Intelligent Agent

 

Artikel Ilmiah

Intelligent Agent

 

 

 

 Disusun Oleh :

Rizka Ayu Millenia Putri                   16118270

3KA22

 

 

 

 

 

 

 

 

SISTEM INFORMASI

UNIVERSITAS GUNADARMA

2020/2021

 

DEFINISI ARTIFICIAL INTELLIGENCE

Pada era sekarang, teknologi sangatlah berkembang pesat. Para perusahaan dibidang teknologi berlomba-lomba mengembangkannya. Salah satunya adalah kecerdasan buatan. Banyak kecerdasan buatan yang sering kita lihat dikehidupan sehari-hari, namun beberapa orang tidak mengetahui jika itu adalah bagian dari sistem kecerdasan buatan. Maka, perlu kita ketahui bahwa definisi dari kecerdasan buatan atau yang sering disebut Artificial Intelligence (AI) adalah sebuah sistem computer yang mampu dan dirancang untuk melakukan tugas-tugas yang biasanya membutuhkan kecerdasan manusia. Teknologi kecerdasan buatan ini dapat membuat keputusan melalui analisis dan data yang telah tersedia dalam sistem. Proses-proses didalam artificial intelligence adalah learning (pembelajaran), reasoning (pemikiran) dan selft-correction (perbaikan mandiri).

 

SEJARAH ARTIFICIAL INTELLIGENCE

Sejarah kecerdasan buatan dimulai pada zaman kuno dalam mitos, cerita, dan desas-desus tentang makhluk buatan yang diberkahi dengan kecerdasan atau kesadaran oleh pengrajin. Benih-benih kecerdasan buatan modern ditanam oleh para filsuf klasik yang berusaha menggambarkan proses berpikir manusia sebagai manipulasi simbol secara mekanis. Karya ini memuncak dalam penemuan komputer digital yang dapat diprogram pada tahun 1940-an, sebuah mesin yang didasarkan pada esensi abstrak penalaran matematika. Perangkat ini dan ide-ide di baliknya menginspirasi segelintir ilmuwan untuk mulai serius membahas kemungkinan membangun otak elektronik.

Istilah kecerdasan buatan pertama kali dikemukakan pada tahun 1956 di Konferensi Darthmouth. Sejak saat itu, kecerdasan buatan terus dikembangkan sebab berbagai penelitian mengenai teori-teori dan prinsip-prinsipnya juga terus berkembang. Meskipun istilah kecerdasan buatan baru muncul tahun 1956, tetapi teori-teori yang mengarah ke kecerdasan buatan sudah muncul sejak tahun 1941.

 

KONSEP DASAR ARTIFICIAL INTELLIGENCE

Terdapat 3 konsep dasar pada artifial intelligence, yaitu :

1.     Pembelajaran Mesin (Machine Learning)

Didalam kehidupan kita sehari-hari, kita sudah terbiasa untuk bercengkrama dengan salah satu mesin berbasis kecerdasan buatan. Contohnya adalah fitur assistant google. Bagaimana mungkin sebuah alat dapat melakukan perintah yang kita berikan melalui suara? Sebuah perangkat tidak memiliki kemampuan untuk belajar secara mandiri. Hal ini dikarenakan perangkat tidak dapat berfikir diluar kode yang sudah diberikan kepada mereka.

Tujuan Machine Learning inilah yang akan membantu sebuah mesin untuk memiliki kemampuan dalam mempelajari tugas tanpa kode yang telah ada. Singkatnya, mesin tersebut akan diberikan contoh uji coba dalam jumlah yang besar untuk tugas tertentu. Ketika mesin tadi menjalani uji coba, mesin itu akan belajar dan mengadaptasi strategi yang sesuai untuk mencapai tujuan yang diinginkan. Misalnya, mesin pengenal gambar dapat diberikan jutaan gambar untuk dianalisis. Setelah melalui permutasian yang panjang, mesin akan memperoleh kemampuan untuk mengenali pola, bentuk, wajah, dan masih banyak lagi.

 

2.     Pembelajaran Mendalam (Deep Learning)

Definisi dari pembelajaran mendalam adalah Teknik pembelajaran mesin yang mengajarkan computer untuk melakukan apa yang secara alami terjadi pada manusia. Sebagai contoh, teknologi dibalik mobil tanpa kemudi dengan kerja sistem yang dapat mengenali tanda berhenti dan membedakan pejalan kaki dengan tiang lampu.

Deep Learning ini adalah yang paling gencar untuk dikembangkan pada saat ini karena dapat menghasilkan sesuatu yang mungkin sebelumnya tidak mungkin. Didalam Deep Learning ini, model computer belajar untuk melakukan tugas klarifikasi langsung melalui gambar, teks, atau suara. Karna model pembelajaran inilah yang akan mencapai akurasi canggih, bahkan tidak sedikit melebihi kinerja manusia itu sendiri. Model dilatih menggunakan set besar data berlabel dan arsitektur jaringan saraf yang berisi banyak lapisan.

 

3.     Jaringan Saraf Tiruan (Neural Network)

Jaringan Saraf Tiruan atau biasa disebut Neural Network adalah paradigma pemrosesan informasi yang terinspirasi dari cara sistem saraf biologis, seperti otak yang memproses informasi. Kunci dari paradigm aini adalah struktur novel sistem pemrosesan informasi.

Neural Network dikonfigurasikan untuk aplikasi tertentu, seperti pengenalan pola atau klasifikasi data melalui proses pembelajaran. Jaringan ini terdiri dari sejumlah besar elemen pemrosesan yang sangat saling berhubungan (neuron) yang bekerja bersama untuk memecahkan masalah tertentu. Aplikasi komersial dari teknologi ini umumnya berfokus pada penyelesaian pemrosesan sinyal yang kompleks atau masalah pengenalan pola. Contohnya adalah sebuah fitur lock yang memakai pengenalan wajah atau sidik jari pada ponsel pintar.

Konsep dari pembelajaran Neural Network ini adalah memahami sesuatu sama seperti manusia yaitu belajar dengan cara mencontoh. Model jaringan saraf menggunakan prinsip matematika dan ilmu komputer untuk meniru proses otak manusia. Jaringan saraf tiruan mencoba mensimulasikan proses sel-sel otak yang saling berhubungan erat, tetapi bukannya dibangun dari biologi, neuron-neuron ini dibangun dari kode atau biasa disebut node.

 

Studi Kasus Artificial Intelligence

Layanan Kecerdasan Buatan pada AWS (Amazon Web Service)

 

Sebuah platform terkenal asal Amerika yang sudah sering kita dengar yaitu Amazon, mempunyai layanan kecerdasan buatan yang telah dilatih guna memberikan inteligensi yang siap dibuat untuk aplikasi dan alur kerja. Kecerdasan buatan ini dengan mudah berintegrasi dengan aplikasi yang digunakan untuk menemukan kasus penggunaan umum seperti rekomendasi yang dipersonalisasikan, memodernisasi pusat kontak, meningkatkan keselamatan dan keamanan, dan meningkatkan keterlibatan pelanggan.

Konsep dasar yang digunakan pada AWS ini adalah pembelajaran mendalam (deep learning), konsep teknologi ini sama dengan Amazon.com dan layanan machine learning amazon, tujuannya agar mendapatkan kualitas dan akurasi dari API pembelajaran berkelanjutan. Terbaiknya, Layanan AI pada AWS tidak perlu pengalaman pembelajaran mesin (Machine Learning).

 

Layanan yang terdapat pada AWS

1.     Amazon Comprehend

Amazon Comprehend adalah layanan pemrosesan bahasa alami (NLP) yang menggunakan machine learning untuk menemukan wawasan dan hubungan dalam teks. Pengalaman machine learning tidak dibutuhkan.

Cara kerja dari Amazon Comprehend

 

2.     Amazon CodeGuru

Amazon CodeGuru adalah alat pengembang yang memberikan rekomendasi cerdas untuk meningkatkan kualitas kode dan mengidentifikasi baris kode aplikasi yang paling mahal. Integrasikan CodeGuru ke dalam alur kerja pengembangan perangkat lunak yang ada untuk mengotomatiskan tinjauan kode selama pengembangan aplikasi, terus memantau kinerja aplikasi dalam produksi, memberikan rekomendasi dan petunjuk visual untuk meningkatkan kualitas kode dan kinerja aplikasi, dan mengurangi biaya keseluruhan.

Peninjau dari CodeGuru adalah menggunakan machine learning untuk mengidentifikasi masalah kritis, kerentanan keamanan, dan bug yang sulit ditemukan selama pengembangan aplikasi untuk meningkatkan kualitas kode.

3.     Amazon Lex

Amazon Lex adalah layanan untuk membuat antarmuka percakapan ke dalam aplikasi apa saja dengan menggunakan suara dan teks. Amazon Lex menyediakan fungsionalitas pembelajaran mendalam tingkat lanjut pada pengenal ujaran otomatis (ASR) untuk mengonversi ujaran menjadi teks, dan pemahaman bahasa alami (NLU) untuk mengenali maksud teks, guna memungkinkan Anda membuat aplikasi dengan pengalaman pengguna yang menyenangkan dan interaksi percakapan seperti percakapan secara langsung. Dengan Amazon Lex, teknologi pembelajaran mendalam yang sama dengan yang mendukung Amazon Alexa kini tersedia untuk pengembang, yang memungkinkan Anda membuat bot percakapan bahasa alami yang canggih dengan cepat dan mudah (“chatbot”).

4.     Amazon Forecast

Amazon Forecast adalah layanan yang dikelola sepenuhnya yang menggunakan machine learning untuk memberikan prakiraan yang sangat akurat.

Perusahaan dewasa ini menggunakan semua hal dari spreadsheet yang sederhana hingga perangkat lunak perencanaan keuangan untuk mencoba memprakirakan hasil bisnis di masa depan secara akurat, seperti permintaan produk, kebutuhan sumber daya, atau performa keuangan. Alat-alat tersebut membangun prakiraan dengan melihat rangkaian data historis yang disebut sebagai data deret waktu. Misalnya, alat tersebut mungkin mencoba memprediksi penjualan jas hujan di masa mendatang hanya dengan melihat data penjualan sebelumnya dengan asumsi dasar bahwa masa depan ditentukan oleh masa lalu. Pendekatan ini dapat tidak sesuai untuk menghasilkan prakiraan yang akurat untuk rangkaian data besar yang memiliki tren tidak beraturan. Selain itu, pendekatan ini gagal menggabungkan rangkaian data dengan mudah yang berubah dari waktu ke waktu (seperti harga, diskon, lalu lintas web, dan jumlah karyawan) dengan variabel independen yang relevan seperti fitur produk dan lokasi penyimpanan.

5.     Amazon Textract

Amazon Textract merupakan layanan pembelajaran mesin yang dikelola sepenuhnya untuk mengekstrak teks cetak, tulisan tangan, dan data lain secara otomatis dari dokumen yang dipindai, melampaui pengenalan karakter optik (OCR) sederhana untuk mengidentifikasi, memahami, serta mengekstrak data dari formulir dan tabel.

6.     Amazon Kendra

Amazon Kendra adalah layanan pencarian cerdas yang didukung oleh machine learning. Kendra menata ulang pencarian perusahaan untuk situs web dan aplikasi sehingga karyawan dan pelanggan dapat menemukan konten yang mereka cari dengan mudah, bahkan jika tersebar di beberapa lokasi dan penyimpanan konten dalam organisasi.

Dan masih banyak lagi.

 

Daftar Pustaka

 

 

Aws.amazon.com. Amazon Web Service [internet]. Komputasi cloud dengan AWS, 1 Januari 2021, 13:10 [diakses 1 Januari 2021]. Tersedia dari https://aws.amazon.com/id/what-is-aws/

 

Aws.amazon.com. Amazon Web Service [internet]. Amazon Comprehend, 1 Januari 2021, 13:20 [diakses 1 Januari 2021]. Tersedia dari https://aws.amazon.com/id/comprehend/

 

Aws.amazon.com. Amazon Web Service [internet]. Amazon CodeGuru, 1 Januari 2021, 13:30 [diakses 1 Januari 2021]. Tersedia dari https://aws.amazon.com/codeguru/

 

Aws.amazon.com. Amazon Web Service [internet]. Amazon Lex, 1 Januari 2021, 13:40 [diakses 1 Januari 2021]. Tersedia dari https://aws.amazon.com/id/lex/

 

Aws.amazon.com. Amazon Web Service [internet]. Amazon Lex, 1 Januari 2021, 13:40 [diakses 1 Januari 2021]. Tersedia dari https://aws.amazon.com/id/lex/

 

Aws.amazon.com. Amazon Web Service [internet]. Amazon Forecast, 1 Januari 2021, 13:50 [diakses 1 Januari 2021]. Tersedia dari https://docs.aws.amazon.com/forecast/latest/dg/what-is-forecast.html

 

Aws.amazon.com. Amazon Web Service [internet]. Amazon Textract, 1 Januari 2021, 13:40 [diakses 1 Januari 2021]. Tersedia dari https://aws.amazon.com/id/textract/

 

Aws.amazon.com. Amazon Web Service [internet]. Amazon Kendra, 1 Januari 2021, 13:40 [diakses 1 Januari 2021]. Tersedia dari https://aws.amazon.com/id/kendra/