Dunia teknologi sudah menjadi bagian penting dari kehidupan kita sehari-hari, dan menarik untuk memahami karakteristik kecerdasan buatan yang telah membuat perbedaan dalam cara kita hidup. Tahukah Anda bahwa kecerdasan buatan adalah cabang dari Ilmu Komputer? Masuk ke sini, dan pelajari tentang fitur-fiturnya, dan banyak lagi.
Karakteristik kecerdasan buatan
Pada bagian ini kita akan membahas tentang ciri-ciri kecerdasan buatan. Pada kasus ini, kecerdasan buatan (IA) dikembangkan di salah satu cabang Ilmu Komputer, di mana algoritma logis diterapkan yang berusaha meniru perilaku kognitif otak manusia. Tentu saja definisi kecerdasan buatan dapat terus berkembang, tetapi pada akhirnya semua karakteristik kecerdasan buatan akan setuju bahwa mereka digunakan untuk pemrograman perangkat robot.
Pada musim panas tahun 1956 diadakan Dartmouth Conference untuk membahas masalah kecerdasan buatan, dimana John McCarthy, Marvin Minsky dan Claude Shannon berpartisipasi. tahun yang tidak terpenuhi, sehingga penyelidikan ditinggalkan selama kurang lebih lima belas tahun. Perlu dicatat bahwa istilah "kecerdasan buatan" dikaitkan dengan John McCarthy.
Sangat mudah untuk berpikir bahwa hanya masalah waktu sebelum teknologi dan kecerdasan buatan sepenuhnya menggantikan manusia. Faktanya, ada film dan peneliti kehidupan nyata yang percaya bahwa mesin dengan kecerdasan buatan akan mampu menaklukkan ras manusia dan memperbudaknya. Saat ini, ini sangat jauh dari kenyataan, karena ini hanya akan mungkin jika kecerdasan buatan memiliki kesadaran dan memiliki kemampuan untuk membuat perangkat baru dengan kecerdasan buatan sendiri, dan berhasil melewati dan mengesampingkan perintah pemrogramannya. atas kemauannya sendiri. Pada saat itu, manusia akan kehilangan kendali atas situasi.
Apa itu kecerdasan buatan?
Tepatnya selama konferensi Darthmouse pada tahun 1956, di mana istilah kecerdasan buatan secara resmi didefinisikan, yang menetapkan bahwa jika mesin atau robot berperilaku dengan cara yang mirip dengan perilaku yang akan dilakukan manusia, maka itu akan dianggap sebagai perangkat. pintar.
Definisi lain yang dikaitkan dengan kecerdasan buatan adalah sebagai berikut:
bertindak seperti orang
Ini adalah definisi yang ditetapkan oleh McCarthy, yang mengacu pada evaluasi perilaku mesin untuk menentukan apakah itu dapat dianggap cerdas. Yang disebut "Tes Turing" menerapkan definisi ini untuk menentukan hasil Tesnya. Semua perangkat yang serupa dalam tindakan seperti pengambilan keputusan, pemecahan masalah, dan pembelajaran seperti yang dilakukan manusia, memenuhi karakteristik kecerdasan buatan.
Tes yang diusulkan oleh Alan Turing adalah bahwa manusia akan melakukan percakapan dalam bahasa alami dengan mesin dan manusia pada saat yang sama, mesin akan berusaha meniru perilaku manusia dan akan mencoba menipu evaluatornya. melalui jawabannya untuk membuatnya percaya bahwa dia sebenarnya adalah manusia. Dengan kata lain, antara Ciri-ciri kecerdasan buatan adalah kemampuan meniru manusia.
Tentu saja, penguji harus tahu sebelumnya bahwa dia sedang berbicara dengan mesin dan manusia dan harus mencoba menentukan mana yang asli dan mana yang palsu.
Dalam hal ini, kemampuan berbicara tidak akan diperhitungkan, karena evaluator akan ditempatkan di ruangan terpisah di mana ia akan menerima informasi melalui komputer, sehingga komunikasi akan bergantung sepenuhnya pada keyboard dan bukan pada kemampuan ini. Dalam pengertian ini, antara Ciri-ciri kecerdasan buatan adalah mensimulasikan suara manusia.
alasan seperti orang
Ciri lain dari kecerdasan buatan adalah dalam pendefinisian penilaian perkembangan penjatahan yang dibuat oleh robot, tanpa memperhitungkan apakah hasil yang diperoleh berhasil atau tidak. Pandangan ini digunakan oleh ilmu kognitif. Dalam penalaran ini, semua perhitungan yang diperlukan untuk dapat memahami, menalar, dan bertindak terhadap peristiwa tersebut dieksekusi.
alasan secara rasional
Seperti definisi sebelumnya, salah satu ciri kecerdasan buatan adalah penjatahan yang dilakukan oleh mesin, namun perlu diperhitungkan jika penjatahan ini memiliki logika dan koherensi, sehingga penjatahan tersebut telah dilakukan.
bertindak rasional
Dalam sudut pandang ini jika hasilnya dipertimbangkan lagi. Menggunakan robot catur sebagai contoh, tujuannya adalah untuk memenangkan setiap pertandingan. Fitur lain dari kecerdasan buatan adalah kemampuan untuk melakukan perhitungan, yang akan acuh tak acuh selama mencapai tujuan.
Klasifikasi kecerdasan buatan
Kecerdasan buatan dapat diklasifikasikan menurut tujuannya.
kecerdasan buatan yang lemah
Sudut pandang ini menganggap bahwa komputer hanya dapat berpura-pura bahwa mereka memiliki penjatahan, dan bukan bahwa mereka benar-benar memilikinya sendiri. Para peneliti yang mendukung posisi ini menganggap bahwa tidak mungkin komputer yang memiliki kesadaran dapat eksis atau dikembangkan, karena pada kenyataannya itu akan menjadi program yang akan mensimulasikan hal seperti itu.
kecerdasan buatan yang kuat
Di sisi lain, ada peneliti yang menegaskan fakta bahwa komputer dapat memiliki penalaran atau pemikiran dengan kapasitas yang sama dengan pikiran manusia. Ini berarti bahwa komputer akan dapat menalar, membayangkan, merasakan, antara lain, sendiri, bahkan ketika semuanya dimulai dari sebuah program, jaringan sarafnya dapat berkembang hingga mencapai titik ini.
https://www.youtube.com/watch?v=k3BNEgN2kEQ
Topik dalam kecerdasan buatan
Meskipun definisi dan sudut pandang tentang kecerdasan buatan semuanya bertemu pada empat masalah yang perlu dipertimbangkan untuk dikaitkan dengan mesin perangkat jika memiliki kecerdasan buatan.
Pemecahan Masalah dan Pencarian
Salah satu tujuan utama dari kecerdasan buatan adalah untuk memecahkan masalah yang mereka dirancang. Pertama-tama, ketika mengajukan masalah, perlu untuk memformalkannya dengan cara yang kemudian memungkinkan solusinya. Topik ini berfokus pada pencarian formalisasi masalah dan penyelesaiannya.
Representasi pengetahuan dan sistem berbasis pengetahuan
Topik ini berfokus pada masalah-masalah yang membutuhkan pengetahuan sebelumnya untuk dapat menyelesaikannya. Misalnya, program kecerdasan buatan yang diterapkan dalam kedokteran, perlu memasukkan pengetahuan dan informasi tentang subjek sehingga dapat memecahkan masalah subjek ini.
Pembelajaran mesin
Topik ini mengacu pada proses pembelajaran yang dilakukan oleh mesin sesuai dengan pengalaman yang diperoleh. Ada berbagai jenis pembelajaran seperti pembelajaran imitasi, pembelajaran penguatan, pembelajaran mendalam atau pembelajaran berbasis pohon keputusan. Semua jenis pembelajaran ini memungkinkan mesin untuk menyimpan tindakan yang dilakukan yang dianggap tujuan akhir terpenuhi, untuk menerapkan tindakan yang sama jika terjadi peristiwa serupa.
pembelajaran yang diperkuat
Pembelajaran penguatan sama dengan yang digunakan untuk melatih hewan, yaitu ketika mereka melakukan tugas atau mematuhi perintah dengan benar, mereka menerima hadiah. Dalam hal ini, mesin menerima pesanan pertamanya dan saat mendapatkan hasil positif, mesin menerima ini sebagai insentif untuk terus meningkatkan pengambilan keputusannya. Misalnya, tergantung pada Jenis robot Anda dapat mempertimbangkan untuk memenangkan permainan catur sebagai hadiah Anda.
pembelajaran yang mendalam
Jenis pembelajaran lain disebut pembelajaran mendalam, di mana imitasi atau perilaku serupa dari jaringan saraf dan proses komunikasi yang terjadi di neuron otak manusia dicari.
Misalnya, ketika sensor alami tubuh manusia seperti mata, telinga, sentuhan, rasa atau bau mendeteksi variasi, sinyal dikirim ke otak. Sinyal ini diterima dan dianalisis oleh neuron pertama yang mengomunikasikan deteksi perubahan ke neuron berikutnya dan dengan demikian memulai urutan neuron untuk memahami peristiwa dan bagaimana bereaksi.
Proses serupa terjadi ketika, misalnya, kamera pengenal wajah mendeteksi seseorang melalui sensor visual mereka, itu diaktifkan. Saat mendeteksi wajah, dimulai urutan proses logis dimulai dari analisis data paling sederhana seperti warna yang dimiliki wajah. Kemudian, ia berusaha untuk menentukan sosok geometris yang membentuk wajah itu. Terakhir, bagi wajah menjadi beberapa bingkai untuk lebih menentukan detail yang membedakan wajah tersebut.
Pohon Keputusan
Jenis pembelajaran ini menggunakan skema pemecahan masalah yang berbeda yang diaktifkan saat informasi diterima. Jika contoh robot yang bermain catur diambil lagi, ia akan memulai skemanya di mana bidak pertama yang dipindahkan lawannya, di sana ia akan melakukan beberapa perhitungan sesuai dengan statistik mana yang harus dipindahkan. Nantinya, lawan Anda akan melakukan gerakan lain dan skema baru akan terbuka di mana Anda akan kembali membuat perhitungan untuk melakukan gerakan berikutnya.
Terakhir, ketika berhasil memenangkan permainan catur, maka robot menyimpan semua keputusan yang dibuatnya dan lawannya untuk permainan catur berikutnya, sehingga ketika terjadi peristiwa serupa, ia sudah memiliki informasi yang diperlukan dalam database dan dapat merespons. lebih cepat dan dengan persentase peluang yang lebih tinggi untuk memenangkan permainan.
kecerdasan buatan terdistribusi
Berkat kemajuan yang telah memungkinkan kita untuk tahu Bagaimana teknologi bekerja, seperti evolusi multiprosesor dan munculnya internet, telah memungkinkan kecerdasan buatan untuk memberikan solusi terdistribusi.
aplikasi kecerdasan buatan
Selain itu, ada empat cabang yang terkait erat dengan penggunaan kecerdasan buatan, yaitu:
- Bahasa alami.
- Visi buatan.
- robotik.
- pengenalan suara.
Saat ini, berbagai aplikasi yang menggunakan algoritma atau metode tertentu telah dikembangkan di bidang kecerdasan buatan.
Bahkan ketika disebutkan banyak aplikasi kecerdasan buatan, akan sulit untuk mencakup semua di mana kehadirannya ditemukan, karena saat ini ada perangkat untuk penggunaan sehari-hari, atau program yang digunakan oleh perusahaan dan perusahaan di mana menemukan teknologi ini.
Misalnya, saat ini sedang digunakan superkomputer yang menerapkan algoritme yang membuat kombinasi berbagai obat untuk mencoba menemukan obat untuk Covid-19. Komputer ini mengevaluasi data gejala, komposisi virus dan informasi lain yang diperlukan untuk dapat melawannya, dan melalui database yang berisi berbagai obat yang ada, membuat kombinasi yang berusaha menyembuhkan pasien penyakit ini, dengan mempertimbangkan bahkan efek samping yang dapat ditimbulkan oleh kombinasi ini dan dosis yang dianjurkan.
Contoh lain, mungkin yang digunakan oleh beberapa mesin pencari yang menggunakan metode pembelajaran untuk mengetahui minat setiap pengguna secara individual, ini memungkinkan Anda untuk membuat profil dan preferensi perilaku untuk dan dengan demikian dapat menyediakan iklan sesuai dengan kesenangan ini.
Selanjutnya, kami akan menyajikan beberapa aplikasi kecerdasan buatan yang paling menonjol.
Aplikasi dalam game
Ada robot dengan kemampuan untuk mengalahkan bahkan pemain terbaik dalam catur, karena robot ini dibuat hanya untuk tujuan membuat perhitungan dan statistik yang diperlukan untuk menetapkan strategi dalam gerakan mereka dan memenangkan setiap permainan.
Saat ini hampir semua permainan telah berhasil dikalahkan oleh mesin, meskipun permainan meja pertama yang dikalahkan oleh mesin yang memiliki kecerdasan buatan adalah catur dan Othello.
Damas
Universitas Alberta pada tahun 1989 mengembangkan program yang disebut Chinnok oleh tim Jonathan Schaeffer dan pada tahun 1994 ia menjadi juara dunia wanita. Program Chinnok memiliki database pembukaan dan penutupan permainan catur yang dibuat oleh pemain catur terbaik.
Sekali lagi, pada tahun 2007 ditunjukkan bahwa ketika permainan dilakukan dengan sempurna, tidak mungkin untuk memprogram Chinnok. Dan ketika pertandingan dimainkan dengan perbaikan strategi oleh lawan, paling-paling bisa mencapai hasil imbang terhadap program ini.
Catur
Dalam kasus catur, berbagai inovasi dan program pemecahan masalah telah dikembangkan untuk memenangkan permainan ini selama bertahun-tahun, namun pada tahun 1997 di bulan Mei di New York ketika Deep Blue mengalahkan juara dunia G. Kasparov .
Itu adalah perangkat lunak yang dikembangkan oleh perusahaan IBM yang memiliki perangkat keras dan basis data khusus yang memungkinkan program ini mencapai puncaknya dengan sempurna ketika situasi akhir disajikan dengan tujuh atau bahkan lebih sedikit bagian di papan tulis. Demikian pula, algoritme pencariannya, tipe minimax, mampu menentukan opsi terbaik dalam semua kasus yang berbeda.
Go
Hari ini adalah permainan umum di mana mesin dengan kecerdasan buatan untuk mengalahkan pemain manusia, namun ini tidak mengherankan, karena untuk beberapa waktu Go dianggap sebagai permainan yang lebih sulit dan kompleks daripada catur. .
Selain itu, dimensi permainan ini juga sangat meningkatkan kesulitan karena memiliki lebih dari 361 persimpangan untuk membuat papan 19 3 19, tanpa menyebutkan jumlah kemungkinan gerakan yang dapat dilakukan pada setiap papan.
Meskipun belum ada mesin yang mampu memenangkan permainan ini, sudah ada program yang merespon dengan baik papan dengan dimensi sembilan kali sembilan, dan tidak seperti algoritma pencarian yang digunakan untuk permainan catur, dalam hal ini digunakan algoritma pencarian. pencarian UCT.
aplikasi robotika
Robot memiliki berbagai bidang di mana mereka memberikan dukungan mereka untuk solusi yang lebih cepat, lebih efisien dan tepat, seperti di lini produksi yang memerlukan otomatisasi proses, juga di bidang militer dan pertahanan, dan bahkan untuk eksplorasi.ruang angkasa seperti halnya Curiosity robot bergerak yang saat ini berada di Mars, untuk mengumpulkan informasi tentang kemungkinan adanya kehidupan di planet ini.
Saat ini, ada robot yang berfungsi sebagai hiburan dan berpartisipasi dalam permainan, seperti robot hewan peliharaan Jepang yang disebut Paro dan Aibo. Dalam kasus Paro, ini adalah robot terapeutik yang membantu mengurangi tingkat stres pada pasien dan membantu meningkatkan sosialisasi mereka. Dalam kasus Aibo, ini adalah robot berbentuk anjing yang dikembangkan oleh Sony, yang memiliki sistem penglihatan dan dapat diprogram.
robot eksplorasi dan pengintaian
Ada robot seluler yang digunakan untuk eksplorasi, pencarian, dan pengintaian di lingkungan atau area yang tidak bersahabat. Contohnya seperti robot-robot yang digunakan dalam bencana nuklir Chernobyl yang mencoba memvisualisasikan kerusakan akibat kejadian tersebut dan berhasil menangkap gambar massa radioaktif yang disebut Kaki Gajah.
Atau bisa juga disebut robot Spirit, Opportunity, dan Curiosity yang dikirim ke permukaan planet Mars, pada tahun 2004 dua yang pertama dan pada tahun 2012 yang ketiga, yang memenuhi misi menganalisis semua proses biologis, atmosfer, dan biologis. membuat planet ini.
Pada tahun 1997, perusahaan Honda menghadirkan robot bipedal pertama, yang memiliki kemampuan berjalan dengan dua anggota badan dan disebut P3. Sekali lagi, Honda memperkenalkan pada tahun 2000 robot ASIMO yang berasal dari Langkah Muka kecil dalam Mobilitas Inovatif. Ini adalah akhir dari seri robot Honda P. Semua robot ini sengaja dirancang untuk memiliki struktur fisik dan kemampuan motorik manusia.
Sekarang, ASIMO dapat mengubah apakah itu berlari, menaiki tangga, dan menghindari rintangan, dan bahkan melalui sensor visual atau kameranya, ia dapat mengenali objek bergerak, gerakan, dan postur.
Aplikasi kendaraan pintar
Salah satu inovasi terbaru adalah kendaraan penumpang otonom.
Metro pertama dengan penggerak otomatis penuh muncul di kota Sendai di Jepang, yang dikembangkan pada tahun 1987. Saat ini sudah ada banyak sistem metro yang sepenuhnya otomatis.
Contoh lain kendaraan yang dapat mengangkut penumpang dan dapat sepenuhnya otomatis adalah Stanley, yang merupakan pemenang kompetisi DARPA Challenge 2005, yang berlangsung di gurun Mojave. Prestasi yang diraih Stanly adalah ia berhasil menyelesaikan rute sepanjang 212,4 kilometer dalam waktu enam jam 54 menit.
Kemudian, dalam Tantangan Besar DARPA 2007 yang diadakan di Pangkalan Angkatan Udara George, kendaraan otomatis Stanley kembali berhasil menyelesaikan lintasan 96 mil. Kendaraan yang mengikuti lomba ini mampu memproses peraturan lalu lintas negara bagian California secara real time.
Di bagian lain dunia, khususnya antara Pusat Kongres Internasional dan Gerbang Brandenburg, kendaraan Made in Germany yang dikembangkan oleh Free University of Berlin menempuh rute 80 kilometer. Kendaraan ini sepenuhnya otonom, memiliki kemampuan untuk mengenali keberadaan pejalan kaki dan lampu lalu lintas. Namun, itu membutuhkan data seperti kecepatan perjalanan yang harus disediakan.
Pesawat tidak berawak
Juga dikenal sebagai UAV dari kecil Unmanned Aerial Vehicle. Kendaraan udara tak berawak pertama yang melintasi Samudra Pasifik tanpa perlu berhenti adalah Global Hwak. Ini dilakukan pada tahun 2001 di bulan April, dimulai di Amerika Serikat dan berakhir di Australia.
Model ini, bagaimanapun, masih bergantung pada pilot stasiun bumi dan operator lain untuk analisis data. Faktanya, Weiss menunjukkan pada tahun 2011 bahwa sistem ini, meskipun mampu mengumpulkan informasi dalam jumlah besar, masih tidak memiliki kapasitas yang diperlukan untuk memprosesnya secara real time, dan oleh karena itu merespons peristiwa secara cerdas sesuai dengan informasi yang dikumpulkan secara instan. .
Kendaraan ini saat ini lebih populer dengan sebutan Drone. Drone memiliki berbagai sensor dan perangkat internal yang membantu Anda dalam navigasi. Misalnya, mereka memiliki modul GPS untuk geolokasi, kamera dengan koneksi nirkabel, beberapa dengan sensor gerak dan panas, antara lain. Pada contoh pertama, teknologi ini muncul untuk penggunaan militer, meskipun sudah ada di pasaran.
Kesimpulan
Tidak dapat disangkal bahwa berbagai bidang teknologi telah maju secara eksponensial dan komputasi tidak luput dari kemajuan ini, bahkan telah mendorong evolusi cabang-cabang ilmu pengetahuan lainnya. Kapasitas perhitungan yang disediakan oleh kecerdasan buatan telah berlipat ganda dalam jangka waktu delapan belas bulan menurut Hukum Moore.
Ini menyiratkan bahwa jika Hukum Moore terus berlaku, maka sekitar tahun 2030 daya komputasi prosesor akan serupa atau mungkin sama dengan yang dimiliki manusia.
Mesin pencari seperti Google dan Amazon menyimpan jutaan informasi dari penggunanya untuk menentukan preferensi setiap individu untuk memberikan layanan yang lebih baik. Jadi server dengan kapasitas memori yang besar diperlukan untuk merekam data ini secara merata.
Jejaring sosial juga membutuhkan kapasitas penyimpanan yang besar ini untuk merekam preferensi konsumen mereka untuk mempresentasikan proposal sesuai dengan selera mereka.