Dalam penulisan blog yang akan saya bahas yaitu mengenai materi prinsip animasi dan fungsi prinsip animasi yang bernama "Happy Tree Friends" di episode 33 yang berjudul "Eyes Cold Lemonade" untuk prinsip animasi yang digunakan pada animasi ini yaitu, adegan ketika sedang
memeras lemon dan bola mata, lalu ketika petunia(karakter warna biru) bola matanya jatuh ke meja karena saat memeras lemon dan bola matanya jatuh seperti
membal dan adegan ketika wajah nya
giggles(karakter warna pink) terkena papan dari atas dan terkelupas bagian
depannya, lalu bagian ketika petunia terpukul papan. Itu terlalu
berlebihan/hiperbolis dan terlalu mendramatisir sehingga menyebabkan matanya
bola matanya keluar.
Lalu untuk fungsi dari prinsip animasi yang digunakan pada animasi tersebut yaitu
Prinsip Animasi Squash and Stretch, kenapa? Karena ada adegan pengkerutan dan pelebaran volume pada suatu objek di
adegan bola matanya jatuh dan ketika sedang memeras bola matanya, dan penggunaan Prinsip Animasi ExaggerationI,
Karena ada adegan yang melebih-lebihkan/mendramatisir pada saat karakter
terkena papan jatuh dari atas.
Nama Karakter yang ada pada animasi:
Berikut contoh dari animasi tersebut
link:
http://www.gunadarma.ac.id
https://www.youtube.com/watch?v=165VjNKRNdw
Sabtu, 29 Juni 2019
Kamis, 06 Desember 2018
Pengantar Teknologi Sistem Cerdas
SISTEM CERDAS
Sistem cerdas adalah sistem yang dapat mengadopsi sebagaian kecil dari tingkat kecerdasan manusia untuk berinteraksi dengan keadaan eksternal suatu system.
Contoh Sistem Cerdas dalam Bisnis:
- Falcon: Software Deteksi penipuan kartu kredit, menawarkan perbaikan 30-70% daripada metode yang telah ada (contoh neural network).
- MetLife insurance menggunakan tool ekstraksi informasi otomatis dari aplikasi MITA (contoh language technology)
- Rekomendasi personal (Personalized) daftar saluran TV berbasis Internet, (contoh intelligent agent)
Karakteristik Sistem Cerdas:
- Mampu mengekstrak dan meyimpan pengetahuan
- Proses penalaran seperti manusia
- Pembelajaran dari pengalaman (atau Training)
ARTIFICIAL INTELLIGENCE (AI)
Artificial Intelligence atau AI dalam bahasa Indonesia artinya Kecerdasan Buatan yaitu 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.
Sejarah Artificial Intellegence (AI):
- Pada awal abad 17, Rene Descrates mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis yang pertama pada tahun 1642.
- Pada abad 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram. Betrand Rusell dan Alfred North Whitehead menerbitkan Principia Mathematica yang merombak logika formal.
- Tahun 1943, Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap dalam Aktivitas” yang meletakkan pondasi untuk jaringan syaraf.
- Tahun 1950-an adalah periode usaha aktif dalam Artificial Intelligence. Pada tahun 1951, program Artificial Intelligence pertama yang bekerja untuk menjalankan mesin Ferranti Mark I di University Manchester (UK) : sebuah permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz.
- Pada tahun 1956, John McCarthy membuat istilah “kecerdasan buatan” pada konferensi pertama. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan “Turing Test” sebagai sebuah cara untuk mengoperasionalkan tes perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.
- Selama tahun 1960-an dan 1970-an, Joel Moses mendemontsrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, yakni sebuah program berbasis pengetahuan yang sukses pertama kali di bidang matematika.
- Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, yang pertama kali dijelaskan oleh Paul John Werbos pada tahun 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus DEEP BLUE, yaitu sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapa metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.
Contoh Artificial Intellegence (AI):
- Game Playing
- Robotika & Sistem Navigasi
- Sistem Pakar
Definisi dan Konsep Agen Cerdas
Agen adalah segala sesuatu yang dapat melihat/ mengartikan/ mengetahui (perceiving) linkungannya melalui alat sensor (sensors) dan bertindak (acting) melalui alat aktuator (actuators).
Konsep Perancangan Agen Cerdas
Konsep utama perancangan agen cerdas/rasional dapat dilakukan dengan bantuan PEAS yang merupakan singkatan dari:Performance measurement, Environment, Actuators, Sensors. PEAS harus ditentukan sebelum desain agen cerdas. Berdasarkan informasi PEAS, kita benar dapat merancang agen untuk memenuhi tujuan yang ingin dicapai.Sebagai contoh, misalnya tugas merancang sebuah sopir taksi otomatis. Definisikan PEAS agen cerdas tersebut seperti berikut:
- Performance Measure: Aman, cepat, legal, perjalanan nyaman, memaksimalkan keuntungan
- Environment: Jalan, lalu lintas lainnya, pejalan kaki, pelanggan
- Aktuator: Setir, pedal gas, rem, sinyal, klakson
- Sensor: Kamera, sonar, speedometer, GPS, odometer, sensor mesin, keyboard
Contoh Agen Cerdas
1. Agent : Taksi Otomatis2. Agent : Medical Diagnosis System
Sabtu, 10 November 2018
Definisi dan Konsep Agen Cerdas
Definisi Agen
Agen adalah segala sesuatu yang dapat melihat/ mengartikan/ mengetahui (perceiving) linkungannya melalui alat sensor (sensors) dan bertindak (acting) melalui alat aktuator (actuators).
Sifat Agent
1. Rasional
Sebuah agen haruslah mengarah kepada “lakukan hal yang benar”. Berdasarkan kepada apa yang dapat dipahaminya dan tindakan yang dapat dilakukannya. Tindakan yang benar adalah tindakan yang akan menyebabkan agen tersebut paling berhasil.
Agen rasional: untuk setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih satu tindakan yang diharapkan memaksimalkan ukuran performance-nya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapunpengetahuan terpasang yang dimiliki agen itu. Rasionalitas berbeda dari omniscience (tahu segala/all-knowing dengan pengetahuan tak berhingga).
Agen rasional: untuk setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih satu tindakan yang diharapkan memaksimalkan ukuran performance-nya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapunpengetahuan terpasang yang dimiliki agen itu. Rasionalitas berbeda dari omniscience (tahu segala/all-knowing dengan pengetahuan tak berhingga).
2. Autonomy
Agen dapat melakukan tindakan untuk memodifikasi persepsi masa depan sedemikian hingga dapat memeroleh infoemasi yang berguna (pengumpulan informasi, eksplorasi). Sebuah agen adalah otonom (autonomous) apabila perilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan belajar dan beradaptasi).
3. Reactivity
Dengan menggabungkan pengetahuan yang dimiliki dengan pengetahuan yang didapat dari lingkungannya, agen dapat menyimpulkan aspek lingkungan yang tersembunyi sebelum melakukan tindakan yang selektif. Agen Berbasis Pengetahuan bersifat fleksibel, mereka dapat beradaptasi dengan perubahan lingkungan dan memperbarui pengetahuan yang relevan.
Jenis – jenis Agent
- Simple reflex agents : berdasarkan persepsi yang terakhir.
- Model-based reflex agents: memiliki representasi internal tentang keadaan sekitar.
- Goal-based agents: memiliki informasi tentang tujuan, memilih tindakan yang mencapai tujuan.
- Utility-based agents: melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan – utility function.
- Learning agents: belajar dari pengalaman, meningkatkan kinerja.
Konsep Perancangan Agen Cerdas
Rasional dapat didefinisikan sebagai: melakukan hal yang benar. Agen rasional melakukan hal yang benar berdasarkan percept apa yang ditangkap dan tindakan (action) apa yang diambil. Tindakan yang tepat adalah tindakan yang akan menyebabkan agen menjadi yang paling sukses.
Beberapa hal yang perlu ditekankan:
Beberapa hal yang perlu ditekankan:
- Rasionalitas berbeda dari omniscience (serba tahu/mengetahui semua dengan pengetahuan tak terbatas).
- Agen dapat melakukan tindakan dalam rangka untuk mengubah persepsi masa depan untuk memperoleh informasi yang berguna (pengumpulan informasi, eksplorasi).
- Sebuah agen dikatakan otonom jika perilaku agen ditentukan oleh pengalaman sendiri (dengan kemampuan untuk belajar dan beradaptasi).
Pengukuran kinerja: Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen
Misalnya, mengukur kinerja dari agen vacuum-cleaner:
Misalnya, mengukur kinerja dari agen vacuum-cleaner:
- Jumlah kotoran dibersihkan,
- Jumlah waktu yang dibutuhkan,
- Jumlah listrik yang dikonsumsi,
- Jumlah kebisingan yang dihasilkan, dll
Pengukuran kinerja haruslah dapat dinyatakan dalam ukuran kuantitatif. Kata “jumlah” mengindikasikan suatu ukuran kuantitatif/terukur. Untuk setiap urutan persepsi (percept sequence) yang ada, agen rasional harus memilih tindakan yang diharapkan untuk memaksimalkan ukuran kinerjanya.
Tujuan (Goal): Setelah menentukan criteria obyektif (seperti diatas), pilih salah satu tujuan untuk menjadi fokus utama dari agen. Goal adalah tujuan utama yangberusaha dicapai oleh agen (prioritas utama)
Konsep utama perancangan agen cerdas/rasional dapat dilakukan dengan bantuan PEAS yang merupakan singkatan dari:Performance measurement, Environment, Actuators, Sensors. PEAS harus ditentukan sebelum desain agen cerdas. Berdasarkan informasi PEAS, kita benar dapat merancang agen untuk memenuhi tujuan yang ingin dicapai.Sebagai contoh, misalnya tugas merancang sebuah sopir taksi otomatis. Definisikan PEAS agen cerdas tersebut seperti berikut:
Tujuan (Goal): Setelah menentukan criteria obyektif (seperti diatas), pilih salah satu tujuan untuk menjadi fokus utama dari agen. Goal adalah tujuan utama yangberusaha dicapai oleh agen (prioritas utama)
Konsep utama perancangan agen cerdas/rasional dapat dilakukan dengan bantuan PEAS yang merupakan singkatan dari:Performance measurement, Environment, Actuators, Sensors. PEAS harus ditentukan sebelum desain agen cerdas. Berdasarkan informasi PEAS, kita benar dapat merancang agen untuk memenuhi tujuan yang ingin dicapai.Sebagai contoh, misalnya tugas merancang sebuah sopir taksi otomatis. Definisikan PEAS agen cerdas tersebut seperti berikut:
- Performance Measure: Aman, cepat, legal, perjalanan nyaman, memaksimalkan keuntungan
- Environment: Jalan, lalu lintas lainnya, pejalan kaki, pelanggan
- Aktuator: Setir, pedal gas, rem, sinyal, klakson
- Sensor: Kamera, sonar, speedometer, GPS, odometer, sensor mesin, keyboard
Jenis Lingkungan Agen Cerdas
Jenis lingkungan tempat agen cerdas bekerja dapat ditinjau dari beberapa aspek (berikut aspek yang menjadi lawannya,) bergantung lingkungan dimana agen tersebut berada. Aspek-aspek lingkungan adalah:
- Sepenuhnya teramati vs Sebagian teramati: Lingkungan sepenuhknya teramati jika sensor mendeteksi semua aspek yang relevan dengan pilihan action. Sebuah sensor agen memberikan akses ke keadaan lengkap lingkungan pada setiap titik waktu. Lingkungan sebagian teramati karena sensor berisik dan tidak akurat.
- Deterministik vs Stokastic: Keadaan berikutnya lingkungan sepenuhnya ditentukan oleh keadaan saat ini dan tindakan yang dilakukan oleh agen. (Jika lingkungan deterministik kecuali untuk tindakan agen lain, maka disebut lingkungan strategis).
- Episodik vs Sekuensial: Pengalaman agen dibagi menjadi “episode” atom (setiap episode terdiri dari: agen mengamati (percept) dan kemudian melakukan tindakan tunggal), dan pilihan tindakan di setiap episode hanya bergantung pada episode itu sendiri.
- Statis vs Dinamis: Lingkungan berubah, agen tidak perlu terus mencari pada lingkungan untuk memutuskan sesuatu. Pada lingkungan dinamis terus meminta agen apa yang ia ingin lakukan.
- (Lingkungan semidinamis jika lingkungan itu sendiri tidak berubah dengan berlalunya waktu namun skor kinerja agen berubah)
- Diskrit vs Kontinu: Jumlah state/tindakan untuk mencapai goal terbatas (diskrit), persepsi yang jelas dan tindakan yang terhingga. (misalnya, catur – diskrit, mengemudi taksi – kontinyu).
- Agen tunggal vs agen multi: Seorang agen yang beroperasi dengan sendirinya dalam suatu lingkungan.
Referensi:
http://whitetartarsauce.blogspot.com/2018/11/definisi-dan-konsep-agen-cerdas.html
https://evangelinosite.wordpress.com/2017/10/21/agent-konsep-agent-definisi-serta-contoh/
Contoh Agen Cerdas
1. Agent : Taksi Otomatis
Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan. Task Environment :
- Performance measure: keamanan, kecepatan, legalitas, kenyamanan perjalanan, keuntungan.
- Environment: jalanan, lampu merah, lalulintas, pejalan kaki, cuaca.
- Actuators: stir arah, gas, rem, klakson, sinyal kiri/kanan.
- Sensors: kamera, sonar, speedometer, GPS, odometer, accelerometer, mesin sensor, keyboard.
2. Agent : Medical diagnosis system
Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis. Task Environment :
- Performance measure: pasien sembuh, biya murah tidak menyalahi hukum.
- Environment: pasien, rumah sakit, suster, dokter.
- Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk).
- Sensors: keyboard (masukan gejala penyakit, jawaban pasien).
Referensi:
https://evangelinosite.wordpress.com/2017/10/21/agent-konsep-agent-definisi-serta-contoh/
Senin, 29 Oktober 2018
Selasa, 09 Oktober 2018
ARTIFICIAL INTELLIGENCE (AI)
ARTIFICIAL INTELLIGENCE
Definisi:
Artificial Intelligence atau AI dalam bahasa Indonesia artinya Kecerdasan Buatan yaitu 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 adalah kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, perencanaan dan penjadwalan, pengendalian, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah di kehidupan yang nyata. Terdapat macam-macam bidang yang menggunakan kecerdasan buatan diantaranya yaitu: game komputer, sistem pakar, jaringan syaraf tiruan, logika fuzzy dan robotika.
Sejarah Artificial Intellegence (AI):
Logic theorist di awal percobaan untuk membuktikan teorema matematika. Ia mampu membuktikan beberapa teorema dari bab I Prinsip Matematika Whiteheat dan Russell.
Theorema Gelenrnter pada tahun 1963 membuktikan pencarian area yang lain dari matematika yaitu geometri. Pada tahun 1963, pemecahan ,masalah umum menggunakan object, pembuktian dengan atraksi (eksternal).
Berikut uraian sejarah AI lebih jelasnya :
- Pada awal abad 17, Rene Descrates mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis yang pertama pada tahun 1642.
- Pada abad 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram. Betrand Rusell dan Alfred North Whitehead menerbitkan Principia Mathematica yang merombak logika formal.
- Tahun 1943, Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap dalam Aktivitas” yang meletakkan pondasi untuk jaringan syaraf.
- Tahun 1950-an adalah periode usaha aktif dalam Artificial Intelligence. Pada tahun 1951, program Artificial Intelligence pertama yang bekerja untuk menjalankan mesin Ferranti Mark I di University Manchester (UK) : sebuah permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz.
- Pada tahun 1956, John McCarthy membuat istilah “kecerdasan buatan” pada konferensi pertama. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan “Turing Test” sebagai sebuah cara untuk mengoperasionalkan tes perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.
- Selama tahun 1960-an dan 1970-an, Joel Moses mendemontsrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, yakni sebuah program berbasis pengetahuan yang sukses pertama kali di bidang matematika. Marvin Minsky dan Seymour menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis, yang biasa juga disebut dengan sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan yang rintang dan kusut secara mandiri.
- Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, yang pertama kali dijelaskan oleh Paul John Werbos pada tahun 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus DEEP BLUE, yaitu sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapa metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.
Contoh Artificial Intellegence (AI):
- Game Playing
Game biasanya memiliki karakter yang dikontrol oleh user, dan karakter lawan yang dikontrol oleh game itu sendiri. Dimana kita harus merancang aturan-aturan yang nantinya akan dikerjakan oleh karakter lawan. Game akan menjadi menarik apabila karakter lawan (non-player) bereaksi dengan baik terhadap apa yang dilakukan oleh player. Hal ini akan memancing penasaran user dan membuat game menarik untuk dimainkan. Tujuan intinya adalah membuat non-player memiliki strategi yang cerdas untuk mengalahkan player. Pada bidang ini, AI dibutuhkan, yaitu untuk merancang dan menghasilkan game yang fun serta antarmuka antara man-machine yang cerdas dan menarik untuk dimainkan
- Robotika dan Sistem Navigasi
Bidang ilmu inilah yang mempelajari bagaimana merancang robot yang berguna bagi industry dan mampu membantu manusia, bahkan yang nantinya bisa menggantikan fungsi manusia. Robot mampu melakukan beberapa task dengan berinteraksi dengan lingkungan sekitar. Untuk melakukan hal tersebut, robot diperlengkapi dengan actuator seperti lengan, roda, kaki, dll. Kemudian, robot juga diperlengkapi dengan sensor, yang memampukan mereka untuk menerima dan bereaksi terhadap environment mereka Al-Jajari (1136-1206) seorang ilmuwan Islam pada dinasti Artuqid yang dianggap pertama kali menciptakan robot humanoid dimana berfungsi sebagai 4 musisi, hebat kan? Bahkan pada tahun 1796 sudah dihasilkan boneka mekanik bernama Karakuri yang mampu menuangkan air teh atau menulis karakter Kanji yang dibuat oleh Hisashige Tanaka.
- Sistem Pakar
Bidang ilmu ini mempelajari bagaimana membangun sistem atau komputer yang memiliki keahlian untuk memecahkan masalah dan menggunakan penalaran dengan meniru atau mengadopsi keahlian yang dimiliki oleh pakar. Dengan sistem ini, permasalahan yang seharusnya hanya bisa diselesaikan oleh para pakar/ahli, dapat diselesaikan oleh orang biasa/awam. Sedangkan, untuk para ahli, sistem pakar juga akan membantu aktivitas mereka sebagai asisten yang seolah-olah sudah mempunyai banyak pengalaman.
Sumber:
https://www.temukanpengertian.com/2013/08/pengertian-artificial-intelligence.html
http://aldivonray.blogspot.com/2017/09/sejarah-definisi-dan-contoh-dari.html
SISTEM CERDAS
SISTEM CERDAS
Sistem cerdas adalah sistem yang dapat mengadopsi sebagaian kecil dari tingkat kecerdasan manusia untuk berinteraksi dengan keadaan eksternal suatu sistem.
Sebagian kecil dari tingkat kecerdasan itu antara lain: kemampuan untuk dilatih, mengingat kembali kondisi yang pernah dialami, mengolah data-data untuk memberikan aksi yang tepat sesuai yang telah diajarkan, dan kemampuan menyerap kepakaran seorang ahli melalui perintah yang dituliskan dalam sebuah bahasa pemrograman tertentu.
Karakteristik Sistem Cerdas:
- Mampu mengekstrak dan meyimpan pengetahuan
- Proses penalaran seperti manusia
- Pembelajaran dari pengalaman (atau Training)
- Berurusan dengan ekspresi tidak tepat/teliti dari fakta
- Menemukan solusi melalui proses serupa dengan evolusi alami
Contoh Sistem Cerdas dalam Bisnis:
- Falcon: Software Deteksi penipuan kartu kredit, menawarkan perbaikan 30-70% daripada metode yang telah ada (contoh neural network).
- MetLife insurance menggunakan tool ekstraksi informasi otomatis dari aplikasi MITA (contoh language technology)
- Rekomendasi personal (Personalized) daftar saluran TV berbasis Internet, (contoh intelligent agent)
- FASTrak-Apt: teknologi perencanaan konstruksi apartemen, dari Hyundai, (contoh proyek Case Based Reasoning)
- US Occupational Safety and Health Administration(OSHA) menggunakan “para penasehat pakar" untuk membantu mengidentifikasi kebakaran dan bahaya keselamatan lain pada tempat kerja (contoh expert system).
Sumber:
http://dinus.ac.id/repository/docs/ajar/kecerdasan-buatan-01.pdf
http://hanggaaksara.blogspot.com/2016/10/pengertian-sistem-cerdas-berbasis.html
Langganan:
Postingan (Atom)


