ABSTRAKSI: Evolusi adalah proses pengoptimasian dan belajar untuk beradaptasi pada perubahan lingkungannya yang dinamik agar dapat bertahan hidup. Dengan menggunakan teknik belajar dari Algoritma Evolusi, kita dapat membuat program komputer yang dapat belajar sendiri dan berevolusi, dalam lingkungan yang tidak ada kepastian. Penulis akan menggunakan Algoritma Evolusi untuk belajar bermain, dalam hal ini, Permainan Go.
Permainan Go adalah permasalahan yang ideal dalam pembahasan machine learning. Permainan Go memiliki rule yang sederhana tetapi memerlukan strategi yang kompleks untuk dapat bermain bagus, dan akan semakin kompleks sesuai dengan bertambah besarnya ukuran papan yang digunakan. Walaupun sudah banyak aplikasi Permainan Go yang menggunakan berbagai teknik AI, namun tetap gagal mencapai kemampuan pemain Go yang amatir. Komputer Go cenderung melakukan kesalahan yang sama berulang-ulang. Besarnya papan bermain yang digunakan dalam bermain Go menyebabkan besarnya ruang pencarian, sering disebut sebagai penyebab kesulitan ini.
Pendekatan Evolusi dikatakan dapat memberikan solusi dengan baik pada ruang pencarian yang besar tanpa harus menganalisa di semua ruang. Karena proses pengambilan individual yang acak, diharapkan juga computer dapat menemukan solusi dan memberikan pergerakan yang tidak statis. Namun, tentu saja, komputer harus tetap “pintar”.Kata Kunci : algoritma genetik, game ai, game goABSTRACT: Evolution is process of optimization and learning to adapt to changes in their dynamic environment so is to survive. By installing the implicit learning of Evolutionary Algorithm, we can create computer program that learn, and evolve, in environment containing of uncertain information. We will use Evolutionary Algorithm to learn to play game, in particular the game of Go.
The game of Go is an ideal problem for exploring machine learning. It has simple rules yet requires complex strategies to play well, a more and more complex as the board size is increased. Despite much effort, existing Go programs, which have largely uses AI techniques, they still have failed to achieve a standard much above an average human amateur. Computer Go, often do a same mistake over and over again. The board size of game go making it a huge search space, is cited to be the cause of this problem.
Evolutionary approaches are said to be able to acquire approximate solutions from a large search space without searching the whole search space. Because of the individual are randomly selected, hopefully the computer can acquire solution that give movement which is not static. But, of course, the computer is still has to be ‘smart’.Keyword: evolutionary algorithm, genetic algorithm, game ai, game go