KECERDASAN ARTIFISIAL

Kecerdasan Artifisial

Artificial Intelligence (AI)

kecerdasan yang dimiliki oleh sistem atau mesin atau komputer yang mengadopsi dari kecerdasan yang dimiliki manusia.

AI mampu untuk melakukan tugas yang umumnya terkait dengan kemampuan makhluk cerdas.
Istilah ini sering diterapkan pada proyek pengembangan sistem yang memiliki sifat intelektualitas manusia, seperti kemampuan untuk menalar, menemukan makna, melakukan generalisasi, atau belajar dari pengalaman masa lalu.

​Tahukah kalian !

Sejak perkembangan komputer digital pada tahun 1940-an, AI telah telah banyak diimplementasikan untuk melakukan tugas yang kompleks seperti, misalnya, menemukan bukti untuk teorema matematika atau bermain catur dengan sangat mahir.

​Kecerdasan Artifisial kemudian berkembang dengan memunculkan berbagai subbidang :

Machine Learning adalah mesin pembelajar yang mampu melakukan pembuatan model analitik secara otomatis. Mesin ini menggunakan beberapa metode berbasis statistik, jaringan saraf, fisika, dll untuk menemukan insight (wawasan) tersembunyi dari data tanpa diprogram secara eksplisit. Mesin ini mampu mengambil kesimpulan secara otomatis.

atau dalam sumber lain pengertiannya adalah sbb
Mesin yang dikembangkan untuk bisa belajar dengan sendirinya tanpa arahan dari penggunanya. Pembelajaran mesin dikembangkan berdasarkan disiplin ilmu lainnya seperti statistika, matematika dan data mining sehingga mesin dapat belajar dengan menganalisa data tanpa perlu di program ulang atau diperintah.

Deep Learning adalah mesin pembelajar dengan pembelajaran mendalam menggunakan jaringan syaraf tiruan dengan ukuran dan lapisan unit pemrosesan yang besar.
Aplikasi umum Deep Learning yang banyak digunakan adalah pengenalan gambar dan suara.

Pada beberapa literatur disebutkan bahwa Deep Learning adalah subset dari Machine Learning, dan Machine Learning adalah subset dari Kecerdasan Artifisial.

Machine Learning adalah bagian dari bidang ilmu kecerdasan artifisial yang mempelajari cara membuat mesin atau sistem yang memiliki kecerdasan dan menyerupai manusia yang mampu belajar dan memecahkan masalah.

Beberapa contoh dari machine learning adalah search engine pada peramban, (contoh: Google, Bing), sosial media yang memiliki kemampuan memberi saran kepada pengguna yang biasa disebut recommendation system (contoh: Youtube, Netflix, E-Commerce), mobil otonom (contoh: Tesla), game dengan pengambilan keputusan otomatis (contoh: strategic game).

Klasifikasi gambar adalah salah satu fitur penting pada machine learning.

sebagai contoh pada mobil otonom

Salah satu library/extension perkakas machine learning di MIT App Inventor yang mampu mengklasifikasikan gambar adalah LookExtension. Library ini dapat menerima gambar yang diambil dari kamera sebagai input dan mampu mengklasifikasi gambar input tersebut menjadi output yang disajikan dalam bentuk teks / tulisan.

Cara kerja machine learning sebenarnya berbeda-beda sesuai dengan teknik atau metode pembelajaran seperti apa yang gunakan pada ML.
Namun pada dasarnya prinsip cara kerja pembelajaran mesin masih sama, meliputi pengumpulan data, eksplorasi data, pemilihan model atau teknik, memberikan pelatihan terhadap model yang dipilih dan mengevaluasi hasil dari ML.

Salah satu algoritma penting untuk klasifikasi gambar pada Machine Learning adalah Artificial Neural Network (Jaringan Saraf Buatan). Artificial Neural Network (ANN) diinspirasi dari cara kerja otak manusia yang terdiri dari kumpulan neuron.

ANN memiliki cara untuk mepresentasikan pengetahuan dalam kumpulan node yang diilhami dari kumpulan neuron pada otak manusia yang saling tersambung. Hubungan antar node digambarkan dalam bentuk garis yang diilhami oleh sinapsis pada otak manusia. Pengetahuan pada node dan sinapsis tercipta melalui runtunan proses komputasi random, spesifik, dan saling terkait dengan node lain.

Artificial Neural Network (ANN)
Pada ANN dikenal dua jenis pelatihan yang disebut supervised dan unsupervised learning.

Supervised learning adalah cara umum yang digunakan untuk klasifikasi gambar, dimana gambar input dan label telah diketahui. Contoh pada klasifikasi gambar dengan kelas/kategori/label “kucing” dan “anjing”, adalah salah satu contoh supervised learning.

unsupervised learning menggunakan cara dimana input tersedia, namun kelas/kategori/label belum diketahui. Pelatihan jenis ini biasanya digunakan untuk mencari pola baru, misalnya dari data perjalanan para turis, data medis yang akan dicari pola baru yang belum diketahui sebelumnya.

LookExtension

Ekstensi LookExtension adalah library Neural Network dengan jenis mobilenet yang secara khusus dirancang untuk mengenali gambar dengan menggunakan ponsel. Mobilenet sebenarnya telah dilatih untuk mengenali 999 kelas, dengan jutaan gambar.