KECERDASAN BUATAN “REPRESENTASI PENGETAHUAN II” - Pertemuan 3

KECERDASAN BUATAN
“REPRESENTASI PENGETAHUAN II”

1.      Latar Belakang

        
Apa yang dimaksud dengan representasi pengetahuan? gagasan dapat dipahami dari segi lima peran yang berbeda memainkan, masing-masing penting untuk tugas di tangan: Sebuah representasi pengetahuan (KR) adalah fundamental pengganti yang penting, pengganti yang sesuai dengan hal itu sendiri, digunakan untuk mengaktifkan suatu entitas untuk menentukan konsekuensi dengan berpikir daripada bertindak, yaitu, oleh penalaran tentang dunia daripada mengambil tindakan di dalamnya. Ini adalah satu set komitmen ontologis, yaitu, jawaban untuk pertanyaan: Dalam hal apa yang harus saya berpikir tentang dunia? Ini adalah teori fragmentaris penalaran yang cerdas, dinyatakan dalam tiga komponen: (i) konsepsi dasar representasi penalaran cerdas; (Ii) himpunan kesimpulan sanksi representasi; dan (iii) set kesimpulan itu merekomendasikan. Ini adalah media untuk perhitungan pragmatis efisien, yaitu, lingkungan komputasi di mana pemikiran dicapai. Salah satu kontribusi untuk efisiensi pragmatis ini dipasok oleh bimbingan representasi menyediakan untuk mengorganisir informasi sehingga memudahkan membuat kesimpulan direkomendasikan. Ini adalah media ekspresi manusia, yaitu, bahasa di mana kita mengatakan hal-hal tentang dunia.

2.      Pembahasan
Pengetahuan adalah badan fakta dan prinsip-prinsip. Pengetahuan bisa bahasa, konsep, prosedur, aturan, ide-ide, abstraksi, tempat, adat istiadat, dan sebagainya. Studi pengetahuan disebut Epistemologi. Jenis pengetahuan termasuk pengetahuan prosedural, pengetahuan deklaratif dan pengetahuan heuristik.

pengetahuan prosedural dikompilasi atau diproses bentuk informasi. pengetahuan prosedural terkait dengan kinerja beberapa tugas. Misalnya, urutan langkah-langkah untuk memecahkan masalah adalah pengetahuan prosedural.

pengetahuan deklaratif adalah pengetahuan pasif dalam bentuk laporan fakta tentang dunia. Misalnya, pernyataan tanda mahasiswa adalah pengetahuan deklaratif.

pengetahuan Heuristik adalah aturan praktis atau trik. pengetahuan heuristik digunakan untuk membuat penilaian dan juga untuk menyederhanakan solusi dari masalah. Hal ini diperoleh melalui pengalaman. Seorang ahli menggunakan pengetahuan bahwa ia telah mengumpulkan karena pengalaman dan pembelajaran nya.

Pentingnya pengetahua,  Intelijen membutuhkan pengetahuan. Artinya, untuk menunjukkan kecerdasan, pengetahuan diperlukan. Pengetahuan memainkan peran utama dalam membangun sistem cerdas.

Tipe Representasi :

1.      Reasonig, yaitu menyajikan data secara formal 

2.      Semantik, Merupakan makna dalam suatu fakta atau bida jufa dikatakan sebagai batasan

      permasalahan.

Ciri Semantik :

a.  Leksikal, terdiri ari node dan edges.

b. Struktural, terdiri dari head and tail.

c. Semantik, merupakan batasan masalah.

Sebuah semantik (atau jaringan semantik) adalah teknik representasi pengetahuan yang digunakan untuk informasi proposisional. Jadi ia juga disebut jaring proposisional. jaring semantik menyampaikan makna. Mereka adalah dua dimensi representasi pengetahuan. Matematis jaring semantik dapat didefinisikan sebagai grafik diarahkan berlabel.

jaring semantik terdiri dari node, link (tepi) dan label tautan. Dalam diagram jaringan semantik, node muncul sebagai lingkaran atau elips atau persegi panjang untuk mewakili objek seperti benda-benda fisik, konsep atau situasi. Link muncul sebagai panah untuk mengungkapkan hubungan antara objek, dan tautan label menentukan hubungan tertentu. Hubungan menyediakan struktur dasar untuk mengorganisir pengetahuan. Obyek dan hubungan yang terlibat tidak perlu begitu beton. Sebagai node dihubungkan dengan node lain jaring semantik juga disebut jaring sebagai asosiatif.

3.      Frame, Merupakan penyajian berorientasi objek berbentuk seperti class

Pemahaman bahasa alami membutuhkan inferensi yaitu, asumsi tentang apa yang biasanya benar dari objek atau situasi yang sedang dipertimbangkan. Informasi tersebut dapat dikodekan dalam struktur yang dikenal sebagai bingkai.  

        Frame adalah jenis skema yang digunakan dalam banyak aplikasi AI termasuk visi dan  pengolahan bahasa alami. Frame menyediakan struktur nyaman untuk mewakili benda-benda yang khas dengan situasi stereotip. Situasi untuk mewakili mungkin adegan visual, struktur benda-benda fisik yang kompleks, dll Frames juga berguna untuk mewakili pengetahuan akal sehat.

     

        Frame memungkinkan node untuk memiliki struktur yang mereka dapat dianggap sebagai tiga dimensi representasi pengetahuan. Sebuah frame mirip dengan struktur record dan sesuai dengan bidang dan nilai-nilai yang slot dan slot pengisi. Pada dasarnya ini adalah sekelompok slot dan pengisi yang mendefinisikan objek stereotip. Sebuah frame tunggal tidak banyak berguna. bingkai sistem biasanya memiliki koleksi frame terhubung satu sama lain. Nilai dari atribut satu frame mungkin bingkai lain

      Hasil Implementasi :

3.      Penutup

a.      Kesimpulan :

Sebuah representasi pengetahuan (KR) adalah fundamental pengganti yang penting, pengganti yang sesuai dengan hal itu sendiri, digunakan untuk mengaktifkan suatu entitas untuk menentukan konsekuensi dengan berpikir daripada bertindak, yaitu, oleh penalaran tentang dunia daripada mengambil tindakan di dalamnya. Tipe Representasi PEngetahuan ada 3 yaitu Reasoning, Semantik dan Frame.

b.      Saran : 

Selanjutnya untuk mendalami materi Artificial Intelligence : Representasi Pengetahuan  dengan membaca sumber-sumber yang tersedia di buku maupun internet , dan melakukan praktikum mandiri.

NAMA	NADIA AYU LESTARI ARIFIN
NPM	1144002
KELAS	3C
PRODI	TEKNIK INFORMATIKA
KAMPUS	POLITEKNIK POS INDONESIA

 §  Link Github          : https://github.com/nadiaaaAR/  

 §   Referensi              : http://intelligence.worldofcomputing.net/knowledge-representation   

 §  Scan Plagiarisme  :

1.      Searchenginereports

2.   Smallseotools

“REPRESENTASI PENGETAHUAN” - KECERDASAN BUATAN (Pertemuan 2)

KECERDASAN BUATAN

“REPRESENTASI PENGETAHUAN”

1.      Latar Belakang            
Kecerdasan buatan adalah simulasi proses kecerdasan manusia dengan mesin, terutama sistem komputer. Biasanya, masalah untuk memecahkan atau tugas untuk melaksanakan, serta apa yang merupakan solusi, hanya diberikan secara informal, seperti "memberikan paket segera ketika mereka tiba" atau "memperbaiki apa yang salah dengan sistem listrik rumah. "

2.      Pembahasan

Pengetahuan representasi dan penalaran (KR) adalah bidang kecerdasan buatan (AI) didedikasikan untuk mewakili informasi tentang dunia dalam bentuk yang sistem komputer dapat memanfaatkan untuk menyelesaikan tugas-tugas yang kompleks seperti mendiagnosis kondisi medis atau memiliki dialog dalam bahasa alami . representasi pengetahuan menggabungkan temuan dari psikologi [rujukan?] tentang bagaimana manusia memecahkan masalah dan mewakili pengetahuan untuk merancang formalisme yang akan membuat sistem yang kompleks lebih mudah untuk merancang dan membangun. Pengetahuan representasi dan penalaran juga menggabungkan temuan dari logika untuk mengotomatisasi berbagai macam alasan, seperti penerapan aturan atau hubungan dari set dan subset. Contoh pengetahuan formalisme representasi termasuk jaring semantik, arsitektur sistem, frame, aturan, dan ontologi. Contoh mesin penalaran otomatis termasuk mesin inferensi, provers teorema, dan pengklasifikasi.

Representasi Pengetahuan bisa dikatakan juga menyajikan atau memaparkan kembali fakta yang dimengerti oleh manusia.

                                                            Gambar 1

Kerangka umum untuk memecahkan masalah dengan komputer diberikan pada Gambar 1 Untuk mengatasi masalah, perancang sistem harus menyempurnakan tugas dan menentukan apa yang merupakan solusi;

Merupakan masalah dalam bahasa yang komputer dapat alasan;

menggunakan komputer untuk menghitung output, yang merupakan jawaban disajikan kepada pengguna atau urutan tindakan yang harus dilakukan dalam lingkungan;

dan menginterpretasikan output sebagai solusi untuk masalah ini.

Pengetahuan adalah informasi tentang domain yang dapat digunakan untuk memecahkan masalah dalam domain tersebut. Untuk memecahkan banyak masalah membutuhkan banyak pengetahuan, dan pengetahuan ini harus diwakili dalam komputer. Sebagai bagian dari merancang program untuk memecahkan masalah, kita harus menentukan bagaimana pengetahuan akan diwakili. Sebuah skema representasi adalah bentuk pengetahuan yang digunakan dalam agen. Sebuah representasi dari beberapa bagian dari pengetahuan adalah representasi internal dari pengetahuan. Sebuah skema representasi menentukan bentuk pengetahuan. Sebuah basis pengetahuan adalah representasi dari semua pengetahuan yang disimpan oleh agen

Sebuah skema representasi yang baik adalah kompromi antara banyak tujuan bersaing. Sebuah representasi harus cukup kaya untuk mengekspresikan pengetahuan yang dibutuhkan untuk memecahkan masalah. sebagai dekat dengan masalah mungkin; itu harus kompak, alami, dan dipelihara. Ini harus mudah untuk melihat hubungan antara representasi dan domain yang diwakili, sehingga mudah untuk menentukan apakah pengetahuan diwakili benar. Sebuah perubahan kecil dalam masalah harus menghasilkan perubahan kecil dalam representasi masalah. setuju untuk perhitungan efisien, yang biasanya berarti bahwa ia mampu mengekspresikan fitur dari masalah yang dapat dimanfaatkan untuk keuntungan komputasi dan mampu trade off akurasi dan perhitungan waktu. dapat diperoleh dari orang-orang, data dan pengalaman masa lalu.

Banyak skema representasi yang berbeda telah dirancang. Banyak dari mulai dengan beberapa tujuan tersebut dan kemudian diperluas untuk mencakup tujuan lainnya. Sebagai contoh, beberapa dirancang untuk belajar dan kemudian diperluas untuk memungkinkan lebih kaya pemecahan masalah dan inferensi kemampuan. Beberapa skema representasi dirancang dengan ekspresif dalam pikiran, dan kemudian inferensi dan pembelajaran ditambahkan pada. Beberapa skema mulai dari inferensi penurut dan kemudian dibuat lebih alami, dan lebih mampu untuk diakuisisi.

hasil implementasi :

3.      Penutup

a.      Kesimpulan :

Pengetahuan representasi dan penalaran (KR) adalah bidang kecerdasan buatan (AI) didedikasikan untuk mewakili informasi tentang dunia dalam bentuk yang sistem komputer dapat memanfaatkan untuk menyelesaikan tugas-tugas yang kompleks . Representasi Pengetahuan bias dikatakan juga menyajikan atau memaparkan kembali fakta yang dimengerti oleh manusia.

 b.      Saran : 

Selanjutnya untuk mendalami materi Artificial Intelligence : Representasi Pengetahuan  dengan membaca sumber-sumber yang tersedia di buku maupun internet , dan melakukan praktikum mandiri.

NAMA	NADIA AYU LESTARI ARIFIN
NPM	1144002
KELAS	3C
PRODI	TEKNIK INFORMATIKA
KAMPUS	POLITEKNIK POS INDONESIA

§  Link Github          : https://github.com/nadiaaaAR/  

§   Referensi              : http://artint.info/html/ArtInt_8.html

§  Scan Plagiarisme  :

1.      searchenginereports

2.      smallseotools

KECERDASAN BUATAN - DEFINISI ARTIFICIAL INTELLIGENCE ( Pertemuan 1)

KECERDASAN BUATAN

“PENDAHULUAN”

1.      Latar Belakang            
Kecerdasan buatan adalah simulasi proses kecerdasan manusia dengan mesin, terutama sistem komputer. Proses ini termasuk belajar (perolehan informasi dan aturan untuk menggunakan informasi), penalaran (menggunakan aturan untuk mencapai kesimpulan perkiraan atau pasti), dan koreksi diri. aplikasi tertentu AI termasuk sistem pakar, pengenalan suara dan visi mesin
Rekayasa pengetahuan adalah bagian inti dari penelitian AI. Mesin sering dapat bertindak dan bereaksi seperti manusia hanya jika mereka memiliki informasi berlimpah yang berkaitan dengan dunia. kecerdasan buatan harus memiliki akses ke obyek, kategori, sifat dan hubungan antara semua dari mereka untuk menerapkan pengetahuan teknik. Memulai akal sehat, penalaran dan daya pemecahan masalah di mesin adalah pendekatan sulit dan membosankan. Pembelajaran mesin adalah bagian inti lain dari AI. Belajar tanpa jenis pengawasan memerlukan kemampuan untuk mengidentifikasi pola dalam aliran input, sedangkan belajar dengan pengawasan yang memadai melibatkan klasifikasi dan regresi numerik. Klasifikasi menentukan kategori obyek milik dan regresi penawaran dengan mendapatkan satu set numerik input atau output contoh, sehingga menemukan fungsi memungkinkan generasi output yang cocok dari input masing-masing. analisis matematis dari algoritma mesin pembelajaran dan kinerja mereka adalah cabang yang didefinisikan dengan baik teori ilmu komputer sering disebut teori belajar sebagai komputasi. Persepsi mesin penawaran dengan kemampuan untuk menggunakan input sensorik untuk menyimpulkan aspek yang berbeda dari dunia, sementara visi komputer adalah kekuatan untuk menganalisis input visual yang dengan beberapa sub-masalah seperti wajah, objek dan pengakuan isyarat. Robotika juga merupakan bidang utama yang berhubungan dengan AI. Robot membutuhkan kecerdasan untuk menangani tugas-tugas seperti manipulasi obyek dan navigasi, bersama dengan sub-masalah lokalisasi, perencanaan gerak dan pemetaan. AI diciptakan oleh John McCarthy, seorang ilmuwan komputer Amerika, pada tahun 1956 di The Dartmouth Conference mana disiplin lahir. Hari ini, adalah istilah umum yang mencakup segala sesuatu dari otomatisasi proses robot untuk robotika yang sebenarnya. Hal ini telah menjadi terkenal baru-baru ini karena, sebagian, untuk data besar, atau peningkatan kecepatan, ukuran dan berbagai bisnis data yang kini mengoleksi. AI dapat melakukan tugas-tugas seperti mengidentifikasi pola dalam data lebih efisien daripada manusia, memungkinkan bisnis untuk mendapatkan wawasan yang lebih dari data mereka.

2.      Pembahasan

a.      Pengertian Kecerdasan Buatan

Konsep kecerdasan buatan adalah bahwa sistem komputer dapat digunakan untuk melakukan tugas-tugas yang biasanya akan memerlukan manusia. Ini dapat berkisar dari pengenalan suara dan terjemahan ke dalam bahasa yang berbeda, semua jalan sampai persepsi visual dan bahkan pengambilan keputusan. Secara garis besar, apa pun bisa dianggap kecerdasan buatan jika melibatkan program melakukan sesuatu yang kita biasanya akan berpikir akan bergantung pada kecerdasan manusia. Cukup bagaimana ini dicapai bukan titik - hanya fakta bahwa hal itu dapat dilakukan, adalah tanda kecerdasan buatan.
Kecerdasan buatan (AI) merupakan wilayah dari bidang ilmu komputer yang menekankan penciptaan mesin cerdas yang bekerja dan bereaksi seperti manusia. Beberapa kegiatan komputer dengan kecerdasan buatan yang dirancang untuk mencakup:

1.      Pengenalan suara

2.      pengetahuan

3.      perencanaan

4.      Penyelesaian masalah

b.      Jenis kecerdasan buatan

AI dapat dikategorikan dalam berbagai cara, tapi di sini adalah dua contoh. Pertama mengklasifikasikan sistem AI baik sebagai AI lemah atau AI yang kuat. Lemah AI, juga dikenal sebagai AI sempit, adalah sistem AI yang dirancang dan dilatih untuk suatu tugas tertentu. asisten pribadi virtual, seperti Apple Siri, adalah bentuk lemah AI. AI kuat, juga dikenal sebagai kecerdasan umum buatan, adalah sistem AI dengan kemampuan kognitif manusia umum sehingga ketika disajikan dengan tugas yang asing, ia memiliki cukup kecerdasan untuk menemukan solusi. Turing Test, yang dikembangkan oleh matematikawan Alan Turing pada tahun 1950, adalah metode yang digunakan untuk menentukan apakah komputer benar-benar dapat berpikir seperti manusia, meskipun metode ini kontroversial.

Contoh kedua adalah dari Arend Hintze, asisten profesor integratif biologi dan ilmu komputer dan teknik di Michigan State University. Dia mengkategorikan AI menjadi empat jenis, dari jenis sistem AI yang ada saat ini untuk sistem hidup, yang belum ada. kategori nya adalah sebagai berikut:

·   Jenis 1: mesin Reaktif. Contohnya adalah Deep Blue, program catur IBM yang mengalahkan Garry Kasparov di tahun 1990-an. Deep Blue dapat mengidentifikasi potongan di papan catur dan membuat prediksi, tetapi tidak memiliki memori dan tidak dapat menggunakan pengalaman masa lalu untuk menginformasikan orang-orang di masa depan. Ini analisis mungkin bergerak - sendiri dan lawan - dan memilih langkah yang paling strategis. Deep Blue dan AlphaGO Google dirancang untuk tujuan sempit dan tidak dapat dengan mudah diterapkan pada situasi lain.

·         Tipe 2: memori terbatas. Sistem AI dapat menggunakan pengalaman masa lalu untuk menginformasikan keputusan masa depan. Beberapa fungsi pengambilan keputusan di kendaraan otonom telah dirancang dengan cara ini. Observasi yang digunakan untuk menginformasikan tindakan terjadi dalam waktu yang tidak terlalu jauh, seperti mobil yang memiliki jalur berubah. Observasi ini tidak disimpan secara permanen.

·         Tipe 3: Teori pikiran. Ini adalah istilah psikologi. Hal ini mengacu pada pemahaman bahwa orang lain memiliki keyakinan mereka sendiri, keinginan dan niat yang mempengaruhi keputusan yang mereka buat. semacam ini AI belum ada.

·          Tipe 4: Kesadaran diri. Dalam kategori ini, sistem AI memiliki rasa diri, memiliki kesadaran. Mesin dengan kesadaran diri memahami keadaan mereka saat ini dan dapat menggunakan informasi tersebut untuk menyimpulkan apa yang orang lain rasakan. Jenis AI belum ada

c.       Contoh teknologi AI

·        Otomatisasi adalah proses pembuatan sistem atau fungsi proses secara otomatis. otomatisasi\ 

      proses robot, misalnya, dapat diprogram untuk melakukan volume tinggi, tugas berulang 

      biasanya dilakukan oleh manusia. RPA berbeda dari IT otomatisasi dalam yang dapat 

      beradaptasi dengan keadaan yang berubah.

·        Pembelajaran mesin adalah ilmu mendapatkan komputer untuk bertindak tanpa pemrograman.

      Dalam pembelajaran adalah bagian dari pembelajaran mesin yang, dalam hal yang sangat 

      sederhana, dapat dianggap sebagai otomatisasi analisis prediktif. Ada tiga jenis algoritma 

      pembelajaran mesin: belajar diawasi, di mana data set diberi label sehingga pola dapat dideteksi

      dan digunakan untuk label set data baru; tanpa pengawasan pembelajaran, di mana data set tidak

      berlabel dan diurutkan sesuai persamaan atau perbedaan; dan penguatan pembelajaran, di mana

      data set tidak berlabel tapi, setelah melakukan suatu tindakan atau beberapa tindakan, sistem AI

      diberikan umpan balik.

·        visi mesin adalah ilmu membuat komputer melihat. visi mesin menangkap dan menganalisa

      informasi visual menggunakan kamera, analog-ke-digital konversi dan pemrosesan sinyal digital.

      Hal ini sering dibandingkan dengan penglihatan manusia, tetapi visi mesin tidak terikat oleh biologi

      dan dapat diprogram untuk melihat melalui dinding, misalnya. Hal ini digunakan dalam berbagai 

      aplikasi dari identifikasi tanda tangan untuk analisis citra medis. visi komputer, yang difokuskan pada

      mesin berbasis pengolahan citra, sering digabungkan dengan visi mesin.

·        pemrosesan bahasa alami (NLP) adalah pengolahan manusia - dan tidak komputer - bahasa oleh

      program komputer. Salah satu contoh yang lebih tua dan paling terkenal dari NLP adalah deteksi

      spam, yang terlihat di baris subjek dan teks email dan memutuskan apakah itu sampah. pendekatan

      saat ini untuk NLP didasarkan pada pembelajaran mesin. tugas NLP termasuk terjemahan teks,

      analisis sentimen dan pengenalan suara.

·        pengenalan pola adalah cabang dari pembelajaran mesin yang berfokus pada identifikasi pola dalam

     data. Istilah, hari ini, tanggal.

·       Robotika adalah bidang teknik difokuskan pada desain dan pembuatan robot. Robot yang sering 

     digunakan untuk melakukan tugas-tugas yang sulit bagi manusia untuk melakukan atau tampil 

     konsisten. Mereka digunakan dalam jalur perakitan untuk produksi mobil atau dengan NASA untuk 

     memindahkan benda-benda besar di ruang angkasa. Baru-baru ini, para peneliti menggunakan mesin

     belajar untuk membangun robot yang bisa berinteraksi dalam pengaturan sosial.

d.      Aplikasi AI di Berbagai Bidang

1)      AI dalam perawatan kesehatan. Taruhan terbesar adalah pada peningkatan hasil pasien dan mengurangi 

      biaya. Perusahaan yang menerapkan pembelajaran mesin untuk membuat diagnosis yang lebih baik 

      dan lebih cepat dari manusia. Salah satu teknologi kesehatan yang paling dikenal adalah IBM Watson.

      Ia mengerti bahasa alami dan mampu menanggapi pertanyaan yang diajukan itu. Tambang sistem data

      pasien dan sumber data lain yang tersedia untuk membentuk hipotesis, yang kemudian menyajikan dengan

      mencetak skema keyakinan. Aplikasi AI lainnya termasuk chatbots, sebuah program komputer yang 

      digunakan secara online untuk menjawab pertanyaan dan membantu pelanggan, untuk membantu jadwal tindak 

      lanjut janji atau pasien membantu melalui proses penagihan, dan asisten kesehatan virtual yang memberikan 

      umpan balik medis dasar.

2)      AI dalam bisnis. otomatisasi proses robot sedang diterapkan untuk tugas-tugas yang sangat berulang biasanya

      dilakukan oleh manusia. algoritma pembelajaran mesin sedang diintegrasikan ke dalam analisis dan platform 

      CRM untuk mengungkap informasi tentang bagaimana untuk lebih melayani pelanggan. Chatbots telah dimasukkan

      ke dalam website untuk memberikan layanan langsung kepada pelanggan. Otomatisasi posisi pekerjaan juga

      menjadi pembicaraan di kalangan akademisi dan IT konsultan seperti Gartner dan Forrester.

3)      AI dalam pendidikan. AI dapat mengotomatisasi grading, memberikan pendidik lebih banyak waktu. 

      AI dapat menilai siswa dan menyesuaikan dengan kebutuhan mereka, membantu mereka bekerja dengan

      langkah mereka sendiri. AI tutor dapat memberikan dukungan tambahan kepada siswa, memastikan 

      mereka tetap di jalur. AI bisa mengubah mana dan bagaimana siswa belajar, bahkan mungkin mengganti 

      beberapa guru.

4)      AI di bidang keuangan. AI diterapkan untuk aplikasi keuangan pribadi, seperti Mint atau Pajak Turbo, yang

      upending lembaga keuangan. Aplikasi seperti ini bisa mengumpulkan data pribadi dan memberikan nasihat 

      keuangan. Program lain, IBM Watson menjadi salah satu, telah diterapkan untuk proses membeli rumah. 

      Hari ini, perangkat lunak melakukan banyak perdagangan di Wall Street.

5)      AI dalam hukum. Proses penemuan, memilah-milah dokumen, dalam hukum sering melanda bagi manusia

      Mengotomatisasi proses ini adalah lebih baik menggunakan waktu dan proses yang lebih efisien. Startups juga

      membangun pertanyaan-dan-jawaban asisten komputer yang dapat menyaring pertanyaan diprogram-to-jawabannya 

      dengan memeriksa taksonomi dan ontologi terkait dengan database.

6)      AI di bidang manufaktur. Ini adalah area yang telah di garis depan menggabungkan robot ke dalam alur kerja. 

       robot industri digunakan untuk melakukan tugas-tugas tunggal dan terpisah dari pekerja manusia, tetapi sebagai 

      teknologi canggih yang berubah

e.      Keuntungan dan Kerugian AI

        Keuntungan dari Artificial Intelligence: 


a)       Error Reduction
b)      Difficult Exploration 
c)      Daily Application 
d)     Digital Assistant  
e)      Repetitive Jobs
f)       Medical Application 
g)      No Breaks 
·      Kerugian dari Artificial Intelligence:

a)     High Cost 
b)     No Replicating Humans 
c)      No Improvement with Experience
d)     No Original Creativity


CONTOH IMPLEMENTASI AI :

3. Penutup
a.      Kesimpulan :  

                  Kecerdasan buatan  adalah simulasi proses kecerdasan manusia dengan mesin, terutama sistem
            komputer. Proses ini termasuk belajar (perolehan informasi dan aturan untuk menggunakan informasi),

                  penalaran (menggunakan aturan untuk mencapai kesimpulan perkiraan atau pasti), dan koreksi diri. 

                  aplikasi tertentu AI termasuk sistem pakar, pengenalan suara dan visi mesin.

            b.      Saran :  

                   Selanjutnya untuk mendalami materi Artificial Intelligence dengan membaca sumber-sumber yang

                   tersedia di buku maupun internet , dan melakukan praktikum mandiri.




      > - Fullname       : Nadia Ayu Lestari Arifin
> - Nickname      : Nadia
> - NPM              : 1144002
> - Class              : D4 TI 3C
> - Department    : Informatics Engineering
> - Collage           : Politeknik Pos Indonesia



§  Link Github          : https://github.com/D4TI3C/Nadia-Ayu-Lestari-1144002

§   Referensi              : http://searchcio.techtarget.com/definition/AI


§  Scan
Plagiarisme  :

1.      Searchenginereports

2.      Smallseotools