Introduction to Artificial Intelligence & Pattern Recognition Angga Rahagiyanto Institut Teknologi & Kesehatan Jakarta – Politeknik Negeri Jakarta Angga Rahagiyanto Angga Rahagiyanto, M.T. Intelligence / Kecerdasan ? Kecerdasan (juga disebut intelek) adalah istilah umum yang digunakan untuk menggambarkan sifat pikiran yang mencakup banyak kemampuan terkait, seperti kemampuan untuk berpikir, merencanakan, menyelesaikan masalah, berpikir secara abstrak, memahami gagasan, menggunakan bahasa, dan belajar (wikipedia) Kapasitas untuk belajar dan menyelesaikan masalah (kamus Websters) Angga Rahagiyanto, M.T. Intelligence •Kemampuan untuk menyelesaikan permasalahan baru •Kemampuan untuk bertindak rasional •Kemampuan untuk bertindak layaknya manusia Angga Rahagiyanto, M.T. Apa yang terlibat di dalam Intelligence? • Kemampuan untuk berinteraksi dengan dunia nyata • Untuk menerima, mengerti, dan bertindak e.g., pengenalan suara dan mampu memahami suara tersebut e.g., memahami gambar e.g., kemampuan untuk mengambil tindakan, yg memiliki dampak • Kemampuan untuk bertindak rasional dan perencanaan • Kemampuan untuk menghadapi masalah yg tidak terduga, ketidakpastian. • Menyelesaikan permasalahan, merencanakan dan membuat beberapa keputusan. • Memodelkan dunia luar, memberikan masukan • Kemampuan untuk belajar dan beradaptasi • Kita secara tidak langsung akan terus menerus belajar dan beradaptasi • Pemodelan internal kita akan selalu terupdate e.g., bayi yg belajar mengkategorikan dan mengenali hewan • Source: Prof. Padhraic Smyth, Introduction to Artificial Intelligence, Lecture note, Fall 2007, University of California, Irvine. Angga Rahagiyanto, M.T. Artificial Intelligence? • Membangun sistem yang berpikir layaknya manusia • “The exciting new effort to make computers think … machines with minds, in the full and literal sense” (Haugeland, 1985) • “The automation of activities that we associate with human thinking, … such as decision-making, problem solving, learning, …” (Bellman, 1978) • Membangun sistem yang bertindak seperti manusia • “The art of creating machines that perform functions that require intelligence when performed by people” (Kurzweil, 1990) • “The study of how to make computers do things at which, at the moment, people are better” (Rich and Knight, 1991) Angga Rahagiyanto, M.T. Artificial Intelligence? • Membangun sistem yang berpikir secara rasional • “The study of mental faculties through the use of computational models” (Charniak and McDermott, 1985) • “The study of the computations that make it possible to perceive, reason, and act” (Winston, 1992) • Membangun sistem yang bertindak secara rasional • “A field of study that seeks to explain and emulate intelligent behavior in terms of computational processes” (Schalkoff, 1990) • “The branch of computer science that is concerned with the automation of intelligent behavior”, (Luger and Stubblefield, 1993) Angga Rahagiyanto, M.T. What is Artificial Intelligence? (John McCarthy, Stanford University) • Apa itu artificial intelligence? Itu adalah ilmu dan teknik membuat mesin cerdas, terutama program komputer cerdas. itu terkait dengan tugas yang sama menggunakan komputer untuk memahami kecerdasan manusia, tetapi AI tidak harus membatasi diri pada metode yang dapat diamati secara biologis. • Ya, tapi apakah intelligence itu? Kecerdasan adalah bagian komputasi dari kemampuan untuk mencapai tujuan di dunia. Berbagai jenis dan tingkat kecerdasan terjadi pada manusia, banyak hewan dan beberapa mesin. • Tidak adakah definisi intelligence yang solid, yang tidak bergantung pada menghubungkannya dengan kecerdasan manusia? Belum. Masalahnya adalah bahwa kita belum dapat mengkarakterisasi secara umum prosedur komputasi seperti apa yang ingin kita sebut intelijen. Kami memahami beberapa mekanisme kecerdasan dan bukan yang lain. • More in: http://www-formal.standford.edu/jmc/whatisai/node1.html Angga Rahagiyanto, M.T. Sejarah AI • 1943: early beginnings • McCulloch & Pitts: Boolean circuit model of brain • 1950: Turing • Turing’s “Computing Machinery and Intelligence” • 1956: birth of AI • Darmouth meeting: “Artificial Intelligence” name adopted • 1950s: initial promise • Early AI programs, including • Samuel’s checkers program • Newell & Simon’s Logic Theorist • 1955-65: “great enthusiasm” • Newell and Simon: GPS, general problem solver • Gelertner: Geometry Theorema Prover • McCarthy: invention of LISP Angga Rahagiyanto, M.T. Sejarah AI • 1966-73: Reality dawns • Realization that many AI problems are intractable • Limitations of existing neural network methods identified • Neural network research almost dissapears • 1969-85: Adding domain knowledge • Development of knowledge-based systems • Success of rule-based expert systems, • e.g., DENDRAL, MYCIN • But were brittle and did not scale well in practice • 1986– Rise of machine learning • Neural networks return to popularity • Major advances in machine learning algorithms and applications • 1990– Role of uncertainty • Bayesian networks as a knowledge representation framework • 1995– AI as Science • Integration of learning, reasoning, knowledge representation • AI methods used in vision, language, data mining, etc. Angga Rahagiyanto, M.T. Kisah Sukses AI • Deep Blue defeated the reigning world chess champion Garry Kasparov in 1997 • AI program proved a mathematical conjecture (Robbins conjecture) unsolved for decades • During the 1991 Gulf War, US forces deployed an AI logistics planning and scheduling program that involved up to 50,000 vehicle, cargo, and people • NASA’s on-board autonomous planning program controlled the scheduling of operations for a spacecraft • PROVERB solves crossword puzzles better than most humans • Robot driving: DARPA grand challenge 2003-2007 • 2006: face recognition software available in consumer cameras • And so on… Angga Rahagiyanto, M.T. Berbagai Macam Tipe ArtificiaI Intelligence 1 System that think like humans 2 System that act Like humans 3 System that think rationally 4 System that act rationally Angga Rahagiyanto, M.T. 1 System that think like humans • Bagaimana cara manusia berpikir? • membutuhkan teori ilmiah tentang aktivitas otak internal (model kognitif): • tingkat abstraksi? (pengetahuan atau sirkuit?) • Validasi? • memprediksi dan menguji perilaku manusia • identifikasi dari data neurologis • ilmu kognitif vs ilmu saraf kognitif • Kedua pendekatan sekarang berbeda dari AI • Berbagi bahwa teori-teori yang tersedia tidak menjelaskan apa pun yang menyerupai kecerdasan manusia • tiga bidang berbagi arah utama Angga Rahagiyanto, M.T. Angga Rahagiyanto, M.T. Thinking humanly • Pendekatan sains kognitif • Mencoba untuk “masuk” dalam pikiran kita • Misal, melakukan eksperimen dengan orang-orang untuk mencoba “merekayasa balik” cara kita berpikir, belajar, mengingat, & memprediksi • Masalah • Manusia tidak berperilaku rasional -> missal asuransi • Merekayasa balik sangat sulit dilakukan • Perangkat keras otak kita sangat berbeda dengan program komputer • Source: Prof. Padhraic Smyth, Introduction to Artificial Intelligence, Lecture note, Fall 2007, University of California, Irvine. Angga Rahagiyanto, M.T. System that act like humans 2 • Kapan suatu system berperilaku cerdas? • • • • Mesin Turing (1950) komputasi dan kecerdasan Tes operasional intelijen: permainan imitasi Tes masih relevan sekarang, namun mungkin pertanyaan yang salah. Membutuhkan kolaborasi komponen utama AI: • Pengetahuan, penalaran, pemahaman Bahasa, pembelajaran, … Angga Rahagiyanto, M.T. Acting humanly • “Bisakah mesin berpikir?” -> “Bisakah mesin berperilaku cerdas?” • Menyarankan komponen utama yang diperlukan untuk AI: • • • • Knowledge Representation (Representasi pengetahuan) Reasoning (alasan) Language/ image understanding, (pemahaman Bahasa/ gambar) Learning (pembelajaran) * Pertanyaan: apakah penting bahwa system intelijen bertindak seperti manusia? Angga Rahagiyanto, M.T. Angga Rahagiyanto, M.T. 3 System that think rationally Menangkap hukum pemikiran • Aristotle: apa argumen dan proses berpikir yang ‘benar’? • Kebenaran tergantung pada tak terbantahkannya proses penalaran. • Studi ini memprakarsai bidang logika • Tradisi logika di AI berharap untuk menciptakan sistem cerdas menggunakan pemrograman logika. • Masalah: • Tidak semua kecerdasan dimediasi oleh perilaku logika • Apa tujuan dari berpikir? Pemikiran apa yang harus dimiliki seseorang? • Source: Tom Lenaerts, Artificial Intelligence I: Introduction, Vrije Universiteit Brussel. Angga Rahagiyanto, M.T. Angga Rahagiyanto, M.T. Thinking rationally 3 • Mewakili fakta tentang dunia melalui logika • Gunakan inferensi logis sebagai dasar untuk alasan tentang fakta-fakta ini • Bisa menjadi pendekatan yang sangat berguna untuk AI • Misal, pembuktian teorema • Keterbatasan • Tidak memperhitungkan ketidakpastian agen tentang dunia • Misal, sulit untuk dipasangkan dengan visi atau sistem bicara. • Tidak memiliki cara untuk mewakili tujuan, biaya, dll (aspek penting dari lingkungan dunia nyata) • Source: Prof. Padhraic Smyth, Introduction to Artificial Intelligence, Lecture note, Fall 2007, University of California, Irvine. Angga Rahagiyanto, M.T. 4 System that act rationally • Perilaku rasional: “melakukan hal yang benar” • “hal yang benar” adalah apa yang diharapkan untuk memaksimalkan pencapaian tujuan mengingat informasi yang tersedia. • Dapat mencakup pemikiran, namun dalam pelayanan tindakan rasional. • Tindakan tanpa berpikir: missal, refleks • 2 keunggulan dibandingkan pendekatan sebelumnya: • Lebih umum daripada pendekatan hukum pikiran • Lebih bisa menerima perkembangan ilmiah • Namun rasionalitas hanya berlaku di lingkungan yang ideal • Apalagi rasionalitas bukan model realitas yang sangat baik • Source: Tom Lenaerts, Artificial Intelligence I: Introduction, Vrije Universiteit Brussel. Angga Rahagiyanto, M.T. Angga Rahagiyanto, M.T. Acting rationally 4 • Teori keputusan/ ekonomi • • • • Set negara masa depan dunia Set tindakan yang mungkin dilakukan agen Utilitas = mendapatkan agen untuk setiap tindakan negara Agen bertindak secara rasional untuk memaksimalkan utilitasnya • Atau utilitas yang diharapkan jika ada ketidakpastian • Penekanan pada agen otonom yang berperilaku rasional (membuat prediksi terbaik, mengambil tindakan terbaik) • Rata-rata seiring waktu • Dalam batasan komputasi (“rasionalitas terbatas”) • Source: Tom Lenaerts, Artificial Intelligence I: Introduction, Vrije Universiteit Brussel. Angga Rahagiyanto, M.T. Disiplin akademik yang relevan dengan AI • Filsafat -> logika, metode penalaran, pikiran sebagai system fisik, dasar-dasar pembelajaran, Bahasa, rasionalitas. • Matematika -> representasi formal dan bukti, algoritma, perhitungan, (tidak) decidability, (dalam) traktabilitas. • Probabilitas/ Statistik -> pemodelan ketidakpastian, belajar dari data. • Ekonomi -> utilitas, teori keputusan, agen ekonomi rasional. • Neuroscience -> neurons sebagai unit pemrosesan informasi. • Psikologi/ ilmu kognitif -> bagaimana orang berperilaku, memahami, memproses informasi kognitif, mewakili pengetahuan. • Rekayasa computer -> membangun komputer cepat. • Teori control -> system desain yang memaksimalkan fungsi objektif dari waktu ke waktu. • Linguistik -> representasi pengetahuan, tata Bahasa. Angga Rahagiyanto, M.T. Dapatkah kita membangun perangkat keras serumit otak? • Seberapa rumit otak kita? • • • • Neuron, sel saraf adalah unit pemrosesan informasi dasar. Diperkirakan berada di urutan 10^12 neuron dalam otak manusia. Lebih banyak sinapsis (10^14) yang menghubungkan neuron-neuron ini. Waktu siklus: 10^-2 detik (1 milidetik) • Seberapa rumitnya kita dapat membuat computer? • 10^8 atau lebih transistor per CPU • Superkomputer: ratusan CPU, 10^12 bit RAM • Waktu siklus: urutan 10^-9 detik • Kesimpulan: • YA: dalam waktu dekat kita dapat memiliki computer dengan elemen pemrosesan dasar sebanyak otak kita, tetapi dengan • Interkoneksi yang jauh lebih sedikit (kabel atau sinapsis) daripada otak • Pembaruan jauh lebih cepat daripada otak • Tetapi membangun perangkat keras sangat berbeda dengan membuat komputer berperilaku seperti otak! Angga Rahagiyanto, M.T. Dapatkah komputer mengalahkan manusia dalam permainan catur? Angga Rahagiyanto, M.T. Dapatkah komputer berbicara? Angga Rahagiyanto, M.T. Dapatkah komputer mengenali ucapan? Angga Rahagiyanto, M.T. Dapatkah komputer memahami ucapan? Angga Rahagiyanto, M.T. Dapatkah komputer belajar dan beradaptasi? Angga Rahagiyanto, M.T. Dapatkah komputer melihat? Angga Rahagiyanto, M.T. Dapatkah komputer merencanakan dan membuat keputusan optimal? Angga Rahagiyanto, M.T. Ringkasan keadaan sistem AI dalam prakteknya Angga Rahagiyanto, M.T. Learning process Angga Rahagiyanto, M.T. Angga Rahagiyanto, M.T. Angga Rahagiyanto, M.T. Angga Rahagiyanto, M.T. Angga Rahagiyanto, M.T. Supervised Learning (pembelajaran yang diawasi) • Supervised Learning adalah tugas pembelajaran mesin inffering fungsi dari data training berlabel. • Data training terdiri dari serangkaian contoh pelatihan. • Dalam supervised learning, setiap contoh adalah pasangan yang terdiri dari objek input (biasanya vektor) dan nilai output yang diinginkan (juga disebut sinyal pengawas). • Algoritma supervised learning menganalisis data training dan menghasilkan fungsi yang disimpulkan, yang dapat digunakan untuk memetakan contohcontoh baru. • Skenario optimal akan memungkinkan algoritma menentukan label kelas dengan benar untuk instance yang tidak terlihat. • Ini membutuhkan algoritma pembelajaran untuk menggeneralisasi dari data pelatihan ke situasi yang tidak terlihat dengan cara yang "masuk akal". Angga Rahagiyanto, M.T. Supervised Learning (pembelajaran yang diawasi) Angga Rahagiyanto, M.T. Unsupervised Learning (pembelajaran tanpa pengawasan) • Dalam machine learning, masalah unsupervised learning adalah mencoba menemukan struktur tersembunyi dalam data yang tidak berlabel. • Karena contoh yang diberikan kepada pelajar tidak berlabel, tidak ada sinyal kesalahan atau reward untuk mengevaluasi solusi potensial. • Unsupervised learning terkait erat dengan masalah estimasi kepadatan dalam statistik. • Namun pembelajaran tanpa pengawasan juga mencakup banyak teknik lain yang berupaya merangkum dan menjelaskan fitur-fitur utama dari data. Angga Rahagiyanto, M.T. Unsupervised Learning (pembelajaran tanpa pengawasan) Angga Rahagiyanto, M.T. Reinforcement Learning (penguatan pembelajaran) • Reinforcement learning adalah bidang machine learning yang terinspirasi oleh psikologi behavioris, prihatin dengan bagaimana agen perangkat lunak harus mengambil tindakan dalam suatu lingkungan sehingga dapat memaksimalkan beberapa gagasan tentang imbalan kumulatif. • Reinforcement learning berbeda dari pembelajaran yang diawasi standar karena pasangan input / output yang benar tidak pernah disajikan, atau tindakan sub-optimal yang dikoreksi secara eksplisit. • Ada fokus pada kinerja on-line, yang melibatkan menemukan keseimbangan antara eksplorasi (wilayah yang belum dipetakan) dan eksploitasi (dari pengetahuan saat ini). Angga Rahagiyanto, M.T. Reinforcement Learning (penguatan pembelajaran) Angga Rahagiyanto, M.T. Bagaimana Reinforcement Learning bekerja? • Mengizinkan agen mesin atau software mempelajari perilakunya pada umpan balik dari environment. • Perilaku ini dapat dipelajari sekali dan untuk semua, atau terus beradaptasi seiring berjalannya waktu. Angga Rahagiyanto, M.T.