Pertemuan 2:

sistem cerdas
 Thinking Humanly: Cognitive
Modeling
Aplikasi cognitive modelingcognitive machine AI program berpikir
1. Pengetahuan/hafalan/ingatan (knowledge)
2. Pemahaman (comprehension)
3. Penerapan (application)
4. Analisis (analysis)
5. Sintesis (syntesis)
6. Penilaian/penghargaan/evaluasi (evaluation)
human-computer interaction more like the interaction between two humans
Before model how people think and make decisions was missing
Cognitive modelling Understand and reproduce the human thought process
Sulit dikembangkan karena
Difficult to base AI on cognitive modeling
Many successful AI applications without cognitive modeling
Acting Humanly
The Turing Test :Test designed by Alan Turing in 1950
Human interrogator interacts with two subjects (A & B)
One human, one machine
Can you tell if A or B is human?

If not, then the machine passes

Acting Humanly
The Turing Test
Whats needed to pass the Turing Test?
- Natural Language Processing
- Knowledge Representation
- Automated Reasoning
- Machine Learning
- Natural Language Generation
- Whats wrong with the Turing Test?
- Concerned with output, not process Encourages deception, hackery
- Not reproducible One persons machine is anothers human being
- Not good for mathematical analysis
Acting Rationally
Bidang studi yang berusaha menjelaskan dan meniru perilaku cerdas dalam hal
proses komputasi Schalkoff, 1990
Cabang ilmu komputer yang peduli dengan otomasi perilaku cerdas Luger and
Stubblefield
Rational behavior: doing the right thing What is the right thing ; Sometimes the
right thing is not the same as what a human would do
The right thing is that which is expected to maximize goal given the available
information.
focus: rational agents, and how to construct them, Maximize some goal
Problems: Some (limited) information
Contoh: Traffic light: Maximize traffic flow given sensor inputs
Thinking Rationally
Laws of Thought -->Prescriptive rather than descriptive notation
and rules of derivation for thoughts
What is the proper way of reasoning and thinking (Logic)
Good for building mechanical reasoners
Problems:
Not everything is easy to formulate logically
Large amounts of computation needed to do complete inference
Not all intelligent behavior is mediated by logical deliberation
2 kategori
sistem yang mampu melakukan emulasi kepakaran seseorang (Knowledge
Based Expert System)
sistem yang mampu melakukan komputasi secara cerdas berdasarkan
komputasional (computational intelligence)

kemampuannya dalam hal, antara lain:

- kemampuan mengenali pola,
- kemampuan beradaptasi dengan pengaruh lingkungan dan atau alam,
mempunyai sifat toleransi terhadap adanya kesalahan sampai pada batas
tertentu (fault tolerant), kecepatan dengan error yang kecil
Defense Advance Research Project Agency membagi
kecerdasan tiruan menjadi 3 kategori :

Kecerdasan tiruan yang diprogram

Sistem cerdas
Sistem yang mampu belajar
2 dimensi sistem pakar
Basis Pengetahuan, berisi pengetahuan yang dibutuhkan untuk memahami,
memformulasi, dan memecahkan masalah.
Basis pengetahuan tersusun atas 2 elemen dasar:
1. Fakta, misalnya: situasi, kondisi, dan kenyataan dari permasalahan yang ada,
serta teori dalam bidang itu
2. Aturan, yang mengarahkan penggunaan pengetahuan untuk memecahkan
masalah yang spesifik dalam bidang yang khusus
 Mesin Inferensi (Inference Engine), merupakan otak dari Sistem Pakar. Juga dikenal
sebagai penerjemah aturan (rule interpreter).
Komponen ini berupa program komputer yang menyediakan suatu
metodologi untuk memikirkan (reasoning) dan memformulasi kesimpulan.
Kerja mesin inferensi meliputi:
1. Menentukan aturan mana akan dipakai
2. Menyajikan pertanyaan kepada pemakai, ketika diperlukan.
3. Menambahkan jawaban ke dalam memori Sistem Pakar.
4. Menyimpulkan fakta baru dari sebuah aturan
5. Menambahkan fakta tadi ke dalam memori.
Proses dalam rekayasa pengetahuan meliputi:
a. Akuisisi pengetahuan, yaitu bagaimana memperoleh pengetahuan dari pakar atau
sumber lain (sumber terdokumentasi, buku, sensor, file komputer, dll.).
b. Validasi pengetahuan, untuk menjaga kualitasnya misalnya dengan uji kasus.
c. Representasi pengetahuan, yaitu bagaimana mengorganisasi pengetahuan yang
diperoleh, mengkodekan dan menyimpannya dalam suatu basis pengetahuan.
d. Penyimpulan pengetahuan, menggunakan mesin inferensi yang mengakses basis
pengetahuan dan kemudian melakukan penyimpulan.
e. Transfer pengetahuan (penjelasan). Hasil inferensi berupa nasehat, rekomendasi,
atau jawaban, kemudian dijelaskan ke pengguna oleh subsistem penjelas.
AI Engineering: Intelligent
Agents
An agent is something that senses and acts.
Agents can be organic, robotic, or pure software.
Not all agents are intelligent.
Intelligent agents are agents that can operate autonomously in
complex environments.
AI is concerned with the production of intelligent agents.