A. Sejarah Artificial Intelligence
Jenis komputer yang paling umum digunakan saat ini
terpola berdasarkan rancangan (“ arsitektur” dalam istilah komputer) ahli
matematika Hungaria, John Von Neumann pada tahun 1958 yang bermigrasi ke
Amerika Serikat pada tahun 1930. Komputer – komputer ini paling sering kali
disebut Johniacs atau rangkaian
prosesor, berupa jalinan jalur elektronik yang diproses dalam beberapa seri
atau dengan urutan tertentu. Urutan yang seperti mata rantai ini beroperasi
dengan sangat cepat, dengan setiap langkah yang menghabiskan manodetik. Sebuah
komputer yang menjalankan tugas – tugas yang sangat sulit dalam serangkaian
waktu ( seperti pemecahan yang melibatkan fungsi matematika, maupun menata
ulang data serta dokumen – dokumen ), akan membutuhkan beberapa menit, jam,
atau bahkan lebih lama dari itu. Semua pengguna komputer memiliki pengalaman
yang sangat mengesalkan sehubungan dengan lamanya waktu loading yang dibutuhkan sebuah komputer untuk ‘ berpikir’ atau
‘mengolah’ sebuah masalah. Salah satu alasan dasar mengapa rangkaian komputer
ciptaan Neumann membutuhkan banyak waktu adalah karena satu operasi harus
diselesaikan sebelum memulai yang baru. Rangkaian prosesor menyelesaiakan
permasalahan sedikit demi sedikit ( atau byte demi byte ), dalam urutan.
Pada masa awal teknologi komputer, bahkan ilmuwan
AI (dan para penulis fiksi ilmu pengetahuan) memiliki impian luar biasa tentang
robot dan mesin berpikir. Sebuah tulisan yang sangat berpengaruh ditulis pada
awal 1940an oleh seorang psikiater asal Chicago, W.S. McCulloch, serta
mahasiswanya, W. Pitts. Dalam tulisan tersebut, mereka mengenalkan sebuah
konsep yang memiliki pengaruh sangat besar bagi para ilmuwan komputer, termasuk
Von Neumann dan juga para PDP. Berdasarkan konsep bahwa pikiran adalah hasil
kerja otak, terutama bagian dasar otak atau simpul – simpul saraf tersebut bisa
dipandang sebagai “ peralatan logika”, yang beberapa simpul serta hubungannya
bisa dipandang sebagai logika yang proposional. Simpul – simpul saraf
berkomunikasi satu sama lain secara elektrokimiawi. Sebuah simpul elektronik
yang sangat kecil mengalir lewat akson sebuah sel menuju sinaps sementara
impuls neuron kimiawi mengalir lewat impuls neuron yang lainnya. Proses
transmisi neuron telah tertata rapi, lontaran neuron hanya terjadi jika sudah
mencapai ambang batas. Semua neuron memiliki ambang batas. Lontaran neuron
hanya terjadi ketika arusnya positif, sementara arus negatif akan menghambat
lontarannya dan begitu seterusnya. Yang paling penting adalah banhwa setiap
neuron mampu mengumpulkan semua sinyal rangsangan dan hambatan dari ribuan
koneksinya. Lontaran sebuah neuron tergantung pada ambang batasnya, yang akan
menentukan hidup matinya. (neuron jenis ini disebut “neuron McCulloch-Pitts”).
McCulloch dan Pitts mengamati bahwa hidup matinya neuron ini bisa dilihat
sebagai sesuatu yang logis. Seperti telah diketahui secara umum, komputer
berfungsi berkat rangkaian sirkuit biner yang menentukan mati atau hidupnya
neuron tadi (dirancang dengan simbol I atau 0). Meskipun bentuknya sederhana,
ketika ribuan sirkuit baner ini saling berpasangan dengan cepat, kekuatan
proses yang dihasilkan menjadi luar biasa. Begitu pula dengan bagian dasar
proses neuron, neuron dan hubungan – hubungannya mampu menimbulkan kekuatan
proses yang monumental.
Tidak lama setelah tulisan McCulloch dan Pitts,
Von Neumann melihat hubungan antara sikap logis neuron ketika berinteraksi
dengan kinerja komputer digital. “ sangat mudah dilihat bahwa fungsi neuron
yang disederhanakan ini dapat ditiru oleh relay telegraph ataupun oleh tabung
vacuum.” ( Jika transistor sudah ditemukan mungkin Von Neumann akan menyebut –
menyebutnya). Von Neumann yang sudah mengembangkan rancangan komputer paling
bermanfaat, menyatakan bahwa sangatlah mungkin untuk merancang komputer yang
meniru otak manusia-tidak hanya fungsinya, tetapi strukturnya juga di mana
tabung vakum, relay, rangkaian kawat, dan perangkat keras akan menggantikan
neuron, akson, dan sinapsis.
Mengikuti jejak Von Neumann, F. Rosenblatt
mengambil alih proyek perakitan komputer yang meniru fungsi dan struktur otak
manusia. Tujuan utamanya adalah menciptakan komputer yang mampu mengenali
bentuk. Hasilnya disebut perseptron, dan dia berhasil meniru struktur
organisasi otak dengan sukses. Mesin Rosenblatt memiliki 3 level tingkatan.
Setiap level dihubungkan dengan fungsi yang berbeda yang secara umum memancing
sensor, asosiasi, dan pola motorik manusia. Mesin – mesin awal seperti
perseptron tidak mampu belajar, mesin Rosenblatt mampu memproses secara
sederhana stimuli jarak dekat dan menanggapinya secara sederhana pula.
Bisakah sebuah komputer dirancang untuk belajar?
Manusia mampu belajar karena memiliki sinapsis yang dapat dimodifikasi. Aturan
Hebb (disebutkan dalam bab 2) menegani kekuatan antara 2 neuron akan meningkat
ketika mereka diaktifkan secara terus – menerus. Bisakah sebuah aturan
diterapkan dalam hubungan antara tabung dan kawat? Ketika kita mempelajarinya
melalui sebuah komputer, bisa jadi akan membutuhkan sebuah resistor (alat yang
menspesifisikan jumlah implus listrik yang meninggalkan sebuah transistor untuk
mencapai transisitor lainnya) yang bisa disambungkan dengan kabel dan diprogram
dalam otak buatan. Sebuah resistor akan bekerja seperti regulator, yang mampu
menerima beberapa bit informasi sambil menolak informasi lainnya, perceptron
mampu “ belajar” ( yang dimaksudkan belajar di sini adalah “ perubahan kekuatan
di antara unit – unit yang memancing neuron), dengan bekerja seperti neuron
McCulloch dan Pitts, selain juga menerapkan teori Hebb. Sebuah komputer yang
terkonstruksi dengan baik bisa menampilkan dan mengklasifikasikan sebuah bentuk
geometris sederhana, seperti lingkaran. Jika komputer merespons dengan
menyebutnya persegi, maka komputer itu bisa diarahkan untuk merespons dengan
lebih tepat, dengan cara menambah resistansi antar unit yang satu dan
mengurangi lainnya. Jika responsnya sudah benar, yaitu jika perseptron berhasil
menyebut sebuah lingkaran sebagai lingkaran, berarti sudah berfungsi baik. Pada
tahapan ini, perseptron mengenali kesalahan dan mengabaikan keberhasilan. Tahap
awal ini sangat penting dalam proses merancang mesin yang mampu
menggeneralisasikan dan mempelajari faktor utama dari konstruksi ‘mesin
berpikir’ yang berfungsi seperti otak manusia.
Kita harus ingat bahwa komputer rakitan awal cukup
jarang dan sangat mahal dan hanya dimiliki beberapa kaum elit intelektual yang
penasaran dengan kemampuannya. Selama tahap-tahap awal pembentukan komputer,
muncul beberapa pendapat fundamental mengenai manfaat dan kegunaan alat aneh
yang ditemukan ini. Adalah mereka yang beranggapan jika komputer diprogram
dengan baik yaitu dengan diberi instruksi dan aturan yang benar, komputer akan
mampu menyelesaikan operasi apapun, termasuk meniru pikiran manusia dengan
efektif. Beberapa orang lain percaya bahwa untuk membuat sebuah mesin
‘berpikir’, perangkat keras komputer harus mampu menirukan fisiologi otak.
Untuk mencapai elektronik pengganti neuron yang susuna dan fungsinya akan
meniru otak manusia.
Sejauh ini kita telah gagal membuat mesin
‘berpikir’ sesungguhnya, ataupun yang ‘otak’ nya mirip dengan otak manusia.
Bagaimanapun juga, para ilmuwan masih terus menganggap AI masih dalam tahap
bayi. Setiap perspektif yang pernah disebutkan memiliki masalahnya
masing-masing. Kasus awalnya, sebagian besar program AI memiliki pemikiran yang
‘kaku’. Ketika saya bertanya berapakah akar kuadrat 7, anda mungkin akan
menjawab “ Yah, di atas 8, di bawah 9. Sekitar 8,5. “ Komputer akan menjawab
8,5440037..... ketimbang melanjutkan rangkaian angka tak berujung, otak manusia
seperti dirancang dengan luar biasa untuk menyelesaikan sebuah kekacauan – melihat wajah yang familiar di tengah
keramaian, menyetir di jalan tol Los Angeles, memahami makna yang dalam dari
sebuag drama Chekov, ataupun merasakan lembutnya sutra yang membelai kulit
kita. Sampai saat ini belum ada komputer yang mampu melakukan hal itu.
Sementara itu tidak ada manusia yang mampu menjawab pertanyaan akar kuadrat
dalam hitungan milidetik, seperti yang dilakukan kalkulator tangan murahan
Perhatikan tugas Promethean yang dihadapi oleh
mereka yang terinsipirasi untuk membuat jaringan komputer seperti otak manusia!
Otak memiliki sekitar 100 miliar neuron, yang masing – masing terhubung dengan
ribuan neuron lain yang tak terhitung jumlahnya. Selanjutnya, beberapa orang
mengusahakan sebuah model otak komputer berskala kecil yang sampai saat ini
telah melemahkan pihak lain yang memegang teguh aliran masa lalu (lihat minsky
& Papert, 1968). Dahulu, Minsky (1954) telah menuliskan disertasinya
tentang jaringan neuron dan bahkan membuat sebuah jaringan hanya dengan 400
tabung vacum (bangdingkan dengan lebih dari 17.000 tabung yang digunakan dalam
ENIAC),tetapi tidak lama kemudian dia merasa kehilangan gairah atas proyek ini.
Pekerjaan awal ini tidak menghasilkan sesuatu yang praktis, sedangkan
mengembangkan program komputer dan perangkat keras pada saat itu sedang
mewabah. Bengkel garasi mampu berkembang menjadi pabrik yang besar, yang
membuat chip komputer yang bisa melakukan hal – hal yang selama ini hanya kita
impikan.
B. AI dan Kognisi Manusia
Semua orang yang merangkai model proses distribusi
paralel seperti neuron, telah bekerja keras untuk mencoba menemukan solusi atas
pertanyaan tentang otak sebagai mesin berpikir, dan apakah komputer mampu
meniru kemampuan otak serta kognisi manusia.
Otak sebagai Mesin Berpikir jawaban pertanyaan tadi mulai muncul
setelah melalui riset psikologi selama lebih dari 1 abad, terutama melalui
riset psikologi kognitif beberapa abad yang lalu. Apa yang telah kita pelajari
tentang mesin berpikir kita, yang disebut otak, adalah bahwa mesin ini berbeda
secara fundamental dibandingkan dengan komputer Von Neumann yang sekarang biasa
digunakan. Mungkin AI akan berperan jauh lebih jika komputer lebih menyerupai
otak. Untuk menjernihkan masalah ini.
Beberapa program komputer bekerja lebih efektif
daripada pikiran manusia, dan kebanyakan sangat pintar menirukan hal – hal
nyata meski masih sedikit janggal. Komputer mampu memecahkan beberapa masalah,
seperti sebuah soal matematika yang mendetil, lebih cepat dan lebih akurat
daripada manusia. Beberapa tugas lain seperti menggeneralisasikan dan
mempelajari pola aktivitas yang baru, dilakukan paling baik oleh manusia, dan
komputer masih kalah baik.
Mereka bekerja dengan jenis mesin yang salah.
Sepertinya kita berada di ambang gebrakan sebuah konsep atau mungkin pergantian
paradigma dalam AI, di mana langkah pertama sudah diambil untuk membuat komputer
lebih mirip otak baik dalam struktur maupun prosesnya. Sistem jaringan neuron,
model – model PDP, dan hubungannya telah menggoda ilmuwan untuk menemukan
prinsip komputerisasi yang memerintah jaringan neuron pada sistem saraf
manusia. Mereka melakukannya dengan cara yang tampak sangat abstrak. Unit
mewakili neuron, tetapi mengikuti tingkah laku neuron, yaitu bahwa unit bisa
dipasangkan dengan unit yang lain. Hubungan di antara mereka bisa menguat atau
melemah, lalu stabil, dan seterusnya (Churchland, 1989).
Sebuag konsep penting juga telah diajukan mengenai
jaringan neuron yang juga masih dipelajari, yaitu melalui sistem seperti
sinapsis (seperti infrastruktur otak ) yang menghubungkan unit – unit, yang
dapat berubah seiring dengan pengalaman.
Beberapa usaha telah berhasil. Cara pandang baru
mengenai kognisi manusia telah menimbulkan banyak antusiasme di antara
pendukungnya. Bahkan seorang mahasiswa yang kebetulan mempelajari tentang
psikologi kognitif harus peka pada kontribusi penting terhadap dunia psikologi
ini dan berperan serta pada perkembangannya di masa depan.
C. AI dan Sistem Pakar (Eliza, Parry, dan NETtalk )
Antusiasme para pemain awal AI langsung menanggapi
tantangan yang muncul dari Tes Turing dan kemudian menuliskan program yang
dirancang untuk menanggapi permintaan bahasa yang tidak bisa dipisahkan dari
respons manusia. Dengan menampilkan perspektif dari pandamgan yang tersembunyi,
sekarang beberapa program ini menjadi tampak sedikit aneh, tetapi imu
pengetahuan memang seringkali brkembang seperti itu
ELIZA salah satu program komputer pertama yang
mampu berkomunikasi, ELIZA, ditulis
oleh Joseph Weizenbaum (1966). Beberapa revisi atas ELIZA telah dibuat dari
konsep aslinya. Pada satu program yang spesifik, bernama DOCTOR, ELIZA
mengambil peran seperti seorang psikiater. Pada contoh berikut ini, peran ELIZA
dicetak dalam huruf besar :
semua pria sama
DALAM HAL APA
Mereka selalu menjadi gangguan bagi kita dalam
berbagai hal
BISAKAH KAMU MEMBERIKAN CONTOH YANG LEBIH SPESIFIK
Yeah,pacarku membuatku datang ke sini
PACARMU MEMBUATMU DATANG KE SINI
Dia bilang aku depresi sepanjang waktu
AKU TURUT BERSEDIH MENDENGAR KAMU DEPRESI
Memang benar,aku tidak bahagia
APAKAH KAMU PIKIR DATANG KE SINI BISA MENOLONGMU MERASA BAHAGIA
Yang pasti aku butuh pertolongan
Percakapan tersebut mungkin akan dianggap
seseorang sebagai percakapan yang timbul dalam wawancara antara seorang
pskiater dan pasiennya.bagaimanapun juga mari kita voba telaah transkrip
tersebut lebih dalam. Respons dari komputer cenderung stereotipe, misalnya dia
diprogram untuk merespons beberapa kunci kalimat dengan respons yang hanyalah
merupakan transformasi dari kalimat aslinya. Seperti ketika “ pasien “
mengatakan kata kunci “I’m “, ELIZA merespons dengan gaya tutur seperti “ aku
turut bersedih mendengar kamu... “ jika tidak ada kata kunci yang ditemukan,
komputer akan menjawab dengan ciri-cirinya yang tanpa isi, atau pada beberapa
kasus, berakhir menjadi transformasi yang lebih awal. Kapasitas manusia dalam
hal pengetahuan perasaan, kecenderungan, dinamika kelompok, dan seterusnya,
terbentuk menjadi apa yang mau tidak mau kita sebut pengertian. Eliza
kekurangan hal itu.
PARRY percakapan seperti apakah yang mungkin
dihasilkan jika perannya dibalik yaitu jika seorang psikiater berbicara pada
pasien simulasi komputer ? Colby, Hilf, Weber, dan Kraemer (1972)
mensimulasikan seorang pasien dan menyebut program ini PARRY, karena ia
mensimulasikan seorang pasien paranoid. Mereka memilih seorang paranoid sebagai
subyek karena beberapa teori menyebutkan bahwa proses dan sistem paranoia
memang ada, perbedaan respons psikotis dan respons normalnya cukup hebat, dan
mereka bisa menggunakan penilaian dari seorang ahli untuk mengecek keakuratan
dari kemampuan pemisahan antara respons simulasi komputer dan respons manusia.
Colby dan para rekan-reakn penelitinya mengarahkan komputer tersebut untuk
melakukan tes Turing, dengan meminta sekelompok psikiater untuk mewawancarai
PARRY menggunakan pesan yang disampaikan dalam bentuk ketikan. Para juri
(psikiater) diminta untuk mengukur kadar paranoia dari keseluruhan respons.
Hasilnya mengindikasikan sulit dibedakannya model
dan pasien dalam setting yang sangat special. Tentu saja, akan masuk akal jika
timbul perdebatan atas kondisi penelitian yang dibuat-buat, bahwa diagnosa aktual
seorang paranoia termasuk wawancara langsung yang mestinya banyak dilakukan,
sehingga apabila para juri betul-betul memahami maksud dari tugas
tersebut,wawancara mereka mungkin akan menjadi berbeda. Meskipun Collby dan
rekan – rekannya berhasil memprogram komputer yang mampu merespons serupa
dengan respons seorang pasien paranoid, di mana program ini juga lulus tes
Turing, tetapi program ini masih jauh dari konsep model pemahaman lengkap dan
produksi bahasa.
NETtalk program ini jenisnya cukup berbeda,berdasarkan
pada jaring – jaring neuron, sehingga dinamakan NETtalk. Program ini dikembangkan oleh Sejnowski di sekolah medis Harvard
dan Rosenberg di Universitas Princeton dalam program ini, NETtalk membaca
tulisan dan mengucapkannya keras-keras, model simulasi jaring neuron terdiri
atas beberapa ratus unit (neuron) dan ribuan koneksi. NETtalk membaca
keras-keras dengan cara mengkonversi tulisan menjadi fonem-fonem, unit dasar
dari suara sebuah bahasa. Sistem ini, seperti sitem-sistem lain yang sudah kita
ketahui sebelumnya, memiiki tiga lapisan : lapisan input, di mana setiap unit
merespons sebuah tulisan, lapisan output, di mana unit menampilkan ke 55 fonem
ke dalam bahasa inggris dan sebuah lapisan unit tersembunyi, di mana setiap
unit ditambahkan koneksinya pada setiap unit input maupun output.
NETtalk membaca dengan memperhatikan setiap
tulisan satu demi satu, dan dengan menscanning tiga tulisan pada setiap sisi
demi sebuah informasi yang kontekstual. Di sini lafal “e” pada “net”,
‘neglect’, dan kata ‘red’ bisa ditangkap dengan bunyi berbeda. Setiap NETtalk
membaca sebuah kata, program ini membandingkan pelafalannya dengan lafal yang
benar yang disediakan manusia, kemudian menyesuaikan kekuatannya untuk
memperbaiki setiap kesalahan.
Aplikasi yang lebih praktis atas sistem ini cukup
terlihat; apa yang mungkin tidak terlalu terlihat, tetapi dalam operasi jangka
panjang menjadi terasa lebih penting, sebagai sebuah konsep yang menggebrak
model sekarang yang terinspirasi oleh neuron.
Sejak Sejnowski dan yang lainnya menyadari hal
ini, konteksnya beralih pada besarnya kepentingan uraian atas manusia dan
mesin. Kita sekarang akan memperhatikan masalah penting lainnya, masalah arti
dan AI. Kebanyakan masalah ini jelas-jelas sudah diabaikan. Jika anda
memperhatikan sebuah transkrip tentang operator yang telah dikomputerisasi pada
TIVO, operatornya sudah sangat sulit dibedakan dengan operator yang ‘hidup’
D. Pengambilan keputusan dan AI
Sistem yang berkinerja seperti seorang ahli
disebut dengan sistem pakar. Pada dasarnya, subuah sistem pakar adalah
spepsialis tiruan yang memecahkan masalah yang termasuk dalam keahliannya.
Sistem pakar telah dirancang untuk memecahkan masalah dalam bidang kedokteran,
hukum, aerodinamis, catur, dan hal-hal rutin yang sangat banyak yangbiasanya
membosankan kita, atau bahkan beberapa kasus yang sulit dipecahkan manusia.
Sistem ini mengikuti aturan-aturan yang telah ada, yang seringkali menggunakan
pohon keputusan, tetapi bagaimanapun, sistem ini hanya bisa memikirkan satu hal
saja. Sistem pakar dalam bidang kesehatan mungkin tidak bisa melihat isi dari
sebuah lubang di lantai, tetapi ia bisa membuat diagnosis yanng akurat dan
masuk akal pada seorang gadis berumur 13 tahun yang sedang demam tinggi, sakit
perut, dan konsentrasi menyimpang terkait korpustel putih. Ada sebuah program
yang secara sinis disebut Puff, yang adalah sistem ahli yang dirancang untuk
mendiagnosa kelainan paru-paru, seperti kanker paru-paru dan berhasil mencapai
keakuratan sebesar 89% mendekati keakuratan seorang dokter berpengalaman.
Sistem ini memang selama ini dikenal dalam bidang industri, militer dan
eksplorasi luar angkasa. Mereka cukup baik dalam menjalankan tugas yang memang
dirancang untuk mereka kerjakan. Lebih menyenangkan lagi karena mereka tidak
mengenal pemogokan dan menuntut gaji lebih, tidak keberatan apabila harus
bekerja tanpa henti, dan tidak meminta fasilitas kesejahteraan hidup.
Sama halnya dalam dunia psikoloogi, artificial
intelligence juga memberi kontribusi yang besar. Contohnya dalam penggunaan
penghitungan atau skoring alat tes psikologi yang dirancang khusus untuk
menghitung atau menskoring suatu alat tes sehingga para psikolog tidak perlu
menghitung satu persatu hasil tes tersebut yang tentu saja akan menghabiskan
banyak waktu dan tenaga. Selain itu, contoh konkrit artificial intelligence
dalam dunia psikologi adalah Folio yang dapat emmbantu memberikan keputusan
bagi seorang manajer dalam hal stok broker dan investasi. Hal ini tentu saja
sangat memiliki kontribusi yang besar dalam psikologi khususnya di bidang
psikologi industri dan organisasi.
Sumber : Solso, R.L.,
Maclin, O. H., & Maclin, M. K. (2008). Psikologi
kognitif edisi kedelapan. Jakarta: Erlangga
