DESKRIPSI AI |
Pengertian AI
Kecerdasan buatan atau
Artificial Intelligence (AI) istilah yang mungkin akan mengingatkan kita akan
kehebatan optimus prime dalam film The Transformers. Kecerdasan buatan memang
kerap diidentikkan dengan kemampuan robot yang dapat berperilaku seperti
manusia. Definisi Kecerdasan Buatan, Berbagai definisi diungkapkan oleh para
ahli untuk dapat memberi gambaran mengenai kecerdasan buatan beberapa diantaranya
:
Kecerdasan Buatan (AI)
merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal
yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Knight
[1991]).
Kecerdasan Buatan (AI)
merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih
banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses
informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan
(Encyclopedia Britannica).
Jenis-Jenis Artificial
Intelligence
Secara
garis besar, artificial intellegence terbagi ke dalam dua faham pemikiran yaitu
artificial intellegence Konvensional dan Kecerdasan Komputasional.
- Artificial intellegence
konvensional
kebanyakan melibatkan
metoda-metoda yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang
ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai
artificial intellegence simbolis, artificial intellegence logis, artificial
intellegence murni dan artificial intellegence cara lama (GOFAI, Good Old
Fashioned Artificial Intelligence).
Metoda-metodanya
meliputi:
Ø Sistem
pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah
sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan
menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi
tersebut.
Ø Pertimbangan
berdasar kasus
Ø Jaringan
Bayesian
Ø Artificial
intellegence berdasar tingkah laku: metoda modular pada pembentukan sistem
artificial intellgence secara manual
·
Kecerdasan komputasional
melibatkan pengembangan atau pembelajaran interaktif (misalnya penalaan
parameter seperti dalam sistem koneksionis). Pembelajaran ini berdasarkan pada
data empiris dan diasosiasikan dengan artificial intellegence non-simbolis,
artificial intelligence yang tak teratur dan perhitungan lunak.
B. Decision Making (Pengambilan Keputusan)
Pengambilan Keputusan |
Decision Making adalah
serangkaian algoritma yang dirancang dengan memasukan beberapa kemungkinan
langkah yang bisa diambil oleh suatu aplikasi, Pada game ini decision
makingmemberikan kemampuan suatu karakter untuk menentukan langkah apa yang
akan diambil. Decision making dilakukan dengan cara menentukan satu pilihan
dari list yang sudah dibuat pada algoritma yang dirancang. Decision Making dibagi
menjadi 3:
Decision Tree atau
Pohon keputusan adalah sebuah stuktur flowchart yang setiap node nya
merepresentasikan test dalam atribut (contoh, koin bila kita bolak balikan akan
menghasilkan kepala, atau ekor), Setiap cabang (branch) mewakili hasil test dan
setiap daun node (leaf) mewakili kelas label (hasil keputusan setelah
menghitung semua atribut). Bagian dari akar (root) hingga ke daun
merepresentasikan dari rules (aturan) yang terbentuk. Pohon keputusan menurut
saya bukanlah sebuah algoritma melainkan metode yang nantinya menghasilkan
beberapa algoritma yang dapat digunakan dalam pengembangannya. Metode ini akan
membantu kita untuk mengeksplorasi data, dan menemukan relasi tersembunyi antar
sejumlah variabel input dan target.
Contoh Decision Making Tree
CONTOH TREE |
ALGORITMA DALAM POHON
KEPUTUSAN
Metode ini terus dan
semakin berkembang, berdasarkan referensi yang saya ambil dalam jurnal tercatat
beberapa metode yaitu ID3, C4.5, C5, cart, Sprint, SLIQ Public, ClS, naive
bayes, Random Forest, Random Tree, id3+, Oci dan Clouds. Dari sekian algoritma
tersbut, yang nantinya akan kita kembangkan dan gunakan adalah id3, c4.5, cart
dan naive bayes. 4 algor tersbut lah yang umum dan banyak digunakan saat ini.
ID3 68%
C4.5 54.55%
CART 40.9%
SPRINT 31.84%
SLIQ 27.27%
PUBLIC 13.6%
C5.0 9%
CLS 9%
RANDOM 9%
FORESTRANDOM 4.5%
TREE 4.5%
ID3+ 4.5%
CLOUDS 4.5%
- State Machine
Finite State Machines (FSM) adalah sebuah
metodologi perancangan sistem kontrol yang menggambarkan tingkah laku atau
prinsip kerja sistem dengan menggunakan tiga hal berikut: State (Keadaan),
Event (kejadian) dan Action (aksi). Pada satu saat dalam periode waktu yang
cukup signifikan, sistem akan berada pada salah satu state yang aktif. Sistem
dapat beralih atau bertransisi menuju state lain jika mendapatkan masukan atau
event tertentu, baik yang berasal dari perangkat luar atau komponen dalam sistemnya
itu sendiri (misal interupsi timer). Transisi keadaan ini umumnya juga disertai
oleh aksi yang dilakukan oleh sistem ketika menanggapi masukan yang terjadi.
Aksi yang dilakukan tersebut dapat berupa aksi yang sederhana atau melibatkan
rangkaian proses yang relative kompleks. Berdasarkan sifatnya, metode FSM ini
sangat cocok digunakan sebagai basis perancangan perangkat lunak pengendalian
yang bersifat reaktif dan real time.
CONTOH STATE MACHINE |
- Rule System
Rule based system
dikatakan sebagai sistem yang digunakan sebagai cara untuk menyimpan dan
memanipulasi pengetahuan untuk diwujudkan dalam suatu informasi yang dapat
membantu dalam menyelesaikan berbagai permasalahan. Berbagai aplikasi dapat
dihasilkan dari konsep ini misalnya aplikasi dalam bidang medis. Pada bidang
medis salah satunya adalah aplikasi yang dapat membantu seorang dokter dalam
mengidentifikasikan suatu permasalahan kesehatan berdasarkan gejala yang telah
diketahui.
Jikalau ingin membuat
Rule Based System untuk masalah tertentu, maka anda harus memiliki:
1. Sekumpulan
fakta untuk mewakili pekerjaan yang nantinya akan dilakukan.
2. Sekumpulan
fakta.
3. Sebuah
kondisi yang menentukan bahwa solusi telah ditemukan atau tidak ada satupun
yang exist.
- Path Finding
Metode path finding paling mudahditemui pada
game-game bertipe strategi dimana kita menunjuk satu tokoh untuk digerakkan ke
lokasi tertentu dengan mengklik lokasi yang hendak dituju. Si tokoh akan segera
bergerak ke arah yang ditentukan, dan secara “cerdas” dapat menemukan jalur
terpendek ataupun menghindari dari rintangan-rintangan yang ada. Salah satu
algoritma pathfindin yang cukup umum dan yang paling banyak digunakan utnuk
mencari jarak terpendek secara efisien adalah algoritma A* (baca: A star).
Secara umum, algoritma A* adalah mendefinisikan area pencarian menjadi
sekumpulan node-node (tiles). Titik awal dan titik akhir ditentukan terlebih
dulu untuk mulai penelusuran pada tiap-tiap node yang memungkinkan untuk
ditelusuri. Dari sini, akan diperoleh skor yang menunjukkan besarnya biaya
untuk menempuh jalur yang ditemukan, ditambah dengan nilai heuristik yang
merupakan nilai biaya estimasi dari node yang ada menuju tujuan akhir. Iterasi
akan dilakukan hingga akhirnya mencapai target yang dituju.
C. Tactile And Strategic AI
- Tactile
TAKTIS |
Peran taktis AI adalah
untuk mengkoordinasikan upaya kelompok IAS dalam permainan. Pelaksanaan jenis
AI penting untuk banyak gaya permainan: Skuad dalam taktis first-person shooter
(FPS) permainan serta kelompok unit dalam permainan strategi real-time semua
menggunakan metode taktis. Kelompok yang lebih efektif, karena mereka dapat
saling mendukung dan bertindak satu kesatuan, semua berbagi informasi dan beban
memperoleh informasi. Konsep taktis AI dibangun sekitar dinamika kelompok, yang
mengharuskan permainan untuk melacak berbagai kelompok entitas. Setiap kelompok
perlu diperbarui secara terpisah dari individu. Anda dapat menangani update ini
dengan modul pembaruan khusus yang melacak kelompok yang berbeda, tujuan
mereka, dan komposisi mereka. Karena metode ini membutuhkan pengembangan sistem
terpisah untuk mesin, namun, saya lebih suka menggunakan metode kapten
kelompok. Sebuah unit tunggal kelompok dapat ditugaskan peran kapten kelompok.
Setiap anggota lain dari kelompok terus link ke kapten ini, dan mereka
mendapatkan isyarat perilaku mereka dari memeriksa perintah kapten kelompok.
Kapten Kelompok menangani semua perhitungan AI taktis untuk seluruh kelompok.
- Strategic AI
STRATEGY |
Sejauh ini, saya telah
membahas bagaimana entitas dan kelompok entitas dapat menangani sendiri dalam
situasi sulit. Sekarang, saya melihat AI prihatin dengan gambaran besar.
Strategis AI adalah tingkat tinggi AI yang perintah seluruh tentara dan
penawaran dengan strategi membimbing. Strategis AI itu sendiri yang paling umum
secara real-time strategy (RTS) game tetapi telah membuat jalan lebih dan lebih
ke permainan FPS taktis. Komandan pemain-dikendalikan bisa sistem sendiri atau
ditetapkan sebagai entitas-satu kosong yang tidak memiliki tempat atau grafis
di dunia tapi diperbarui dan berpikir. Para komandan akan dipandu oleh sistem
aturan hirarkis dan FSMs, yang mengatur unsur-unsur seperti pengumpulan sumber
daya, meneliti sampai pohon teknologi, membangun tentara, dan sebagainya. Untuk
sebagian besar, perawatan dasar ini unsur-unsur permainan tidak memerlukan
banyak pemikiran yang sebenarnya. Apa yang membutuhkan kecerdasan adalah
interaksi dengan pemain lain. Yang mengatur interaksi ini (atau perang) adalah
tempat yang nyata "daging dan kentang" kebohongan dengan AI
strategis. Komandan perlu mengeksplorasi peta permainan untuk menemukan pemain,
mengidentifikasi poin-poin penting yang menarik seperti tersedak poin,
membangun pertahanan, dan menganalisis pertahanan pemain lain. Bagaimana orang
akan melakukan hal ini tidak jelas tetapi dapat dibuat lebih mudah dengan peta
keputusan.
REFERENSI :
0 komentar:
Posting Komentar