Cara Kerja Sistem Kecerdasan Buatan (Artificial Intelligence)

Kecerdasan buatan (AI) adalah kecerdasan mesin dan cabang ilmu komputer yang bertujuan untuk menciptakannya. Buku teks mendefinisikan lapangan sebagai "studi dan desain yang cerdas agen," di mana suatu agen cerdas adalah sistem yang merasakan lingkungannya dan mengambil tindakan yang memaksimalkan peluang keberhasilan. John McCarthy, yang menciptakan istilah dalam 1956, mendefinisikan sebagai "ilmu dan teknik membuat mesin cerdas."

Bidang ini didirikan pada klaim bahwa milik sentral manusia, intelijen-yang kebijaksanaan-Homo sapiens bisa begitu tepat dijelaskan sehingga dapat disimulasikan oleh sebuah mesin. Hal ini menimbulkan masalah-masalah filosofis tentang sifat pikiran dan batas-batas keangkuhan ilmiah, masalah-masalah yang telah ditangani oleh mitos, fiksi, dan filsafat sejak jaman dahulu. Kecerdasan buatan telah menjadi subjek optimisme hati, telah mengalami kemunduran yang menakjubkan dan, hari ini, telah menjadi penting bagian dari industri teknologi, menyediakan angkat berat bagi banyak masalah-masalah yang paling sulit dalam ilmu komputer.

Penelitian AI sangat teknis dan khusus, sangat dibagi menjadi subbidang yang sering gagal untuk berkomunikasi dengan satu sama lain. subbidang telah tumbuh di sekitar lembaga-lembaga tertentu, karya peneliti perorangan, pemecahan masalah-masalah tertentu, telah berlangsung lama perbedaan pendapat tentang bagaimana AI harus dilakukan dan aplikasi dari alat yang berbeda secara luas. Masalah pusat AI meliputi ciri sebagai penalaran, pengetahuan, perencanaan, belajar, komunikasi, persepsi dan kemampuan untuk bergerak dan memanipulasi objek. General intelligence (or "strong AI") masih merupakan tujuan jangka panjang dari ( beberapa) penelitian.


Probabilistik metode untuk alasan yang tidak pasti

Banyak masalah dalam AI (dalam penalaran, perencanaan, pembelajaran, persepsi dan robotika) membutuhkan agen untuk beroperasi dengan informasi yang tidak lengkap atau tidak pasti. Dimulai pada akhir tahun 80-an dan awal 90-an, Yudea Pearl dan lain-lain memperjuangkan penggunaan metode yang ditarik dari teori probabilitas dan ekonomi untuk merancang sejumlah alat yang sangat berguna untuk memecahkan masalah ini.

Jaringan Bayesian adalah alat yang sangat umum yang dapat digunakan untuk sejumlah besar masalah: penalaran (inferensi Bayesian menggunakan algoritma), pembelajaran (menggunakan harapan-maksimisasi algoritma), perencanaan (menggunakan keputusan jaringan) dan persepsi (menggunakan jaringan Bayesian dinamis). probabilistik algoritma juga dapat digunakan untuk memfilter, prediksi, merapikan dan menemukan penjelasan untuk aliran data, sistem persepsi membantu untuk menganalisis proses-proses yang terjadi dari waktu ke waktu (misalnya, Hidden Markov Model atau Kalman filter).

Konsep kunci dari ilmu ekonomi adalah "utilitas": suatu ukuran betapa berharganya sesuatu adalah agen yang cerdas. Tepat alat-alat matematika yang telah dikembangkan menganalisis bagaimana seorang agen dapat membuat pilihan dan rencana, dengan menggunakan teori keputusan, analisis keputusan, Teori nilai-nilai informasi. Alat-alat ini meliputi model-model seperti proses-proses keputusan Markov, dinamis jaringan keputusan , teori permainan dan desain mekanisme.