Pengantar Intelegensia Buatan

Intelegensia buatan atau lebih dikenal dengan Artificial Intelligence adalah suatu disiplin ilmu yang pada awalnya hanya dikenal oleh para peneliti dalam  bidang-bidang seperti teknik, matematik dan ilmu komputer. Namun perkembangan selanjutnya dari disiplin ini, terutama mengenai aplikasinya, telah menarik banyak perhatian para peneliti dari berbagai disiplin ilmu lain seperti psikologi, manajemen, kedokteran, dsb.

 

Karena luasnya cakupan bidang aplikasi intelegensia buatan maka terdapat berbagai definisi mengenai apa sebenarnya intelegensia buatan tersebut. Definisi-definisi itu tergantung pada sudut pandang disiplin ilmu tiap-tiap peneliti. Sebagai contoh, Rich dan Knight (1991) mendefinisikan intelegensia buatan sebagai berikut:

 

          Artificial intelligence (AI) is the study of how to make computers do things which, at the moment, people do better.

 

Definisi ini sudah tentu sangat umum sekali dan menghindari terjebak dalam isu-isu yang bersifat filosofi seperti  arti dari intelegensia itu sendiri. Tambahan pula, definisi ini hanya bersifat mengekspresikan motivasi yang terdapat dalam bidang penelitian ilmu komputer.

 

Contoh definisi yang lain mengenai intelegensia buatan diberikan oleh Winston (1992) sbb:

          Artificial intelligence is the study of the computation that make it possible to perceive, reason, and act.

 

Definisi ini lebih menitikberatkan kemampuan intelegensia buatan dalam perhitungan (computation), persepsi, penalaran dan aksi.

 

Meskipun definisi-definisi mengenai arti dan ruang lingkup intelegensia buatan bisa berbeda-beda, namun ada beberapa unsur-unsur penting yang menjadi kesepakatan mereka. Sebagai contoh definisi-definisi di atas. Dilihat secara sepintas kedua definisi ini kelihatan berbeda, namum bila ditelaah lebih mendalam dapat dilihat ada beberapa unsur yang sama yang menjadi tujuan pokok dalam disiplin ini. Unsur-unsur yang sama itu adalah sbb:

n    Intelegensia buatan adalah suatu studi mengenai sifat intelegensia manusia.

n    Intelegensia buatan itu sendiri adalah suatu program komputer yang mengimitasi intelegensia manusia.

 

Karakteristik dari suatu program komputer yang berintelegensia buatan diberikan oleh Bonnet (1985) sbb:

n    Representasi simbolik (symbolic representation). Program-program intelegensia buatan lebih banya berhubungan dengan simbol-simbol yang bukan numerik. Ini berbeda dengan pemanfaatan komputer tradisional yang hanya bersifat numerik.

n    Heuristik. Persoalan yang dihadapi oleh intelegensia buatan adalah persoalan-persoalan yang tidak mempunyai algoritma yang jelas. Dengan perkataan lain, tidak ada langkah-langkah yang pasti untuk sampai pada suatu penyelesaian.

n    Representasi pengetahuan. Program-program intelegensia buatan berisi representasi pengetahuan. Pengetahuan ini dapat diteliti dan dianalisa.

n    Data yang tak lengkap. Suatu program berintelegensia buatan mampu memberikan beberapa solusi bahkan meskipun data yang diberikan mengenai persoalan itu tidak lengkap.

n    Data yang kontradiktif. Suatu program berintelegensia buatan mampu memberikan solusi meskipun ada sebagian data yang diberikan bersifat kontradiktif.

n    Kemampuan belajar. Suatu program komputer yang berintelegensia buatan mempunyai kemampuan belajar dari pengalaman untuk meningkatkan kemampuan/pengetahuannya 

 

Sama seperti disiplin ilmu yang lain, intelegensia buatan juga mempunyai gambaran mengenai sasaran/tujuan yang menjadi ruang lingkup kajiannya. Seperti dikatakan oleh Winston (1992) ada dua perspektif tujuan yang mau dikaji oleh intelegensia buatan:

 

n    Menggunakan intelegensia buatan untuk menyelesaikan persoalan dunia nyata (real-world problems). Tujuan ini disebut tujuan rekayasa dari intelegensia buatan (the engineering goal of artificial intelligence).

n    Menentukan ide-ide tentang perepresentasian pengetahuan, pemanfaatan pengetahuan dan perakitan (assembling) pengetahuan untuk menjelaskan berbagai jenis intelegensia. Tujuan ini disebut tujuan keilmuwan dari intelegensia buatan (the scientific goal of artificial intelligence).

 

Pada saat ini ada dua filosofi intelegensi buatan yang saling bersaing, hipotesa sistem simbol fisik (physical symbol system hypothesis) dan connectionism. Kedua filosofi inilah yang mengarahkan kelompok-kelompok penelitian intelegensia buatan yang berbeda-beda. Perbedaan antara kedua filosofi secara umum terletak pada perbedaan penekanan mereka. Filosofi sistem simbol fisik menekankan pada komputer sebagai suatu sistem pemanipulasian simbol-simbol mental (making a mind), sedangkan filosofi connectionism lebih menekankan pada komputer sebagai media untuk pemodelan otak manusia (making the human brain) (Dreyfus dan Dreyfus, 1988).

 

Filosofi hipotesa sistem simbol fisik diperkenalkan oleh Newell dan Simon (1976, p116). Mereka memperkenalkan hipotesa sbb:

 

      A physical symbol system has the necessary and sufficient means for general intelligent action. By “necessary” we mean that any system that exhibits general intelligence will prove on analysis to be a physical symbol system. By “sufficient” we mean that any physical symbol system of sufficient size can be organised further to exhibit general intelligence.

 

Sedangkan mengenai arti dari sistem simbol fisik Newell dan Simon (1976) mendefinisikan sebagai berikut:

          A physical symbol system consists of a set of entities, called symbols, which are physical patterns that can occur as components of another type of entity called an expression (or symbol structure). Thus, a symbol structure is composed of a number of instances (or tokens) of symbol related in some physical way (such as one token being next to another). At any instant of time the system will contain a collection of these symbol structures. Besides these structures, the system also contains a collection of processes that operate on expressions to produce other expressions: processes of creation, modification, reproduction and destruction. A physical symbol system is a machine that produces through time and evolving collection of symbol structures. Such a system exists in a world of objects wider than just these symbolic expression themselves.

 

Filosofi hipotesa sistem simbol fisik menekankan dua unsur utama  yaitu simbol dan pencarian (search). Suatu sistem berintelegensia harus dapat mengabstraksi suatu kenyataan dari suatu persoalan menjadi struktur-struktur yang simbolik, memanipulasi struktur-struktur simbolik  itu dan melakukan penyelesaian persoalan dengan menggunakan pencarian heuristik.

 

Pengadopsian filosofi hipotesa sistem simbol fisik menerima asumsi bahwa adalah mungkin membangun suatu program komputer yang mampu melakukan tugas-tugas berintelegensia atas dasar kerja  gabungan struktur-struktur yang simbolik dan  suatu metode pencarian heuristik.

 

Struktur-struktur simbolik berupa untaian-untaian bit (strings of bits) yang dimanipulasikan oleh komputer digital dapat merepresentasikan bukan saja bilangan tetapi kenyataan-kenyataan dunia nyata (features of the real world). Program-program dalam suatu digital komputer dapat digunakan untuk merepresentasikan hubungan antar simbol, sehingga sistem dapat menyimpulkan kenyataan-kenyataan baru tentang suatu obyek yang direpresentasikan serta hubungan antar kenyataan-kenyataan itu (atribut-atribut). Seperti dikatakan oleh Newell (1983): 

 

          The digital-computer field defined computers as machines that manipulated numbers. The great thing was, adherents said, that everything could be encoded into numbers, even instructions. In contrast, the scientists in AI saw computers as machines that manipulated symbols. The great thing was, they said, that everything could be encoded into symbols, even numbers.

 

Cara sebagian ilmuwan intelegensia buatan memandang komputer seperti di atas menjadi salah satu cara dalam memandang otak manusia. Cara memandang seperti ini mengatakan bahwa meskipun otak manusia dan komputer digital mempunyai struktur dan mekanisme yang berbeda, namun pada suatu aras abstraksi tertentu mempunyai deskripsi fungsional yang sama yaitu bahwa keduanya adalah suatu piranti yang menghasilkan sifat intelegensia dengan cara memanipulasikan simbol-simbol menggunakan aturan-aturan formal (formal rules) (Dreyfus and Dreyfus, 1988).  

 

Alternatif  terhadap  filosofi hipotesa sistem simbol fisik adalah hipotesa ‘de facto’ connectionism. Penelitian-penelitian dalam bidang ini mempunyai basis pada penelitian-penelitian dalam bidang pemrosesan paralel terdistribusi, jaringan saraf tiruan dan penelitian-penelitian dasar dalam perceptron. Hipotesa ini disebut ‘de facto’ sebab tidak mempunyai definisi yang formal dari suatu hipotesa. Hipotesa ini hanya mengacu pada otak manusia sebagai bukti nyata bahwa jaringan saraf tiruan dalam bentuk tertentu mampu menunjukkan tingkah laku berintelegensia (Rich dan Knight, 1991).

 

Connectionism  menciptakan intelegensia buatan dengan cara memodelkan otak manusia dari pada memodelkan representasi simbolik dari pikiran manusia. Riset dalam bidang ini diinspirasi oleh kerja Hebb (1949) yang menyimpulkan bahwa sekumpulan neuron dapat belajar bila neuron A dan neuron B dieksitasi secara serentak. Eksitasi ini meningkatkan kekuatan hubungan di antara mereka. Idea Hebb ini kemudian direalisasikan oleh Rosenblatt (1962) dengan alat yang disebut Perceptron. Namun Rosenblatt mengalami kesulitan dalam mengformulasikan sifat-sifat intelegensi berdasarkan representasi simbolik. Karena kesulitan ini Rosenblatt berpendapat bahwa intelegensia buatan seharusnya berusaha mengautomasikan prosedur-prosedur dengan mana suatu jaringan neuron belajar mendiskriminasikan pola-pola dan memberikan respon-respon yang tepat. Seperti dikatakan oleh Rosenblatt (1962, p386):

          The implicit assumption [of the symbol manipulating research program] is that it is relatively easy to specify the behavior that we want the system to perform, and that the challenge is then to design a device or mechanism which will effectively carry out this behavior….[It] is both easier and more profitable to axiomatize the physical system and then investigate this system analytically to determine its behavior, than to axiomatize the behavior and then design a physical system by techniques of logical synthesis.

 

Menurut Rosenblatt, dari  pada bertanya mengenai struktur logika dari suatu sistem yang harus dipunyai agar sistem tersebut mampu menghasilkan suatu sifat tertentu X, lebih baik bertanya mengenai tipe sistem yang mampu mengevolusi sifat X tersebut. Pertanyaan yang kedua  dapat diselesaikan tanpa harus terlebih dahulu menyelesaikan pertanyaan pertama.

 

 Penerapan intelegensia buatan dalam menyelesaikan persoalan dunia nyata dapat dibagi ke dalam dua kategori utama yaitu aplikasi intelegensia buatan dalam penyelesaian persoalan-persoalan yang bersifat optimasi (optimisation probelms) dan aplikasi intelegensia buatan sebagai pembelajaran mesin (machine learning).  Aplikasi intelegensia buatan dalam bidang optimasi ditujukan untuk mencari nilai optimal dari suatu fungsi yang kompleks yang tidak memungkin dilakukan menggunakan metode-metode yang biasa seperti metode penyelesaian gradient. Di lain pihak, aplikasi intelegensia buatan dalam bidang pembelajaran mesin ditujukan untuk mempelajari dan menghasilkan konsep yang terkandung dalam suatu kumpulan data.

 

Peningkatan kemampuan aplikasi intelegensia buatan didukung oleh kemajuan-kemajuan belakangan ini dalam metode-metode pencarian heuristik (heuristic search). Metode-metode pencarian heuristik, seperti algoritma genetik, jaringan saraf tiruan, simulated annealing dan taboo search, telah mendapatkan banyak perhatian karena dua alasan:

 

n    kesuksesan metode-metode itu dalam penyelesaian persoalan-persoalan kompleks tertentu yang telah lama membingungkan para peneliti; dan

n    kemudahan dan robusitas dalam mana metode-metode itu dapat diterapkan untuk menyelesaikan persoalan-persoalan.

 

Kata heuristik berasal dari bahasa Yunani yang berarti ‘penemuan’ (discovery). Suatu pencarian heuristik menggunakan pengetahuan yang didapat dari percobaan sebelumnya (apakah pencarian sebelum itu sukses atau gagal) untuk menentukan arah  pencarian berikutnya. Pencarian heuristik biasanya digunakan untuk mendapatkan solusi-solusi layak (feasible) yang ‘cukup baik’ (good enough) untuk persoalan-persoalan yang kompleks secara cepat dan tidak mahal. Seperti yang dikatakan oleh Turban (1990, p6) sbb:

 

    With the reduction in cost of using computers, there is an increased tendency to use heuristic searches as an alternative to optimisation methods.

 

Keuntungan dari pencarian heuristik adalah bahwa algoritma-algoritmanya relatif sederhana dan mudah diimplementasikan dengan biaya yang murah. Dalam penyelesaian suatu persoalan, metode-metode heuristik membutuhkan waktu yang lebih singkat untuk menformulasi persoalan tersebut serta dapat menghasilkan berbagai solusi layak secara cepat.

 

Keberhasilan penerapan suatu metode pencarian heuristik biasanya tergantung pada faktor-faktor sbb:

 

n    struktur yang dipilih untuk merepresentasikan persoalan tersebut;

n    fungsi evaluasi yang digunakan untuk mentes kelayakan suatu solusi pada setiap langkah pencarian; dan

n    metode seleksi yang digunakan agar  pencarian menjadi lebih  efektif dan efisien.

 

Keberhasilan pengembangan metode-metode dan teknik-teknik intelegensia buatan telah memperluas bidang-bidang aplikasi yang dapat dimasukinya. Tabel 1.1. menunjukkan contoh bidang-bidang aplikasi intelegensia buatan saat ini. Tambahan pula, dengan kemajuan teknologi dan kecanggihan sistem pengolah dan pendistribusian informasi terjadi kecenderungan bertumpuknya data yang tersedia. Di lain pihak keterbatasan kemampuan menganalisa dan mengekstrak pengetahuan  dari data yang tersedia menjadi  hambatan (bottleneck) dalam memahami informasi yang tersedia. Sebagai akibatnya,  hampir sebagian besar penelitian dalam pembelajaran mesin difokuskan pada usaha-usaha untuk mengatasi kendala tersebut melalui pencaharian metode-metode yang mampu secara cepat dan reliable mengakuisisi pengetahuan. Seperti ditunjukkan dengan contoh-contoh dalam Tabel 1.1., ada terjadi pergeseran fokus penggunaan komputer dari sekedar pemrosesan numerik atau yang dikenal dengan data processing ke pemrosesan kualitatif (knowledge processing).

 

     Tabel 1.1. Beberapa contoh bidang aplikasi intelegensia buatan (Rich and Knight, 1991).

Tugas-Tugas Biasa	Tugas-Tugas Formal	Tugas-Tugas Ahli
Persepsi: Visi dan percakapan berbicara	Games: catur, back-gammon,	Analisis ilmiah
Bahasa Ibu:: pemahaman, produksi, dan translasi.	Mathematics: geometri, logika, Kalkulus integral, dan  pembuktian sifat-sifat proogram-program	Rekayasa: perancangan, pencafrian kesalahan, dan perencanaan produksi manufactur
Akalsehat penalaran		Diagnosis medis
Kendali Robot		Analisis Finansial