Permainan dapat
menghasilkan sejumlah besar pencarian ruang. Hal ini cukup besar dan kompleks
yang membutuhkan suatu teknik yang tangguh untuk menentukan alternative
pengekpsplorasian ruang permasalahan. Teknik ini dikenal dengan nama heuristic
dan dan merupakan area utama dari penelitan tentang AI. Banyak hal yang
biasanya dikenal sebagai kecerdasan tampaknya berada dalam heuristic yang
digunakan oleh manusia untuk menyelesaikan permasalahannya.(Anita Desiani &
Muhammad Arhami, 2006 : 8 )
Salah satu unsur
penting kecerdasan buatan adalah menyangkut algoritma pencariannya. Beberapa
algoritma pencarian yang dikenal, antara lain:
- Heuristic.
Proses pencarian heuristic bekerja untuk menemukan
jawaban yang paling cocok, ditujukan untuk mendapatkan performa pencarian yang
baik dan mudah, dengan konsekuensi tingkat akurasi yang tidak terjamin. Algoritma
heuristic mencoba untuk meniru otak manusia saat menebak, dengan alasan yang
masuk akal.
Heuristic umumnya digunakan saat menghadapi masalah
yang kompleks atau memiliki informasi yang kurang memadai. Misalnya pada saat
dihadapkan pada pilihan untuk menentukan minuman yang paling enak di antara
beberapa jenis minuman, sementara informasi yang adalah harga minuman,maka
dapat diciptakan sebuah rule agar secara heuristic akan dipilih minuman dengan
harga termahal sebagai minuman yang paling enak.
Tentu saja hal tersebut tidak menjamin bahwa pilihan
itu benar, tetapi pilihan tersebut adalah pilihan yang paling masuk akal dan
sederhana oleh otak manusia dengan keterbatasan informasi yang tersedia pada
kasus tersebut.
- Local.
Pencarian lokal berusaha untuk melakukan optimasi,
misalnya dengan teknik Hill Climbing. Teknik Hill Climbing dapat digunakan
untuk memecahkan persoalan yang memiliki banyak alternatif solusi untuk
kemudian memilih solusi yang terbaik. Cara kerjanya dimulai dengan memilih
solusi acak, kemudian dilakukan perubahan sedikit demi sedikit, setiap
perubahan menghasilkan solusi yang lebih baik. Saat perubahan yang dilakukan
tidak lagi mendapatkan solusi yang lebih baik, algoritma Hill Climbing akan
berhenti mencari dan menentukan solusi terakhir sebagai solusi yang optimal.
Contoh penggunaan Hill Climbing pada kecerdasan
buatan adalah pencarian rute terbaik, dari berbagai kemungkinan rute yang ada. Contoh
lain dari pencarian local adalah teknik pencarian Beam (Beam Search) dan
Simulated Annealing (SA).
- Genetic.
Pencarian dengan algoritma genetic meniru proses
seleksi alam atau proses evolusi seperti inheritance, mutasi, seleksi, dan
kombinasi ulang (crossover). Dengan algoritma genetic, diharapkan mesin dapat
menghasilkan kreativitas, hal ini
melahirkan cabang kecerdasanbuatan yang dinamakan kreativitas buatan
(Artiļ¬ cial Creativity). Aplikasinya bisa
jadi mengarahkan mesin untuk dapat menciptakan musik, desain, dan lain sebagainya.
Walaupun pada dasarnya
bahasa pemrograman yang umum digunakan seperti Visual Basic, C++, Delphi,
FoxPro, dan sebagainya memungkinkan untuk menciptakan sebuah aplikasi
kecerdasan buatan, tetapi para pengembang kecerdasan buatan telah membuat
bahasa pemrograman yang khusus untuk keperluan tersebut.