

Discourse

Informasi yang dikumpulkan dari kalimat sebelumnya dari risalah dipergunakan untuk menyelesaikan hal-hal yang belum jelas :

-Two students = Peter, Jane
These
- Menghasilkan hubungan yang lebih spesifik
- Menambah knowledge
Kegiatan : know
Qualifier : well
Pelaku    : Peter & Jane
Obyek     : lisp
Waktu     : musim gugur 1988 (Fall Season 1988)
Lokasi     : San Fransisco

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.

Sejarah Singkat Logika

Syllogistic atau classical logic. Aristotle( 384-322 BC)
Syllogistic logic pada dasarnya bertransaksi dengan  penurunan kebenaran (atau yang bersifat salah) dari argumen seorang filosofi.
Contoh:
John is a man
All men used to the boys
Therefore, John used to be a boy
Contoh diatas dikonversikan ke Syllogistic logic:
J —> M
all M —> B
hence:     J —> B

Symbolic logic dimulai dengan G.W. Leibniz(1646-1717) and George Boole(1815-1864) yang logikanya dikenal denganBoolean Logic.
Symbolic logic berinteraksi  dengan konsep abstraksi ke dalam simbol-simbol dan interkoneksi  simbol-simbol oleh operator tertentu.
Contoh:
if P is true, Q is false
Then P or Q is true, P and Q is false

JENIS Symbolic Logic ada 2 Yaitu:
Propotional Logic : bertransaksi dengan kebenaran atau kesalahan dari sebuah proposition.
Predicate Logic : memasukkan hubungan antara obyek-obyek dan kelas-kelas dari obyek.

“if  it  is  raining  then  the road  are wet”

The Truth Table

Propotional Logic
Beberapa  facts  sederhana  dalam propositional  logic :
It is  raining
Raining
It is  sunny
Sunny
It is  windy
Windy
If it is raining, then it is  not  sunny
Raining –> – sunny

Predicate Logic

Example of Predicate Logic 1

Example of Predicate Logic 2

Logical Evidence

source code @ prolog :
Bila pengetahuan di atas dan untuk membuktikan bahwa marcus tidak loyal kepada caesar dituangkan dalam bahasa Turbo Prolog, sebagai berikut:

Domains
     Simbol = string
Predicates
     man(Simbol)
     ruler(Simbol)
     tryassassinate(Simbol, Simbol)
     person(Simbol)
     notloyalto(Simbol., Simbol )
Clauses
     man(marcus).
     ruler(caesar).
     tryassassinate(marcus, caesar).
     person(X)    :-    man(X).
     notloyalto(X, Y) :-     person(X),
     ruler(Y),
     tryassassinate(X, Y).

setelah itu tekan tombol ALT + R untuk RUN , sehingga muncul menu dialogue sebagai berikut:

Goal: notloyalto(A,B).
      A=marcus;
      B=caesar;
      No
Goal: notloyalto(P, caesar).
      P=marcus;
      No

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.

Menurut Elaine Rich & Kevin Knight(1992), AI mempelajari bagaimana membuat komputer melakukan sesuatu  pada suatu  kejadian/peristiwa  yang mana  orang  melakukannya  dengan baik.

Definisi AI :  merupakan  proses di mana  peralatan  mekanik dapat  melaksanakan kejadian-kejadian  dengan menggunakan pemikiran atau kecerdasan seperti manusia.

Menurut Rusell & Norvig AI adalah :

What is AI?

Konsep AI :

1. Logic AI
2. Computer Vision
3. Natural Language Processing (NLP)
4. Expert System
5. Robotic
6. Machine Learning
7. Neural Network
8. Planning with AI
9. AI Agent

No related posts.

Related posts brought to you by Yet Another Related Posts Plugin.