Tugas 5
Putri Uswatul Khasanah (4PA01/16509360)
SISTEM INFORMASI PSIKOLOGI
Putri Uswatul Khasanah (4PA01/16509360)
SISTEM INFORMASI PSIKOLOGI
APA ITU ARTIFICIAL INTELLIGENCE, SEJARAHNYA, HUBUNGAN AI DENGAN KOGNISI MANUSIA, AI DAN SISTEM PAKAR, SERTA APLIKASI ELIZA, PARRY DAN NETTALK
Dikehidupan sehari-hari, kita sering berkhayal atau mengharapkan suatu kemudahan instan yang jika dipikir-pikir, itu merupakan suatu ide yang akan diciptakan dimasa depan nanti. Misalnya, ketika terjebak dalam kemacetan jakarta, lelah jika harus menyetir kendaraan sendiri, kita membayangkan “andai saja mobil ini bisa nyetir sendiri”, atau ketika mencari tempat parkir dan hanya tempat parkir yang sulit terjangkau, kita berharap mobil kita bisa parkir sendiri. Itu semua memerlukan suatu sistem yang menyerupai kepandaian otak seorang manusia, agar perangkat tersebut dapat diprogram dan kemudian dapat melakukan pekerjaannya secara otomatis. Ada bidang ilmu komputer yang membahas tentang ini, yaitu Artificial Intelligence.
ARTIFICIAL INTELLIGENCE
Kecerdasan buatan atau artificial intelligence adalah salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Kecerdasan buatan juga merupakan suatu sistem informasi yang berhubungan dengan penangkapan, pemodelan dan penyimpanan kecerdasan manusia dalam sebuah sistem teknologi informasi sehingga sistem tersebut memiliki kecerdasan seperti yang dimiliki manusia. Sistem ini dikembangkan untuk mengembangkan metode dan sistem untuk menyelesaikan masalah, biasanya diselesaikan melalui aktifivitas intelektual manusia, misal pengolahan citra, perencanaan, peramalan dan lain-lain, meningkatkan kinerja sistem informasi yang berbasis komputer.
Kecerdasan sendiri adalah kemampuan untuk belajar dan mengelolanya. Merupakan suatu daya reaksi atau penyesuaian yang cepat dan tepat terhadap pengalaman baru dan pengetahuan yang dimiliki siap untuk di pakai apabila dihadapkan pada fakta atau kondisi baru. Manusia cerdas (pandai) dalam menyelesaikan permasalahan karena manusia mempunyai pengetahuan & pengalaman. Pengetahuan diperoleh dari belajar. Semakin banyak bekal pengetahuan yang dimiliki tentu akan lebih mampu menyelesaikan permasalahan. Tapi bekal pengetahuan saja tidak cukup, manusia juga diberi akal untuk melakukan penalaran,mengambil kesimpulan berdasarkan pengetahuan & pengalaman yang dimiliki. Tanpa memiliki kemampuan untuk menalar dengan baik, manusia dengan segudang pengalaman dan pengetahuan tidak akan dapat menyelesaikan masalah dengan baik. Demikian juga dengan kemampuan menalar yang sangat baik, namun tanpa bekal pengetahuan dan pengalaman yang memadai,manusia juga tidak akan bisa menyelesaikan masalah dengan baik.
Lalu ada beberapa pertanyaan tentang kecerdasan buatan ini, apakah bisa mesin berpikir? Kalau bisa, bagaimana caranya?. Untuk membuat mesin yang dapat berpikir seperti manusia, diperlukan suatu cara untuk mengetahui bagaimana manusia berpikir, dan diperlukan pemahaman tentang bagaimana pikiran manusia bekerja. Dan Agar mesin bisa cerdas (bertindak seperti & sebaik manusia) maka harus diberi bekal pengetahuan & mempunyai kemampuan untuk menalar.
Dua bagian yang dibutuhkan untuk aplikasi kecerdasan buatan adalah:
a. Basis pengetahuan (Knowledge Base): berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.
b. Motor Inferensi (Inference Engine): kemampuan menarik kesimpulan berdasarkan pengalaman
Kecerdasan Buatan didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia.
Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.
Bidang Artificial Intelligence antara lain:
1. Jaringan Syaraf (Neural Network)
2. Sistem Persepsi (Perceptive System)3. Belajar (Learning)
4. Robot (Robotics)
5. Perangkat Keras AI (Artificial Intelligence)
6. Pemrosesan Bahasa Alamiah (Natural Language Processing)
Berikut beberapa contoh aplikasi AI, yaitu:
• Permainan (game)AI : tic-tac-toe, chess, backgammon, poker.
• Pemrosesan bahasa alami: percakapan menara kontrol, ringkasan stok pasar, dll.
• Aplikasi industri : diagnosa pabrik, dan perencanaan produksi.
• Kinerja level pakar : biologi molekul, konfigurasi komputer
Kecerdasan buatan dilihat dari berbagai sudut pandang adalah sebagai berikut:
1. Sudut pandang kecerdasan (Intelligence)
Kecerdasan buatan adalah bagaimana membuat mesin yang “cerdas” dan dapat melakukan hal-hal yang sebelumnya dapat dilakukan oleh manusia
2. Sudut pandang penelitian
Studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dilakukan oleh manusia
3. Sudut pandang bisnis
Kumpulan peralatan yang sangat powerfull dan metodologis dalam menyelesaikan masalah-masalah bisnis
4. Sudut pandang pemrograman
Kecerdasan buatan termasuk didalamnya studi tentang pemrograman simbolik, pemecahan masalah, proses pencarian (search)
Tujuan Artificial Intelligence
Tujuan dari kecerdasan buatan menurut Winston dan Prendergast
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan enterpreneurial)
SEJARAH ARTIFICIAL INTELLIGENCE
Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas " pada 1943 yang meletakkan pondasi untuk jaringan syaraf.
Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah "kecerdasan buatan " pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman LISP. Alan Turing memperkenalkan "Turing test" sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.
Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.
HUBUNGAN AI DENGAN KOGNISI MANUSIA
Seperti yang telah dijelaskan dipembahasan awal tadi. Kecerdasan buatan atau artificial intelligence merupakan suatu sistem yang membuat mesin secerdas manusia. Untuk itu, sistem ini harus berpedoman pada sistem kognisi manusia, yaitu cara berfikir manusia, cara manusia bernalar, mengenali suatu stimulus, memecahkan masalah, mengingat, dan mengambil keputusan serta merespon dan bertindak. Dengan demikian para peneliti ilmu ini dapat membuat suatu sistem, aplikasi, atau program yang dapat melakukan pekerjaan-pekerjaan manusia dengan lebih baik, menggunakan perangkat mesin yang canggih untuk mempermudah pekerjaan manusia dikehidupan nyata.
SISTEM PAKAR (EXPERT SYSTEM)
Sistem pakar adalah program komputer yang berusaha untuk mewakili pengetahuan keahlian manusia dalam bentuk heuristik. Heuristik adalah aturan yang menjadi patokan atau aturan untuk menebak dengan baik. Sistem pakar dirancang oleh spesialis informasi (yang seringkali) disebut insinyur pengetahuan (Knowledge Engineer) yang memiliki keahlian khusus dalam bidang kecerdasan buatan. Insinyur pengetahuan amat ahli dalam mendapatkan ilmu dari seorang ahli.
Sistem pakar juga berarti sebuah aplikasi komputer yang menjalankan sebuah task yang awal mulanya dilakukan oleh seorang pakar. Contohnya sistem pakar yang dapat mendiagnosa penyakit, membuat ramalan finansial, menjadwal rute untuk kendaraan layanan antar, dan lain-lain. Beberapa sistem pakar ada yang dirancang untk menggantikan manusia melaksanakan tugasnya, sementara ada pula yang untuk membantu.
Sistem pakar adalah bagian dari sebuah kategori umum aplikasi komputer yang dikenal sebagai Artificial Intelligence (AI). Untuk mendesain sebuah sistem pakar, perlu memilki pengetahuan sebagai seorang insinyur ilmu pengetahuan, seorang individu yang mempelajari bagaimana manusia pakar ahli memuat keputusan dan menterjemahan aturan-aturan ke dalam bentuk yang dimengerti komputer (www.webopedia.com, 2003)
Sistem pakar dibuat pada wilayah pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati kemampuan manusia disalah satu bidang. Sistem pakar mencoba mencari solusi yang memuaskan sebagaimana yang dilakukan seorang pakar. Selain itu sistem pakar juga dapat memberikan penjelasan terhadap langkah yang diambil dan memberikan alasan atas saran atau kesimpulan yang ditemukannya.
Sistem Pakar (Expert System) merupakan suatu sistem yang menggunakan pengetahuan manusia dalam komputer untuk memecahkan masalah yang biasanya dikerjakan oleh seorang pakar, misalnya : Dokter, Lawyer, Analist Keuangan, Tax Advisor. Sistem pakar dapat mendorong perhatian besar diantara ahli komputer dan spesialis informasi untuk mengembangkan sistem membantu manajer dan non manajer memecahkan masalah.
Sistem pakar terdiri atas 4 bagian:
1. User Interface
Digunakan manajer untuk meng-enter instruksi dan informasi sistem
Metode input yang digunakan oleh manajer yatu:
• Menu
• Command
• Natural Language
• Output ES memakai 2 bentuk penjelasan (explanation):
Sistem Pakar (Expert System) merupakan suatu sistem yang menggunakan pengetahuan manusia dalam komputer untuk memecahkan masalah yang biasanya dikerjakan oleh seorang pakar, misalnya : Dokter, Lawyer, Analist Keuangan, Tax Advisor. Sistem pakar dapat mendorong perhatian besar diantara ahli komputer dan spesialis informasi untuk mengembangkan sistem membantu manajer dan non manajer memecahkan masalah.
Sistem pakar terdiri atas 4 bagian:
1. User Interface
Digunakan manajer untuk meng-enter instruksi dan informasi sistem
Metode input yang digunakan oleh manajer yatu:
• Menu
• Command
• Natural Language
• Output ES memakai 2 bentuk penjelasan (explanation):
- Explanaton of questions
- Explanation of problem solution
2. Knowledge Base
Terdiri dari fakta yang menggambarkan area problem atau problem domain dan juga teknik penyajian yang menggunakan fakta sesuai logika.
Rule atau aturan merupakan rincian dalam situasai yang tidak berubah:
• Kondisi benar dan tidak benar
• Tindakan yang diambil bila kondisi benar
Terdiri dari fakta yang menggambarkan area problem atau problem domain dan juga teknik penyajian yang menggunakan fakta sesuai logika.
Rule atau aturan merupakan rincian dalam situasai yang tidak berubah:
• Kondisi benar dan tidak benar
• Tindakan yang diambil bila kondisi benar
3. Inference Engine
Merupakan bagian dari Expert System yang membentuk Reasoning dengan menggunakan isi dari Knowledge Base dalam urutan tertentu.
Dua metode yang digunakan dalam ES untuk mengamati rule yaitu:
a. Penalaran ke depan (Forward) atau Forward Chaining
• Evaluasi Rule
• Proses Penalaran Berulang (Iterative Reasoning)
b. Penalaran ke Belakang (Revierse) atau Backward Chaining
• Alur Logika Pertama diikuti (First Logical Path)
• Alur Logika Selanjutnya diikuti (Next Logical Path)
4. Development Engine
Development Engine membangun Rule Set dengan pendekatan:
1. Bahasa Pemrograman (Programing Language)
2. Bagian Expert System (Expert System Shell)
Peran sistem analis sebagai Knowledge Engineer dalam organisasi bisnis dengan menggunakan keterampilan untuk membangun aplikasi komputer yang konvensional, yaitu:
- Memahami bagaimana Expert menerapkan keahliannya dalam pemecahan masalah
- Dapat menarik suatu Description Of Knowledge dari Expert
Ciri-Ciri Sistem Pakar
Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut:
• Memiliki informasi yang handal.
• Mudah dimodifikasi.
• Dapat digunakan dalam berbagai jenis komputer.
• Memiliki kemampuan untuk belajar beradaptasi.
Kemampuan Sistem Pakar
1. Menjawab berbagai pertanyaan yang menyangkut bidang keahliannya.
2. Bila diperlukan dapat menyajikan asumsi dan alur penalaran yang digunakan untuk sampai ke jawaban yang dikehendaki.
3. Menambah fakta kaidah dan alur penalaran sahih yang baru ke dalam otaknya
Penerapan sistem Pakar
Sistem pakar dapat diterapkan dalam berbagai bidang seperti, sains, pendidikan, kesehatan, dan sebagainya. Contoh dari tulisan mr. Rizal “Sistem integrasi Pola Alir Material & Uang dapat disebut Material Management System (MMS) adalah kelanjutan perkembangan dari sistem integrasi Inventory Control System (ICS). Sistem (MMS) ini dikembangkan atas sistem manual yang sudah teruji berjalan lancar di PT Krakatau Steel, yang karena tuntutan kemajuan teknologi, sistem manual ini perlu ditingkatkan menjadi sistem komputerisasi. Namun didalam penerapannya masih banyak kendala yang dihadapi oleh subsistem-subsistem pendukung MMS yang ada pada masing-masing divisi. Melalui penelitian ini, dikemukakan satu alternatif yang sangat potensial untuk mengatasi kendala yang dialami oleh subsistem pendukungnya, khususnya yang berada di Divisi Perencanaan & Pengendalian Suku Cadang (PPSC). Dalam penelitian ini dibuat sistem pakar yang mampu memberikan penjelasan dan beberapa alternatif penyelesaian soal-soal
Sistem pakar dapat diterapkan dalam berbagai bidang seperti, sains, pendidikan, kesehatan, dan sebagainya. Contoh dari tulisan mr. Rizal “Sistem integrasi Pola Alir Material & Uang dapat disebut Material Management System (MMS) adalah kelanjutan perkembangan dari sistem integrasi Inventory Control System (ICS). Sistem (MMS) ini dikembangkan atas sistem manual yang sudah teruji berjalan lancar di PT Krakatau Steel, yang karena tuntutan kemajuan teknologi, sistem manual ini perlu ditingkatkan menjadi sistem komputerisasi. Namun didalam penerapannya masih banyak kendala yang dihadapi oleh subsistem-subsistem pendukung MMS yang ada pada masing-masing divisi. Melalui penelitian ini, dikemukakan satu alternatif yang sangat potensial untuk mengatasi kendala yang dialami oleh subsistem pendukungnya, khususnya yang berada di Divisi Perencanaan & Pengendalian Suku Cadang (PPSC). Dalam penelitian ini dibuat sistem pakar yang mampu memberikan penjelasan dan beberapa alternatif penyelesaian soal-soal
Pengendalian Suku Cadang, yang meliputi : Identifikasi Material, Sistem Order, Sistem Repairable dan Sistem Spesifik. Pembuatan sistem pakar ini melalui lima tahapan berikut, yaitu: identifikasi, konseptualisasi, formulasi, implementasi, dan pengujian. Bahasa pemrograman yang digunakan adalah Turbo Prolog, yang cukup ideal dalam menyelesaikan masalah yang undeterministic. Teknik Inferensi yang digunakan adalah backward chaining, proses penelusuran yang digunakan adalah depth first search, dan metoda representasi pengetahuan yang digunakan adalah representasi logika”.
JENIS-JENIS SISTEM PAKAR
• Interpretasi : Menghasilkan deskripsi situasi berdasarkan data sensor.
• Prediksi : Memperkirakan akibat yang mungkin dari situasi yang diberikan.
• Diagnosis : Menyimpulkan kesalahan sistem berdasarkan gejala (symptoms).
• Disain : Menyusun objek-objek berdasarkan kendala.
• Planning : Merencanakan tindakan
• Monitoring : Membandingkan hasil pengamatan dengan proses perencanaan.
• Debugging : Menentukan penyelesaian dari kesalahan sistem.
• Reparasi : Melaksanakan rencana perbaikan.
• Instruction : Diagnosis, debugging, dan reparasi kelakuan pelajar.
• Control : Diagnosis, debugging, dan reparasi kelakuan sistem.
Beberapa contoh expert system yang pertama antara lain:
1. MACSYMA, yang digunakan untuk tugas-tugas matematika.
2. MYCIN, untuk mendiagnosa penyakit infeksi pada darah.
3. CADUCEUS, untuk mendeteksi penyakit.
4. PUFF, untuk mengukur fungsi dari paru-paru.
5. PROSPECTOR, digunakan perusahaan DEC untuk menggamarkan konfigurasi dari sistem komputer bagi para langganannya.
6. DENDRAL, untuk mengidentifikasikan struktur molekul suatu komposisi kimia dan lain sebagainya.
• Interpretasi : Menghasilkan deskripsi situasi berdasarkan data sensor.
• Prediksi : Memperkirakan akibat yang mungkin dari situasi yang diberikan.
• Diagnosis : Menyimpulkan kesalahan sistem berdasarkan gejala (symptoms).
• Disain : Menyusun objek-objek berdasarkan kendala.
• Planning : Merencanakan tindakan
• Monitoring : Membandingkan hasil pengamatan dengan proses perencanaan.
• Debugging : Menentukan penyelesaian dari kesalahan sistem.
• Reparasi : Melaksanakan rencana perbaikan.
• Instruction : Diagnosis, debugging, dan reparasi kelakuan pelajar.
• Control : Diagnosis, debugging, dan reparasi kelakuan sistem.
Beberapa contoh expert system yang pertama antara lain:
1. MACSYMA, yang digunakan untuk tugas-tugas matematika.
2. MYCIN, untuk mendiagnosa penyakit infeksi pada darah.
3. CADUCEUS, untuk mendeteksi penyakit.
4. PUFF, untuk mengukur fungsi dari paru-paru.
5. PROSPECTOR, digunakan perusahaan DEC untuk menggamarkan konfigurasi dari sistem komputer bagi para langganannya.
6. DENDRAL, untuk mengidentifikasikan struktur molekul suatu komposisi kimia dan lain sebagainya.
KEUNTUNGAN DAN KERUGIAN EXPERT SYSTEM
Keuntungan Expert System untuk manajer.
1. Menyajikan lebih banyak alternatif.
2. Menerapkan logika tingkat tinggi
3. Menyediakan waktu banyak untuk evaluasi hasil keputusan.
4. Memberikan solusi yang lebih konsisten
5. Membuat seorang awam bekerja seperti layaknya seorang pakar;
6. Menyederhanakan pekerjaan dan meningkatnya efisiensi kerja;
7. Meningkatnya kualitas pekerjaan;
8. Meningkatnya produktifitas sehingga meningkat pula performance perusahaan;
9. Merupakan arsip yang terpercaya sehingga seolah-olah langsung konsultasi dengan pakar (meskipun sang pakar telah tiada)
10. Memperluas jangkauan.
Keuntungan Expert System untuk manajer.
1. Menyajikan lebih banyak alternatif.
2. Menerapkan logika tingkat tinggi
3. Menyediakan waktu banyak untuk evaluasi hasil keputusan.
4. Memberikan solusi yang lebih konsisten
5. Membuat seorang awam bekerja seperti layaknya seorang pakar;
6. Menyederhanakan pekerjaan dan meningkatnya efisiensi kerja;
7. Meningkatnya kualitas pekerjaan;
8. Meningkatnya produktifitas sehingga meningkat pula performance perusahaan;
9. Merupakan arsip yang terpercaya sehingga seolah-olah langsung konsultasi dengan pakar (meskipun sang pakar telah tiada)
10. Memperluas jangkauan.
Keuntungan Expert System untuk perusahaan.
1. Meningkatkan performance perusahaan.
2. Memelihara pengendalian terhadap knowledge perusahaan.
1. Meningkatkan performance perusahaan.
2. Memelihara pengendalian terhadap knowledge perusahaan.
Kerugian Expert System
Dua karakteristik Expert System membatasi kemampuan peralatan untuk memecahkan masalah bisnis, yaitu :
1. E.S. tidak dapat menangani inkonsistesi knowledge.
2. E.S. tidak dapat menerapkan judgement dan instuisi sebagai suatu bahan penting untuk pemecahan masalah.
APLIKASI ELIZA, PARRY DAN NETTALK
Eliza, Parry dan Nettalk adalah beberapa contoh dari chatterbot. Chatterbot merupakan sebuah program komputer yang dirancang untuk menstimulasi percakapan intelektual dengan satu atau lebih manusia secara audio maupun teks. Chatterbot dikategorikan sebagai kecerdasan buatan atau Artificial Intelligence, yang dimanfaatkan untuk tujuan praktis seperti bantuan online, layanan personal, atau diskusi informasi, dalam hal ini dapat dilihat fungsi program sebagai suatu jenis agen percakapan (conversational agent)
Dua karakteristik Expert System membatasi kemampuan peralatan untuk memecahkan masalah bisnis, yaitu :
1. E.S. tidak dapat menangani inkonsistesi knowledge.
2. E.S. tidak dapat menerapkan judgement dan instuisi sebagai suatu bahan penting untuk pemecahan masalah.
APLIKASI ELIZA, PARRY DAN NETTALK
Eliza, Parry dan Nettalk adalah beberapa contoh dari chatterbot. Chatterbot merupakan sebuah program komputer yang dirancang untuk menstimulasi percakapan intelektual dengan satu atau lebih manusia secara audio maupun teks. Chatterbot dikategorikan sebagai kecerdasan buatan atau Artificial Intelligence, yang dimanfaatkan untuk tujuan praktis seperti bantuan online, layanan personal, atau diskusi informasi, dalam hal ini dapat dilihat fungsi program sebagai suatu jenis agen percakapan (conversational agent)
ELIZA
Program yang dipublikasikan oleh Joseph Weizenbaum pada tahun 1966, yang dapat mengelabui pengguna hingga mempercayai bahwa mereka sedang bercakap-cakap dengan manusia nyata. Tujuan dari pembuatan program ini adalah untuk meniru pembicaraan antara seorang psikolog dan pasiennya, dalam hal ini, ELIZA berperan sebagai psikoterapis dan memberikan saran dan nasihat tentang masalah penggunanya. Kunci metode operasional ELIZA melibatkan rekognisi dari isyarat kata-kata atau kalimat input, dan output berupa tanggapan yang telah dipersiapkan atau diprogram, yang dapat meneruskan percakapan dengan suatu cara sehingga tampak bermakna.
PARRY
Parry dibuat pada tahun 1972 oleh psikiatris Kenneth Colby ketika di Universitas Stanford. Parry bertujuan untuk merefleksikan pikiran pasien dengan mental paranoid yang serius. Program ini menjalankan model mentahan dari prilaku schizophren paranoid berdasarkan konsep, konseptualisasi dan kepercayaan (penilaian tentang konseptualisasi : penerimaan, penolakan, dan netral). Ini juga menggunakan strategi percakapan, lebih serius dan merupakan program lanjutan dari ELIZA.
Parry dibuat pada tahun 1972 oleh psikiatris Kenneth Colby ketika di Universitas Stanford. Parry bertujuan untuk merefleksikan pikiran pasien dengan mental paranoid yang serius. Program ini menjalankan model mentahan dari prilaku schizophren paranoid berdasarkan konsep, konseptualisasi dan kepercayaan (penilaian tentang konseptualisasi : penerimaan, penolakan, dan netral). Ini juga menggunakan strategi percakapan, lebih serius dan merupakan program lanjutan dari ELIZA.
NETTALK
Connectionism adalah gerakan dalam ilmu kognitif yang berharap untuk menjelaskan kemampuan intelektual manusia menggunakan jaringan syaraf tiruan (juga dikenal sebagai “jaringan syaraf” atau “jaring syaraf”). jaringan syaraf disederhanakan model otak terdiri dari sejumlah besar unit (young analog neuron) bersama-sama dengan bobot yang mengukur kekuatan hubungan antara unit. Model ini berat efek dari sinaps yang menghubungkan satu neuron yang lain. Percobaan pada model semacam ini telah menunjukkan kemampuan untuk mempelajari keterampilan seperti pengenalan wajah, membaca, dan deteksi struktur gramatikal sederhana.
Connectionists telah membuat kemajuan yang signifikan dalam menunjukkan kekuatan jaringan saraf untuk menguasai tugas-tugas kognitif. Berikut adalah tiga percobaan terkenal yang telah mendorong connectionists untuk percaya bahwa JST model yang baik dari kecerdasan manusia. Salah satu yang paling menarik dari upaya tersebut adalah kerja 1987 Sejnowski dan Rosenberg di jaring yang dapat membaca teks bahasa Inggris disebut NETtalk. Pelatihan ditetapkan untuk NETtalk adalah basis data yang besar terdiri dari teks bahasa Inggris ditambah dengan output yang sesuai fonetik-nya, yang ditulis dalam kode yang cocok untuk digunakan dengan synthesizer pidato. Tape kinerja NETtalk di berbagai tahap pelatihan mendengarkan sangat menarik. Pada awalnya output random noise. Kemudian, bersih suara seperti itu mengoceh, dan kemudian masih seolah-olah itu adalah berbahasa Inggris double-talk (pidato yang dibentuk dari suara yang menyerupai kata dalam bahasa Inggris). Pada akhir pelatihan, NETtalk melakukan pekerjaan yang cukup baik mengucapkan teks diberikan. Selain itu, kemampuan ini generalizes cukup baik untuk teks yang tidak disajikan pada training set.
Connectionism adalah gerakan dalam ilmu kognitif yang berharap untuk menjelaskan kemampuan intelektual manusia menggunakan jaringan syaraf tiruan (juga dikenal sebagai “jaringan syaraf” atau “jaring syaraf”). jaringan syaraf disederhanakan model otak terdiri dari sejumlah besar unit (young analog neuron) bersama-sama dengan bobot yang mengukur kekuatan hubungan antara unit. Model ini berat efek dari sinaps yang menghubungkan satu neuron yang lain. Percobaan pada model semacam ini telah menunjukkan kemampuan untuk mempelajari keterampilan seperti pengenalan wajah, membaca, dan deteksi struktur gramatikal sederhana.
Connectionists telah membuat kemajuan yang signifikan dalam menunjukkan kekuatan jaringan saraf untuk menguasai tugas-tugas kognitif. Berikut adalah tiga percobaan terkenal yang telah mendorong connectionists untuk percaya bahwa JST model yang baik dari kecerdasan manusia. Salah satu yang paling menarik dari upaya tersebut adalah kerja 1987 Sejnowski dan Rosenberg di jaring yang dapat membaca teks bahasa Inggris disebut NETtalk. Pelatihan ditetapkan untuk NETtalk adalah basis data yang besar terdiri dari teks bahasa Inggris ditambah dengan output yang sesuai fonetik-nya, yang ditulis dalam kode yang cocok untuk digunakan dengan synthesizer pidato. Tape kinerja NETtalk di berbagai tahap pelatihan mendengarkan sangat menarik. Pada awalnya output random noise. Kemudian, bersih suara seperti itu mengoceh, dan kemudian masih seolah-olah itu adalah berbahasa Inggris double-talk (pidato yang dibentuk dari suara yang menyerupai kata dalam bahasa Inggris). Pada akhir pelatihan, NETtalk melakukan pekerjaan yang cukup baik mengucapkan teks diberikan. Selain itu, kemampuan ini generalizes cukup baik untuk teks yang tidak disajikan pada training set.
Sumber:
- Mc.Leod .R., Schell. G.P. 2008. Sistem informasi manajemen (ed 10). Salemba Empat: Jakarta
- Kusrini. 2006. Sistem pakar, teori dan aplikasi. Andi: Yogyakarta
- Pertemuan 1. Pengantar kecerdasan buatan.
http://liyantanto.files.wordpress.com/2009/03/pertemuan-1.ppt
- Pengantar AI. http://yuwono.himatif.or.id/download/Pengantar%20AI.pdf
- Kecerdasan buatan dan sistem pakar.
http://deden08m.files.wordpress.com/2011/09/bab13_sispakar.pdf
- Sistem Pakar. http://library.binus.ac.id/eColls/eThesis/Bab2/LBM2005-07-Bab%202.pdf
http://irvannurhuda.wordpress.com/category/kecerdasan-buatan/sistem-pakar/
http://blog.uin-malang.ac.id/sharfina/2010/09/26/sistem-pakar-dan-kecerdasan-buatan-serta-perbedaannya/
http://cheeoche.blogspot.com/2010/10/artificial-intelligence-sistem-pakar.html
http://www.scribd.com/doc/54964258/Pertemuan-1-Artificial-Intelligence
http://stepia.wordpress.com/2009/08/09/sejarah-kecerdasan-buatan/
http://dewimulyaniitdanbahasajepang.blogspot.com/2012/05/sejarah-artificial-intelegent-ai.html
http://id.wikipedia.org/wiki/Kecerdasan_buatan
http://socs.binus.ac.id/2012/03/02/a-little-brief-about-artificial-intelligence/
http://buahilmu.wordpress.com/2011/04/13/pengertian-artificial-intelligence-kecerdasan-buatan/
http://rizkabk.blogspot.com/2012/01/teori-connectionism.html
http://www.jeeney.com/default.aspx?page=bothistory
http://www.computableminds.com/post/chatbot/eliza/parry/skynet/human-language/natural-language
http://en.wikipedia.org/wiki/PARRY
http://id.wikipedia.org/wiki/Chatterbot
http://elib.unikom.ac.id/files/disk1/451/jbptunikompp-gdl-enjelwijay-22502-2-unikom_e-i.pdf