Rangkuman

Tugas 1

Sistem Cerdas

Pengertian Sistem Cerdas

Kecerdasan buatan (Artificial Intelligent, AI) telah menjadi wacana umum yang sangat penting dan banyak dijumpai. Kecerdasan Buatan atau Sistem cerdas atau Intelegensi Buatan atau Artificial Inteligence merupakan cabang terpenting dalam dunia komputer. 

Manusia mempunyai pengetahuan, pengalaman dan kemampuan penalaran dengan baik, agar komputer bisa bertindak seperti dan sebaik manusia, maka komputer juga harus dibekali pengetahuan dan mempunyai kemampuan untuk menalar.

 Karekteristik Sistem Cerdas

A.   Memiliki fasilitas informasi yang handal

B.   Mudah dimodifikasi

C.   Dapat digunakan dalam berbagai jenis komputer

D.  Memilki kemampuan untuk belajar beradaptasi.

E.   Outputnya yang dihasilkan sesuai dengan apa yang kita harapkan.

  Contoh Sistem Cerdas Dalam Bisnis

1.  XSEL : Sistem pakar ini dapat bertindak sebagai asisten penjual, yang membantu penjual komputer DEC memilihkan pesanan pelanggan sesuai dengan kebutuhan.

2 MYCIN : Sistem ini dikembangkan  di Universitas Stanford pada pertengahan 1970-an dengan tujuan untuk membantu jurumedis dalam mendiagnosa penyakit yang disebabkan bakteri. 

3. PROSPECTOR : Sistem ini diciptakan oleh Richard Duda, Peter Hard, dan Rene Reboh pada  tahun 1978 yang menyediakan kemampuan seperti seorang pakar di bidang geologi.

Tugas 2

AI ( Artificial Intelegent )

Kecerdasan buatan atau Artificial Intelligence (AI) istilah yang mungkin akan mengingatkan kita akan kehebatan optimus prime dalam film The Transformers. Kecerdasan buatan memang kerap diidentikkan dengan kemampuan robot yang dapat berperilaku seperti manusia.

Sejarah AI

1.       Era komputer elektronik (1941)

2.      Masa persiapan AI (1943-1956)

3.      Awal perkembangan (1952-1969)

4.       Perkembangan AI melambat (1966-1974)

5.      Sistem berbasis pengetahuan (1969-1979)

6.      AI menjadi sebuah industry (1980-1988)

7.      Kembalinya jaringan saraf tiruan (1986 – sekarang)

Contoh AI

1.       Siri

2.      Tesla

3.      Cogito

4.      Netflix

5.      Pandora

Tugas 3

Pengertian Agen Cerdas

Agen cerdas (Artificial Intelligence) adalah sebuah agen yang menerima persepsi dari lingkungan dan melakukan tindakan.Tujuan utamanya adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran manusia).

Konsep Agen Cerdas

Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.

Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat actuator: tangan, kaki, mulut, dan bagian tubuh lain sebagai alat gerak

Konsep Perancangan Agen Cerdas

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).

Jenis Lingkungan Agen Cerdas

1.       Sepenuhnya teramati vs Sebagian teramati

2.      Deterministik vs Stokastic

3.       Episodik vs Sekuensial

4.      Statis vs Dinamis

5.      Diskrit vs Kontinu

Contoh dari 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).

Contoh dari Agent Cerdas

I.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.

II.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).

Daftar Pustaka:

https://evangelinosite.wordpress.com/2017/10/21/agent-konsep-agent-definisi-serta-contoh/

Definisi & Konsep Agen Cerdas.

Pengertian Agen Cerdas 

Agen cerdas (Artificial Intelligence) adalah sebuah agen yang menerima persepsi dari lingkungan dan melakukan tindakan.Tujuan utamanya adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran manusia). Ilmu AI dalam permainan umumnya digunakan untuk membuat agen yang dapat mengambil tindakan, memiliki kecerdasan, dan bisa memahami keputusan terhadap kondisi permainan yang dinamis.

Konsep Agen Cerdas 

§        Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.

§        Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat actuator: tangan, kaki, mulut, dan bagian tubuh lain sebagai alat gerak.

§        Sedangkan pada agen robot: kamera dan inframerahi untuk sensor, danlengan, serta berbagai motor sebagaiaktuator.

§        Agen menerima (percept) sensor dari lingkungan. Keseluruhan percept yang diterima agen pada suatu selang waktu disebut percept sequence.

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:

§       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:

§         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.

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.

Daftar Pustaka:

http://www.weare.id/pengertian-agen-cerdas/

https://evangelinosite.wordpress.com/2017/10/21/agent-konsep-agent-definisi-serta-contoh/

Membuat Garis Vertikal, Horizontal, dan Diagonal

OpenGL (Open Graphic Library) adalah spesifikasi standar yang mendefinisikan sebuah lintas-bahasa, lintas platform API untuk mengembangkan aplikasi yang menghasilkan grafis komputer 2D maupun3D. Antarmuka terdiri dari lebih dari 250 panggilan fungsi yang berbeda yang dapat digunakan untuk menggambar tiga dimensi yang adegan-adegan kompleks dari bentuk-bentuk primitif sederhana.  Sebelum openGl tersedia,pengembang perangkat lunak harus menulis kode grafis 3D untuk setiap platform sistem operasi dan perangkat keras grafis yang berbeda. Namun,dengan OpenGL pengembang dapat membuat grafis dan efek khusus yang akan muncul hampir identik dengan sistem operasi atau perangkat keras yang mendukung OpenGL. Hal ini membuat pengembang game 3D dan program 3D untuk lebih mudah bagi mereka membuat membuat game dan program tersebut untuk berbagai platform.

OpenGL dikembangkan oleh Silicon Graphics Inc (SGI) pada tahun 1992  dan secara luas digunakan dalam CAD, realitas maya, visualisasi ilmiah, visualisasi informasi, dan simulasi penerbangan. Hal ini juga digunakan dalam video game, di mana bersaing dengan Direct3D on Microsft Windows platform OpenGL dikelola oleh sebuah teknologi konsorsium nirlaba yaitu Khronos Group.

OpenGL bukan satu-satunya aplikasi render, pesaing OpenGL directX (keluaran microsoft) memiliki fungsi yang hampir sama, namun DirectX lebih banyak digunakan oleh sebagian besar game developer karena beberapa fungsi DirectX nampaknya lebih memudahkan game developer untuk membuat game. Tapi bukan berarti tidak ada yang memakai OpenGL, tiap-tiap render memiliki kelebihan dan kekurangannya tersendiri. OpenGL biasanya digunakan dengan bahasa pemrograman C/C++.

Untuk Membuka Datanya:

Klik Disini

AI ( Artificial Intelegent )

    

  A.    Definisi AI

Kecerdasan buatan atau Artificial Intelligence (AI) istilah yang mungkin akan mengingatkan kita akan kehebatan optimus prime dalam film The Transformers. Kecerdasan buatan memang kerap diidentikkan dengan kemampuan robot yang dapat berperilaku seperti manusia. Definisi Kecerdasan Buatan, Berbagai definisi diungkapkan oleh para ahli untuk dapat memberi gambaran mengenai kecerdasan buatan beberapa diantaranya :

1. Kecerdasan Buatan (Artificial Intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas (H. A. Simon [1987]).

2. Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Knight [1991]).

3.Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan (Encyclopedia Britannica).

    B.     Sejarah AI

• Era komputer elektronik (1941) Ditemukannya pertama kali alat penyimpanan dan pemrosesan informasi yang disebut komputer elektronik. Penemuan ini menjadi dasar pengembangan program yang mengarah ke AI.

·         Masa persiapan AI (1943-1956)
Tahun 1943, Warren McCulloch dan Walter Pitts berhasil membuat suatu model saraf tiruan di mana setiap neuron digambarkan sebagai ‘on’ dan ‘off’. Mereka menunjukkan bahwa setiap fungsi dapat dihitung dengan suatu jaringan sel saraf dan bahwa semua hubungan logis dapat diimplementasikan dengan struktur jaringan yang sederhana.
Pada tahun 1950, Norbert Wiener membuat penelitian mengenai prinsip-prinsip teori feedback. Contoh terkenal adalah thermostat.
Pada tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon, dan Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang automata, jaringan saraf, dan pembelajaran intelijensia. Mereka mengerjakan proyek ini selama 2 bulan di Universitas Dartmouth. Hasilnya adalah program yang mampu berpikir non-numerik dan menyelesaikan masalah pemikiran, yang dinamakan Principia Mathematica. Hal ini menjadikan McCarthy disebut sebagai father of Artificial Intelligence/ Bapak Kecerdasan Buatan.

  

·         Awal perkembangan (1952-1969)
Pada tahun 1958, McCarthy di MIT AI Lab mendefinisikan bahasa pemrograman tingkat tinggi yaitu LISP, yang sekarang mendominasi pembuatan program-program AI. Kemudian, McCarthy membuat program yang dinamakan programs with common sense. Di dalam program tersebut, dibuat rancangan untuk menggunakan pengetahuan dalam mencari solusi.
Pada tahun 1959, Program komputer General Problem Solver berhasil dibuat oleh Herbert A. Simon, J.C. Shaw, dan Allen Newell. Program ini dirancang untuk memulai penyelesaian masalah secara manusiawi. Pada tahun yg sama Nathaniel Rochester dari IBM dan para mahasiswanya merilis program AI yaitu geometry theorem prover. Program ini dapat mebuktikan suatu teorema menggunakan axioma-axioma yang ada.
Pada tahun 1963, program yang dibuat James Slagle mampu menyelesaikan masalah integral tertutup untuk mata kuliah Kalkulus.
Pada tahun 1968, program analogi buatan Tom Evan menyelesaikan masalah analogi geometri yang ada pada tes IQ.

·         Perkembangan AI melambat (1966-1974)
Perkembangan AI melambat disebabkan adanya beberapa kesulitan yang di hadapi seperti  Program-program AI yang bermunculan hanya mengandung sedikit atau bahkan tidak mengandung sama sekali pengetahuan pada subjeknya, banyak terjadi kegagalan pada pembuatan program AI, terdapat beberapa batasan pada struktur dasar yang digunakan untuk menghasilkan perilaku intelijensia.

·         Sistem berbasis pengetahuan (1969-1979)
Pada tahun 1960an, Ed Feigenbaum, Bruce Buchanan, dan Joshua Lederberg merintis proyek DENDRAL yaitu program untuk memecahkan masalah struktur molekul dari informasi yang didapatkan dari spectometer massa. Dari segi diagnosa medis juga sudah ada yang menemukan sistem berbasis Ilmu pengetahuan, yaitu Saul Amarel dalam proyek computer ini biomedicine. Proyek ini diawali dari keinginan untuk mendapatkan diagnosa penyakit berdasarkan pengetahuan yang ada pada mekanisme penyebab proses penyakit.

 

·         AI menjadi sebuah industry (1980-1988)
Industralisasi AI diawali dengan ditemukannya sistem pakar yang dinamakan R1 yang mampu mengkonfigurasi sistem-sistem komputer baru. Program tersebut mulai dioperasikan di Digital Equipment Corporation (DEC), McDermott, pada tahun 1982. Pada tahun 1986, program ini telah berhasil menghemat US$ 40 juta per tahun.
Pada tahun 1988, kelompok AI di DEC menjalankan 40 sistem pakar. Hampir semua perusahaan besar di USA mempunyai divisi Ai sendiri yang menggunakan ataupun mempelajari sistem pakar. Booming industry Ai juga melibatkan perusahaan-perusahaan besar seperti Carnegie Group, Inference, IntelliCorp, dan Technoledge yang menawarkan software tools untuk membangun sistem pakar. Perusahaan hardware seperti LISP Machines Inc., Texas Instruments, Symbolics, dan Xerox juga turut berperan dalam membangun workstation yang dioptimasi untuk pembangunan program LISP. Sehingga, perusahaan yang sejak tahun 1982 hanya menghasilkan beberapa juta US dollar per tahun meningkat menjadi 2 milyar US dollar per tahun pada tahun 1988.

  

·         Kembalinya jaringan saraf tiruan (1986 – sekarang)
Meskipun bidang ilmu komputer menolak jaringan saraf tiruan setelah diterbitkannya buku ‘Perceptrons’ karangan Minsky dan Papert, tetapi para ilmuwan masih mempelajari bidang ilmu tersebut dari sudut pandang yang lain, yaitu fisika. Ahli fisika seperti Hopfield (1982) menggunakan teknik-teknik mekanika statistika untuk menganalisa sifat-sifat penyimpanan dan optimasi pada jaringan saraf. Para ahli psikolog, David Rumhelhart dan Geoff Hinton melanjutkan penelitian mengenai model jaringan saraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset menemukan algoritma Back-Propagation. Algoritma ini berhasil diimplementasikan ke dalam ilmu bidang komputer dan psikologi.

    C.     Contoh AI

1    1.      Siri

Siri adalah salah satu asisten pribadi virtual paling populer yang ditawarkan oleh Apple di iPhone dan iPad. Asisten yang diaktifkan sebagai suara perempuan ramah berinteraksi dengan pengguna dalam rutinitas sehari-hari. Dia membantu Anda menemukan informasi, mendapatkan petunjuk arah, mengirim pesan, melakukan panggilan suara, membuka aplikasi, dan menambahkan acara ke kalender.

Siri menggunakan teknologi pembelajaran mesin untuk mendapatkan pertanyaan dan permintaan bahasa alami yang lebih cerdas dan mampu memahami. Ini pasti salah satu contoh paling ikon dari kemampuan belajar pada mesin smartphone.

2.      Tesla

Tidak hanya smartphone tetapi mobil juga sudah bergeser ke arah Artificial Intelligence. Tesla adalah sesuatu yang meniadakan driver manusia. Ini adalah salah satu teknologi mobil terbaik yang tersedia sampai sekarang. Mobil ini tidak hanya mampu meraih banyak penghargaan tetapi juga fitur seperti mengemudi sendiri, kemampuan prediktif, dan inovasi teknologi mutlak.

Jika Anda seorang pecandu teknologi dan bermimpi memiliki mobil seperti yang ditampilkan di film-film Hollywood, Tesla adalah salah satu yang contoh teknologi mobil canggih.

3.      Cogito

Cogito awalnya didirikan oleh Dr Sandy dan Joshua adalah salah satu contoh terbaik dari aplikasi kecerdasan buatan versi perilaku untuk meningkatkan layanan pelanggan perusahaan. Perusahaan ini adalah sintesis pembelajaran mesin dan ilmu perilaku untuk meningkatkan kolaborasi pelanggan dengan para call center.

Cogito digunakan pada jutaan panggilan suara yang dilakukan setiap hari. Contoh penerapan Artificial Intelligence dengan menganalisis suara manusia dan memberikan panduan untuk memberikan pelayanan maksimum.

4.      Netflix

Netflix tidak memerlukan pengenalan — ini adalah layanan konten-on-demand yang sangat populer yang menggunakan teknologi prediktif untuk menawarkan rekomendasi berdasarkan reaksi, minat, pilihan, dan perilaku konsumen. Teknologi ini memeriksa dari sejumlah catatan untuk merekomendasikan film berdasarkan kecintaan dan reaksi Anda sebelumnya.

Aplikasi ini menjadi lebih cerdas setiap tahun. Satu-satunya kelemahan dari teknologi ini adalah film kecil akan luput dari perhatian sementara film-film besar tumbuh dan menyebar di platform. Tapi seperti yang saya tulis sebelumnya, itu masih meningkat dan belajar menjadi lebih cerdas.

5.      Pandora

Pandora adalah salah satu solusi teknologi artificial intelligence yang paling populer dan sangat detil. Ini juga disebut DNA musik. Tergantung pada 400 karakteristik musik, tim musisi ahli secara individual menganalisis lagu tersebut. Sistem ini juga bagus dalam merekomendasikan rekam jejak untuk merekomendasikan lagu yang tidak pernah diperhatikan, meskipun disukai orang.

6.      Nest Learning Thermostat (Google)

Nest adalah salah satu startup contoh penerapan Artificial Intelligence paling terkenal dan sukses dan diakuisisi oleh Google pada tahun 2014 seharga $ 3,2 miliar. Nest Learning Thermostat menggunakan algoritme perilaku untuk menghemat energi berdasarkan perilaku dan jadwal Anda.

Ini menggunakan proses pembelajaran mesin yang sangat cerdas yang mempelajari suhu yang Anda suka dan program itu sendiri dalam waktu sekitar satu minggu. Selain itu, secara otomatis akan mati untuk menghemat energi, jika tidak ada orang di rumah.

Bahkan, ini adalah kombinasi keduanya — kecerdasan buatan serta Bluetooth rendah energi karena beberapa komponen solusi ini akan menggunakan layanan dan solusi BLE.

7.      Boxever

Boxever adalah perusahaan yang sangat bergantung pada pembelajaran mesin untuk meningkatkan pengalaman pelanggan dalam industri perjalanan dan menyampaikan momen mikro atau pengalaman yang dapat memuaskan pelanggan.

Boxover secara signifikan meningkatkan keterlibatan pelanggan melalui pembelajaran mesin dan Kecerdasan Buatan untuk mengatur lapangan bermain, membantu pelanggan menemukan cara baru dan membuat perjalanan yang tak terlupakan.

8.      Flying Drones

Drone sudah mengirimkan produk ke rumah pelanggan — meskipun dalam mode uji coba. Mereka menunjukkan sistem pembelajaran mesin yang kuat yang dapat menerjemahkan lingkungan ke dalam model 3D melalui sensor dan kamera video.

Sensor dan kamera dapat melihat posisi drone di ruangan dengan menyambungkannya ke langit-langit. Algoritma generasi lintasan memandu drone tentang bagaimana dan kemana harus bergerak. Dengan menggunakan sistem Wi-Fi, kita dapat mengendalikan drone dan menggunakannya untuk tujuan tertentu — pengiriman produk, pembuatan video, atau pelaporan berita.

9.      Alexa

Alexa diluncurkan oleh Amazon, yang semakin pintar dan menambahkan fitur baru. Ini adalah produk revolusioner yang dapat membantu Anda mencari informasi di web, mengatur janji, berbelanja, mengontrol lampu, switch, termostat, menjawab pertanyaan, membaca audiobook, melaporkan lalu lintas dan cuaca, memberikan info tentang bisnis lokal, memberikan skor dan jadwal olahraga , dan lainnya menggunakan Layanan Suara Alexa.

Daftar Pustaka

http://web.if.unila.ac.id/purmanailuswp/2015/09/13/pengertian-artificial-intelligence-kecerdasan-buatan/

https://evangelinosite.wordpress.com/2017/09/28/artificial-intelligence-definisi-sejarah-dan-contoh-kecerdasan-buatan/

http://web.if.unila.ac.id/purmanailuswp/2015/09/13/pengertian-artificial-intelligence-kecerdasan-buatan/