ELEKTRO INDONESIA                      Edisi Perdana, Maret 1996

• Artificial Intelligence vs Artifial Neural Network ?
• Tingkatan Profesi Teknologi Informasi di Indonesia

AI dikembangkan pertama kali pada tahun 1960-an ketika John McCarthy dari Massachusets Institute of Technology (MIT) menciptakan bahasa pemrograman LISP. Kemudian berkembang dengan dibuatnya program komputer yang "berpikir" seperti permainan catur dan pembuktian perhitungan matematis secara komputasi. Pada tahun 1964, Joseph Weizenbaum juga dari MIT membuat ELIZA, sebuah program yang menggambarkan konsultasi seorang psikiater dengan pasiennya.

Era 70-an, perkembangan AI menghasilkan beberapa terobosan dan satu diantaranya yang paling populer adalah Expert System (ES). ES adalah suatu program yang berisikan berbagai macam informasi dari berbagai bidang yang dapat memberikan respon ketika diberi sejumlah persoalan dengan tambahan informasi pembantu tertentu. Salah satu ES yang pertama kali dibuat adalah MYCIN-nya Universitas Stanford yang membantu para ahli medis untuk mendiagnosa dan menganalisa sakit yang diderita oleh pasien-pasiennya. Terobosan lainnya adalah diciptakannya bahasa khusus untuk AI yaitu PROLOG (Programming in Logic). PROLOG mempunyai beberapa kelebihan dibanding LISP yaitu : mempunyai database sendiri, fasilitas rutin yang dapat mengakses secara backtracking dan sintaksis dari perintah-perintahnya yang lebih sederhana. Jika LISP adalah bahasa terpilih untuk AI di Amerika pada tahun 1980. Maka tahun 1981, PROLOG terpilih sebagai generasi kelima dan dipergunakan seluas- luasnya dalam pengembangan AI di Jepang.

ANN;Komputer Generasi IV

Berawal dari mesin Von Neumann, pada akhir tahun 1980-an, impian manusia untuk menciptakan Brain Like Computer (BLC) atau Neural Intellegence mengalami perkembangan pesat. Walaupun jelas tidak mungkin mampu menyamai kecanggihan otak manusia, BLC diharapkan bisa meniru fungsi kepandaian biologis. Fungsi itu antara lain mengolah informasi dengan menggunakan teknik pelatihan dalam proses belajar, pengenalan pola serta menentukan keputusan. Karena meniru fungsi sistem syaraf tersebut, BLC akhirnya lebih terkenal sebagai Artificial Neural Network (ANN).

Berbeda dengan komputer digital yang menerapkan algoritma numerik - sehingga sering mendefinisikan banyak fungsi secara rekursif- ANN mengerjakan proses penghitungan fungsi- fungsi komputasi di dalam network fisisnya sendiri. Karenanya kemudian muncul istilah sel saraf atau neuron dan sinapsis bagi setiap operasi komputasi dasar. ANN merupakan suatu teknik komputasi yang menggunakan model syaraf biologis dengan model matematik yang dibentuk dari sejumlah besar elemen pemroses yang dapat saling berkomunikasi melalui interkoneksi jaringan. Problem dalam pembuatan model sistem untuk ANN adalah tidak diketahuinya komponen dasar sistem secara jelas agar dapat dipakai untuk mendefinisikan persamaan-persamaan fundamental sistem tersebut. Salah satu penyebabnya adalah banyaknya input yang tak dapat dikendalikan guna menghasilkan suatu nilai yang diharapkan secara alamiah. Pengukuran langsung fungsi transfer dari sebuah neuron hanya dapat dilakukan amat kasar sehingga tidak memberi hasil memadai yang mendasari teori sistem yang kompleks. Akibatnya para ahli riset ANN harus membayangkan bentuk dasar fungsi transfer beserta persamaan-persamaan sistem adaptifnya menggunakan common sense untuk merumuskan, mencoba banyak fungsi-fungsi analitis yang berbeda, dalam upaya pengimplementasian gejala agar sealamiah mungkin.

Dalam melakukan proses belajar, ANN dapat memodifikasi tingkah lakunya sesuai lingkungan. ANN dapat mengatur diri untuk menghasilkan respon yang konsisten terhadap serangkaian input. Beberapa ANN yang dibuat mampu mengabtraksikan intisari serangkaian input. Contohnya, sebuah network dapat dilatih mengenali beberapa versi huruf S. Setelah latihan, network dapat menghasilkan huruf S yang sempurna dari input huruf-huruf S yang terdistorsi. Secara prinsip, network itu telah belajar menghasilkan sesuatu yang belum pernah ada sebelumnya. Dengan latihan-latihan yang diberikan pada proses belajar, ANN dapat diarahkan untuk melakukan fungsi tertentu yang diinginkan. Struktur elemen pemroses paralel akan membuat ANN mampu beradaptasi pada lingkungan yang kurang ideal dan kebal terhadap kesalahan. Hal yang menarik dari ANN memang kemampuannya untuk belajar yang menunjukkan beberapa kesamaan dengan perkembangan intelektual manusia. Namun kemampuan belajar ANN ini terbatas dan tak bisa melakukan segalanya.

Lahir dan berkembangnya ANN di era 80-an ini merupakan sebuah terobosan yang fundamental. Terobosan teknologi komputasi awal adalah lahirnya komputer generasi I tahun 1948. Ditandai dengan diciptakannya ENIAC yang berorentasi titik dengan elemen dasar tabung-tabung hampa udara. Generasi II ditandai dengan lahirnya Transistor di tahun 1960. Kemudian tahun 1965 lahir komputer berorentasi garis sebagai generasi III. Dan tahun 1976 muncul generasi IV yaitu komputer berorentasi daerah. Selanjutnya muncul komputer generasi V yang tak lain adalah Artificial Intellegence. Maka munculnya ANN ini merupakan tonggak dimulainya era komputer generasi VI.

Aplikasi AI dan ANN

Aplikasi AI sebenarnya banyak sekali, namun bisa diwakili oleh beberapa bidang yang penting dan memang sedang dikembangkan dengan serius.

Pertama, aplikasi searching yang di sini bukan berarti mencari suatu data atau informasi dalam database melainkan menentukan penyelesaian dari suatu masalah (searching for solution). Jika penyelesaian biasa dengan komputasi hanya bisa dilaksanakan dengan persamaan input (misal : algoritma matematik) yang sudah ada, maka penyelesaian model ini bisa membuat solusi dari kombinasinya. Contoh sederhana misalnya, ada seorang yang ingin membooking pesawat Garuda untuk rute Jakarta ke Berlin. Ternyata tidak ada jadwal penerbangan seperti itu pada pesawat Garuda. Kemudian komputer memberikan solusi dengan menyatakan bahwa rute itu bisa ditempuh dengan 3 kali rute penerbangan yakni dari Jakarta-Singapura, Singapura-Roma dan Roma-Berlin. Teknik searching for solution ini terbagi menjadi beberapa metode yakni : Depth-first, Breadth-first, Hill-Climbing dan Least- Cost.

Ke dua, aplikasi bidang kebahasaan dengan pengembangan Natural Language Processing (NLP). NLP dikembangkan dengan tujuan agar terjadi jalur komunikasi antar manusia dan komputer dengan mempergunakan bahasa manusia sehari-hari. Komputer diupayakan agar mengerti bahasa manusia sehingga mampu memberikan respon terhadap input dari manusia dengan struktur bahasa yang baik. Karenanya bidang ini juga amat berpengaruh terhadap teknologi robotika. Materi utama yang dipelajari dalam NLP ini adalah parser yaitu suatu bagian dari program yang membaca tiap kalimat, kata demi kata untuk menentukan tata bahasa yang benar. Terdapat tiga jenis parser yaitu : State Machine Parser, Context Free Recursive Descent Parser dan Noise Disposal Parser.

Ke tiga, aplikasi dalam bidang pengenalan pola dan pandangan (Pattern and Recognition). Dengan teknologi ini, sebuah komputer dapat mengetahui suatu obyek seperti lazimnya manusia. Contoh aplikatifnya antara lain : memeriksa arah permukaan suatu obyek, pengenalan beragam obyek berdasarkan klasifikasi tertentu, pengenalan pola sistem dua dan tiga dimensi, membedakan obyek yang saling menindih, mendeteksi gerakan suatu obyek, menentukan susunan permukaan suatu obyek dan sebagainya.Aplikasinya memegang peranan vital dalam pengembangan robotika.

Ke empat, aplikasi dalam bidang logika dan ketidaktentuan (logic and uncertainty). Tanpa adanya pemahaman logika yang mendasar maka akan sulit untuk membuat suatu program. Dalam bidang ini dipelajari hukum-hukum logika dan salah satunya juga diajarkan tentang ketidaktentuan. Salah satu hasilnya adalah fuzzy logic atau logika samar (kemungkinan) yang sudah diterapkan pada berbagai macam peralatan elektronika dan sistem kontrol. Prinsip dasarnya ditemukan Lotfi A. Zadeh, seorang guru besar komputer sains di Universitas California pada tahun 1965. Jika komputer konvensional hanya mengenal logika biner tradisional dan terbatas seperti : on-off, hitam-putih, false-true aatu satu-nol, maka logika fuzzy dapat menelaah informasi tak eksak seperti : mungkin, barangkali, agak kurang lebih dll. Sehingga komputer bekerja mendekati naluri manusia.

Ke lima, adalah aplikasi yang mungkin paling banyak berkembang saat ini yaitu sistem pakar (expert system). Pada dasarnya expert system terdiri dari banyak database dan seperangkat aturan yang akan mencari dari database itu suatu solusi terbaik atas suatu masalah. Database dan aturan itu dikembangkan berdasarkan pengetahuan para ahli pada suatu bidang tertentu. Misalnya, program PROSPECTOR yang dibuat tahun 1978 untuk pemakaian di bidang geologi, databasenya dibuat berdasar ilmu para pakar dari berbagai spesialisasi bidang geologi bahkan beberapa pakar bidang lainnya yang terkait. Tidak seperti program-program komputer biasa yang membutuhkan informasi lengkap untuk dapat membuat suatu keputusan, program expert system didesain untuk menghasilkan harapan terbaik berdasarkan database yang ada seperti layaknya seorang pakar mendiagnosa. Keuntungan utama teknologi ini adalah tersedianya semua pengetahuan para ahli berbagai bidang yang dapat diperoleh dari berbagai tempat (misalnya dengan penggunaan modem). Dan keuntungan lainnya adalah kemudahan untuk mengadakan pembaharuan database dan perangkat dan seperangkat aturan yang dipakai, sesuai dengan hasil penelitian terbaru.

Beberapa problema dalam pengembangan AI seperti : pengenalan citra (image recognotion), pengenalan kata/suara (speech recognotion), peramalan cuaca (weather forecasting) serta pemodelan tiga dimensi, tak mudah dilakukan dan kurang akurat jika diterapkan pada set instruksi komputer yang berbasis sistem 386/1486. Atas dasar inilah, maka diterapkan arsitektur komputer baru yang bermodelkan berdasarkan otak manusia. Dan lahirlah ANN yang ternyata memberi banyak harapan dan kemajuan. AI dan ANN memang punya persamaan sebagai bagian penting dari pengembangan teknologi mesin cerdas. Namun terdapat perbedaan yang jelas dalam pendekatan cara kerjanya. AI berorentasi kerja pada apa yang dikerjakan oleh otak, sedangkan ANN lebih memperhatikan bagaimana fungsi otak manusia. AI lebih menekankan pada teori model dalam psikologi, sedangkan ANN mencoba memodelkan sel biologis mulai dengan neuron sebagai unit yang paling sederhana kemudian mencari pengaruh dari neuron yang saling dihubungkan dan dikombinasikan. Karenanya ANN mempunyai beberapa kelebihan dibanding AI.

Beberapa kelebihan ANN itu antara lain adalah pertama, ANN akan mempelajari sendiri respon yang diinginkan sehingga tidak memerlukan pemrograman hubungan input dan output. Ke dua, ANN didesain untuk mengevaluasi dan beradaptasi pada kriteria-kriteria yang baru dan karenanya ia mampu memperbaiki respon dengan belajar. Ke tiga, informasi tidak disimpan pada lokasi memori tertentu seperti pada komputer digital biasa. ANN menyimpan informasinya secara terdistribusi sehingga dapat mengakibatkan kerusakan beberapa neuron, namun tidak akan menyebabkan gangguan operasional secara serius. Ke empat, karena ANN bekerja sebagai penjumlah sinyal maka input bisa tidak harus tepat sama. Contohnya, ANN akan mengenali suatu kata, mesti kata itu diucapkan oleh orang-orang yang berbeda. ANN juga mampu mengenali seseorang meski ia sudah berbeda (misal potongan rambutnya) dengan saat pertama dikenali. Dengan teknik komputasi digital biasa, kasus- kasus tersebut jelas akan sulit dilakukan.

Riset dan aplikasi yang dilakukan di berbagai negara, telah membuktikan bahwa ANN dapat menyelesaikan bermacam masalah yang tak dapat dilakukan komputer konvensional. Dalam bidang bisnis atau keuangan, ANN ditugaskan mengenali tulisan dan tanda tangan nasabah untuk menghindarkan pemalsuan surat berharga. ANN dipergunakan dalam kedokteran untuk membuat analisis tentang penyebab terjadinya penyakit tertentu atau juga meramalkan reaksi penolakan obat. Dalam bidang rekayasa dan manufaktur, ANN berfungsi sebagai pengendali produksi dan otomatisasi. Di bidang meteorologi dan geofisika, ANN membantu peramalan cuaca. Sedang kemiliteran, ANN diperlukan untuk mengklasifikasikan serta meramal sinyal-sinyal radar, mengenali dan menangkap sasaran ANN juga mampu mengendalikan dan mengatur beban pembangkitan tenaga listrik. ANN juga sedang dikembangkan dalam telekomunikasi untuk mencari alternatif saluran yang tidak sibuk secara otomatis.

Dengan merajalelanya aplikasi ANN di berbagai bidang tersebut, akankah AI menjadi usang dan ditinggalkan? Secara individual memang terjadi kompetisi sengit antara para pakar AI dan ANN untuk membuktikan siapa pembuat mesin cerdas yang terbaik. Namun untuk kepentingan yang lebih universal dan fundamental -misalnya impian tentang manusia mesin seperti disinggung di awal tulisan- para pakar itu akan cenderung memilih untuk bekerja sama. Bagaimanapun, AI maupun ANN adalah sekedar salah satu disiplin teknologi diantara belantara disiplin ilmu/sains dan teknologi lainnya, yang tak mungkin bisa berdiri sendiri!

Zainal Arifin adalah Peminat Mekatronika alumni Fakultas Teknologi Industri ITS, tinggal di Surabaya.