Kecerdasan Buatan

Slide ini berikan tentang kontrak mata kuliah ini. kontrak matakulian ini akan kita gunakan dan kita sepakati dalam satu semester ini. Dalam slide ini akan terdapat Capaian dan Sub-Capaian apa saja, tugas-tugas yang akan diberikan, serta sumber-sumber pembelajaran. penjelasan detail sudah terdapat pada video, slide ini digunakan untuk memudahkan pencarian jika sewaktu-waktu teman-teman lupa. 

Apakah yang terjadi pada dunia ini sebelum ada AI dan sesudah ada AI? 

Pertanyaan inilah yang menjadikan dasar dari materi ini. akan terdapat contoh penerapan AI pada empat area besar didunia ini. Pada setiap area akan dijelaskan tentang apa yang ada terjadi sebelum ada AI dan sudah AI. Dari anda membaca artikel ini, harapan saya adalah anda dapat memicu pertanyaan yang lain "apakah AI penting?"

Slide ini hanya menampilkan modul dari penjelasan video untuk menarangkan pentingnya AI. Modul ini dapat digunakan teman-teman untuk mengingat kembali apa yang saya sampaikan pada video tanpa harus memutar ulang video lagi. 

Apakah ada teknologi yang nantinya menggantikan AI? atau AI menjadi lebih powerfull?  

untuk menjawab pertanyaan itu maka kita perlu tau sejarah dari taknologi itu sendiri sebelum masuk dalam sejarah AI. Dengan kita mengetahui sejarah maka kita akan dapat memprediksi atau melihat masa dengan lebih akurat. 

Dalam artikel tersebut akan tersedia sejarah dari zaman pra-sejarah sampai dengan zaman digital. dalam artikel tersebut akan memuat capstone teknologi ataupun AI itu sendiri. 

materi presentasi ini adalah modul pembelajaran yang akan diterangkan lebih jauh pada materi video. pada slide ini teman-teman akan melihat banyak berisikan gambar-gambar yang saya pilih untuk mengambarkan teknologi pada waktu itu. 

berikut ini adalah sejarah AI yang dimulai dari general komputer pertama kali oleh Alan Turing sampai dengan modern AI yaitu Artificial Generative Intelligence. 

Mari kita awali dengan pertanyaan, Apakah itu AI? apakah itu Artificial? dan apakah itu Intelligence?

untuk menjawab pertanyaan itu kita dapat langsung mengambil kesimpulan dari text book atau chatbot AI atau dari artikel-artikel lain termasuk wikipedia. tapi apakah itu sesuai? ataukah hal tersebut tidak tepat? untuk dapat menjawab pertanyaan-pertanyaan tersebut mari kita lihat pembahasan singkat dari materi yang telah saya sampaikan di narasi ini. harapan saya dengan kita membaca dan mencari tau lebih dalam.

seperti yang diajarkan Aristotles ke kita, bahwa Kesimpulan yang benar berasal dari Premis-Premis yang benar juga, mari kita berfikir dan mencari tau premis untuk mengambil kesimpulan apa itu AI. 

Reason. Apakah reason itu? dan ketika dalam materi reasoning AI apa korelasi yang terjadi? 
Reason pertama kali dikemukakan oleh para filsuf Yunani dari socrates sampai Aristotles, bahkan sampai terdapat teori pure reasoning. 
ada hubungan apa teori reason sebelum jaman digital dengan teknik reason AI? 

ELIZA, merupakan program komputer untuk percakapan atau sering disebut dengan chatBot AI. Eliza hadir pada tahun 60-an, menjadi chatBot pertama didunia. sekarang kita mengenal chatGBT atau GEMINI sebagai chatbot paling canggih. mari kita ke masa lalu terlebih dahulu untuk membuat eliza versi kita sendiri... 

Bayangkan jika ada doktor 24 jam yang setia menunggu kita berkonsultasi? tentunya era tersebut sudah pernah kita lewati. 
tetapi bagaimana kah cara kerjanya? pada materi ini akan diterangkan langkah-langkah untuk membuat expert system dengan metode foward chaining, metode yang simple tetapi ampuh.

dalam implementasi ini, kita akan memindahkan kecerdasan dari expert ke program komputer. Penasaran? yuk kita segera membaca dan melihat materi yang lain...

setelah teman-teman semua membaca pembukaan materi ini pada materi dalam text narasi, untuk langkah selanjutnya adalah pembuatan program expert system Untuk membuat program expert system, teman-teman dapat menirukan modul yang diatas.
selamat belajar dan ngoding... 

Bagaimana jika sebuah kehidupan ini dipisahkan dengan batas yang pasti, batasan angka 0 dan 1, batasan tua dan muda, batasan suhu panas dan dingin???

jika didunia itu hanya ada batasan sejati, maka didunia ini hanya ada hitam putih, benar dan salah. bagaimana dunia kita saat ini? banyak sekali kompromi, atau nilai abu-abu..., itulah dasar pemikiran prof. Zadeh menciptakan logika fuzzy. 

ikuti tulisan saya ini dengan baik, untuk dapat memahami konsep, teknik, dan masa depan dari teknik ini.. selamat menikmati anak-anak, tetap semangat belajar... 

materi yang ada didalam modul ini adalah tentang konsep umum dari fuzzy logic serta penerapan pada metode FIS (fuzzy inferensia system) dengan teknik Tsukamoto yang diterapkan pada contoh satu studi kasus. foto dibawah ini adalah foto dari tokoh-tokoh Fuzzy, tetapi yang kita ambil topik adalah Fuzzy Tsukamoto yang ditemukan oleh Lakeshi Tsukamoto.

Bagaiamana jika manusia tidak mempunyai kemampuan belajar/learning? 

Salah satu definisi dari 'kecerdasan' adalah kemampuan belajar. Mungkin kita lupa bagaimana kita belajar berjalan, belajar membaca, belajar mengenali orang, belajar naik sepada, belajar bahasa, hal tersebut adalah hal natural manusia. pertanyaanya adalah apakah mesin dapat belajar seperti kita? Apakah mesin dapat belajar secara natural? apakah mesin harus diatur supaya dapat belajar? bagaimana cara mesin untuk belajar? bukankah mesin hanya mesin yang dapat membaca angka 0 dan 1? 

Untuk dapat menjawab pertanyaan-pertanyaan diatas kita perlu tengelam dalam materi ini. Untuk materi ini akan tersedia sejarah, definisi, filosofi, dan implementasi dari teknik ini. Materi ini hanya digunakan sebagai triger teman-teman untuk dapat lebih menjelajah materi ini. 

Tomas Bayes merupakan ilmuwan matematika pada abad ke-18 yang mengemukakan teori tentang probabilitas. Teorema ini berfokus pada cara menghitung probabilitas bersyarat dari suatu peristiwa berdasarkan pengetahuan awal atau bukti baru. Teorema Bayes memiliki implikasi yang mendalam dalam bidang probabilitas, karena memperkenalkan konsep bahwa kita dapat memperbarui probabilitas sebuah hipotesis setelah mendapatkan bukti baru. Algoritma Naive Bayes adalah pengembangan dari Teorema Bayes yang diterapkan dalam pembelajaran mesin untuk tujuan klasifikasi. Kata "naive" atau "sederhana" merujuk pada asumsi yang digunakan oleh algoritma ini, yaitu bahwa setiap fitur atau variabel dalam dataset dianggap independen satu sama lain, atau tidak memiliki hubungan dengan fitur lainnya. 

bagaimana implementasi, bagaimana formulanya, bagaimana prosedur algoritmanya, mari kita lihat dalam materi yang lebih lengkap pada file pdf ini.. selamat belajar dan selamat membaca. 

k-NN, itulah nama metode yang akan kita pelajari minggu ini dan seperti yang saya sebutkan pada pembukaan pembelajaran minggu ini materi ini merupakan salah satu algoritma yang paling mudah diimplementasikan. Algortima ini biasa juga disebut 'lazy learning', dikarenakan algoritma ini tidak ada parameter yang dilearning, melainkan membutuhkan seluruh dataset untuk dilakukan inferensia data testing. 

dalam meteri ini akan tersedia, pendahuluan meliputi konsep, prinsip dasar dan filosofi berfikir. Setelah pendahuluan, akan terdapat formula dan prosedur k-NN. Forluma jarak yang disampaiakan terdapat 6 pengukuran jarak yang berbeda-beda. Mteri berikutnya adalah tentang perhitungan manual, pembuatan program, serta kami sampaiakan topik-topik skripsi yang dapat diambil dari metode ini. 

yuk dibaca dengan baik-baik sebelum kita masuk ke materi video.. 

modul slide ini berbeda dengan materi narasi dalam bentuk artikel, pada materi ini terdapat ilustrasi perpindahan data dengan pengambaran 2D. harapan dengan slide ini lebih tergambarkan prosedur dari metode k-NN ini. 

Albert Einstein adalah simbol manusia genius, yang berarti mempunyai kecerdasan sangat lebih dari manusia yang lain. Bagian otak manusia merupakan bagian yang menghasilkan kecerdasan. Ada apakah di otak itu sampai dapat menghasilkan kecerdasan? jawab dari pertanyaan itu adalah terdapat syaraf (neuron). Ukuran yang dimiliki oleh Einstein sama dengan ukuran orang normal, malah cenderung lebih kecil, tetapi ketika dibongkar otaknya, jaringan syaraf (neuron network) yang dimiliki lebih kompleks, lebih banyak dibandingkan otak manusia yang lain. 

dari konsep ini, maka dibuatlah sebuah algoritma dengan menirukan kerja syarat otak manusia yang diberi nama Artificial Neural Network, atau Jaringan syaraf tiruan. Mari kita lihat materi yang ada didalamnya tentang bagaimana sejarah awal, konsep, procedure, hitungan manual, sampai dengan produk-produk AI cangih yang menerapkan metode ini sebagai dasarnya. 

materi slide ini berisikan tentang perubahan konsep dari awal sampai dengan ditemukanya ANN (multi layer perceptron). bagaiamna jaringan awal perceptron sampai dengan deep learning akan tersaji di materi ini. contoh studi kasus juga tersedia pada slide ini. 

selamat menikmati dan selamat belajar.. goodluck...