#PetGame Konsep AI (Artificial Intelligence) ~ Jambu Mede

Selasa, 19 April 2016

#PetGame Konsep AI (Artificial Intelligence)

08.14

Unknown

AI (Artificial Intelligence)

Ok guys, lu sekarang masuk ke page konsep AI. Apa sih AI itu guys ?? yuupp betul kecerdasan buatan. Disini gua akan bahas sedikit tentang AI.

AI (Artificial Intelligence) kalau didalam bahasa Indonesia artinya itu Kecerdasan Buatan, yang dimaksud itu kecerdasan yang ditunjukkan oleh suatu entitas ilmiah. Kecerdasan dibuat dan dimasukkan ke dalam suatu mesin/ komputer supaya bisa melakukan pekerjaan seperti yang bisa dikerjakan oleh manusia. Contohnya kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, perencanaan dan penjadwalan, pengendalian, serta pengenalan tulisan tangan, suara dan wajah.

Lanjut ya guys, di AI itu sebenernya ada beberapa bagian utama.

Ni bagian-bagian utamanya guys:

· Basis Pengetahuan (Knowledge Base)

Berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya

· Motor Inferensi (Inference Engine)

Kemampuan menarik kesimpulan berdasarkan pengalaman

Lanjut ya guys, gua kasih tambahin dikit ya, dari penjelasan AI diatas tadi ada kekurangan dan kelebihannya. Namanya juga AI dibuat oleh manusia, dan manusia itu sendiri punya kelemahan dan juga kelebihan guys, begitupun juga AI yang dibuat manusia. Iya gak guys ?? .

Kelemahan Artificial Intelligence

· Teknologi artificial intelegensi tidak memiliki common sense. common sense adalah sesuatu yang membuat kita tidak sekedar memproses informasi, namun kita mengerti informasi tersebut. Kemengertian ini hanya dimiliki oleh manusia.

· Kecerdasan yang ada pada artificial intelligence terbatas pada apa yang diberikan kepadanya (terbatas pada program yang diberikan). Alat teknologi artificial intelligence tidak dapat mengolah informasi yang tidak ada dalam sistemnya.

Kelebihan Artificial Intelligence

· Kemampuan menyimpan data yang tidak terbatas (dapat disesuaikan dengan kebutuhan).

· Memiliki ketepatan dan kecepatan yang sangat akurat dalam system kerjanya

· Dapat digunakan kapan saja karena tanpa ada rasa lelah atau bosan

Decision Making

Ok guys kita sekarang bahas tentang Decision Making, apa tu ? hhmm gua juga baru tau. Tapi coba kita cari tau yuk..

Decision Making/Pengambilan keputusan dapat dianggap sebagai suatu hasil atau keluaran dari proses mental atau kognitif yang membawa pada pemilihan suatu jalur tindakan di antara beberapa alternatif yang tersedia. Setiap proses pengambilan keputusan selalu menghasilkan satu pilihan final Keluarannya bisa berupa suatu tindakan (aksi) atau suatu opini terhadap pilihan.

Udah lumayan ngertikan tentang pengertiannya ??? ok deh, jut lah kita

· Decision Tree

Decision tree, atau yang biasa kita sebut dengan pohon keputusan, menggambarkan pemilihan alternatif secara sistimatis dan komprehensif dan menyeluruh tentang kejadian apa yang mungkin yang terjadi sebagai akibat suatu keputusan. Model ini biasa digunakan dalam melakukan evaluasi alternatif dugaan dampak yang tidak pasti dikemudian hari.

Penerapannya memerlukan imajinasi hubungan variabel serta data nilai kemungkinan untuk setiap kejadian tak pasti serta memuat hasil keputusan berupa nilai pay-off atau losses. Hasil keputusan bisa dinyatakan secara kuantitatif atau kualitatif guys.

Ni guys, kalau prinsip pada AI pun sama seperti itu dalam pengambilan keputusan (Decision Making) AI dibuat dengan berbagai macam algoritma termasuk serangkaian algoritma yang dirancang dengan memasukan beberapa kemungkinan langkah yang bisa diambil oleh AI itu sendiri. Untuk mengambil keputusan (Decision Making) dalam menyelesaikan masalah AI menggunakan empat teknik dasar yaitu; Searching, Reasoning, Planning, dan Learning.

· 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:

1. State (Keadaan)

2. Event (kejadian)

3. Action (aksi)

Pada satu saat dalam periode waktu yang cukup signifikan, sistem akan berada pada salah satu state yang aktif. Sistem dapat beralih atau bertransisi menuju state lain jika mendapatkan masukan atau event tertentu, baik yang berasal dari perangkat luar atau komponen dalam sistemnya itu sendiri (misal interupsi timer). Transisi keadaan ini umumnya juga disertai oleh aksi yang dilakukan oleh sistem ketika menanggapi masukan yang terjadi. Aksi yang dilakukan tersebut dapat berupa aksi yang sederhana atau melibatkan rangkaian proses yang relative kompleks. Berdasarkan sifatnya, metode FSM ini sangat cocok digunakan sebagai basis perancangan perangkat lunak pengendalian yang bersifat reaktif dan real time.

· Rule Based System ( RBS )

Rule Based System (RBS) merupakan suatu sistem pakar yang menggunakan aturan-aturan untuk menyajikan pengetahuannya. Menurut Lusiani dan Cahyono, sistem berbasis aturan adalah suatu perangkat lunak yang menyajikan keahlian pakar dalam bentuk aturan-aturan pada suatu domain tertentu untuk menyelesaikan suatu permasalahan. RBS adalah model sederhana yang bisa diadaptasi ke banyak masalah.

Kalau kalian mau buat RBS, ada beberapa hal penting lainnya guys, ni gua kasih tau ya beberapa hal yang harus kalian miliki:

Sekumpulan fakta yang mewakili working memory. Ini bisa aja berupa suatu keadaan yang relevan dengan keadaan awal sistem bekerja.
Sekumpulan aturan. Aturan ini mencakup setiap tindakan yang harus diambil dalam ruang lingkup permasalahan yang dibutuhkan.
Kondisi yang menentukan bahwa solusi telah ditemukan atau tidak (non-exist). Hal ini berguna untuk menghindari looping yang tidak akan pernah berakhir.

Teori RBS ini menggunakan teknik yang sederhana guys, dimulai dengan dasar aturan yang berisi semua pengetahuan dari permasalahan yang dihadapi yang kemudian dikodekan ke dalam aturanif-then 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.

Patch Finding

Path finding, atau pencarian jalur, merupakan salah satu implementasi kecerdasan buatan dalam permainan. Pencarian jalur terpendek merupakan hal yang mempengaruhi pergerakan dan pengambilan keputusan pada non-player character. Namun, jalur terpendek belum tentu dan tidak selalu menjadi jalur paling aman. Dalam permainan berbasis militer, karakter dituntut untuk bergerak secara taktis dalam menghadapi ancaman.

Tactical Pathfinding merupakan salah satu algoritma pencarian jalur yang dapat melakukan pencarian jalur terpendek dengan perhitungan bobot ancaman. Implementasi algoritma tactical pathfinding dapat memberikan gerakan taktis pada non-player character.

Metode Waypoint

Waypoint merupakan kumpulan dari beberapa titik kordinat yang kemudian dijadikan sebagai navigasi pergerakan. Dalam sebuah game, pergerakan NPC (non-playable character) umumnya menggunakan titik arah antara titik kordinat yang satu yang lain ditentukan oleh pencipta game. Waypoint dapat digunakan pada non-playable character untuk melakukan patroli di dalam game dengan melintasi titik-titik kordinat yang ditentukan.

Cara NPC menentukan titik arah dapat dilakukan dengan menggunakan graph waypoint untuk menentukan keputusan yang baik tentang bagaimana menempatkan titik arah, cara mengatur radius, bagaimana memahami ketika hal-hal yang mungkin tidak berperilaku sesuai dengan yang di harapkan. Ketika NPC akan memutuskan tujuan yang mana akan dituju peta permainan, maka NPC akan terlebih dahulu melakukan pemeriksaan mana waypoint terdekat untuk NPC, dan kemudian NPC akan berjalan menuju waypoint tersebut, dengan menghindari jalur penghalang. NPC tidak dapat berjalan dengan baik atau sempurna jika letak waypoint terdapat di tempat yang tidak memungkinkan dalam fisik permainan seperti penghalang.

Tactile & Strategic AI

Strategic Deciders adalah komponen yang secara konseptual di tingkat tertinggi abstraksi. Komponen ini harus memutuskan strategi untuk karakter yang didasarkan pada kondisi saat ini dan memori. Pada tingkat berikutnya, Tactic Deciders merencanakan bagaimana membuat strategi yang dipakai sekarang dapat berjalan dengan baik. Executors atau pelaksana kemudian menerjemahkan keputusan dari tactical deciders untuk perintah tingkat rendah (low-level commands) sesuai dengan batasan yang digunakan oleh permainan atau simulasi. Komponen coordinators memahami hubungan antar aktuator dan mungkin kembali memberikan perintah tingkat rendah lebih lanjut. Akhirnya, aktuator melakukan tindakan yang diinginkan.