Nama :
Chyntia Dwinovita
NPM :
52414396
Kelas :
3IA22
Mata Kuliah : Pengantar Teknologi Game #
Nama Dosen :
Rifki Amalia
Tugas : Penulisan 2
Tugas : Penulisan 2
1. Artificial Intelligence
Kecerdasan buatan
(Artificial Intelligence) merupakan kawasan penelitian, aplikasi dan instruksi
yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang
-dalam pandangan manusia adalah- cerdas” (H. A. Simon [1987] ). Perkembangan
game saat ini tidak lepas dari kecerdasan buatan (artificiall intelligence).
Kecerdasan buatan merupakan salah satu bagian dari ilmu komputer yang membuat
mesin (komputer) dapat melakukan pekerjaan seperti manusia dan komputer
dimungkinkan untuk dapat berfikir.
Faham Pemikiran
Secara garis besar,
AI terbagi ke dalam dua faham pemikiran yaitu AI Konvensional dan Kecerdasan
Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan
melibatkan metoda-metoda yang sekarang diklasifiksikan sebagai pembelajaran
mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga
sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old
Fashioned Artificial Intelligence).
Metode - metode
1. Dalam
Sistem pakar menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan.
Sebuah sistem pakar dapat memproses sejumlah besar informasi yang
diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada
informasi-informasi tersebut.
2.
Petimbangan berdasar kasus
3.
Jaringan
Bayesian
4.
AI
berdasar tingkah laku yaitu metoda modular pada pembentukan sistem AI secara
manual.
Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak.
Metode-metode pokoknya meliputi :
1. Jaringan
Syaraf yaitu sistem dengan kemampuan pengenalan pola yang sangat kuat.
2. Sistem
Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah
digunakan secara meluas dalam industri modern dan sistem kendali produk
konsumen.
3. Komputasi
Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti
populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan
masalah yang lebih baik.
Kecerdasan
Buatan dikelompokkan menjadi 4 macam, yaitu :
1.
Systems
that think like humans.
2.
Systems
that act like humans.
3.
Systems
that think rationally.
4.
Systems
that act rationally.
Tujuan
Kecerdasan Buatan yaitu :
1.
Membuat
komputer lebih cerdas.
2.
Membuat
mesin lebih berguna.
2. Decision Making
Decision
Making adalah serangkaian algoritma yang dirancang dengan memasukan beberapa
kemungkinan langkah yang bisa diambil oleh suatu aplikasi, Pada game ini
decision making memberikan kemampuan suatu karakter untuk menentukan langkah
apa yang akan diambil. Decision making dilakukan dengan cara menentukan satu
pilihan dari list yang sudah dibuat pada algoritma yang dirancang. Algoritma
decision making kerap digunakan dalam aplikasi game, akan tetapi algoritma
decision making dapat diimplementasikan pada banyak aplikasi lain.
Decision Making terbagi menjadi 3
:
1.
Decision
Tree
Pohon Keputusan (Decision Tree)
merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode
pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang
merepresentasikan aturan.
2.
State
Machine
Finite State Machines (FSM)
adalah sebuah metodologi perancangan sistem kontrol yang menggambarkan tingkah
laku atau prinsip kerja sistem dengan menggunakan tiga hal berikut yaitu :
a.
State
( Keadaan )
b.
Event
( Kejadian ) dan,
c.
Action
( Aksi ).
3.
Rule
System
Rule Based System merupakan
metode pengambilan keputusan berdasarkan pada aturan-aturan tertentu yang telah
ditetapkan.
3. Rule Sistem
Sistem berbasis aturan (Rule Based System) adalah suatu
program komputer yang memproses informasi yang terdapat di dalam working memory
dengan sekumpulan aturan yang terdapat di dalam basis pengetahuan menggunakan
mesin inferensi untuk menghasilkan informasi baru. Sebuah Rule-Based
System dapat dibentuk dengan menggunakan sebuah assertions set,
yang secara kolektif membentuk working memory, dan sebuah rule
set yang menentukan aksi pada assertions set. RBS
secara relatif adalah model sederhana yang bisa diadaptasi ke banyak masalah.
Namun, jika ada terlalu banyak peraturan, pemeliharaan sistem akan rumit dan
terdapat banyak failure dalam kerjanya.
1. Sekumpulan
fakta yang mewakili working memory. Ini dapat berupa suatu
keadaan yang relevan dengan keadaan awal sistem bekerja.
2. Sekumpulan
aturan. Aturan ini mencakup setiap tindakan yang harus diambil dalam ruang
lingkup permasalahan yang dibutuhkan.
3. Kondisi yang
menentukan bahwa solusi telah ditemukan atau tidak (none exist). Hal ini
berguna untuk menghindari looping yang tidak akan pernah berakhir.
Teori sistem
berbasis aturan ini menggunakan tekhnik yang sederhana, yang dimulai dengan
dasar aturan yang berisi semua pengetahuan dari permasalahan yang dihadapi yang
kemudian dikodekan ke dalam aturan IF-THEN dan sebuah tempat penyimpanan (basis
data) yang mengandung data, pernyataan dan informasi awal. Sistem akan
memeriksa semua aturan kondisi (IF) yang menentukan subset, set konflik yang
ada. Jika ditemukan, maka sistem akan melakukan kondisi THEN. Perulangan
atau looping ini akan terus berlanjut hingga salah satu atau
dua kondisi bertemu, jika aturan tidak diketemukan maka sistem tersebut harus
keluar dari perulangan (terminate).
Untuk
mengelola rules , terdapat 2 pendekatan yaitu :
1. Forward Chaining : dimana rules diproses berdasarkan sejumlah fakta yang
ada, dan didapatkan konklusi sesuai dengan fakta-fakta tersebut.
Pendekatan forward chaining disebut juga data driven.
2. Backward Chaining : dimana diberikan target (goal),
kemudian rulesyang aksinya mengandung goal di-trigger. Backward
chaining ini cocok untuk menelusuri fakta yang masih belum
lengkap, disebut juga goal driven.
Sumber :
Tidak ada komentar:
Posting Komentar