Intelligent Systems – Fariz Darari


Saya lanjutkan share materi workshop AI yang diadakan Fasilkom UI. Materi ke 3 adalah Intelligent Systems dari Fariz Darari. Awal kuliah pak fariz menjelaskan apa itu intelligent, dan menampilkan quote:

Intelligence is the computational part of the ability to achieve goals (John McCarthy – Father of AI)

Proses Computational thinking ada 3:

  • decomposition: memecahkan masalah dengan membaginya menjadi beberapa kelompok kecil
  • Pattern recognition: menganalisa data dan mengenali pola 
  • Algoritmic design: merancang solusi menggunakan beberapa tahapan

Kemudian dia bercerita tentang Turing test, dimana seorang penanya (manusia) diminta melakukan survey dan menanyakan beberapa pertanyaan kepada dua orang responden: human responden (orang) dan computer responden. Kemudian sang penanya diminta untuk menentukan dari dua orang responden tadi, yang mana manusia dan yang mana komputer. Sistem komputer itu disebut inteligent ketika penanya tidak bisa membedakan mana responden yang orang dan mana yang komputer.

Tes ini berkebalikan dengan tes captcha, dimana kita diminta membuktikan bahwa kita bukan robot. Ada beberapa macam kemampuan intelligent: 

  • Natural Language processing
  • Knowledge representation
  • Automated reasoning
  • machine learning
  • Computer vision
  • robotik

Kemudian dia menjelaskan interaksi intelligent agent (IA) dengan lingkungannya. IA membutuhkan sensor, aktuator, reasoning/information processing untuk melakukan pengambilan keputusan. Kemudian dalam interaksi ini ada yang dinamakan persepsi dan actions. Contoh sistem cerdas:Vaccum cleaner: https://www.youtube.com/watch?v=Yf8MuJUGLlI

Contoh robot pemilih komponen di industri. (PEAS)

  • Performance: Persentase sistem mengambil dan meletekan komponen dengan benar
  • Environment:  Conveyor belt, komponen, kotak penyimpanan komponen
  • Actuator: Tangan robotik
  • Sensor: Kamera, sensor infrared, sensor sudut (joint angel)

Contoh self-driving car:

  • Performance: Keamanan, kecepatan, tidak melanggar aturan, kenyamanan
  • Environment: Jalan, mobil lain, pejalan kaki
  • Actuator: stir, gas, rem, sinyal (lampu sign)
  • Sensor: kamera, GPS, speedometer, radar, odometer

Contoh: robot pengajar interaktif

  • Performance: nilai siswa 
  • Environment: sekelompok siswa
  • Actuator: layar, speaker
  • sensor: keyboard, mouse , mik

Properti dari Lingkungan:

  • Fully observable vs partially observable
  • deterministic vs Stokastik
  • Episodik vs sequensial
  • Statik vs Dinamik
  • Diskrit vs Kontinu
  • Single agent vs Multi agent

Tipe2 agent:

  • Simple reflex agent: 
  • Goal Based agent
  • Learning agent (di gambar paling atas)

referensi:

http://aima.cs.berkeley.edu/

sampai disini dulu, besok insyaallah saya akan lanjutkan materi berikutnya dari pak Fariz tentang searching. Semoga Bermanfaat!


Silahkan tuliskan tanggapan, kritik maupun saran