Latar Belakang Munculnya E-Commerce

       Berdasarkan definisi-definisi yang diberikan di atas mengenai E-Commerce, maka dapat di ketahui manfaat E-Commerce di dalam membantu pengguna komputer, baik pelaku bisnis (pedagang, distributor, produsen) maupun komsumen akhir, di dalam melakukan jual beli barang dan jasa serta transaksi secara cepat dan mudah berbasiskan internet. Cukup dengan koneksi internet dan komputer maupun perangkat terhubung dan pembeli, tanpa perlu adanya fisik dan tatap muka langsung.

            Hal ini akan sangat berlawanan dengan kondisi di saat sebelum adanya E-Commerce di dunia. Pada masa tersebut transaksi dilakukan secara langsung melalui tatap muka penyedia barang dan jasa dengan para konsumen, misalkan di pasar. Pembayaran dilakukan menggunakan mata uang yang telah disepakati. Bahkan jauh sebelum uang diciptakan, transaksi dilakukan melalui proses berter, yaitu proses tukar menukar barang.

           Terdapat tiga faktor utama penyebab munculnya E-commerce  di era digital ini. Ketiga faktor pemicu tersebut adalah adanya evolusi komputer beserta dengan hardware (perangkat keras komputer) dan Software (perangkat lunak komputer), perkembangan jaringan komputer dan internet, serta perubahan gaya hidup dan pola pikir manusia di era digital. Pembahasan untuk ketiga faktor tersebut disajikan pada artikel berikutnya. 

Read More

Defenisi E-Commerce

Istilah E-Commerce  mulai muncul pada tahun 1990-an melalui adanya inisiatif untuk mengubah paradigma traksaksi jual beli dan pembayaran dari catatan konvensional ke dalam bentuk digital elektronik berbasiskan komputer dan jaringan interner. Terdapat beberapa buah definisi E-Commerce seperti berikut ini:

1. Kim Moon di tahun 1998 menyatakan bahwa E-Commerce adalah proses untuk mengantarkan informasi, produk, layanan, dan proses pembayaran, melalui kabel telepon, koneksi internet, dan akses digital lainnya.
2. Baourakis, Kourgiantakis, dan Migdallas di tahun 2002 menyatakan bahwa E-Commerce merupakan bentuk perdegangan barang dan informasi melalui jaringan internet.
3. Qauyle di tahun 2002 juga tidak mau kalah untuk menambahkan definisi dari E-Commerce. E-Commmerce didefinisikan sebagai berbagai bentuk pertukaran data elektronik atau Electronic Data Intercange (EDI) yang melibatkan penjual dan pembeli melalui perangkat mobile, di dalam jaringan internet dan internet.
4. Chaffey di tahun 2007 menyempurnakan lagi definisi tentang E-Commerce, dengan mempertimbangkan bahwa tahun 2007 perkembangan teknologi kemputer telah menambah perubahan pada E-Commerce, dengan munculnya mobile (Smartphone, Handphone, Tablet), makin banyaknya organisasi dan pengguna yang terhubung dengan internet, dan munculnya berbagai teknologi pengembangan aplikasi berbasis web. Sehingga kemudian di buatlah perbaikan definisi dari E-Commerce. E-Commerce didefinisikan sebagai semua bentuk pertukaran informasi antara organisasi dan Stakeholder berbasiskan media elektronik yang terhubung dengan internet.

Read More

E-Commerce, E-Business, dan Mobile Commerce

Mengenal E-Commerce

E-Commerce merupakan bentuk perubahan pola interaksi antara penjual dan pembeli dari kontak fisik dan tatap muka langsung menjadi berbasiskan internet dan pemasaran global yang lebih meluas. Tentu saja, di era Teknologi Informasi saat ini, merupakan hal yang sangat umum untuk bisa mengetahui dan menerapkan E-Commerce dan tentu saja E-Business di dalam bisnis atau usaha yang akan di jalankan. E-Commerce memberikan banyak manfaat bagi para pelaku ekonomi, baik penjual maupun pembeli.

Berangkat dari banyak hal menguntungkan yang diberikan tersebut, maka kita akan mengupas E-Commerce dalam bentuk teori. Teori nyampaikan semua informasi dan pengetahuan mengenai E-Commerce yang perlu diketahui bukan saja oleh mereka yang ingin berkecimpung di dalam dunia bisnis (terutamanya E-Commerce), tetapi juga masyarakat umum yang menjadi konsumen online dan penikmat informasi terkini seputar Teknologi Informasi. Pembahasan Ini akan disajikan dalam beberapa halaman artikel, yang memuat teroi tentang E-Commerce, Mobile Commerce(M-Commerce), E-Business dan kaitannya dnegan E-Commerce,serta Search Engine Optimization (SEO). Disajikan juga pembahasan mengenai keamanan pada Search Engine Optimization (SEO).

Lanjutkan dengan Definisi E-Commerce

Read More

Metode-metode pencarian

Terdapat banyak metode pancarian yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam dua jenis: pencarian buta/tanpa informasi (blind atau Un-informed search) dan pencarian heuristik/dengan informasi (heuristic atau  informed search). Setiap metode mempunyai karakteristik yang berbeda-beda dengan kelebihan dan kekurangannya masing-masing.

Untuk mengukur performansi metode pencarian, terdapat empat kriteria yang dapat digunakan, yaitu:

·    Completeness: apakah metode tersebut menjamin penemuan solusi  juka solusinya memang ada?

·         Time complexity : Berapa banyakwaktu  yang diperlukan?

·         Space complexity : Berapa banyak memory yang diperlukan?

·      Optimilaty : Apakah metode tersebut menjamin menemukan solusi yang terbaik jika terdapat beberapa solusi berbeda.

Blind/Un-informed Search

Disini digunakan istilah blind atau buta karena memang tidak ada informasi awal yang digunakan dalam proses pencarian. Di sini hanya akan dibahas enam metode yang tergolong blind search, yaitu: Breadth First Search (BFS),  Uniform Cost Search (UCS), Septh First Search (DFS), Depth-Limited Search (DLS),  Iterative-Deepening Search (IDS), dan Bi-directional search (DBS).

Breadth-First Search (BFS)

            Pencarian dilakukan pada semua simpul dalam setiap level secara berurutan dari kiri ke kanan. Jika pada satu level belum ditemukan solusi, maka pencarian dilanjutkan pada level berikutnya. Demikian seterusnya sampai ditemukan solusi. Dengan cara seperti ini, BFS menjamin ditemukannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti yang paling baik. Dengan kata lain, BFS adalah complate  dan  optimal.  Tetapi, BFS harus meyimpan semua simpul yang pernah dibangkitkan. Hal ini harus dilakukan agar  BFS dapat melakukan penelusuran simpul-simpul samapai di level bawah. Jika b adalah faktor percabangan (jumlah simpul anak yang dimiliki oleh suatu simpul)  dan d  adalah kedalaman solusi, maka  jumlah simpul yang harus disimpan adalah sebanyak O(b^d). misalkan, untuk b = 10 dan d = 8, maka BFS harus membangkitkan dan menyimpan sebanyak 10⁰ + 10¹ + 10² +10³ + 10⁴ + 10⁵ + 10⁶ + 10⁷+ 10⁸ = 111.111.111 ≈10⁸ simpul. Jika diasumsikan bahwa dalam satu detik kompuer bisa membangkitkan dan menguji 10⁶ simpul, maka waktu proses yang diperlukan untuk menemukan solusi di level 8 adalah 100 detik (1,67 menit). Jika satu simpul direpresentasikan dalam struktur data sebesar 100 bytes, maka diperlukan memori sebersar 10¹⁰ bytes (atau 10 gigabytes). Dari segi kecepatan, hal ini mungkin bisa diterima. Tetapi dari sisi memori yang diperlukan, ini menjadi masalah yang serius. Dengan permasalahan dan komputer yang sama, waktu proses yang diperlukan untuk menemukan solusi di level 14 adalah 10⁸ detik (lebih dari 3 tahun), dan perlukan memori sebersar 10¹⁵ bytes (1.000 terabytes). Oleh karena itu, BFS sangat sulit diimplementasikan di dunia nyata.

Gambar dibawah ini mengilustrasikan pembangkitan pohon BFS untuk masalah jerigen air. Oleh karena BFS membangkitkan suksesor secara sekuensial dimulai dari aturan produksi  yang pertama kali ditemukan, maka pembangkitan suksesor dari suatu simpul bergantung pada urutan Aturan Produksi yang dibuat (lihat pada tabel). Jika urutan produksi 4 ditukar dengan aturan produksi 5, maka pohon BFS yang dibangkitkan akan berbeda.

Gambar : Pohon pencarian Breadth First Search (BFS) untuk masalah jerigen air.

Read More

Sistem Produksi

Pada masalah jerigen air diatas, metode pencarian memainkan paranan penting dalam penyelasaian masalah. Untuk mempermudah pemahaman sistem intelejensia berbasis teknik pencarian, marilah kita bahas tentang  Sistem Produksi  yang terdiri dari :

a.      Sebuah himpunan aturan,  masing-masing terdiri dari sisi kiri yang menentukan kemampuan aplikasi dari aturan tersebut dan sisi kanan yang menggambarkan operasi yang dilakukan  jika aturan tesebut dilaksanakan.

b.      satu atau lebih pengetahuan  atau bisnis data yang berisi informasi apa pun untuk tujuan tertentu. Beberapa bagian basis data bisa permanen, dan bagian yang lain bisa hanya merupakan  solusi untuk masalah saat ini. Informasi dalam basis data ini disusun secara tepat.

c.       Strategi kontrol  yang menspesifikasikan urutna dimana aturan akan dibandingkan dengan basis data dan menspesifikasikan cara pemecahan masalah jika beberapa aturan dapat dilakukan pada waktu yang sama. Syarat-syarat strategi kontrol:

·         Cause motion

Perhatikan kembali masalah jerigen air. Jika kita mengimplementasikan strategi  kontrol sederhana dengan selalu memilih aturan pertama pada daftar 12 aturan diartikel sebelumnya, maka kita tidak  akan pernah memecahkan masalah. Strategi kontrol yang tidak menyebabkan motion tidak akan pernah mencapai solusi.

·         Systematic

Strategi kontrol sederhana yang lain untuk mesalah jerigen air adalah: pada setiap siklus, pilih secara random aturan-aturan yang dapat diaplikasikan. Strategi ini lebih baik dari yang pertama, karena menyebabkan motion. Pada akhirnya strategi tersebut akan mencapai solusi. Tetapi, mungkin kita akan mengunjungi beberapa  state  yang sama selama proses tersebut dan mungkin menggunakan lebih banyak langkah daripada jumlah langkah minimum yang di perlukan. Hal ini disebabkan strategi kontrol tersebut tidak sistematik. Beberapa strategi kontrol yagn sistematik telah diusulkan, yang biasa disebut sebagai metode-metode pencarian yang akan dibahas.

d.      Pengaplikasi aturan (a rule applier) untuk mengaplikasikan aturan yang terpilih.  

Read More

Searching

Bagian ini membahas bagaimana memecahkan suatu masalah denan teknik searching  atau pencarian. Langkah pertama yang harus dilakukan adlaah mendefenisikan ruang masalah  untuk suatu masalah ayng dihadapi. Ruang masalah ini dapat digambarkan sebagai himpunan keadaan (state) atau bisa juga sebagai himpunan rute dari keadaan awal (Initial state)  menuju keadaan tujuan (goal state). Langkah kedu adalah mendefenisikan aturan produksi yang digunakan untuk mengubah suatu state dan state lainnya. Langkah terakhir adalah memilihi metode pencari yang tepat sehingga dapat menemukan solusi terbaik dengan usaha yang minimal. Pada bagian ini juga dibahas sebagai metode pencarian, yang dikelompokkan kedalam blind atau un-informed  search  (pencarian buta atau tidak berbekal informasi). Juga dibahas analisa performansi dari masing-masing metode pencarian tersebut, sehingga pembaca dapat menentukanmetode pencarian aoa yang paling tepat untuk suatu masalah tertentu.

Ruang Masalah

Masalah utama dalam membangun sistem berbasis AI adalah bagaimana mengoversi situasi yang diberikan ke dalam situasi lain yang diinginkan menggunakan sekumpulan operasi tertentu. Untuk melakukan hal ini, diperlukan sedikit kemampuan rekayasa. Perhatikan sebuah masalah berikut ini.

Masalah : Jerigen air

Anda diberi dua jerigen air tanpa skala ukuran, yang satu berkapasitas masksimum 4 galon dan yang lain berkapasitas maksimum 3 galon. Terdapat sebuah kran yang dapat mengalirkan air dengan jumlah yagn tidak terbatas yang dapat digunakan untuk mengisi jerigen-jerigen tersebut. Bagaimana langkah anda untuk mendapatkan tepat 2 galon air di dalam jerigen berkapsitas 3 galon?

Gambar : Masalah jerigen air (tanpa skala ukuran). Bagaimana mendapatkan tepat 2 galon air dalam jerigen yang berkapasitas maksimum 3 galon?

Solusi :

Untuk menyelesaiakan masalah jerigen air tersebut dengan teknik pencarian di perlukan tiga langkah berikut :

a.      Definisikan ruang masalah,  initial state dan goal state

Ruang masalah untuk masalah jerigen di atas dapat digambarkan sebagai himpunan pasangan bilangan bulat (x,y) yang berurut, sedemikian hingga x = 0, 1, 2, 3, atau 4 dan y = 0 1, 2, atau 3; x menyatakan  jumlah air dalam jerigen berukuran 3 galon. Dengan demikian, keadaan awal (Initial state) dimana kedua jerigen masih kosong dinyatakan sebagai  (0,0). Karena tujuannya adalah mendapat tepat 2 galon air di jerigen berukuran 3 galon (tidak peduli beraoa galon air yang ada di jerigen berukuran 4 galon), makan  goal state dapat direpresentasikan sebagai (n,2) untuk setiap nilai n.

b.      Definisi aturan produksi

Aturan produksi dapat didefinisikan dengan menggambarkan struktur pohon dari keadaan-keadaan yang telah didefinisikan diatas. Dengan merepresentasikan initial state  (0,0) sebagai simpul akar (root) dari sebuah pohon, maka kita dapat menelusuri simpul-simpul (keadaan-keadaan) berikutnya yang mungkin terjadi. Operasi yang mungkin mengbah suatu state ke state  lainnya disebut sebagai  aturan produksi.  Penelusuran dilakukan sampai didapatkan semua aturan produksi yang mungkin. Pertanyaan yang muncul adalah bagaimana kita tahu bahwa aturan produksi yang kita definisikan tersebut sudah lengkap atau belum? Suatu solusi mungkin tidak dapat ditemukan juka aturan produksinya tidak terdefinisikan secara lengkap.

Aturan-aturan produksi yang lengkapdan tidak dapat digunakan untuk memecahkan masalah jerigen air ditunjukkan pada tabel dibawah ini.

Tabel : Aturan produksi untuk masalah jerigen air

a.      Pilih metode pencarian yang tepat

Terdapat berbagai macam metode pencarian yang dapat digunakan untuk masalah ini. Hal ini akan dibahas satu per satu secara detail pada metode-metode pencarian selanjutnya. Salah satu solusi untuk masalah tersebut terlihat pada tabel dibawah. Pada solusi tersebut terdapat 4 aturan produksi yang di gunakan. Hal ini berarti di perlukan 4 langkah untuk menyelesaikan masalah tersebut.

Tabel : sebuah solusi untuk masalah jerigen air. Diperlukan empat langkah untuk menyelesaikan masalah tesebut.

Sistem Produksi

Pada masalah jerigen air diatas, metode pencarian memainkan paranan penting dalam penyelasaian masalah. Untuk mempermudah pemahaman sistem intelejensia berbasis teknik pencarian, marilah kita bahas tentang  Sistem Produksi  yang terdiri dari :

a.      Sebuah himpunan aturan,  masing-masing terdiri dari sisi kiri yang menentukan kemampuan aplikasi dari aturan tersebut dan sisi kanan yang menggambarkan operasi yang dilakukan  jika aturan tesebut dilaksanakan.

b.      satu atau lebih pengetahuan  atau bisnis data yang berisi informasi apa pun untuk tujuan tertentu. Beberapa bagian basis data bisa permanen, dan bagian yang lain bisa hanya merupakan  solusi untuk masalah saat ini. Informasi dalam basis data ini disusun secara tepat.

c.       Strategi kontrol  yang menspesifikasikan urutna dimana aturan akan dibandingkan dengan basis data dan menspesifikasikan cara pemecahan masalah jika beberapa aturan dapat dilakukan pada waktu yang sama. Syarat-syarat strategi kontrol:

·         Cause motion

Perhatikan kembali masalah jerigen air. Jika kita mengimplementasikan strategi  kontrol sederhana dengan selalu memilih aturan pertama pada daftar 12 aturan diartikel sebelumnya, maka kita tidak  akan pernah memecahkan masalah. Strategi kontrol yang tidak menyebabkan motion tidak akan pernah mencapai solusi.

·         Systematic

Strategi kontrol sederhana yang lain untuk mesalah jerigen air adalah: pada setiap siklus, pilih secara random aturan-aturan yang dapat diaplikasikan. Strategi ini lebih baik dari yang pertama, karena menyebabkan motion. Pada akhirnya strategi tersebut akan mencapai solusi. Tetapi, mungkin kita akan mengunjungi beberapa  state  yang sama selama proses tersebut dan mungkin menggunakan lebih banyak langkah daripada jumlah langkah minimum yang di perlukan. Hal ini disebabkan strategi kontrol tersebut tidak sistematik. Beberapa strategi kontrol yagn sistematik telah diusulkan, yang biasa disebut sebagai metode-metode pencarian yang akan dibahas.

d.      Pengaplikasi aturan (a rule applier) untuk mengaplikasikan aturan yang terpilih. 

Read More

Pengusaha Muda ingin dipuji tapi akhirnya ???

Seorang pengusaha muda tengah merintis usahanya sendiri. Ia menyewa ruang kantor,  mengisinya dengan barang-barang bagus, dan menata ruangan dengan sedemikian ruoa demi mendongkrak citranya.

Keesokan harinya, saat sedang duduk di belakang mejanya, ia melihat seorang hendak masuk kedalam ruangannya. Agar terliat hebat ia berpura-pura sedang menelepon sambil membuat isyarat mempersilahkan tamunya masuk dan duduk. Sembari berlagak berbicara dengan seseorang di telepon, ia menyebut angka-angka yang fantastis, tertawa tegelak-gelak, dan menutup telepon. Ia lalu menoleh kepada tamunya. 

"Ada yang bisa saya bantu?" tanya sang pengusaha muda sambil tersenyum kepada tamunya.

"Saya dari bagian teknik, mau menghidupkan saluran telepon Bapak," jawab sang tamu singkat.

Poin penting:
Setiap orang butuh diakui dan dipuji.

Read More

Lelucon Atasan

Seorang atasan keluar untuk maskan siang bersama teman-teman kuliahnya. Ia kembali ke kantor dengan mambawa banyak lawakan baru. Kepada para bawahan diceritakannya semua lelucon yang ia dengar. semua bawahannya tertawa terpingkal-pingkal, kecuali Dewi yang dia dengan tangan di dagu.

Sang atasan bertanya, " Ada apa Dewi, kamu sakit?"

Jawab Dewi, " Saya tidak perlu tertawa. Besok Jumat saya sudah tidak berkerja disini lagi."

Poin penting :
Pentingnya kepuasan kerja.

Read More

Tamu Kehormatan Bikin ngakak

Budi adalah seorang konsultan. Sebagai konsultan, Budi dibayar berdasarkan jam kerja. Suatu hari, Budi menerima undangan dari induk asosiasi konsultan untuk menghadiri konferensi tahunan. Hal yang membuat Budi kaget adalah penitia konferensi memintanya dengan sangat untuk hadir kerena ia akan  menjadi tamu kehormata. Budi merasa prestasinya sebagai konsultan biasa-biasa saja ia tetap menyanggupi untuk datang ke konferensi tersebut.

Ager terdengar penting, Budi menelepon panitia untuk menyampaikan bahwa ia tidak bisa menghabiskan banyak waktu di acara tersebut karena baginya waktu adalah uang. Panitia meyakinkan Budi bahwa ia tidak perlu berlama-lama hadir dalam acara tersebut.

pada hari yang telah ditentukan, Budi datang je hotel tempat konferensi diadakan. ia terlihat segar dan berpakaian rapi. setelah ia menginjakkan kaki dihalaman hotel, ia merasa terheran-heran karena melihat sepanduk berukuran besar yang dipasang untuk menyambut kedatangannya. Ia bertambah heran ketika memasuki lobi. Sederet orang menyambutnya dengan senyum ramah. Mereka menjabat tangan Budi dengan mengelu-elukan namanya. Akhirnya, ketua panitia acara seminar datang menghampiri Budi dan menjabat tanganya erat-erat.

"Luar biasa," kata ketua panitia. "Anda adalah contoh hebat utuk para konsultan yang masih muda. Anda sudah berumur 160 tahin, tetapi nampak segar dan aktif berkerja," sambung sang ketua panitia.

"Bukan, saya beru berusia 40 tahun, belum 160 tahun," sanggah Budi.

"Tidak mungkin"," timpal sang ketua panitia dengan wajah bingung, "Kami sudah menghitung total jam kerja Anda seperti yang tercantum dalam tagihan untuk klien Anda. Anda pasti sudah berumur 160 tahun."

Poin penting:
Memilih untuk jujur.

Read More

Manager kaget saat wawancara kerja

Seorang manager sedang melakukan wawancara kerja dengan Wawan, seorang pelamar. Sang manager heran kerena Wawan meminta gaji awal yang begitu tinggi.

Tanya sang manager, "Kamu belum punya pengalaman kerja, tapi kenapa kamu minta gaji yang sangat besar?"

Jawab Wawan, "Justru itu pak, pekerjaan saya jadi sangat berat kerena saya tidak tahu apa-apa."

Poin penting:
Supaya maju, diperlukan banyak bertanya dan belajar.

Read More

Gara-gara Obat Tidur, bolos kerja

Seorang pegawai kantor bernama Joko sering datang terlambat. Atasannya selalu menegurnya, bahkan sering mamerahinya. Tentu saja Joko menjadi murung. Semakin dia murung, semakin dia tidak bisa tidur sehingga ia makin sering terlambat ke kantor Akhirnya dia minta nesihat sahabatnya, Joko diberi obat untuk diminum.

Malam itu, Joko meminum obanya dan langsung bisa tidur. Ajaib, ia bisa bangun pagi kabih awal dari jam wakernya. ia merasa segar, bersemangat, dan penuh gairah. Joko berangkat ke kantor dan datang paling awal. Sambil tersenyum lebar, ia masuk ruang atasannya.

Kata Joko, "Luar biasa pak, hari ini saya bisa bangun dan merasa segar dan tidak terlambat."
Jawab atasan, " Bagus kalau begitu. Sekarang jelaskan kenapa kemarin kamu membolos?"

Poin Penting:
Pentingnya hidup teratur.

Read More

Kecerdesan Buatan (Artificial Intellegence) Saat ini

http://onlinebaca.blogspot.com

Bagaimana kondisi AI saat ini? Dengan semakin ceoat perkembangan hardware  dan software , berbagai produk AI telas berhasil di bangun dan digunakan dalam kehidupan sehari-hari. Di sini, produk-produk tersebut dikelompokkan ke dalam empat teknik yang ada di AI, yaitu : searching,reasoning, planning, dan learning.

Teknik searching digunakan untuk percarian rute optimum untuk memandu seseorang di perjalanan. Di kota Goteborg, Swedia, setiapp taksi dilengkapi dengan sebuah komputer dan  Global Positioning System (GPS). Ketika penumpang menyebutkan suatu tempat tujuan di jalan X, maka sang sopir tinggal memasukkan tempat tujuan tersebut ke komputer. Di layar komputer akan terlihat rute jalan yang harus dilalui untuk menuju tempat tersebut. Sang sopir tinggal mengikuti panduan komputer kapan harus belok kiri dan kapan harus belok kanan. Penumpang tidak merasa ditipu dan sang sopir tidak perlu mengahafal nama-nama jalan. Semuanya dipandu secara otomatis melalui program AI yang ada di komputer dan posisi taksi selalu dipantau oleh satelit GPS yang bisa menentukan posisi taksi berdasarkan koordinat bumi dengan akurasi tinggi. Produk AI lainnya adalah TomTom, yaitu sebuah software yang berfungsi sebagai Tourguide yang dapat membantu wisatawan utnuk menjelajahi tempat-tempat menarik di berbagai kota di Eropa, Amerika dan Australia.

Software permainan catur yang disebut HITECH adalah sistem AI pertama yagn berhasil mengalahkan grandmaster dunia, Arnold Danker. HITECH adalah sistem berbasis pengetahuan yang menggunakan teknik reasoning. Dalam dunia kedokteran, telah berhasil dibangun sebuah software  yang disebut MediWare  yang digunakan untuk merekam catatan medis pasien. Dokter dan pasien dapat selalu berhubungan melalui MedicWare yang dapat di install  di PDA. MedicWare  dilengkapi dengan ribuan pengetahuan tentang jenis, merek, efek samping, dan interaksi berbagai jenis obat-obatan. Pasien maupun dokter bisa melakukan pengecekan  apakah suatu obat juga bisa mengetahui apakah suatu obat memiliki interaksi yang berbahaya jika sipasien memiliki sejarah medis tertentu. Misalanya, jika pasien sering sakit maag, maka pasien atau dokter bisa mencari obat yagn aman bagi lambung menggunakan  bantuan software tersebut. Pasien dan dokter juga bisa mengetahui apakah suatu obat memiliki interaksi berbahaya jika digunakan secara bersamaan dengan obat lainnya. Dengan adanya ribuan jenis dan merek obat serta zat-zat yang terkandung didalamnya, tentu saja sangat merepotkan jika dokter harus menghafal semua informsi, tentu saja hal tersebut sangat membingungkan. Teknik reasoning dapat digunakan untuk melakukan penalaran apakah suatu obat aman atau berbahaya jika digunakan secara bersamaan dengan obat-obat lain.

Di dunia menufaktur dan robotik, teknik planning  memainkan peranan sangat penting. Optimum-AIV  adalah suatu planner (software yang menggunakan teknik planning) yang digunakan oleh European Space Agency untuk Assambly atau perakitan, Integration atau penggabungan, dan Verification (AIV) pesawat terbang. Software tersebut digunakan untuk membuat perencanaan dan untuk memonitor eksekusi terhadap perencanaan-perencanaan tersebut.

Teknik learning telah digunakan pada berbagai bidang seperti transportasi, speech processing, computer vision, robotics, dan sebagainya. Sebuah sistem auto driver yang sidebut ALVINN telah berhasil dibuat Dean Pormerleau dari Carnegie Mellon University, USA. Dengan sistem ALVINN, sebuah mobil bisa berjalan sendiri tanpa di setir oleh manusia. Sistem tersebut dibuat menggunakan jaringan saraf tiruan (JST) yang dilatih dengann berbagai gambar kondisi jalan raya yang ditangkap melalui kamera yang diletakkan dimobil. JST dilatih harus belok kiri, lurus atau belok kanan, dan seberapa tajam sedut belokannya. Dalam bidang speech processing,  telah berhasil dibuat berbagai sistem pengenalan suara, pengenalan pembicara, dann bahkan sistem Speech-to-Speech Macine Translation (S2SMT). Dengan S2SMT, seseorang bisa berbicara dengan orang lain menggunakan bahasa berbeda. Si A yang bahasa jerman bisa berkomunikasi dengan si B yang berbahasa inggris. S2SMT terdiri dari tiga komponen utama, yaitu: Automatic Speech Recognition (ASR) yang mengubah suara manusia menjadi teks, Machine Translation (MT) yang menerjemahkan teks menjadi suara. Dua contoh S2SMT adalah: VerbMobil  yang menangani penerjemahan bahasa Jerman dan Inggris dan MATRIX (Multilingual Automatic TRanslation system for Information eXchange) untuk penerjemahan tigas bahasa Jepang, Inggris dan Cina. The Advanced Telecommunication Research Institute (ATR), institusi yang membangun sistem MATRIX, mengklaim bahwa MATRIX mampu menangani lebih dari 30.000 kata untuk masing-masing bahasa tersebut.

AI Masa Depan

Pada Ray Kurzweil menyampaikan tiga buah pertanyaan: Mampukah suatu kecedasan membantu kecerdasan lain yang  lebih cerdas daripada dirinya sendiri? Apakah kita lebih cerdas daripada evolusi yang menciptakan kita? Selanjunya akankah kecerdasan yang kita buat melebihi kecerdasan kita sendiri? Jawaban untuk tiga pertanyaan tersebut adalah ‘Ya, mungkin saja’. Dalam buku tersebut, Ray Kurzweil membuat prediksi-prediksi kejadian 100 tahun yang akan datang, mulai ari 2009 hingga 2099, ke dalam beberapa tahapan berikut ini:

Tahun 2009

                Sebuah PC seharga US$1000 akan dapat melakukan sekitar satu triliun kalkulasi per detik. Komputer akan menjadi sangat kecil, menempel pada pakaian dan perhiasan. Sebagain besar transaksi bisnis rutin berada di antara manusia dan personalitas virtual.  Telepon dengan terjemahannya (translating telephone), pemanggil dan yang di panggil bisa menggunakan dua bahasa berbeda, akan digunakan secara luas di masyarakat.

Tahun 2019

Sebuah PC seharga US$1000 akan setara dengan kemampuan komputasional otak manusia. Komputer semakin mudan dioperasikan, tidak terlihat dan menempel dimana saja. Virtual reality  sudah dalam tiga dimensi. Sebagian besar interaksi dengan komputer sudah melalui isyarat tubuh(gesture) dan komunikasi uncapan bahasa alami dua arah. Lingkungan realistis yang mampu melakukan suatu,secara virtual,  dengan manusia lain, meskipun ada batasan melakukan sesuatu, secara virtual,  dengan manusia lain, meskipun ada batasan secara fisik. Manusia mulai memiliki hubungan dengan personalitas otomatis, seperti teman dan guru.

Tahun 2029

Sebuah PC seharga US$1000 akan setara dengan kemampuan komputasional seribu otak manusia. Komputer telah terhubung langsung ke otak manusia dengan koneksi high-bandwidth. Pencangkokan otak berhasil dilakukan untuk meningkatkan persepsi dan interpretasi secara audio dan visual, memori, dan penalaran. Komputer mempu membaca semua literatur dan material multimedia yang dibangkitkan oleh mesin maupun manusia. Muncul diskusi tentang legalitas komputer dan konstitusi manusia.

Tahun 2049

Makanan yang di produksi menggunakan nano technology mulai digunakan secara umum. Makanan tersebut mempunyai kompasisi gizi yang baik, mempunyai rasa dan tekstur yang sama dengan makanan organik.

Tahun 2072

Picoengineering atau teknologi pada skala picometer  atau 10^-12 meter berhasil diaolikasikan didunia nyata.

Tahun 2099

Ada kecenderungan kuat untuk gabungan antara pemikiran manusia dengan kecerdasan mesin. Tidak ada lagi perbedaan yang jelas antara manusia dan mesin. Sebagian besar entitas tidak mempunyai kehadiaran fisik yang permanen. Kecerdasan manusia yang diperluas mengklaim dirinya sebagai unit manusia. Sebagian besar kecerdasan ini tidak terikat terhadap suatu unit pemrosesan komputasi yang khusus. Jumlah manusia-manusia berbasis software jauh melebihi jumlah manusia-manusia berbasil sel-sel syaraf alami (karbon). Bahkan diantara kecerdasan manusia yang masih menggunakan sel-sel syaraf berbasis karbon tersebut, terdapat penggunaan teknologi pencangkokan sel syaraf yang memberikan peningkatan besar-besaran terhadap kemampuan perseptual dan kognitif manusia. Manusia-manusia yang tidak menggunakan pencangkokan tersebut tidak dapat berpartisipasi dalam dialog dengan manusia-manusia lain yang menggunakan pencangkokan sel syaraf.

Mungkinkah prediksi-peridiksi pada tahapan-tahapan berikutnya akan berhasil diwujudkan? Jika kita amati kondisi tahun 2014 , komputer sekecil ponsel pintar dalam genggaman tangan memang sudah banyak beredar, namun komputer belum menempel pada pakaian dan perhiasan. Sebagian besar transaksi bisnis rutin berada diantara manusia dan personalitas virtual? Sebagian besar transaksi bisnis terlihat dengan banyaknya transaksi online.  Telepon dengan terjemahannya? Hingga saat ini, telepon dengan penerjemahan antar bahasa belum banyak digunakan secara luas di masyarakat. Kemungkinan masih digunakan secara terbatas di dalam kelompok tertentu, seperti agen rahasia atau militer.

Kesimpulan

Pada ilmuwan memiliki dua cara pandang yang berbeda tentang AI. Yang pertama memandang AI sebagai bidanga ilmu yang hanya berfokus pada proses berfikir. Sedangkan yang kedua memandang AI sebagai ilmu yang fokus pada tingkah laku. Cara pandang  ke dua melihat AI secara lebih luas kerena suatu tingkah laku pastilah didahului dengan proses berfikir.

Defenisi AI yang paling tepat untuk saat ini adalah acting rationally  dengan pendekatan rational agent.  Hal ini berdasarkan pemikiran bahwa komputer dengan melakukan penalaran secara logis dan juga bisa melakukan aksi secara rasional berdasarkan hasil penalaran tersebut.

Sejak pertama kali dikemukakan istilah AI pada tahun 1956 di konferensi Darthmouth, AI terus dikembangkna melalui berbagai penelitian mengenai teori-teori dan prinsip-prinsipnya. Perkembangan AI mengalami pasang surut mengikuti antusias para peneliti dan dana penelitian yang tersedia. Pada periode 1966, AI menjadi sebuah industri yang besar dengan perkembangan yang sangat pesat. Banyak industri skala besar yang melakukan investasi besar-besaran dalam bidang AI.

Saat ini, dengan semakin cepatnya perkembangan hardware dan software, berbagai produk AI telah berhasil dibangun dan digunakan dalam kehidupan sehari-hari. Dengan teknologi hardware  yang performansinya semakin tinggi dan berukuran kecil serta didukung teknologi software yang semakin beragam dan kuat, produk-produk berbasis AI semakin dekat dengan kehidupan manusia.

Pada masa mendatang, AI ditantang untuk membuat suatu kecerdasan yang hampir menyamai kecerdasan manusia. Tay Kurzweil memprediksi bahwa hal itu akan terwujud melalui tahapan-tahapan prediksi bahwa hal itu akan mungkin terwujud melalui tahapan-tahapan prediksi yang dibuatnya secara bertahap hingga tahun 2099.

Read More

Sejarah Kecerdasan Buatan (Artificial Intellegence)

http://onlinebaca.blogspot.com

Istilah AI pertama kali dikemukakan pada tahun 1956 di konferensi Darthmouth. Sejak itu, AI terus di kembangkan sebab berbagai penelitian mengenai teori-teori dan prinsip-prinsipnya juga terus berkembang. Meskipun istilah AI baru muncul tahun 1956, tetapi teori-teori yang mengarah ke AI sudah muncul sejak tahun 1941. Secara lengkap, berikut ini tahapan- tahapan sejarah perkembangan AI :

Era Komputer elektronik (1941)

            Pada tahun 1941 telah ditemukan alat penyimpanan dan pemrosesan informasi. Penemuan tersebut dinamakan komputer elektronik yang di kembangkan di USA dan jerman. Komputer pertama ini memerlukan ruangan yang luas dan ruang AC yang terpisah. Saat itu komputer melibatkan konfigurasi ribuan kabel untuk menjalankan suatu program. Hal itu sangat merepotkan para programmer. Pada tahun 1949, berhasil dibuat kemputer yang mampu menyimpan program sehingga membuat pekerjaan untuk memasukkan program menjadi lebih mudah. Penemuan ini menjadi dasar pengembangan program yang mengarah ke AI.

Masa persiapan AI (1943-1956)

            Pada tahun 1943, Warren McCulloch dan Walter Pitts mengemukakan tiga hal: pengetahuan fisiologi dasar fungsi sel syaraf dalam otak, analisis formal tentang logika proposisi (propositional logic), dan teori komputasi Turing. Mereka berhsil membuat suatu model sel syaraf tiruan (artificial Intellegence) dimana setiap neuron digambarkan sebagai ‘on’ dan ‘off’. Mereka menunjukkan bahwa setiap fungsi dapat dihitung dengan suatu jaringan sel syaraf dan bahwa semua fungsi dapat dihitung dengan suatu jaringan sel syaraf dan bahwa semua hubungan logis dapat diimplementasikan dengan struktur jaringan yang sederhana.

Pada tahuan 1950, Norbert Wiener membuat penelitian mengenai prinsip-prinsip teori feedback. Contoh yang terkenal adalah thermostat. Penemuan ini juga merupakan awal dari perkembangan AI. Pada tahun 1956, Jhon McCarthy (yang setelah lulus dari Princeton kemudian melanjutkan ke Dartmouth College) menyakinkan Minsky,  Claude Shannon dan Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang Automata. Jaringan saraf dan pembelajaran intelejensia. Mereka mengerjakan proyek ini selama 2 bulan di Dartmouth. Hasilnya adalah program yang mampu berfikir non-numerik dan meyelesaikan masalah pemikiran, yang dinamakan Principia Mathematica. Hal ini menjadikan McCarthy disebut sebagai Father Of AI (Bapak AI).

Awal perkembangan AI (1952-1969)

            Pada tahun-tahun pertama pengembanganya. AI mengalami banyak kesuksesan. Diawali dengan kesuksesan Newell dan Simon dengan sebuah program yang disebut general Problem Solver.  Program ini dirancang untuk memulai penyelesaian masalah secara manusiawi. Pada tahuan 1958, McCarthy di MIT AI Lab Memo No. 1 mendefinisikan bahasa pemrograman tingkat tinggi yaitu LISP, yang sekarang mendominasi pembuatan program-program AI. Kemudian McCarthy membuat program yang dinamakan Program with Common Sense. Di dalam program tersebut, dibuat rancangan untuk menggunakan rancangan untuk mencari solusi.

Pada tahun 1959, Nathaniel Rochester dari IBM dan mahasiswa-mahasiswanya mengeluarkan program AI yaitu Goemetry Theorm Prover.  Program ini dapat membuktikan suatu teorema menggunakan axioma-axioma yang ada. Pada tahun 1963, program yang dibuat James Slage mampu menyelesaikan masalah integral tertutup untuk mata kuliah Kalkulus. Pada tahun 1968, program analogi buatan Tom Evan menyelesaikan masalah analogi goemetri yang ada pada tes IQ.

Perkembangan AI melambat (1966-1974)

            Prediksi Herbert Simon pada tahun 1957 yang menyatakan bahwa AI akan menjadi ilmu pengetahuan yang akan berkembanga dengan AI melambat. Hal ini disebabkan adanya 3 kesulitan utama yang dihadapai AI, yaitu :

·         Masalah pertama: program-program AI yang bermunculan hanya mengandung sedikit atau bahkan tidak mengandung sama sekali pengetahuan (knowledge) pada subjeknya. Program-program AI berhasil hanya karena menipulasi sintetis yang sederhana. Sebagai contoh adalah Weizenbaum’s ELIZA program (1965) yang dapat melakukan percakapan serius pada topik, sebenarnya hanyalah sebagai peminjaman atau menipulasi kalimat-kalimat yang di ketikkan manusia.

·         Masalah kedua : banyak masalah yang harus diselesaikan oleh AI. Karena terlalu banyaknya masalah yang berkaitan, maka tidak jarang terjadi kegagalan pada pembuatan program AI.

·         Masalah ketiga : ada beberapa batasan struktur dasar yang digunakan untuk menghasilkan perilaku intelejensia. Contohnya dalah pada tahun 1969 buku Minsky dan Papert Perceptrons membutikan bahwa meskipun program – program Perceptrons dapat mepelajari segala sesuatu. Tetapi program-program tersebut hanya mempersentasikan sejumlah kecil saja. Sebagai contoh, dua masukan Perceptrons yang berbeda tidak dapat dilatihkan untuk mengenali kedua masukan yang berdeda tersebut.

Sistem berbasi pengetahuan (1969 – 1979)

            Pengetahuan adalah pendukung AI. Hal ini dibuktikan dengan program yang dibuat oleh Ed Feigenbaum, Bruce Buchanan dan Jhosua Lederberg yang membuat program untuk memecahkan masalah struktur molekul dari informasi yang didapat dari Spectometer massa. Program ini dimanakan Dendral Programs yang berfokus pada segi pengetahuan kimia. Dari segi diagnose juga sudah ada yang menemukannya, yaitu Saul Amarel dalam proyek Computer in Biomedicine. Proyek ini diawali dari keinginan untuk memdapatkan diagnosa penyakit berdasarkan pengetahuan yang ada pada mekanisme penyebab proses penyakit.

AI menjadi sebuah industry (1980-1988)

            Industrialisasi AI diawali dengan ditemukannya Expert system (sistem pakar) yang dinamakan R1 yang mampu mengkonfigurasi sistem-sistem komputer baru. Program tersebut mulai di operasikan di Digital Equipment Corporation (DEC), McDermott pada tahun 1982. Pada tahun 1986, program ini telah berhasil menghemat US$ 40 juta, per tahun. Pada tahun 1988, kelompok AI di DEC menjalankan 40 sistem pakar. Hampir semua perusahaan di USA mempunyai devisi AI sendiri yang menggunakan ataupun mempelajari sistem pakar. Booming industry AI ini juga melibatkan perusahaan – perusahaan seperti Carnegie Group, Inference, Intellocorp, dan Technoledge yang menawarkan Software tools untuk membangun sistem pakar. Perusahaan hardaware seperti LISP Machines Inc, Texas Instrument, Symbolics, dan Xerox juga turut berperan dalam membangun workstation yang dioptimasi untuk pembangunan program LISP. Sehingga, perusahaan yang sejak tahun 1982 hanya menghasikan beberapa juta US dolar pertahun meningkat menjadi 2 milyar US dolar per tahun pada tahun 1988.

Kembalinya jaringan Syaraf Tiruan (1986- sekarang)

            Meskipun bidang ilmu kemputer menolak jaringan saraf tiruan setelah diterbitkannya buku “Percecptrons” karangan Minsky dan Papert, tetapi para ilmuwan masih mempelajari bidang ilmu tersebut dari sudut pandang yang lain yaitu fisika. Para ahli fisika seperti Hopfield (1982) menggunakan teknik-teknik mekanika statistika untuk menganalisa sifat-sifat penyimpanan dan optimasi pada jaringan saraf. Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenal model jaringan syaraf. Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model jaringan syaraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset menemukan kembali algoritma belajar propagasi balik (Back-Propagation learning). Algoritma ini berhasil diinplementasikan kedalam bidang ilmu komputer dan psikologi.

Read More

Definisi Kecerdasan Buatan (Artificial Intellegence)

http://onlinebaca.blogspot.com

Sebagian kalangan menerjemahakan Artificial Intellegence sebagaia kecerdasan buatan, kecerdasan artifisial, intelejensia artifisial, atau intelijensia buatan. Pada artikel ini, istilah Artificial Intellegence sengaja tidak diterjemahkan kebahasa Indonesia kerena istilah tesebut sudah sangat akrab bagi orang Indonesia. Begitu juga dengan singkatan istilah tersebut, yaitu AI, sudah sangat melekat di berbagai media ilmiah maupun non-ilmiah.

Selanjutnya, marilah kita melihat beberapa definisi AI yang disampaikan oleh beberapa ahli. Para ahli mendefinisikan AI secara berbeda-beda tergantung pada manusia saja, tetapi ada juga yang mendefinisikan AI secara lebih luas pada tingkah laku manusia. Pada  Struat Russel dan Peter Norvig mengelompokkan definisi AI, yang diperoleh dari beberapa textbook berbeda, ke dalam empat kategori, yaitu :

1.      Thinking humanly : the cognitive modelling apporoach

      Pendekatan ini dilakukan dengan dua cara sebagai berikut :

·         Melalui introspeksi : mecoba menangkap pemikiran-pemikiran kita sendiri pada saat kita berfikir. Tetapi, seorang psikolog Barat mengatakan: “how do you that yau understand?” Bagaimana anda tahu bahwa Anda mengerti? Kerena pada saat Anda memahami pemikiran Anda, ternyata pemikiran tersebut sudah lewat dan digantikan kesadaran anda. Sehingga, definisi ini terkesan mengada-ada dan tidak mungkin dilakukan.

·         Melalui eksperimen-eksperimen psikologi.

2.      Acting humanly : the turing the approach

   Pada tahun 1950, Alan turing merencanakan suatu ujian bagi komputer berintelejensia untuk menguji apakah kemputer tersebut mampu mengelabuhi seorang manusia yang menginterogasinya melalui teletype (komunikasi diinterogasi adalah manusia atau komputer, maka komputer berintelejensia tersebut lolos dari Turing test. Komputer tersebut perlu memiliki kemampuan: Natural Language Processing, Knowledge Representation, Automated Reasoning, Machine Learning, Computer Vision Robotik. Turing test sengaja menghindari interaksi fisik antara interrogator dan computer karena simulasi fisik manusia tidak memerlukan intelijensia.

3.      Thinking rationally: the laws of thought approach

      Terdapat dua masalah dalam pendekatan ini, yaitu :

·         Tidak mudah untuk membuat pengetahuan informal dan menyatakan logika, khususnya ketika       pengetahuan tersebut memiliki kepastian kurang dari 100%.

·       Terdapat perbedaan besar antara dapat memecahkan maslah “dalam prinsip ” dan memecahkannya “dalam dunia maya”.

4.      Acting rationally: the rationally agent approach

    Membuat inferensi yang logis merupakan bagian dari suatu rational agent. Hal ini disebabkan satu-satunya cara untuk melakukan aksi secara logis, maka bisa didapatkan kesimpulan bahwa aksi yang diberikan akan mencapai tujuan atau tidak. Jika mencapai tujuan, maka agent dapat melakukan aksi berdasarkan kesimpulan tersebut.

     Thinking humanly dan acting humanly adalah dua definisi dalam arti yang sangat luas. Sampai saat ini, pemikiran manusia yang diluar rasio, yakni reflex dan intuitif (berhubungan dengan perasaan), belum dapat ditirukan sepenuhnya oleh computer. Dengan demikian, kedua definisi ini dirasa kurang tepat untuk saat ini. Jika kita menggunakan definisi ini, maka banyak produk komputasi cerdas saat ini yang tidak layak disebut sebagai produk AI.

     Definisi thinking rationally terasa lebih sempit daripada acting rationally.  Oleh kerena itu, definisi AI yang paling tepat untuk saat ini adalah action retionally dengan pendekatan ration agent.  Hal ini berdasarkan pemikiran bahwa komputer bisa melakukan penalaran secara logis dan juga bisa melakukan aksi secara rasional berdasarkan hasil penalaran tersebut.

Read More

Mengapa Mempelajari Kecerdasan Buatan (Artificial Intellegence)

http://onlinebaca.blogspot.com

Manusia diciptakan dengan kecerdasan yang sangat luar biasa. Bayi yang baru lahir hanya bisa menangis saat lapar  dan dengan segera berhenti begitu sang ibu memberinya ASI (air susu ibu). Hal ini merupakan konsep belajar paling sederhana melalui sebuah pemetaan di jaringan syaraf otaknya: jika dia lapar dan menangis, maka ibunya pasti akan segera datang untuk memberinya ASI. Pembelajaran yang diperoleh melalui stimulasi dari lingkungannya terjadi sangat cepat, eksponensial. Di usia sekitar dua tahun, seorang bayi umumnya sudah mulai mengucapkan beberapa kata dan mampu mengenali berbagai benda meskipun yang terlihat hanya bagian tertentu dari benda tersebut. Ketika melihat bagian kecil dari ekor cicak, dia akan mampu mengidentifikasi bahwa ada ekor cicak sedang bersembunyi di balik bingkai foto yang tergantung di dinding. Satu atau dua tahun kemudian, dia sudahlihai berkomunikasi menggunakan satu kalimat lengkap dengan subjek – predikat-obyek-keterangan. Padahal dia sama sekali tidak pernah diajari tata bahasa. Di usia lima tahun, dia sudah mahir berargumen menggukan kalimat-kalimat mejemuk yang kompleks. Pada usia selanjutnya, kecerdasannya akana berkembang dengan sangat pesat, membentuk kecerdasan mejemuk (Multiple Intellegence). Sampai saat ini, belum ada satu mesin pun yang bisa menyamakan kecerdasan majemuk manusia secara keseluruhan.

Selama bertahun-tahun para filsuf berusaha mempelajari kecerdasan manusia. Dari pemikiran para filsuf tersebut, lahirlah AI sebagai cabang ilmu yang juga barusaha memahami kecerdasan manusia. Ai berusaha membangun entitas-entitas cerdas yang sesuai dengan pemahaman manusia. Entitas – entitas cerdas yang dibangun AI ini ternyata sangat menarik dan mempercepat proses pemahaman terhadap kecerdasan manusia. Oleh karena itu, AI menjadi bidang yang sangat penting dalam memahami kecerdasan manusia. Dengan didukung perkembangan Hardware dan Softeware yang sangat beragam, AI telah menghasilkan banyak produk yang sangat penting dan berguna untuk kehidupan manusia.  Hingga saat ini, AI terus dipelajari dan dikembangan secara meluas dan mendalam. Saat ini, kita Soft Computing, Evolutionary Computation, dan banyak lagi lainnya yang semakin focus pada bidang kajian dan pemasalahan tertentu.

Pada artikel ini, pembahasan AI difokuskan pada empat teknik dasar pemecahan masalah yaitu: Searching, Reasoning, Planning, dan Learning.  Keempat teknik yang memiliki karakteristik unik, tersebut bisa digunakan secara serial dan paralel untuk membangun aplikasi sederhana hingga sebuah system yang sangat besar. Misalkan, aplikasi yang dibangun menggunakan teknik searching yang di ikuti teknik reasoning. Sementara aplikasi lainnya dibagun menggunakan teknik reasoning yang dilakukan secara paralel dengan teknik learning.  Dengan demikian, keempat teknik tersebut dapat diilustrasikan oleh gambar 1-1 berikut ini :

    

Gambar 1-1 : Empat teknik dasar dalam AI yang bias digunakan sendiri- sendiri secara terpisah atau penggabungan dua, tiga, bahkan empat teknik sekaligus untuk membangun suatu aplikasi.

Read More