Artificial
Intelligence atau Kecerdasan Buatan adalah
salah satu bagian dari ilmu komputer yang membuat mesin (komputer) dapat
melakukan pekerjaan seperti manusia dan komputer dimungkinkan untuk dapat
berfikir. Salah satu unsur yang berperan penting dalam sebuah game adalah
kecerdasan buatan. Dengan kecerdasan buatan, elemen-elemen dalam game dapat
berperilaku sealami mungkin layaknya manusia.
Game merupakan kata dalam bahasa inggris yang berarti permainan.
Permainan adalah sesuatu yang dapat dimainkan dengan aturan
tertentu sehingga
ada yang menang dan ada yang kalah, biasanya dalam konteks tidak serius atau
dengan tujuan refreshing. Suatu cara belajar yang digunakan dalam menganalisa
interaksi antara sejumlah pemain maupun perorangan yang menunjukkan
strategi strategi yang rasional
Game
AI (Artificial
Intelligence) adalah aplikasi untuk memodelkan karakter yang
terlibat dalam permainan baik sebagai lawan, ataupun karakter pendukung yang
merupakan bagian dari permainan tetapi tidak ikut bermain (NPC = Non Playable
Character). Peranan kecerdasan buatan dalam hal interaksi pemain dengan
permainan adalah pada penggunaan interaksi yang bersifat alami yaitu yang biasa
digunakan menusia untuk berinteraksi dengan sesama manusia. Contoh media
interaksi ialah:
·
Penglihatan
(vision)
·
Suara
(voice), ucapan (speech)
·
Gerakan
anggota badan ( gesture)
Jenis-Jenis Kecerdasan Buatan
Dalam perkembangannya kecerdasan
buatan dapat dikelompokkan sebagai berikut :
1. Sistem
Pakar (Expert System), komputer sebagai sarana untuk menyimpan pengetahuan para
pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan
meniru keahlian yang dimiliki pakar.
2. Pengolahan Bahasa Alami (Natural
Language Processing), user dapat berkomunikasi dengan komputer menggunakan
bahasa sehari-hari, misal bahasa inggris, bahasa indonesia, dan sebagainya.
3. Pengenalan Ucapan (Speech
Recognition), manusia dapat berkomunikasi dengan komputer menggunakan suara.
4. Robotika & Sistem Sensor.
5. Computer Vision, menginterpretasikan
gambar atau objek-objek tampak melalui komputer.
6. Intelligent Computer-Aided
Instruction, komputer dapat digunakan sebagai tutor yang dapat melatih &
mengajar.
7. Game Playing.
8. Soft Computing
Kelebihan
Kecerdasan Buatan
1.
Lebih
bersifat permanen
2.
Lebih
mudah diduplikasi & disebarkan.
3.
Lebih
murah.
4.
Bersifat
konsisten dan teliti karena kecerdasan buatan adalah bagian dari teknologi
komputer sedangkan kecerdasan alami senantiasa berubah-ubah.
5.
Dapat
didokumentasi. Keputusan yang dibuat komputer dapat di dokumentasi dengan mudah
dengan cara melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami
sangat sulit untuk direproduksi.
6.
Dapat
mengerjakan beberapa task lebih cepat dan lebih baik dibanding manusia.
A.
Decision Making
Decision
Making adalah serangkaian algoritma yang dirancang dengan memasukan beberapa
kemungkinan langkah yang bisa diambil oleh suatu aplikasi, Pada game ini
decision makingmemberikan kemampuan suatu karakter untuk menentukan langkah apa
yang akan diambil. Decision making dilakukan dengan cara menentukan satu
pilihan dari list yang sudah dibuat pada algoritma yang dirancang. Decision
Making dibagi menjadi 3 :
·
Decision
Tree
Pohon
Keputusan (Decision Tree) merupakan metode klasifikasi dan prediksi yang sangat
kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar
menjadi pohon keputusan yang merepresentasikan aturan. Aturan dapat dengan
mudah dipahami dengan bahasa alami. Aturan ini juga dapat diekspresikan dalam
bentuk bahasa basis data seperti SQL untuk mencari record pada kategori
tertentu. Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan
hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah
variabel target. Karena pohon keputusan memadukan antara eksplorasi data dan pemodelan,
pohon keputusan ini sangat bagus sebagai langkah awal dalam proses pemodelan
bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain (J R
Quinlan, 1993).
·
State
Machine
Finite
State Machines (FSM) adalah sebuah metodologi perancangan sistem kontrol yang
menggambarkan tingkah laku atau prinsip kerja sistem dengan menggunakan tiga
hal berikut: State (Keadaan), Event (kejadian) dan action (aksi). Pada satu
saat dalam periode waktu yang cukup signifikan, sistem akan berada pada salah
satu state yang aktif. Sistem dapat beralih atau bertransisi menuju state lain
jika mendapatkan masukan atau event tertentu, baik yang berasal dari perangkat
luar atau komponen dalam sistemnya itu sendiri (misal interupsi timer).
Transisi keadaan ini umumnya juga disertai oleh aksi yang dilakukan oleh sistem
ketika menanggapi masukan yang terjadi. Aksi yang dilakukan tersebut dapat
berupa aksi yang sederhana atau melibatkan rangkaian proses yang relative
kompleks.
·
Rule
System
Rule
Based System merupakan metode pengambilan keputusan berdasarkan pada
aturan-aturan tertentu yang telah ditetapkan. RBS dapat diterapkan pada agen
virtual dalam bentuk kecerdasan buatan sehingga dapat melakukan tindakan tertentu.
Tindakan tersebut direpresentasikan oleh set aturan yaitu penyebab tindakan itu
terjadi, proses tindakan dan hasil dari tindakan tersebut.
B.
Path Finding
Metode
pathfinding paling mudahditemui pada game-game bertipe strategi dimana kita
menunjuk satu tokoh untuk digerakkan ke lokasi tertentu dengan mengklik lokasi
yang hendak dituju. Si tokoh akan segera bergerak ke arah yang ditentukan, dan
secara “cerdas” dapat menemukan jalur terpendek ataupun menghindari dari
rintangan-rintangan yang ada. Salah satu algoritma pathfindin yang cukup umum
dan yang paling banyak digunakan utnuk mencari jarak terpendek secara efisien
adalah algoritma A* (baca: A star). Secara umum, algoritma A* adalah
mendefinisikan area pencarian menjadi sekumpulan node-node (tiles). Titik awal
dan titik akhir ditentukan terlebih dulu untuk mulai penelusuran pada tiap-tiap
node yang memungkinkan untuk ditelusuri. Dari sini, akan diperoleh skor yang
menunjukkan besarnya biaya untuk menempuh jalur yang ditemukan, ditambah dengan
nilai heuristik yang merupakan nilai biaya estimasi dari node yang ada menuju
tujuan akhir. Iterasi akan dilakukan hingga akhirnya mencapai target yang
dituju.
· Algoritma Djikstra
Algoritma
Dijkstra, (dinamai menurut penemunya, seorang ilmuwan komputer, Edsger
Dijkstra), adalah sebuah algoritma rakus (greedy algorithm) yang
dipakai dalam memecahkan permasalahan jarak terpendek (shortest path problem)
untuk sebuah graf berarah
(directed graph) dengan bobot-bobot sisi (edge weights) yang bernilai
tak-negatif.
Algoritma
Dijkstra tidak menggunakan heuristik khusus untuk memilih calon yang paling
mungkin pertama, sehingga solusinya hanya diketahui setelah setiap lokasi yang
mungkin diuji.
· Algoritma A*Searching
adalah
mendefinisikan area pencarian menjadi sekumpulan node-node (tiles). Titik awal
dan titik akhir ditentukan terlebih dulu untuk mulai penelusuran pada tiap-tiap
node yang memungkinkan untuk ditelusuri. Dari sini, akan diperoleh skor yang
menunjukkan besarnya biaya untuk menempuh jalur yang ditemukan, ditambah dengan
nilai heuristik yang merupakan nilai biaya estimasi dari node yang ada menuju
tujuan akhir. Iterasi akan dilakukan hingga akhirnya mencapai target yang
dituju.
Algoritma
A Star atau A* sendiri merupakan algoritma terbaik dalam pencarian terpendek
dengan perhitungan terkecil pada jalur dengan simpul awal menuju simpul akhir.
Algoritma ini pertama kali dideskripsikan oleh Peter Hart, Nils Nilsson dan
Bertram Raphael pada tahun 1968. Sedangkan Collision adalah sebuah pendeteksi
apakah sebuah objek bertabakan pada objek lainnya.
Sumber :
