Pengetahuan berbasis agen
Agen 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).
Menyimpulkan action apa yang perlu diambil.
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, disebut Proposisi
(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