Pertemuan 1 revisi update 2016

Course : T0264 – Artificial Intelligence
Year : 2013

1.1. Stuart Russell, PeterStuart Russell, Peter NorvigNorvig. 2010. Artificial. 2010. Artificial
Intelligence : A Modern Approach. PearsonIntelligence : A Modern Approach. Pearson
Education. New Jersey. ISBN:9780132071482Education. New Jersey. ISBN:9780132071482
2.2. Elaine Rich, Kevin Knight,Elaine Rich, Kevin Knight, ShivashankarShivashankar B.B.
Nair. 2010. Artificial Intelligence. McGraw-HillNair. 2010. Artificial Intelligence. McGraw-Hill
Education. New York. ISBN:0070678162Education. New York. ISBN:0070678162
Text BookText Book
T0264 - Artificial Intelligence 3

LECTURE 01LECTURE 01
Artificial IntelligenceArtificial Intelligence

Learning OutcomesLearning Outcomes
At the end of this session, students will be ableAt the end of this session, students will be able
to:to:
» LO 1 : Describe what is AI and identify conceptLO 1 : Describe what is AI and identify concept
of intelligent agentof intelligent agent

OutlineOutline
1.1. Artificial Intelligence (AI)Artificial Intelligence (AI)
2.2. Foundations of AIFoundations of AI
3.3. Intelligent AgentIntelligent Agent
4.4. Concept of RationalityConcept of Rationality
5.5. Nature of EnvironmentNature of Environment
6.6. Structure of Intelligent AgentsStructure of Intelligent Agents
7.7. SummarySummary

WHAT IS ARTIFICIAL INTELLIGENCE ?
» Artificial Intelligence definition
 Artificial Intelligence is the study of how to make
computers do things at which, at the moment,
people are better. (Rich,E. and Knight,K. Artificial
Intelligence, 1991.)
» Subbidang pengetahuan komputer yg khusus
ditujukan utk membuat software dan hardware yg
sepenuhnya bisa menirukan beberapa fungsi otak
manusia  diharapkan bisa membantu manusia di
dlm memecahkan berbagai masalah yg lebih rumit
» Memungkinkan komputer bisa menerima
pengetahuan melalui input manusia dan
menggunakan pengetahuannya itu melalui simulasi
proses penalaran dan berfikir manusia utk
memecahkan berbagai masalah
» Memberi suatu kemampuan baru kepada komputer
utk memecahkan masalah yg lebih besar dan lebih
luas tidak hanya terbatas kepada soal-soal
perhitungan, penyimpanan dan pengambilan data
atau pengendalian yg sederhana saja

Output
Solution
Artificial Intelligence is the study of how to make computers do things
at which, at the moment, people are better
[Rich E. and Knight K. “Artificial Intelligence”, 1991].
Knowledge
Base
Inference
Engine
Input
Problem
ARTIFICIAL
INTELLIGENCE SYSTEM

Komponen AI
» Bagian utama aplikasi AI  pengetahuan (knowledge) 
suatu pengertian tentang beberapa wilayah subjek yang
diperoleh melalui pendidikan dan pengalaman
» Komputer bisa memperoleh pengetahuan yang dibutuhkannya
itu melalui upaya yg diberikan oleh seorang pakar manusia
» Pengetahuan terdiri dari :
 Fakta, pemikiran, teori, prosedur dan hub satu sama
lainnya
 Informasi terorganisasi dan teranalisa agar bisa lebih
mudah dimengerti dan bisa diterapkan pd pemecahan
masalah dan pengambilan keputusan
» Pangkalan ilmu pengetahuan terbentuk (knowledge base) 
AI bisa digunakan utk memberi kemampuan baru kpd
komputer agar bisa berfikir, menalar dan membuat inferensi
(pengambilan keputusan berdasarkan pengalaman) 
membuat pertimbangan-pertimbangan yg didasarkan kpd fakta
dan hub-hubnya yg terkandung dlam pakalan pengetahuan itu

PerbedaanPerbedaan TTiipepe DefinisiDefinisi AIAI
» MMememodelodel dng tepatdng tepat bagaimanabagaimana manusiamanusia berfikirberfikir
 ModelModel kkognitiognitiff daridari penalaran manusiapenalaran manusia ((reasoningreasoning))
» MMememodelodel dng tepatdng tepat bagaimanabagaimana manusia bertindakmanusia bertindak
 modelmodel tingkah laku manusiatingkah laku manusia ((apa yang dikerjakanapa yang dikerjakan,, bukanbukan
bagaimana mereka berfikirbagaimana mereka berfikir))
» MMememodelodel bahaimanabahaimana agenagen idealideal ““seharusnya berfikirseharusnya berfikir””
 ModelModel pemikiranpemikiran “ra“rassional” (ional” (logikalogika formal)formal)
 catcat:: manusiamanusia tidak bisatidak bisa rarassional!ional!
» MMememodelodel bahaimanabahaimana agenagen idealideal ““seharusnya bertindakseharusnya bertindak””
 TindakanTindakan rarassional tional tetapietapi tidak perlu penalaran rasionaltidak perlu penalaran rasional formalformal
 mismis.,., lebih mendekatilebih mendekati black-box/engineeringblack-box/engineering
Bina Nusantara University 11

1/15/2011 T0264 - Artificial Intelligence 12
BERFIKIRBERFIKIR
BERTINDAKBERTINDAK
MANMANUSIAWIUSIAWI
RARASISIONALONAL
BERTINDAKBERTINDAK
MANMANUSIAWIUSIAWI

Komputasi Konvensional
» User memerintahkan komputer bagaimana
menyelesaikan suatu masalah
» User memberi data kepada komputer  program
menspesifikasi bagaimana cara data itu digunakan
sampai komputer bisa memberikan solusi
» Didasarkan pd suatu algoritma  disusun dgn jelas
dan rinci langkah demi langkh sampai pd suatu
hasil yang sudah ditentukan sebelumnya
» Program bisa berupa rumus matematika atau
prosedur berurutan yg tersusun dengan jelas yang
mengarah kepada suatu solusi
» Algoritma bisa digunakan utk mengolah data
bilangan, huruf atau kata lainya

Komputasi AI
» User tidak memerintahkan komputer utk
menyelesaikan masalah, tetapi memberituhu
kompter tentang masalah tersebut
» Komputer diberi pengetahuan tentang suatu
wilayah subjek masalah tertentu dengan
ditambahkan kemampuan inferensi
» User tidak menyuruh komputer itu untuk
memecahkan masalah  komputer dan
softwarenya sendiri yg menentukan metoda
untuk mencapai suatu solusi
» Software AI tidak didasarkan kepada algoritma
 didasarkan pd representasi dan manipulasi
simbol
» Simbol bisa merupakan huruf, kata atau
bilangan yg digunakan utk menggambarkan
obyek, proses dan saling hubungannya

Apakah Agen (Inteligen)?
» Sebuah istilah yaSebuah istilah yanngg digunakan berlebihandigunakan berlebihan,, dimuatidimuati
berlebihanberlebihan,, ddanan disalah gunakandisalah gunakan..
Segala sesuatu yang dapatSegala sesuatu yang dapat dipandangdipandang sebagaisebagai
mempmemperersepsisepsi lingkungannyalingkungannya melaluimelalui sensorsensor ddanan
mengambil tindakan terhadap lingkungan melaluimengambil tindakan terhadap lingkungan melalui
efeefekktortornya,nya, untukuntuk mememamaksksimimalkanalkan kemajuankemajuan mengarahmengarah
keke sasarannyasasarannya ((goalgoal))..
31/10/18 18
T0264 - Artificial Intelligence

ApakahApakah AgenAgen (Inteligen(Inteligen))??
31/10/18 19T0264 - Artificial Intelligence

Environment
Agent
percepts
actions
?
Sensors
Effectors
How to design this?
31/10/18 22
Rational Agent

• PAGE (Percepts, Actions, Goals, Environment)
• Tugas-khusus & spesial: tujuan yang
didefinisikan dengan baik (well-defined goals)
dan lingkungan
• Gagasan dari agen menjadikan tool (alat) untuk
menganalisa sistem,
• Bukan merupakan hardware yng berbeda atau bahasa
pemrograman baru
31/10/18 24
ApakahApakah AgenAgen (Inteligen(Inteligen))??

» Bagaimana kita merancangBagaimana kita merancang agenagen yang dapatyang dapat
membersihkan kaca depan mobil (membersihkan kaca depan mobil (windshieldwindshield) ? Kapa) ? Kapann
ddibutuhkanibutuhkan??
Goals?Goals?
Percepts?Percepts?
Sensors?Sensors?
Effectors?Effectors?
Actions?Actions?
Environment?Environment?
31/10/18 27
A WindshieldA Windshield
Wiper AgentWiper Agent

» Goal:Goal:
 Menjaga agarMenjaga agar kacakaca bersihbersih && pandanganpandangan ((visibilityvisibility) tidak terganggu) tidak terganggu
» Percept:Percept:
 HujanHujan,, KotorKotor
» Sensor:Sensor:
 KKameraamera ((sensorsensor kelembabankelembaban))
» EfeEfekktor:tor:
 Wiper (Wiper (kirikiri,, kanankanan,, kembalikembali))
» AAksksi:i:
 Off,Off, PelanPelan,, SedangSedang,, CepatCepat
» Environment:Environment:
 Dalam kotaDalam kota,, jalan rayajalan raya,, jalan bebas hambatanjalan bebas hambatan,, cuacacuaca ……
31/10/18 28
A Windshield Wiper AgentA Windshield Wiper Agent
(cont’d)(cont’d)

TTiipepe EnvironmentEnvironment
» KKaraarakkteristiteristikk
 Accessible vs. inaccessibleAccessible vs. inaccessible
 Deterministic vs. nondeterministicDeterministic vs. nondeterministic
 Episodic vs. nonepisodicEpisodic vs. nonepisodic
 Hostile vs. friendlyHostile vs. friendly
 Static vs. dynamicStatic vs. dynamic
 Discrete vs. continuousDiscrete vs. continuous
31/10/18 30

 Accessible vs. inaccessibleAccessible vs. inaccessible
SensorSensor memberikanmemberikan aakskseses ke statuske status kkomplompliitt daridari environmentenvironment..
 Deterministic vs. nondeterministicDeterministic vs. nondeterministic
SStattatus berikutnyaus berikutnya dapatdapat diditetenntukantukan berdasarkanberdasarkan statstatus saat inius saat ini
ddan aan aksksininyaya..
 Episodic vs. nonepisodic (SeEpisodic vs. nonepisodic (Sekkuenuenssial)ial)
Episode:Episode: masingmasing22
memiliki pasanganmemiliki pasangan perceiveperceive ddan aan aksksii
KKualitualitasas aaksksi ti tidakidak tergantungtergantung padapada episodeepisode sebelumnyasebelumnya..
31/10/18 31

 Hostile vs. friendlyHostile vs. friendly
 Static vs. dynamicStatic vs. dynamic
DDiinaminamiss jikajika environmentenvironment berubahberubah dengandengan
pertimbangan yang matangpertimbangan yang matang
 Discrete vs. continuousDiscrete vs. continuous
Chess vs. drivingChess vs. driving
31/10/18 32

EnvironmentEnvironment AccessiblAccessibl
ee
DeterministicDeterministic EpisodicEpisodic StaticStatic DiscreteDiscrete
OperatingOperating
SystemSystem
YYaa YYaa TidakTidak TidakTidak YYaa
VirtualVirtual
RealityReality
YYaa YYaa YYaa//tidaktidak TidakTidak YYaa//tidaktidak
OfficeOffice
EnvironmentEnvironment
TidakTidak TidakTidak TidakTidak TidakTidak TidakTidak
MarsMars TidakTidak SemiSemi TidakTidak SemiSemi TidakTidak
Tipe environment sangat menentukan perancangan agen.
31/10/18 33

Agent TypeAgent Type PerformancePerformance
MeasureMeasure
EnvironmentEnvironment ActuatorsActuators SensorsSensors
Medical Diagnosis
System
Healthy patient,
reduced cost
Patient, hospital,
staff
Display of questions,
tests, diagnoses,
treatments, referrals.
Keyboard entry of
symptoms, findings,
patient’s, answers.
Satellite image
analysis system
Correct image
categorization
Downlink from
orbiting satellite
Display of scene
categorization
Color pixel arrays
Part-picking robot Percentage of
part in correct
bins
Conveyor belt
with part; bins
Jointed arm and hand Camera, joint angle
sensors
Refinery controller Purity, yield,
safety
Refinery,
operators
Valves, pumps,
heaters, displays
Temperature,
pressure, chemical
sensors
Interactive English
tutor
Student’s score
on test
Set of students,
testing agency
Display of exercises,
suggestions,
corrections
Keyboard entry
34
Examples ofExamples of
Agent TypesAgent Types

» Agen = arAgen = arssiteitekktur + programtur + program
» ProgramProgram Agen:Agen: implementaimplementa ssii daridari ff :: PP** →→ A,A, ppeemetaanmetaan
perperssepepssi-ai-aksksii agenagen
functionfunction Skeleton-Agent(Skeleton-Agent(PerceptPercept)) returnsreturns ActionAction
memorymemory ←← UpdateMemory(memory,UpdateMemory(memory, PerceptPercept))
ActionAction ←← ChooseBestAction(memory)ChooseBestAction(memory)
memorymemory ←← UpdateMemory(memory,UpdateMemory(memory, ActionAction))
returnreturn ActionAction
» ArArssiteitekktur:tur: perangkatperangkat ((devicedevice)) yyanang dapatg dapat mengmengeekskseekkuusisi
program agen (program agen ( mismis.,., kkomputeromputer serba-gunaserba-guna ,, peralatanperalatan
khususkhusus,, dlldll.).)
31/10/18 35
Structure ofStructure of
Intelligent AgentsIntelligent Agents

» Reflex ageReflex agenn
» Reflex agenReflex agen dengandengan statstatuus internals internal
» Goal-based agenGoal-based agen
» Utility-based agenUtility-based agen
31/10/18 36
Agent TypesAgent Types

» Reflex agenReflex agen
 ReaReakktitiff:: tidak adatidak ada memormemorii
» ReaReakktitiff agenagen tidak memiliki modeltidak memiliki model symbol internal.symbol internal.
» Beraksi denganBeraksi dengan responsrespons--stimulusstimulus kkeepadapada statstatus saat inius saat ini daridari
lingkunganlingkungan ((environmentenvironment))..
» SetiapSetiap reareakktitiff agenagen adalahadalah sesederhanaderhana ddanan berberinterainterakkssii dengan yangdengan yang
lainlain ddaalam cara dasarlam cara dasar ((basibasis)s)..
» Pola kPola kompleomplekkss dari kelakuandari kelakuan muncul darimuncul dari interainteraksksii merekamereka..
» ManfaatManfaat:: kuatkuat,, wktuwktu responsrespons cepatcepat
» TantanganTantangan:: dipertimbangkandipertimbangkan,, seberapaseberapa inteligen?inteligen?
ddanan bagaimanabagaimana men-men-debugdebug-nya-nya??
31/10/18 38
ReactiveReactive
AgentsAgents

» Reflex agenReflex agen dengan statusdengan status internalinternal
 TanpaTanpa statstatus sebelumnyaus sebelumnya ,, bisa tidak mampubisa tidak mampu memembuatmbuat
keputusankeputusan
mismis.. Lampu rem pada malam hariLampu rem pada malam hari ..

» Goal-based agenGoal-based agen
 Informasi tujuan (gInformasi tujuan (g oaloal)) dibutuhkandibutuhkan untuk membuat keputusanuntuk membuat keputusan

» Utility-based agenUtility-based agen
 Seberapa bagusSeberapa bagus tujuantujuan dapat dicapaidapat dicapai (der(derajadajad kebahagiaankebahagiaan ))
 Apakah yang dikerjakan jika adaApakah yang dikerjakan jika ada kkonflionflik antar tujuank antar tujuan ((goalgoal))
(kecepatan dan keamanan)(kecepatan dan keamanan) ??
 TujuanTujuan ((goalgoal) mana) mana harus dipilihharus dipilih jikajika ada beberapa yang bisaada beberapa yang bisa
dicapaidicapai??

BagaimanaBagaimana Agen diAgen dibbeedakandakan daridari
softwaresoftware yang lainyang lain??
» Agen aAgen adalahdalah ootonomustonomus,, yaituyaitu,, merekamereka bertindakbertindak
atas namaatas nama useruser
» AgenAgen berisiberisi beberapa levelbeberapa level inteligeninteligensiasia,, daridari aturanaturan
tetap (ftetap (fixed ruleixed rule)) hinggahingga mesin pembelajaranmesin pembelajaran
(l(learning engineearning engine)) yang mengijinkan merekayang mengijinkan mereka
berberadaptadaptasiasi untukuntuk berubahberubah sesuaisesuai lingkunganlingkungan
» AgenAgen bertindakbertindak tidak hanyatidak hanya reareakktitiff,, tetapitetapi seseringkaliringkali
jugajuga proaproakktitiff
31/10/18 47

» AgenAgen memilikimemiliki kemampuan sosial (skemampuan sosial (s ocial abilityocial ability )),, yaituyaitu,,
berkberkomuniomunikkaasisi ddeenganngan user, suser, siistem,stem, ddan agenan agen lainlain sesuaisesuai
keperluankeperluan
» AgenAgen juga bisajuga bisa berkoberkoooperaooperasisi dengandengan agenagen lainlain untukuntuk
melaksanakan tugas yang lebihmelaksanakan tugas yang lebih kkompleomplekkss dari pada jikadari pada jika
ditangani sendiriditangani sendiri
» AgenAgen bisabisa bermbermigraigrasisi daridari satusatu ssiistemstem keke sistem lainsistem lain untukuntuk
aakskseses kkee susumbmbeer daya yang jauhr daya yang jauh atauatau bertemu denganbertemu dengan agenagen
lainlain
31/10/18 48
BagaimanaBagaimana Agen diAgen dibbeedakandakan daridari
softwaresoftware yang lainyang lain??

» Intelligen Agen:Intelligen Agen:
 Segala sesuatu yang dapatSegala sesuatu yang dapat dipandangdipandang sebagaisebagai mempmemperersepsisepsi lingkunganlingkungannyanya
melaluimelalui sensorsensor ddanan mengambil tindakanmengambil tindakan terhadap lingkungan melaluiterhadap lingkungan melalui
efeefekktortornyanya,, untukuntuk mememamaksksimimalkanalkan kemajuankemajuan mengarahmengarah keke sasarannyasasarannya ((goalgoal))..
 PAGE (Percepts, Actions, Goals, Environment)PAGE (Percepts, Actions, Goals, Environment)
 DiDijjeellasaskkaan sebagai Pemetaann sebagai Pemetaan PerPerssepepssi (i (urutaurutan)n) keke AAksksi:i: ff :: PP** →→ AA
 MeMengnggunakamgunakam look-up-table, closed form,look-up-table, closed form, dlldll..
» TTiipe Agen: Reflex, state-based, goal-based, utility-basedpe Agen: Reflex, state-based, goal-based, utility-based
» AAksksi Rasional:i Rasional: AksAksii yangyang mememamaksksimimalkanalkan perkiraanperkiraan nilainilai
dari ukurandari ukuran performansperformansi jikai jika ddiibbeerikarikann urutanurutan perperssepepsisi
hinggahingga saat itusaat itu
31/10/18 50

» Stuart Russell, Peter Norvig,. 2010. Artificial intelligence : aStuart Russell, Peter Norvig,. 2010. Artificial intelligence : a
modern approach. PE. New Jersey. ISBN:9780132071482,modern approach. PE. New Jersey. ISBN:9780132071482,
ChapterChapter 33
» Elaine Rich, Kevin Knight, Shivashankar B. Nair. 2010. ArtificialElaine Rich, Kevin Knight, Shivashankar B. Nair. 2010. Artificial
Intelligence. MHE. New York. , ChapterIntelligence. MHE. New York. , Chapter 33
» Some Definitions of "Artificial Intelligence“:Some Definitions of "Artificial Intelligence“:
http://www.cse.buffalo.edu/~rapaport/definitions.of.ai.htmlhttp://www.cse.buffalo.edu/~rapaport/definitions.of.ai.html
» Artificial intelligence And Chess:Artificial intelligence And Chess:
http://www.youtube.com/watch?v=4_L1iPEEgoo&feature=relatedhttp://www.youtube.com/watch?v=4_L1iPEEgoo&feature=related
51
ReferencesReferences

<< CLOSING >><< CLOSING >>
End of Session 01End of Session 01
Good LuckGood Luck

Pertemuan 1 revisi update 2016

Recommended

Recommended

More Related Content

Similar to Pertemuan 1 revisi update 2016

Similar to Pertemuan 1 revisi update 2016 (20)

Pertemuan 1 revisi update 2016