Deskripsi Singkat

Kuliah ini memberikan pengantar mengenai sistem kecerdasan buatan (Artificial Intelligence) yang dijalankan oleh komputer. Setelah diperkenalkan dengan konsep agen cerdas, mahasiswa akan mempelajari dengan lebih seksama terhadap empat tipe agen cerdas yang berbeda yaitu problem-solving/searching agent, logical agent, probabilistic agent, dan learning agent. Pada Kuliah ini, pembahasan dan diskusi  akan lebih ditekankan pada tipe agen cerdas yang pertama (terkait dengan evolutionary algorithm, metaheuristic, adversarial search, dlsb) dan terakhir (terkait dengan algoritma-algoritma supervised dan unsupervised learning, deep learning, dan reinforcement learning). Pada setiap pembahasan, akan diperlihatkan perbedaan karakteristik cara kerja tiap agen dan perbedaan tipe masalah yang dapat diselesaikan oleh masing-masing agen. Bagian terakhir dari kuliah akan mendiskusikan dampak etis dan moral yang ditimbulkan oleh penggunaan A.I. dalam  berbagai aspek kehidupan manusia

Capaian Pembelajaran Mata Kuliah

• Mahasiswa memahami konsep dasar tentang kecerdasan buatan dan struktur dasar agen cerdas
• Mahasiswa memahami konsep dasar searching agent, berbagai teknik yang digunakan untuk membangunnya
• Mahasiswa memahami konsep dasar dan cara kerja sederhana pada logical agent
• Mahasiswa memahami konsep dasar dan cara kerja sederhana pada probabilistic agent
• Mahasiswa memahami konsep dasar  learning agent, termasuk penggunaan teknik-teknik machine learning, deep learning, dan reinforcement learning
• Mahasiswa memahami dampak etis dan moral yang ditimbulkan dari pengembanan dan penggunaan sistem A.I..

Materi Pembelajaran

• Kecerdasan Buatan dan Agen Cerdas
• Struktur dasar agen cerdas yang “rasional” dan lingkungannya
• Problem-solving/Searching Agent dengan informed (Greedy BFS, A*, IDA*, dll) dan uninformed search (DFS,BFS,UCS,Iterative Deepening, dll)
• Adversarial search: minimax, alpha-beta pruning, monte-carlo tree search
• Complex search: local search, hill climbing, simulated annealing, evolutionary algorithm, swarm intelligence
• Logical agent: knowledge-based agent, proportional logic, method checking, FOL
• Probabilistic agent: probabilistic inference, bayes’ rule, naïve bayes rule
• Learning agent dengan metode-metode machine learning: supervised (decision tree, regression, dll) dan unsupervised learning (kNN, NBC, k-Means, dll)
• Deep Learning: perceptron, multilayer perceptron, forward dan backward propagation pada Artificial Neural Network
• Reinforcement Learning dengan Q-learning
• Aspek moral dan etis pada A.I.

Prasyarat

Syarat tempuh: Desain dan Analisis Algoritma dan Logika Informatika