Kecerdasan Buatan

Menciptakan manusia pintar memang hanya Tuhan yang mampu, tetapi manusia ternyata mampu menciptakan mesin pintar. Bahkan, mesin yang lebih pintar dari manusia. Joko Nurjadi

TAHUN 1997 adalah tahun kelabu bagi Garry Kasparov sang  juara dunia catur saat itu. Tepatnya pada 11 Mei 1997, Garry  Kasparov harus mengakui keunggulan mesin catur buatan IBM  yang dinamakan Deep Blue.

Garry Kasparov dikalahkan dalam duel catur manusia melawan mesin, yang dimainkan sebanyak 6 pertandingan. Deep Blue memetik 2 kemenangan, Garry Kasparov memetik 1 ke menangan, sementara 3 pertandingan lainnya berakhir draw atau remis.

Event tersebut menandai kali pertama dalam sejarah, sebuah  mesin komputer mampu mengalahkan seorang juara dunia  catur.

Mengapa hal tersebut merupakan sesuatu yang menggemparkan? Bukankah sebuah kalkulator sederhana sejak dulu telah  mampu menghitung angka-angka lebih cepat dari kebanyakan  otak manusia? Ternyata tidak semudah itu mendefi  nisikan kecerdasan buatan, atau dalam bahasa Inggris disebut dengan  Artifi  cial Intelligence.

Dapatkah Mesin Berpikir?

Kecerdasan buatan merupakan sebuah sistem yang mampu  menanggapi situasi dan lingkungannya, dan mengambil tindakan untuk memaksimalkan kesempatan keberhasilannya.

Hal ini berarti bahwa kecerdasan buatan harus dapat mengambil keputusan berdasarkan kondisi yang dihadapinya, terdapat kemampuan untuk menganalisis input yang diberikan, seperti layaknya otak manusia yang mampu berpikir untuk menghasilkan suatu tindakan.

Dengan demikian, tidak terbatas hanya pada kecerdasan  menghitung saja seperti pada kalkulator biasa, yang tidak dapat  melakukan analisis.

Setidaknya tidak dapat disangkal bahwa memang bantuan  komputer memegang peranan yang sangat penting untuk  pengembangan kecerdasan buatan.

Umumnya kecerdasan buatan diwujudkan dengan mesin  komputer, Deep Blue, yang mengalahkan Garry Kasparov  merupakan sebuah mesin yang mengandung 30-node (atau  30 processor) IBM RS/6000 SP Computer dengan masing-masing node memiliki kapasitas 1 GB RAM dan 4 GB disk, di  samping ratusan chip  search engine yang juga tertanam di  dalam Deep Blue.

Deep Blue mampu mencari ratusan juta posisi catur setiap  detiknya tergantung pada karakteristik posisi yang dicari,  dan tentu saja Deep Blue juga dilengkapi dengan database  raksasa.

Memang cukup mengerikan lawan yang harus dihadapi Garry  Kasparov dan itu terjadi pada tahun 1997, di saat spesifikasi  komputer yang Anda miliki pada waktu itu tentu sudah ketinggalan zaman pada saat ini.

Garry Kasparov sendiri sempat menyangsikan bahwa ia  benar-benar melawan sebuah mesin komputer, karena Kasparov merasakan kreativitas otak manusia dalam langkah yang  dilakukan Deep Blue.

Tetapi, apa yang dilakukan Deep Blue memang apa yang di inginkan oleh pengembang kecerdasan buatan, di mana mesin  meniru cara kerja otak manusia, dengan memprogram mesin  melakukan apa yang dilakukan oleh manusia, misalnya saat otak  manusia berpikir untuk memecahkan permainan seperti puzzle dan membuat kesimpulan logika.

Untuk sampai pada suatu keputusan, semakin banyak pengetahuan dan informasi yang ada akan semakin baik. Karena itu, kecerdasan buatan perlu merepresentasikan object, property, kategori, hubungan antar object, situasi, keadaan dan waktu,  sebab akibat, dan masih banyak lagi.

Dengan kecerdasan buatan, tentunya diharapkan dapat  menyelesaikan permasalahan-permasalahan yang timbul, kecerdasan buatan terbuka untuk diaplikasikan pada berbagai  bidang.

Sistem Pakar

Sebuah sistem komputer yang bekerja berdasarkan pengetahuan dan keahlian layaknya pakar dikenal dengan sebuah  sistem pakar (expert system). Umumnya sebuah sistem pakar  dibentuk dengan kumpulan aturan yang menganalisis informasi  mengenai permasalahan yang ada dan merekomendasikan jalan  keluar bagi pengguna.

Sistem pakar dapat diciptakan untuk membantu pekerjaan  dalam bidang akunting, kedokteran, produksi, sumber daya  manusia, keuangan, dan lain sebagainya.

Salah satu contoh sistem pakar yang telah lama diterapkan  adalah Mycin, yang ditulis dengan bahasa pemrograman Lisp.

Dari namanya yang mengingatkan orang pada antibiotik (yang umumnya berakhiran “mycin”), sistem ini memang didesain untuk mendiagnosis penyakit infeksi darah dan merekomendasikan antibiotik dengan dosis yang disesuaikan dengan berat badan pasien.

Sebagaimana pengetahuan seorang pakar yang dapat berkembang, sistem pakar juga dirancang agar dapat terus dikembangkan dengan menanamkan pengetahuan pada sistem  secara bertahap.

Sistem pakar sangat membantu untuk melakukan hal-hal  yang tidak dapat dilakukan pakar sesungguhnya, misalnya ketersediaan waktu selama 24 jam non  -stop, atau gabungan

pengetahuan para pakar dalam satu sistem, di mana pengguna seolah-olah sedang berkonsultasi dengan banyak pakar.

Tidak seperti pakar sesungguhnya, sebuah sistem tentunya lebih mudah untuk didistribusikan ke banyak tempat sekaligus. Hal ini juga menjadi sebuah keuntungan yang ditawarkan sistem pakar.

Yang menjadi pertanyaan besar adalah seberapa jauh sebuah sistem dapat menggantikan keahlian seorang (atau lebih) pakar yang sesungguhnya?

Keterbatasan Masalah

Mungkinkah di masa depan kecerdasan buatan sudah sedemikian maju sehingga dapat menggantikan semua tugas manusia? Ternyata tidak semudah itu, otak manusia memiliki kemampuan luar biasa yang cara kerjanya bisa jadi tidak dapat ditiru persis 100% oleh mesin hingga saat ini.

Contohnya, beberapa permasalahan dipecahkan oleh manusia secara intuisi. Bagaimana memprogram intuisi pada kecerdasan buatan? Mungkin belum terbayangkan hingga saat ini, karena berbicara mengenai intuisi, akan lebih mengarahkan cara kerja pengetahuan bawah sadar otak manusia.

Sementara kecerdasan buatan memetakan pemikiran yang dilakukan otak manusia secara logis dan sistematis.

Permasalahan lainnya adalah asumsi yang timbul pada otak manusia bisa jadi sangat luas dan tidak dapat dicapai oleh kecerdasan buatan, misalnya pada saat kata “burung” muncul pada sebuah percakapan, otak manusia dapat menggambarkan burung adalah seekor binatang kecil, bernyanyi, dan terbang.

Asumsi yang tampaknya sederhana bagi otak manusia ini tidak dengan mudah ditemukan oleh kecerdasan buatan saat menangkap kata “burung”. Karena tidak satupun asumsi di atasbenar untuk mendefi  nisikan burung secara umum. Mengapa?

Karena kecerdasan buatan tidak akan diberikan aturan bahwa burung adalah binatang kecil (ada burung yang besar), atau burung bisa bernyanyi (ada burung yang tidak bernyanyi), maupun burung bisa terbang (ada burung yang tidak dapat terbang seperti burung unta dan penguin).

Otak manusia juga memiliki informasi di atas, tetapi hal tersebut tidak membatasi asumsi yang dapat timbul dalam otak manusia.

Algoritma Pencarian

Salah satu unsur penting kecerdasan buatan adalah menyangkut algoritma pencariannya. Beberapa algoritma pencarian yang dikenal, antara lain:

1.      Naive.
Contoh algoritma pencarian ini dapat dilihat pada Breadth First Search (BFS), yang dapat Anda bayangkan sebagai sebuah pohon node seperti pada Gambar 1.

Node teratas (node nomor 1) akan mulai mencari pada node terdekat (node nomor 2, 3, dan 4), proses pencarian berulang dengan cara yang sama pada masing-masing node tersebut, dan dilakukan hingga ditemukannya tujuan pencarian.

Algoritma pencarian naive yang lain adalah Depth First Search dan Best First Search (yang merupakan kombinasi dari Breadth First Search dan Depth First Search).

2.      Heuristic.
Proses pencarian heuristic bekerja untuk menemukan jawaban yang paling cocok, ditujukan untuk mendapatkan performa pencarian yang baik dan mudah, dengan konsekuensi tingkat akurasi yang tidak terjamin.

Algoritma heuristic mencoba untuk meniru otak manusia saat menebak, dengan alasan yang masuk akal.

Heuristic umumnya digunakan saat menghadapi masalah yang kompleks atau memiliki informasi yang kurang memadai.

Misalnya pada saat dihadapkan pada pilihan untuk menentukan minuman yang paling enak di antara beberapa jenis minuman, sementara informasi yang adalah harga minuman,maka dapat diciptakan sebuah rule agar secara heuristic akan dipilih minuman dengan harga termahal sebagai minuman yang paling enak.

Tentu saja hal tersebut tidak menjamin bahwa pilihan itu benar, tetapi pilihan tersebut adalah pilihan yang paling masuk akal dan sederhana oleh otak manusia dengan keterbatasan informasi yang tersedia pada kasus tersebut.

3.      Local.
Pencarian lokal berusaha untuk melakukan optimasi, misalnya dengan teknik Hill Climbing.

Teknik Hill Climbing dapat digunakan untuk memecahkan persoalan yang memiliki banyak alternatif solusi untuk kemudian memilih solusi yang terbaik. Cara kerjanya dimulai dengan memilih solusi acak, kemudian dilakukan perubahan sedikit demi sedikit, setiap perubahan menghasilkan solusi yang lebih baik.

Saat perubahan yang dilakukan tidak lagi mendapatkan solusi yang lebih baik, algoritma Hill Climbing akan berhenti mencari dan menentukan solusi terakhir sebagai solusi yang optimal.

Contoh penggunaan Hill Climbing pada kecerdasan buatan adalah pencarian rute terbaik, dari berbagai kemungkinan rute yang ada.

Contoh lain dari pencarian local adalah teknik pencarian Beam (Beam Search) dan Simulated Annealing (SA).

4.      Genetic.
Pencarian dengan algoritma genetic meniru proses seleksi alam atau proses evolusi seperti inheritance, mutasi, seleksi, dan kombinasi ulang (crossover).

Dengan algoritma genetic, diharapkan mesin dapat menghasilkan kreativitas, hal ini  melahirkan cabang kecerdasanbuatan yang dinamakan kreativitas buatan (Artifi  cial Creativity). Aplikasinya bisa jadi mengarahkan mesin untuk dapat menciptakan musik, desain, dan lain sebagainya.

Walaupun pada dasarnya bahasa pemrograman yang umum digunakan seperti Visual Basic, C++, Delphi, FoxPro, dan sebagainya memungkinkan untuk menciptakan sebuah aplikasi kecerdasan buatan, tetapi para pengembang kecerdasan buatan telah membuat bahasa pemrograman yang khusus untuk keperluan tersebut.

Beberapa bahasa pemrograman untuk kecerdasan buatan yang dikenal adalah IPL, Lisp, Prolog, STRIPS, dan Planner.

Aplikasi Kecerdasan Buatan

Kecerdasan buatan juga telah digunakan dalam bidang bisnis, bahkan pada sebuah kompetisi trading fi  nansial  tahun 2001, robot bernama Bots ciptaan IBM telah dapat mengalahkan team manusia dengan mengumpulkan keuntungan 7% lebih banyak.

Walaupun tidak diikuti oleh trader profesional, hasil kompetisi tersebut membuat aplikasi kecerdasan buatan semakin diperhitungkan penggunaannya di dalam pasar finansial.

Penggunaan robot telah menjadi hal yang umum pada saat ini pada berbagai industri, terutama untuk menggantikan pekerjaan yang dapat berbahaya bagi manusia. Juga terbukti bahwa robot dapat melakukan pekerjaan yang memerlukan pengulangan dengan lebih efektif dan mengurangi human error.

Perusahaan General Motor menggunakan sekitar 16.000 robot untuk tugas mengecat, las, dan perakitan produknya. Jepang merupakan  leader dalam menggunakan dan memproduksi robot.

Kecerdasan buatan juga telah diaplikasikan pada mainan elektronik, misalnya Furby, robot berbentuk burung hantu yang dapat berbicara. Furby tergolong dalam kategori robot otonomi, yaitu robot yang dapat melakukan suatu tindakan didalam sebuah lingkungan tanpa pengarahan dari manusia.

Akankah Ciptaan Menjajah Pencipta?

Kecerdasan buatan merupakan salah satu topik yang disukai penggemar science-fiction, pada film Terminator digambarkan perang manusia melawan mesin, bahkan dalam novel berjudul With Folded Hands karangan Jack Williamson, digambarkan bangsa Humanoids (robot mesin ciptaan manusia) menjajah bangsa manusia dan menggantikan semua peranan manusia.

Walaupun masih merupakan khayalan, tetapi kontroversi apakah hal tersebut dapat terjadi merupakan hal yang menarik untuk diperdebatkan. Apakah ratusan atau ribuan tahun mendatang mesin dapat mencapai kemampuan untuk menguasai manusia, ataukah sampai di satu titik saat kecerdasan buatan tidak dapat menjadi lebih cerdas lagi?

Satu hal yang jelas, kecerdasan buatan tentunya diarahkan untuk membantu manusia. Kecerdasan buatan dapat membantu memberikan diagnosis, prediksi, rekomendasi, simulasi, dan lain sebagainya, tetapi keputusan akhir tetaplah pada pengontrolan manusia.