A. AGEN PEMECAH PERMASALAHAN

Kecerdasan Buatan di ciptakan untuk memecahkan masalah di berbagai bidang yaitu :
Untuk membangun system yang mampu menyelesaikan masalah, perlu dipertimbangkan 4 hal :

1. Mendefinisikan masalah dengan tepat
   
   • Spesifikasi yang tepat mengenai keadaan awal
   • Solusi yang diharapkan 
2. Menganalisis masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai 
3. Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah 
4. Memilih teknik penyelesaian masalah yang terbaik

B. PENCARIAN SEBAGAI SOLUSI PEMECAHAN MASALAH
Searching di dalam AI (Artificial Intelligence) adalah salah satu motode penyelesaian masalah dengan pencarian solusi pada suatu permasalahan yang dihadapi.
Teknik searching sendiri terbagi menjadi dua, yaitu:

1. Blind searching
   Blind Searching adalah model pencarian buta atau pencarian yang tidak memiliki inforamasi awal, model pencarian ini memiliki tiga ciri – ciri utama yaitu:
   
   • Membangkitkan simpul berdasarkan urutan
   • Kalau ada solusi maka solusi akan ditemukan 
   • Hanya memiliki informasi tentang node yang telah dibuka (node selanjutnya tidak diketahui). Blind Searching sendiri dibagi menjadi tiga macam yaitu : 
   1. BFS (Breadth First Search) 
   2. DFS (Depth-first Search) 
   3. UCS (Uniform Cost Search) 
    
2. Heuristic searching
   Heuristic Search merupakan metode pencarian yang memperhatikan nilai heuristik (nilai perkiraan).Teknik pencarian heuristik (heuristic searching) merupakan suatu strategi untuk melakukan proses pencarian ruang keadaan (state space) suatu problema secara selektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar, dan mengesampingkan usaha yang bodoh dan memboroskan waktu. Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness). Heuristic Search memperkirakan jarak menuju Goal (yang disebut dengan fungsi heuristik). Fungsi heuristik ini digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan. Jenis-jenis Heuristic Searching :
   
   • Generate and Test
   • Hill Climbing
   • Best First Search
   • Alpha Beta Prunning
   • Means-End-Anlysis
   • Constraint Satisfaction

C. STRATEGI PENCARIAN YANG TIDAK BERBENTUK 

1. Breadth First Search (BFS) Pencarian dengan Breadth First Search menggunakan teknik dimana langkah pertamanya adalah root node diekspansi, setelah itu dilanjutkan semua successor dari root node juga di-expand. Hal ini terus dilakukan berulang-ulang hingga leaf (node pada level paling bawah yang sudah tidak mempunyai successor lagi).
   
2. Uniform Cost Search (UCS)
   Pencarian dengan Breadth First Search akan menjadi optimal ketika nilai pada semua path adalah sama. Dengan sedikit perluasan, dapat ditemukan sebuah algoritma yang optimal dengan melihat kepada nilai tiap path di antara node-node yang ada. Selain menjalankan fungsi algoritma BFS, Uniform Cost Search melakukan ekspansi node dengan nilai path yang paling kecil. Hal ini bisa dilakukan dengan membuat antrian pada successor yang ada berdasar kepada nilai path-nya (node disimpan dalam bentuk priority queue).
   
3. Depth First Search (DFS)
   Teknik pencarian dengan Depth First Search adalah dengan melakukan ekspansi menuju node yang paling dalam pada tree. Node paling dalam dicirikan dengan tidak adanya successor dari node itu. Setelah node itu selesai diekspansi, maka node tersebut akan ditinggalkan, dan dilakukan ke node paling dalam lainnya yang masih memiliki successor yang belum diekspansi.
   
    
4. Depth Limited Search
   Pencarian menggunakan DFS akan berlanjut terus sampai kedalaman paling terakhir dari tree. Permasalahan yang muncul pada DFS adalah ketika proses pencarian tersebut menemui infinite state space. Hal ini bisa diatasi dengan menginisiasikan batas depth pada level tertentu semenjak awal pencarian. Sehingga node pada level depth tersebut akan diperlakukan seolah-olah mereka tidak memiliki successor.
5. Iterative Deepening Depth First Search
   Iterative deepening search merupakan sebuah strategi umum yang biasanya dikombinasikan dengan depth first tree search, yang akan menemukan berapa depth limit terbaik untuk digunakan. Hal ini dilakukan dengan secara menambah limit secara bertahap, mulai dari 0,1, 2, dan seterusnya sampai goal sudah ditemukan.
   
6. Bidirectional Search
   Pencarian dengan metode bidirectional search adalah dengan menjalankan dua pencarian secara simultan, yang satu dikerjakan secara forward dari initial state menuju ke goal, sedangkan yang satu lagi dikerjakan secara backward mulai dari goal ke initial state. Yang kemudian diharapkan bahwa kedua pencarian itu akan bertemu di tengah-tengah.

SUMBER :
http://najibzot.blogspot.co.id/p/teknik-searching-kecerdasan-buatan-di.html
http://socs.binus.ac.id/2013/04/23/uninformed-search-dan-informed-search/
https://aiukswkelasekelompok4a.wordpress.com/2009/02/06/masalah-ruang-keadaan-dan-pencarian/

A. PENGERTIAN KECERDASAN BUATAN (ARTIFICIAL INTELEGENCE)

Kecerdasan Buatan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah atau Intelegensi Artifisial (bahasa Inggris: Artificial Intelligence atau hanya disingkat AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan buatan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dilakukan manusia. Ada beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.

Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: menyelesaikan persamaan integral, mentransformasikan persamaan, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola.

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 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.

B. BIDANG ILMU YANG MENJADI DASAR KECERDASAN BUATAN

Bidang ilmu yang menjadi dasar kecerdasaan buatan yaitu ada 3 komponen
SISTEM CERDAS BERBASIS PENGETAHUANSistem cerdas berbasis pengetahuan adalah sistem yang memiliki kemampuan menyerap kepakaran seorang ahli. Sistem ini ditunjukkan padabasis pengetahuan yang berisi informasi kepakaran. Informasi kepakaran dijabarkan sebagai algoritma cerdas, dan komponen prakondisi isyarat yang mengatur kerja sensor-sensor. Algoritma cerdas inilah yang memutuskan aksi-aksi yang tepat untuk setiap keadaan/status sistem.

SISTEM LOGIKA SAMAR (FUZZY LOGIC SYSTEM)Logika Fuzzy, membahas tentang “bagaimana manusia merasa?, bagaimana perasaan manusia bekerja?” Logika Fuzzy disebut logika yang samar (ambigu/ketidakjelasan) atau suatu konsep perasa. Artinya logika yang memiliki nilai yang tidak hanya "benar" atau "salah", tetapi dapat bernilai diantara benar dan salah sebagai contoh “sedang”, “cukup” dan sebagainya. Logika Fuzzy digunakan agar mesin diharapkan dapat mempunyai unsur-unsur perasaan seperti manusia sehingga mesin tersebut dapat mempunyai keinginan, serta mengambil keputusan dengan perasaan layaknya manusia.
SISTEM BERBASIS JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)Jaringan syaraf tiruan terinspirasi dari sistem pengorganisasian otak manusia yang terdiri dari beratus milyar sel syaraf dengan tipe yang bervariasi. Neuron adalah sel syaraf khusus yang menghantarkan isyarat elektris. Sekitar 10% dari keseluruhan sel adalah neuron, atau ada sekitar 10 milyar neuron di dalam otak manusia. Setiap neuron berinteraksi dengan neuron yang lain melalui kontak yang disebut sinapsis. Rata-rata setiap neuron menerima isyarat dari sekian ribu sinapsis. Jadi otak dibangun dari jaringan neuron dalam jumlah sangat besar.Artificial Neural Network, membahas tentang “bagaimana sel syaraf otak manusia bekerja?” Artificial Neural Network dapat diartikan “Jaringan Syaraf Tiruan” merupakan studi tentang meniru cara kerja sel syaraf otak dimana dapat mengendalikan tindakan, tingkah laku sesuai dengan keadaan lingkungan, menghasilkan suatu respon seperti gerakan tubuh dan mimic wajah.

C. SEJARAH KECERDASAN BUATAN

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 abad 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. Pada tahun 1982, para ahli fisika seperti Hopfield menggunakan teknik-teknik statistika untuk menganalisis sifat-sifat penyimpanan dan optimasi pada jaringan syaraf. Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model jaringan syaraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset menemukan kembali algoritma pembelajaran propagansi balik (Back-Propagation learning). Algoritma ini berhasil diimplementasikan ke dalam ilmu komputer dan psikologi. 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.

D. AGEN INTELEJEN

Dalam kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen) dan mengarahkan aktivitasnya untuk mencapai tujuan yaitu rasional. Intelligent agen juga dapat belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka

Agen Intelligent menurut Nikola Kasabov adalah bahwa Agent harus menunjukkan karakteristik berikut.:

• mengakomodasi pemecahan masalah baru aturan bertahap
• beradaptasi online dan real time
•  mampu menganalisis sendiri dalam hal perilaku, kesalahan dan kesuksesan.
• belajar dan meningkatkan melalui interaksi dengan lingkungan (perwujudan)
• belajar dengan cepat dari sejumlah besar data
• memiliki penyimpanan memori berbasis contoh dan kapasitas pengambilan
• memiliki parameter untuk mewakili umur pendek dan jangka panjang memori,
  
  Agent dan Lingkungannya
  Maksudnya adalah melihat/menangkap informasi di lingkungannya melalui sensor, dan beraksi pada lingkungan melalui efektor/aktuator
  Contoh perbandingan :

• agen manusia memiliki alat sensor : mata, telinga, dan organ sensor lainnya alat actuator : tangan, kaki, dan bagian tubuh lain sebagai alat gerak.
• Sedangkan pada agen robot: kamera dan inframerah untuk sensor, dan lengan serta berbagai motor sebagai aktuator.

Konsep Rasionalitas

Rasional dapat didefinisikan sebagai : melakukan hal yang benar. Agen rasional melakukan hal yang benar berdasarkan informasi (percept) apa yang ditangkap dan tindakan (action) apa yang akan diambil.
—Pengukuran kinerja (performance measure) : Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen. Pengukuran kinerja haruslah dapat dinyatakan dalam ukuran kuantitatif.
—Goal adalah tujuan utama yang berusaha dicapai oleh agen (prioritas utama)

Lingkungan Alami


Kita akan melihat bagaimana pasangan agen untuk lingkungan. Dalam semua kasus, sifat hubungan antara mereka adalah sama: tindakan yang dilakukan oleh agen pada lingkungan, yang pada gilirannya memberikan persepsi kepada agen. Pertama, kita akan menjelaskan berbagai jenis lingkungan dan bagaimana mereka mempengaruhi desain agen. Kemudian kita akan menjelaskan program-program lingkungan yang dapat digunakan sebagai testbeds untuk program agen.

Sifat-sifat environments :

• Accessible vs. inaccessible.
• Deterministic vs. nondeterministic.
• Episodic vs. nonepisodic.
• Static vs. dynamic.
• Discrete vs. continuous.

Struktur Agent
Tugas AI adalah untuk merancang sebuah agent yaitu sebuah fungsi yang mengimplementasikan pemetaan agen dari persepsi terhadap tindakan. Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut arsitektur. Secara umum, arsitektur membuat persepsi dari sensor yang tersedia untuk program, menjalankan program, dan umpan pilihan program aksi terhadap efektor seperti yang dihasilkan.
Hubungan antara agen, arsitektur, dan program dapat disimpulkan :

•  Mapping : Hubungan antara Percepts and Action.
• Tugas dari AI adalah men-design Agent Program : merupakan sebuah function yang mengimplementasikan agent mapping dari percepts to action.
• Architecture menerima percepts dari sensor, menjalankan program, melakukan aksi yang dipilih action ke effectors.
• Agent = Architecture + Program
•  PAGE = Percepts, Actions, Goal(s) and Environment. Untuk mendesain agen cerdas harus menentukan PEAS terlebih dahulu yaitu :

1. P: Performance measure (ukurankinerja)
2. E: Environment (lingkungan)
3. A: Actuators (yang bisa melakukan aksi)
4. S: Sensors (sensor untuk mendapatkan persepsi dari lingkungan)

Sumber :

https://id.wikipedia.org/wiki/Kecerdasan_buatan

https://evaniashab.wordpress.com/2017/01/15/pengantar-teknologi-sistem-cerdas/

https://www.academia.edu/9144491/Agen_Cerdas

http://agen-unikama.blogspot.co.id/2013/11/pengertian-agent-pada-ai-artificial.html

http://naufaly.blogspot.co.id/

http://just-my-homework.blogspot.co.id/2016/11/pengantar-teknologi-sistem-cerdas.html