Pengetahuan berbasis agen
Menyimpulkan action apa yang perlu diambil.qAgen Berbasis Pengetahuan, Knowledge Base (KB) menyatakan apa yang
“diketahui” oleh si agent Pendekatan deklaratif membangun agent: “beritahu”
informasi yang relevan, simpan dalam KB. Agen dapat ditanya (atau bertanya diri
sendiri) apa yang sebaiknya dilakukan berdasarkan KB. Maka sebuah agen berbasis
pengetahuan harus bisa mereprentasikan world, state, action, dst. Menerima
informasi baru (dan meng-update representasinya). Menyimpulkan pengetahuan lain
yang tidak eksplisit (hidden property).
Agen Berbasis Pengetahuan atau
Knowledge Base (KB) merupakan Himpunan representasi fakta yang diketahui
tentang lingkungannya. Tiap fakta disebut sebagai sentence. Fakta tersebut
dinyatakan dalam bahasa formal sehingga bisa diolah, menambahkan sentence baru
ke KB. Inference Engine merupakan menentukan fakta baru yang dapat diturunkan
dari pengetahuan yang sudah ada dalam KB.
Agen Berbasis Pengetahuan dalam
representasi, agent dapat dipandang dari knowledge level. Apa saja informasi
yang diketahui? Misal sebuah robot “mengetahui” bahwa gedung B di antara gedung
A dan gedung C. Agent dapat dipandang dari implementation level Bagaimana
representasi informasi yang diketahuinya? Logical sentence di_antara(gdB, gdA,
gdC). Natural language “Gedung B ada di antara gedung A dan gedung C”.
Agen Berbasis Pengetahuan,
pilihan representasi berpengaruh terhadap apa yang bisa dilakukan inference
engine. Pada pendekatan deklaratif programmer memberitahu agent informasi
tentang environment. Kalau informasi kurang, agen bisa melengkapinya sendiri.
Jika dibandingkan dengan pendekatan prosedural programmer secara eksplisit
memrogram agen untuk bertindak. Sehingga bagaimana jika program tidak benar,
maka akan besar kemungkinan menyebabkan kesalahan.
Agen Berbasis Pengetahuan,
permasalahannya adalah bagaimana representasi yang tepat, sehingga ada dua hal
yang harus diperhatikan expressive bisa menyatakan fakta tentang environment,
Tractable bisa mengolah/ memproses inference engine (dengan cepat). Knowledge
merupakan power atau kekuatan dari pemrograman secara deklaratif. Representasi
dan penalaran membentuk suatu Intelligence.
Logika
Logic adalah bahasa formal untuk
merepresentasikan informasi sedemikian hingga kesimpulan dapat dibuat dalam
pembuatan kesimpulan pasti harus menggunakan bahasa yg benar dalam pembuatan
bahasa yang tepat Syntax mendefinisikan kalimat-kalimat pada bahasa kemudian
Semantics mendefinisikan arti kalimat; misal, mendefinisikan kebenaran sebuah
kalimat
Entailment berarti sesuatu fakta
bisa disimpulkan dari (kumpulan) fakta lain Entailment dapat juga berarti
sebuah hubungan antar kalimat ( syntax) yang didasarkan pada semantics kemudian
Model adalah sebuah “dunia” di mana kebenaran suatu sentence bisa diuji.
Contoh:
Entailment :
KB mengandung sentence “Anto ganteng” dan “Ani cantik”.
KB |= α1: “Anto ganteng dan Ani cantik”
KB 2 α2: “Anto pintar”
x + y = 4 |= 4 = x + y
Contoh :
Model :
M(α) adalah himpunan semua model dari α
KB= Anto ganteng dan Ani cantik.
α = Anto ganteng
Logika Proposi / logika sederhana
Logika merupakan
studi penalaran yang secara khusus membahas apakah penalaran tersebut benar.
Logika berfokus pada hubungan antara pernyataan- pernyataan yang
dipertentangkan dengan isi pernyataan tertentu.
Metode logika digunakan dalam
matematika untuk membuktikan teorema dan dalam ilmu computer untuk membuktukan
bahwa program-program berjalan seperti yang diharapkan.
Kalimat yang bia benar bisa
salah, tetapi tidak sekaligus keduanya, disebutProposisi (kalimat
terbuka). Proposisi buasanya dinyatakan sebagai kalimat berita (bukan kalimat
tanya, kalimat perintah, dan sebagainya).
Proposisi merupakan bangunan
dasar dari teori logika. Biasanya proposisi dinyatakan dengan huruf kecil
seperti p, q, r dan untuk mengkombinasikan Proposisi dengan
proposisi lain, digunakan kata hubung seperti dan, atau. Kombinasi
dari proposisi-proposisi disebut sebagai Proposisi Majemuk.
1. Sintaks
Sintaks dalam suatu bahasa
adalah sekumpulan aturan baku tentang bagaimana elemen-eleman bahasa tersusun
secara gramatikal. Sintaks menspesifikasikan bagaimana susunan setiap kata
dituliskan kedalam suatu kalimat.
2. Semantik
Semantik dalam suatu bahasa
adalah menekankan pada makna atau arti yang terkandung dalam suatu
pernyataan atau kalimat.
3. INFERENSI
Misalkan kita diberikan beberapa
proposisi, kita dapat menarik kesimpulan baru dari deret proposisi tersebut.
Proses penarikan kesimpulan dari beberapa proposisi tersebut disebut sebagai
inferensi (inference). Di dalam matematika distrik terdapat sejumlah kaidah
inferensi, beberapa diantaranya adalah :
· Modus Ponen
atau law of detachment menyatakan bahwa jika hipotesis p dan pada
implikasi p -> q benar, maka konklusi q benar.
· Modus
Tollen kaidah ini didasarkan pada tautologi [~q ^ (p -> q) ] -> ~p.
· Silogisme
Hipotesis kaidah ini didasarkan pada tautologi [(p -> q) ^ (q -> r)]
-> (p -> r).
· Silogisme
Disjungtif kaidah ini didasarkan pada tautologi [(p v q) ^ ~p] -> q.
· Simplifikasi
kaidah ini didasarkan pada tautologi (p ^ q) -> p, yang dalam hal ini, p dan
q adalah hipotesis, sedangkan p adalah konklusi.
· Penjumlahan
kaidah ini didasarkan pada tautologi p -> (p v q) .
· Konjungsi
kaidah ini didasarkan pada tautologi ((p) ^ (q)) -> (p ^ q) .
4. Ekuivalen
(Equivalence)
Proposisi yang bernilai
benar jika proposisi p dan q memiliki nilai kebenaran yang sama.Di dalam
matematika diskrit ini secara simbolik, proposisi biasanya dilambangkan dengan
huruf kecil seperti p, q, r dan seperti ini permisalannya :
p : 6 adalah bilangan genap.
q : Soekarno adalah Presiden
Indonesia yang pertama.
r : 3+3 = 6
Untuk mendefinisikan p sebagai preposisi "6 adalah
bilangan genap" , begitu dengan q dan r.
5. Validitas dan
Satisfiability
Dalam logika matematika ,
satisfiability dan validitas adalah konsep dasar dari semantik . Sebuah rumus
adalah satisfiable apakah mungkin untuk menemukan interpretasi (Model ) yang
membuat formula yang benar. Sebuah formula berlaku jika semua interpretasi
membuat formula yang benar. Kebalikan dari konsep-konsep ini
unsatisfiabilitydan ketidakabsahan, yaitu, formula adalah unsatisfiable jika
tidak ada interpretasi membuat formula yang benar, dan tidak sah jika beberapa
penafsiran tersebut membuat formula palsu. Keempat konsep terkait satu sama
lain dengan cara yang persis analog dengan Aristoteles 's persegi oposisi .
Pola penalaran (reasoning pattern) pada logika
proposisi
Penalaran yaitu proses berfikir
yang bertolak dari pengamatan indera atau observasi empirik yang menghasilkan
sejumlah pengertian dan proposisi sekaligus. Penalaran erat kaitannya dengan
penyimpulan, argumen dan bukti. Penyimpulamn dalam arti yang sebenarnya tidak
mencakup aktivitas menemukan proposisi-proposisi disusun dalam premis., akan
tetapi hanya memakai hubungan proposisi-proposisi dalam premis dan menentukan
konklusinya.
1. Resolusi
Strategi inferensi yang
digunakan pada sistem logika untuk menentukan kebenaran dari suatu assertion
(penegasan) `Metoda Resolusi mencoba untuk membuktikan bahwa beberapa teorema
atau ekspresi sebagai proposisi P adalah TRUE, dengan memberikan sejumlahaksiomadarimasalahtersebut
sejumlah aksioma dari masalah tersebut.
2. Backward &
Forward chaining
Backward Chaining
merupakan Pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan
terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun
pygg(p kontradiktif) dari ekspektasi tersebut. Jika suatu aplikasi menghasilkan
tree yang sempit dan cukupdalammakagunakanbackwardchaining cukup dalam, maka
gunakan backward chaining.
Forward chaining Merupakan grup
dari multipel inferensi yang melakukan pencarian dari suatu masalah kepada
solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka
prosesakanmengassertkonklusi proses akan meng-assert konklusi. Forward Chaining
adalah data driven karena inferensi dimulai dengan informasi yg tersedia
dan baru konklusi diperoleh.
Inferensi proporsi yang efektif
1. Algoritma Backtracking
Algoritma backtracking merupakan
salah satu metode pemecahan masalah yang termasuk dalam strategi yang berbasis
pencarian pada ruang status. Algoritma backtracking bekerja secara rekursif dan
melakukan pencarian solusi persoalan secara sistematis pada semua kemungkinan
solusi yang ada. Oleh karena algoritma ini berbasis pada algoritma Depth-First
Search (DFS), maka pencarian solusi dilakukan dengan menelusuri struktur
berbentuk pohon berakar secara preorder. Algoritma backtracking merupakan
bentuk tipikal dari algoritma rekursif.Saat ini algoritma backtracking
banyak diterapkan untuk program games (seperti permainan tic-tac-toe, menemukan
jalan keluar dalam sebuah labirin, catur, dll) dan masalah-masalah pada
bidang kecerdasan buatan (artificial intelligence).
2. Algoritma
Pencarian Lokal
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.
Agen berbasis logika proposisi
Agen logika merupakan agen yang
memiliki kemampuan bernalar secara logika. Ketika beberapa solusi tidak secara
eksplisit diketahui, maka diperlukan suatu agen berbasis logika. Logika sebagai
Bahasa Representasi Pengetahuan memiliki kemampuan untuk merepresentasikan
fakta sedemikian sehingga dapat menarik kesimpulan (fakta baru, jawaban).
Sedangkan pengetahuan merupakan komponen yang penting, sehingga terdapat
perbedaan jika diterapkan pada dua agent, yakni problem solving agent dan
knowledge-based agent.
Perbedaan dua agent, problem
solving agent dan knowledge-based agent. Problem solving agent memilih solusi
di antara kemungkinan yang ada. Apa yang ia “ketahui” tentang dunia,
pengetahuannya tidak berkembang untuk mencapai problem solution (initial state,
successor function, goal test) tetapi jika Knowledge-based agent lebih
“pintar”. Ia “mengetahui” hal-hal tentang dunia dan dapat melakukan reasoning
(berpikir, bernalar) mengenai Hal-hal yang tidak diketahui sebelumnya
(imprefect/ partial information). Tindakan yang paling baik untuk diambil (best
action).
Tidak ada komentar:
Posting Komentar