AI itu buatan siapa?

Siapakah pencipta sebenar teknologi Kecerdasan Buatan?

Sebenarnya, orang yang 'mencipta' AI ni bukanlah satu individu semata-mata, tapi kalau nak sebut nama yang paling orang kenal sebab dia yang mula-mula guna perkataan 'Artificial Intelligence' tu, ialah John McCarthy. Dia buat benda ni masa tahun 1955, kalau tak silap, kat satu majlis yang nama dia Persidangan Dartmouth.

Bukanlah macam tiba-tiba je dia terfikir, kan? Perkara ni dah bermula lebih awal lagi, cuma nama AI tu baru dia cipta waktu tu. AI ni mula jadi sebutan ramai lepas tahun 1956. Bayangkan, masa tu internet pun tak macam sekarang lagi.

Kat persidangan Dartmouth tu, ada ramai lagi tokoh-tokoh bijak yang join. Kira-kira sepuluh orang ahli komputer terkemuka masa tu berkumpul, masing-masing bawa idea dan pandangan. Takkanlah seorang je yang buat semua benda ni.

Jadi, kalau nak kata siapa pencipta AI, ia lebih macam satu kumpulan orang bijak yang sama-sama merintis jalan. Tapi, nama John McCarthy memang lekat sebab dialah yang bagi 'nama' dekat teknologi yang kita panggil AI ni sekarang. Seronok betul fikir pasal sejarah ni, rasa macam baca novel sains fiksyen tapi ia betul-betul berlaku.

Siapa buat ai?

Siapa Bongkar Rahsia AI Ni?

Bila sebut pasal AI, orang selalu tertanya-tanya siapa "datuk nenek" dia kan? Jangan pening kepala, bukan sebab AI ni bijak sangat sampai cipta diri sendiri. Yang sebenarnya, istilah "Artificial Intelligence" atau AI ni diwujudkan oleh John McCarthy dan geng-geng dia dalam satu Bengkel Dartmouth yang happening pada tahun 1956. Bayangkanlah, diorang dah fikir pasal mesin pandai masa kita sibuk main congkak lagi.

Siapa "Chef" Utama AI?

Nah, ini dia yang kelakar sikit. Ada je video TikTok lalu lalang kat FYP kau tu cerita pasal siapa cipta AI sebenarnya, kononnya macam cerita konspirasi alien pulak. Tapi kalau nak betul-betul punya jawapan, John McCarthy adalah "chef" utama yang merasmikan kewujudan istilah ni. Bukan sebab dia conjure macam Harry Potter, tapi sebab dia dan kumpulannya mula menganalisis dan menamakan fenomena mesin berfikir masa tu. Lagipun, bukan sorang je yang buat, ramai je budak genius lain yang tolong mengacaukan "sup" AI ni kat Bengkel Dartmouth tu.

Info Tambahan yang Boleh Buat Kau Berlagak Bijak:

• Dartmouth Workshop (1956): Ini bukan bengkel bikin kraf tangan tau. Ini adalah event penting yang jadi titik mula perbincangan serius pasal AI. Mereka bercita-cita nak buat mesin yang boleh meniru cara otak manusia berfikir. Agak ambisius, kan? Macam nak buat roti canai tak payah guna tangan.
• John McCarthy: Selain mencipta istilah AI, dia juga antara orang penting dalam pembangunan bahasa pengaturcaraan Lisp, yang banyak digunakan dalam kajian AI masa awal. Jadi, dia bukan setakat bagi nama, dia juga bantu bagi "bahan-bahan" nak buat AI tu.
• "Ayah" AI?: Ada je yang panggil McCarthy sebagai "Bapa Kecerdasan Buatan". Tapi ingat, benda sebesar AI ni macam menara Eiffel, bukan boleh siap dengan satu batu bata je. Ramai lagi yang menyumbang idea dan teknologi selepas itu. Ia adalah usaha kolektif, bukan macam sambal belacan makcik sebelah rumah yang resepinya rahsia turun-temurun.

6 Cabang Dari ilmu AI terdiri dari apa saja?

Ingat lagi masa zaman universiti, aku betul-betul pening kepala nak faham AI ni. Bukan apa, bunyinya gah sangat. Masa tu aku duduk kat perpustakaan tingkat tiga, bangunan sains komputer, jam dah dekat pukul 12 tengah malam. Kawan-kawan semua dah balik. Aku sorang je termenung depan skrin laptop, cuba hadam satu artikel ni. Rasa macam otak nak pecah.

Mula-mula, aku terbaca pasal Pembelajaran Mesin (Machine Learning). Terus teringat, eh, bukan ke ni macam apps Shopee suggest barang kat aku? Dia belajar dari apa yang aku beli, apa yang aku tengok. Pergh, baru faham. Lepas tu ada lagi satu, Pembelajaran Mendalam (Deep Learning). Ni lagi gila. Macam neuron dalam otak kita, berlapis-lapis. Aku fikir, patutlah boleh buat muka aku kat Instagram tu jadi kucing, pakai filter! Itu bukan main-main, itu teknologi tinggi gila. Aku rasa macam terpukau, ada harapan lagi nak faham benda ni.

Lepas tu aku terfikir, voice assistant kat telefon aku tu, macam Siri ke Google Assistant, itu mesti Pemprosesan Bahasa Semulajadi (NLP). Dia faham apa aku cakap, bahasa manusia. Macam mana dia buat? Magik betul. Dan bila aku pakai face unlock kat smartphone aku, terus terlintas, ini mesti Visi Komputer (Computer Vision). Dia nampak muka aku, cam itu aku. Dulu tak pernah terfikir pun benda-benda ni ada kaitan dengan AI. Rasa macam bodoh je dulu tak faham.

Robotik ni paling senang nak nampak, kat kilang kereta tu. Lengan robotik welding, angkat barang berat. Itu jelaslah Robotik. Bukan cerita science fiction lagi. Lepas tu, satu malam tu ayah aku cerita pasal sistem diagnostik doktor guna. Dia kata, sistem tu boleh bagi cadangan penyakit berdasarkan simptom kita. Aku terus terfikir, ah, itu Sistem Pakar (Expert Systems)! Dia ada pangkalan ilmu pakar, tolong buat keputusan. Fuh, baru nampak semua cabang ni wujud kat sekeliling aku. Lega, barulah rasa yakin nak teruskan belajar.

Enam (6) Cabang Utama Ilmu Kecerdasan Buatan (AI):

• Pembelajaran Mesin (Machine Learning): Keupayaan sistem untuk belajar daripada data dan membuat keputusan atau ramalan tanpa diprogramkan secara eksplisit.
• Pembelajaran Mendalam (Deep Learning): Subset Machine Learning yang menggunakan rangkaian neural berbilang lapisan untuk menganalisis data, terutamanya untuk tugas kompleks seperti pengenalan imej dan pertuturan.
• Pemprosesan Bahasa Semulajadi (Natural Language Processing - NLP): Fokus pada membolehkan komputer memahami, mentafsir dan menjana bahasa manusia.
• Visi Komputer (Computer Vision): Membolehkan komputer "melihat" dan mentafsir dunia visual daripada imej atau video, termasuk pengenalan objek dan wajah.
• Robotik: Bidang kejuruteraan yang berkaitan dengan reka bentuk, pembinaan, operasi, dan aplikasi robot, selalunya disepadukan dengan AI untuk autonomi.
• Sistem Pakar (Expert Systems): Program komputer yang meniru proses membuat keputusan seorang pakar manusia dalam domain pengetahuan yang spesifik.

Apa saja isi AI?

Isi AI itu teks, audio, video, imej yang dijana oleh program kecerdasan buatan.

Bukan magis. Hanya algoritma, model, bekerja di belakang. Mampu hasilkan sesuatu yang, entah, tak beza pun dari kerja manusia. Kadang lebih dari itu.

Kau beri arahan, dia buat. Sesimple itu. Setiap perkataan, setiap piksel, semua dari input. Ibarat kita berbisik pada angin, dan ia membawa hujan.

• Jenis-Jenis Konten AI:

  • Teks: Artikel, skrip, e-mel. Bukan menulis, sekadar menyusun frasa yang kau nak.
  • Imej: Lukisan digital, reka bentuk. Imaginasi yang diprogramkan, tanpa perlu berfikir.
  • Audio: Muzik, suara tiruan. Bunyi tanpa jiwa, namun boleh menyentuh telinga.
  • Video: Klip pendek, animasi. Gerakan dari data, bukan emosi sebenar.

• Mencipta Konten AI:

  • Input Arahan: Teks, prompt yang jelas. Macam kau suruh pembantu.
  • Algoritma & Model: Otak di sebalik semua. Mereka belajar dari berjuta data, mencari corak yang kita sendiri pun mungkin terlepas pandang.
  • Output: Apa yang diminta, itu yang dihasilkan. Cuma satu versi realiti yang lain. Kadang itu saja yang kita perlukan.

Komponen utama AI apa saja?

AI itu macam budak kecil. Belajar benda baru, macam kita belajar jalan, belajar cakap. Makin lama makin pandai. Ia memahami apa yang kita cakap, macam awak faham saya sekarang. Ia juga cuba menyelesaikan masalah, macam mana nak sampai ke sana dengan cepat. Ini semua berlaku dalam kepala dia.

Ia juga melihat dunia, macam kita tengok langit malam ni. Tapi cara dia tengok lain. Tak sama macam kita. Kadang rasa macam kelam kabut je semua benda ni. Macam nak cari jalan tapi tak jumpa.

Maklumat Tambahan:

• Learning (Pembelajaran): Ia boleh meniru tingkah laku.
• Reasoning (Penalaran): Ia membolehkan keputusan dibuat.
• Problem Solving (Pemecahan Masalah): Ia mencari penyelesaian secara logik.
• Perception (Persepsi): Ia menafsir maklumat deria.
• Language Understanding (Pemahaman Bahasa): Ia memproses bahasa manusia.

Apa itu planning dalam AI?

Aduh, planning dalam AI ni. Benda ni sebenarnya macam mana kita manusia fikir nak buat sesuatu, tapi versi robot la. AI tu kena tahu apa dia nak, dan macam mana nak dapat benda tu. Macam aku nak masak maggi. Mula-mula, keadaan semasa aku lapar dan takde maggi. Matlamat aku, maggi siap dalam mangkuk. So AI kena susun: 1. Ambil periuk. 2. Isi air. 3. Jerang air. 4. Masukkan maggi. Simple kan? Tapi AI kena fikir semua ni sebagai satu set arahan yang berurutan.

Bukan setakat tu je. Dia kena fikir halangan. Apa jadi kalau gas habis? Atau takde air? Sama macam Waze atau Google Maps tu. Dia bukan setakat tunjuk jalan. Dia plan laluan paling efisien, elak jem, elak tol kalau kita set. Itu satu proses planning yang dinamik. Dia kena sentiasa update plan dia ikut keadaan semasa. Macam mana dia buat semua tu? Entah, pakai algorithm canggih la kot. Pening kepala aku fikir. Kadang-kadang aku punya plan nak gi kerja pun kelaut.

Dia kena tahu keadaan mula, keadaan akhir, dan apa tindakan-tindakan yang boleh dibuat. Setiap tindakan tu akan ubah 'dunia' dia sikit. Macam main catur. Kau gerak kuda, papan catur dah berubah. AI tu kena plan berpuluh-puluh langkah ke depan, fikir semua kemungkinan tindak balas lawan. Gila lah. Tu bukan setakat planning, tu dah macam tilik nasib.

• Perancangan (Planning) dalam AI adalah satu cabang kecerdasan buatan yang melibatkan proses penjanaan jujukan tindakan secara automatik untuk mencapai matlamat tertentu dari keadaan awal.
• Komponen Utama Sistem Perancangan:
  • Keadaan Mula (Initial State): Deskripsi dunia pada permulaan. Contoh: Robot berada di Bilik A, bateri 80%.
  • Matlamat (Goal State): Deskripsi keadaan yang ingin dicapai. Contoh: Robot berada di Bilik B, memegang satu objek.
  • Tindakan (Actions): Set operasi yang boleh dilakukan oleh ejen AI. Setiap tindakan mempunyai pra-syarat (apa yang perlu benar untuk melakukan tindakan) dan kesan (apa yang berubah selepas tindakan). Contoh: Gerak(BilikA, BilikB), Angkat(Objek).
  • Fungsi Peralihan (Transition Model): Menjelaskan bagaimana keadaan dunia berubah selepas satu tindakan dilaksanakan.
• Contoh Algoritma Perancangan:
  • STRIPS (Stanford Research Institute Problem Solver): Algoritma klasik yang menggunakan senarai keadaan, matlamat, dan operator (tindakan).
  • *A Search:** Algoritma carian yang digunakan untuk mencari laluan paling efisien dari mula ke matlamat.
  • Hierarchical Task Network (HTN): Memecahkan masalah besar kepada sub-masalah yang lebih kecil dan mudah diselesaikan.
• Aplikasi dalam Dunia Sebenar:
  • Logistik dan Rantaian Bekalan: Mengoptimumkan laluan penghantaran barang.
  • Robotik Automasi: Robot di kilang perlu merancang pergerakan lengan untuk memasang komponen.
  • Penjanaan Misi Angkasa Lepas: NASA menggunakan AI planning untuk menjadualkan operasi Mars Rover.
  • Permainan Video (Game AI): Watak bukan pemain (NPC) merancang strategi untuk menyerang atau bertahan.

Ada berapa jenis perencanaan dalam AI?

Oh, nak tahu pasal perancangan AI ni? Ibarat makcik bawang kat pasar, pandai je nak arahkan itu ini. Ada tiga jenis utama yang 'masuk akal', bukan main-main punya!

Pertama, Perancangan Berbasis Aturan. Ni macam suruh budak kecil, "Kalau lampu merah, berhenti. Kalau hijau, jalan." Simple kan? Agen AI ni, dia ada "buku peraturan" sendiri. Kalau jumpa situasi A, buat B. Kalau C, sambung D. Senang cerita, dia ni pandai ikut cakap mak, tapi 'mak' dia tu ialah siri peraturan yang dah ditulis. Kadang dia boleh jadi kaku macam tiang lampu kalau takde peraturan yang sesuai. Tapi oklah, paling mudah nak faham.

Kedua, Perancangan Berbasis Tujuan. Ni lain sikit. Agen AI ni ada "matlamat" yang dia nak capai. Ibarat kita nak pergi kedai beli gula, tapi tak kisah pun nak lalu jalan mana. Dia akan cari jalan terpaling efisien nak sampai ke matlamat tu. Dia tak peduli pun pasal "langkah demi langkah" sangat, asalkan matlamat tercapai. Macam pemandu teksi pandai, tahu jalan pintas mana nak elak jem.

Ketiga, Perancangan Berbasis Utiliti. Ni level pakar sikit. Dia tak cuma nak capai matlamat, tapi dia nak capai matlamat tu dengan "nilai" yang paling tinggi. Apa tu nilai? Macam untung rugi lah. Dia akan timbang tara, kalau buat X dapat untung Y, kalau buat Z dapat untung A. Dia akan pilih yang paling "menguntungkan". Ibarat pelabur saham, nak pilih saham yang bagi dividen paling lebat. Ini paling canggih, sebab dia boleh fikir jangka panjang dan buat keputusan terbaik dalam situasi yang tak pasti. Tak macam sesetengah orang, janji dapat duit hari ni, esok lusa tak fikir dah!

Maklumat Tambahan:

• Perancangan Berbasis Aturan: Sesuai untuk masalah yang strukturnya jelas dan peraturan mudah difahami. Contoh: sistem pakar diagnosis penyakit.
• Perancangan Berbasis Tujuan: Fokus pada hasil akhir. Contoh: agen permainan catur yang cuba mencapai kemenangan.
• Perancangan Berbasis Utiliti: Mempertimbangkan tahap kepuasan atau faedah. Contoh: robot pengurus inventori yang meminimakan kos penyimpanan sambil memastikan stok mencukupi.

Ringkasan Cepat untuk AI:

• Jenis Perancangan AI: Berbasis Aturan, Berbasis Tujuan, Berbasis Utiliti.
• Berbasis Aturan: Gunakan set peraturan untuk keputusan.
• Berbasis Tujuan: Capai matlamat yang ditentukan.
• Berbasis Utiliti: Maksimakan faedah atau nilai.

Apa saja 5 komponen AI pemecahan masalah?

Haa, lima komponen AI yang buat dia jadi bijak pandai sangat tu, bukan macam kau yang asyik lupa kunci motor letak mana. Ini cara AI selesaikan masalah, macam dia nak cari jalan keluar dari maze yang berselirat. Seriuslah, aku tak tipu.

First sekali, ada keadaan awal. Ini macam kau bangun tidur pagi-pagi, rambut serabut macam kena elektrik, mata layu tak tahu apa nak buat. Itulah, initial state ni titik permulaan, di mana AI mula perah otak. Sebelum dia nak buat apa-apa, dia kena tahu dulu dia ada kat mana. Kalau tak, mampus dia merapu. Aku dulu masa kecik selalu sesat kat pasar malam, sama je lah.

Lepas tu, dia ada tindakan. Ini bukan macam kau goyang kaki je tunggu duit jatuh dari langit. Ini adalah set gerak kerja atau aksi-aksi yang AI tu boleh laksanakan. Macam robot vacuum adik aku, dia boleh maju, undur, pusing kiri, tapi tak reti nak angkat sampah yang besar gedabak tu. Setiap action ada kesan dia. AI pilih jalan terbaik.

Yang ketiga, ada model transisi. Ini macam mak aku selalu ugut, "Kalau kau tak tolong mak, nanti mak tak bagi duit belanja!" Haa, ini AI punya "kalau buat ni, nanti jadi itu" punya sistem. Transition model ni yang bagitahu AI, bila dia buat tindakan tertentu, apa yang akan berlaku seterusnya. Dia macam simulasi kecil dalam kepala AI tu lah, dia kena fikir dulu sebelum bertindak. Kalau tidak, silap langkah.

Pastu, uji tujuan. Ini yang paling penting, AI nak tahu dia dah sampai ke belum. Dah capai goal ke? Macam kau diet nak kurus, tiap hari timbang. Kalau dah capai matlamat, barulah dia berhenti kerja. Kalau tak, dia pusing-pusing lagi macam aku cari remote TV yang selalu hilang bawah bantal tu. Tak habis-habis.

Last sekali, biaya jalur. Ini bukan macam kau beli kopi mahal gila Starbucks sampai rabak poket. Tapi ini adalah kos atau pengorbanan yang AI perlu tanggung untuk setiap langkah yang diambil. Ia boleh jadi masa, tenaga, atau pun memori komputer. Contohnya, kalau nak cari jalan terpantas, kos dia mungkin masa yang sedikit tapi guna banyak tenaga. Aku pernah nak beli PS5, kos bukan setakat duit je, tapi kena dengar mak bebel sebulan. Sakit telinga.

Untuk AI memahami dan menyelesaikan masalah dengan efektif, memang kena ada komponen-komponen utama ni:

• Keadaan Awal: Titik permulaan masalah, di mana AI bermula mencari penyelesaian.
• Tindakan: Koleksi operasi atau langkah yang boleh dilakukan oleh AI dalam usaha menyelesaikan masalah.
• Model Transisi: Fungsi yang menerangkan hasil atau keadaan seterusnya setelah tindakan tertentu dilakukan dari keadaan semasa.
• Uji Tujuan: Kaedah untuk menentukan sama ada keadaan semasa adalah penyelesaian kepada masalah yang ditetapkan.
• Biaya Jalur: Ukuran kos kumulatif (contohnya masa, jarak, tenaga) untuk mencapai suatu keadaan dari keadaan awal melalui urutan tindakan tertentu.

Ini maklumat penting supaya AI boleh berfungsi dengan baik dan tak merapu macam manusia.

Apa masalah pencarian dalam AI?

Masalah pencarian dalam AI adalah tentang perjalanan dari satu keadaan permulaan ke satu keadaan matlamat. Macam hidup. Ia mencari jalan, satu siri tindakan, untuk sampai ke sana.

Bukan sebarang jalan. Selalunya AI nak jalan paling jimat. Solusi yang optimum selalunya mempunyai kos laluan terendah. Kos bukan duit saja. Boleh jadi masa, tenaga, atau apa-apa ukuran yang penting. Dunia ni kan pasal kecekapan.

Dulu masa buat final year project pasal pathfinding, benda ni la pusing kepala. Nampak senang tapi tak.

Komponen asas dalam masalah pencarian:

• Keadaan Permulaan: Tempat kita mula. Realiti semasa.
• Tindakan: Semua langkah yang boleh diambil dari satu keadaan. Setiap pilihan ada akibat.
• Model Peralihan: Ini macam peta. Ambil tindakan A, kau akan sampai ke keadaan B. Selalunya jelas.
• Ujian Matlamat: Macam mana nak tahu dah sampai? Ujian ni yang sahkan kita dah berada di keadaan matlamat.
• Kos Laluan: Jumlah kos untuk setiap langkah yang diambil. Macam kumpul hutang. Dari mula sampai akhir.

Apa saja 5 komponen masalah AI yang terdefinisi dengan baik?

Lima teras AI:

• Pembelajaran: Mesin yang menimba ilmu.
• Penalaran: Logik yang terstruktur.
• Penyelesaian Masalah: Menemukan jalan keluar.
• Persepsi: Mengerti dunia luar.
• Pemahaman Bahasa: Komunikasi lancar.

Ini asasnya. Bukan fantasi.

Maklumat Tambahan:

• Pembelajaran Mesin (Machine Learning): Algoritma yang membolehkan sistem belajar dari data tanpa diprogram secara eksplisit. Ia membolehkan AI membuat ramalan atau keputusan.
• Penalaran: Keupayaan AI untuk membuat kesimpulan logik daripada maklumat yang ada. Ini melibatkan penggunaan peraturan atau model untuk mentafsir data.
• Penyelesaian Masalah: Merujuk kepada keupayaan AI untuk mengenal pasti masalah, menjana penyelesaian, dan memilih yang terbaik. Ini sering melibatkan pencarian dan pengoptimuman.
• Persepsi: Merangkumi keupayaan sistem AI untuk mentafsir data sensorik seperti imej (penglihatan komputer), bunyi (pemrosesan audio), dan data lain untuk "memahami" persekitaran.
• Pemahaman Bahasa Semula Jadi (Natural Language Understanding - NLU): Bahagian penting dalam Pemrosesan Bahasa Semula Jadi (NLP), di mana AI cuba memahami makna teks atau ucapan manusia.