PENGETAHUAN DAN PENALARAN

PENGETAHUAN DAN PENALARAN

4.1. Pengetahuan berbasis agen

1. Knowledge Base (KB) menyatakan apa yang “diketahui” oleh si agent.

2. Pendekatan deklaratif membangun agent: “beritahu” informasi yang relevan, simpan dalam KB à (TELL).

3. Agen dapat ditanya (atau bertanya diri sendiri) apa yang sebaiknya dilakukan berdasarkan KB à (ASK).

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.

o    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.

§     TELL: menambahkan sentence baru ke KB.

o    Inference Engine merupakan :

§    Menentukan fakta baru yang dapat diturunkan dari pengetahuan yang    sudah ada dalam KB.

§    Menjawab pertanyaan (ASK) berdasarkan KB yang sudah ada.

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?

1.      Logical sentence di_antara(gdB, gdA, gdC).

2.       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.

2. WUMPUS WORLD

Aturan main Wumpus :

• Performance measure: emas +1000, mati -1000, gerak -1, panah -10
• Environment: Matriks 4x4 kamar. Initial state [1,1]. Ada gold, wumpus dan pit yang lokasinya dipilih secara acak.
• Percept:
  Breeze: kamar di samping lubang jebakan ada hembusan angin
  Glitter: kamar di mana ada emas ada kilauan/sinar
  Smell: kamar di samping Wumpus berbau busuk
• Action: maju, belok kiri 90◦ , kanan 90◦ , tembak panah (hanya 1!), ambil benda

Sifat Wumpus :

• (Fully) observable? Tidak, hanya bisa persepsi local
• Deterministic? Ya, hasil tindakan jelas & pasti
• Episodic? Tidak, tergantung action sequence
• Static? Ya, gold, wumpus, pit tidak bergerak
• Discrete? Ya
• Single agent? Tidak

4.2. Logika

q  Logika sebagai Bahasa Representasi Pengetahuan memiliki pengertian:

o   Logika sebagai bahasa formal untuk merepresentasikan fakta sedemikian sehingga kesimpulan (fakta baru, jawaban) dapat ditarik.

o   Ada banyak metode inference  yang diketahui.

o   Sehingga kita bisa membangun agent Wumpus World dengan logika : memanfaatkan perkembangan logika dari ahli matematika.

q  Entailment dapat diartikan sebagai suatu fakta bisa disimpulkan dari (kumpulan) fakta lain.

o   KB |= α berarti KB melakukan entailment sentence α jika dan hanya jika  α true dalam “dunia” di mana KB true.

Contoh :

• KB mengandung dua sentence, yakni “ Anto Genius” dan “Ani Cantik”.
• KB |= α₁: “Anto Genius dan Ani Cantik” (artinya: hasil entailment bisa berupa kalimat gabungan dari dua kalimat)
• KB |≠ α₂ : “Anto Tampan”

x + y = 4 =| 4= x+y

q  Inferensi atau reasoning merupakan pembentukan fakta (sentence) baru yang meng-entail fakta-fakta lama.

q  Reasoning bukan dilakukan pada fakta di dunia (berdasarkan semantik), melainkan representasi fakta dalam bahasa representasi pengetahuan si agent (secara sintaks).

q  Otak manusia melakukan proses reasoning dalam suatu bentuk sintak dapat diilustrasikan sebagaimana gambar berikut :

o   Model merupakan suatu “dunia” di mana kebenaran suatu sentence bisa diuji.

4.3. Logika Proposi / logika sederhana :

1.      Sintaks

Merupakan logika yang paling sederhana. Sebuah sentence dinyatakan sebagai simbol proposional P₁, P₂, dst.

Sintaks dari logika proposisi

Jika S adalah kalimat, ⌐S adalah kalimat (negasi)

Jika  S₁ dan S₂ adalah kalimat, S₁ Ʌ S₂ adalah kalimat (conjunction)

Jika  S₁ dan S₂ adalah kalimat, S₁ V S₂ adalah kalimat (disjunction)

Jika Jika  S₁ dan S₂ adalah kalimat, S₁ → S₂ adalah kalimat (implication)

Jika  S₁ dan S₂ adalah kalimat, S₁ ↔ S₂ adalah kalimat (biconditional)

2.       Semantik

Semantik dari logika proposisi

Sebuah model memberi nilai true/ false terhadap setiap proposisi, misal P_1,2= true, P_2,2 = true, P_3.1 = false.

Sebuah proses rekursif bisa mengevaluasi kalimat sembarang: ⌐P_1,2 Ʌ (P_2,2 V P_3,1) = true Ʌ (false V true) = true Ʌ true = true

3.       Inferensi

Inferensi adalah proses penalaran yang kesimpulannya dijamin benar dalam dunia/realitas di mana basis pengetahuan yang digunakan benar.

Jika KB benar di dunia nyata, maka setiap kalimat a yang diturunkan
dari KB dengan metode inferensi yang sound juga benar di dunia   nyata.

 Jadi proses inferensi berkorespondensi langsung dengan hubungan yang terjadi di dunia nyata.

4.     Ekuivalen

Adalah bila hanya bila ruas kiri dan ruas kanan memiliki nilai kebenaran yang sama untuk semua kombinasi nilai kebenaran dari masing-masing kalimat penyusunnya (kalimat pada ruas kiri dan kalimat pada ruas kanan )

      5.   Validitas

  Validitas dan Inkonsistensi

Pada pembahasan kaliini kita ingin mengetahui kapan suatu formula dikatakan valid pada logikaproposional? Pada penjelasan diatas kita telah dibiasakan dengan formula logikayang berasal dari transformasi kalimat deklaratif. Komposisi atau Kombinasibeberapa kalimat deklaratif yang valid akan menghasilkan formula yang validjuga.

Suatu formuladikatakan Valid jika dan hanya jika formula tersebut Tautologi. Dan formuladisebut Invalid jika dan hanya jika tidak valid.

Suatu formula disebut Inkonsistenjika dan hanya jika formula tersebut kontradiksi. Dan formula disebut Konsistenjika dan hanya jika tidak Inkonsisten.

 Pernyataan berikut iniadalah implikasi dari definisi diatas:

Formula adalah Valid jika dan hanya jika Negasinya InkonsistenFormula adalah Inkonsisten jika dan hanya jika Negasinya ValidFormula adalah Invalid jika dan hanya jika ada interpretasi yang menyebabkannya salah.Formula adalah Konsisten jika dan hanya jika ada interpretasi yang menyebabkannya benarJika formula adalah Valid, maka formula tersebut Konsisten tetapi tidak sebaliknyaJika formula adalah Inkonsisten, maka formula tersebut Invalid, tetapi tidak untuk sebaliknya. 

Contoh:

     Dengan menggunakan tabel kebenarn, kitadapat menyimpulkan bahwa:

1.      Formula adalah inkonsisten, yang juga invalid

2.      Formula adalah valid, yang juga konsisten

3.      Formula adalah invalid, yang juga konsisten

      6.   Satisfiabilitas

Sebuah proposisi majemuk dikatakan satisfiable jika ada minimal satu nilai tabel kebenarannya yang bernilai TRUE (benar), Jika proposisi majemuk tersebut tidak memiliki nilai TRUE (benar) sama sekali dalam tabel kebenarannya, maka proposisi majemuk tersebut disebut tidak satisfiable.

4.4. Pola penalaran (reasoning pattern) pada logika proposisi

1. resolusi

Resolusi merupakan suatu teknik pembuktian yang lebih efisien, sebab fakta-fakta yang akan dioperasikan terlebih dahulu dibawa ke bentuk standar yang sering disebut dengan nama klausa. Pembuktian suatu pernyataan menggunakan resolusi ini dilakukan dengan cara menegasikan pernyataan tersebut, kemudian dicari kontradiksinya dari pernyataan-pernyataan yang sudah ada.
Resolusi adalah suatu aturan untuk melakukan inferensi yang dapat berjalan secara efisien dalam suatu bentuk khusus conjunctive normal form (CNF). Pada logika proposisi, prosedur untuk membuktikan proposisi P dengan beberapa aksioma F yang telah diketahui, dengan menggunakan resolusi.
Algoritma resolusi :

(1) Konversikan semua proposisi F ke bentuk CNF.
(2) Negasikan P, dan konversikan hasil negasi tersebut ke bentuk klausa. Tambahkan ke himpunan klausa yang telah ada pada langkah 1.
(3) Kerjakan hingga terjadi kontradiksi atau proses tidak mengalami kemajuan  

2. backward   

backward chaining atau Backward Reasoning merupakan salah satu dari metode inferensia yang dilakukan untuk di bidang kecerdasan buatan. Backward chaining dimulai dangan pendekatan tujuan atau goal oriented atau hipotesa.  Pada backward chaining kita akan bekerja dari konsekuen ke antesendent untuk melihat apakah terdapat data yang mendukung konsekuen tersebut. Pada metode inferensi dengan backward chaining akan mencari aturan atau rule yang memiliki konsekuen (Then klausa ..) yang mengarah kepada tujuan yang diskenariokan/diinginkan.

3. forward chaining

metode forward chaining adalah pelacakan ke depan yang memulai dari sekumpulan fakta-fakta dengan mencari kaidah yang cocok dengan dugaan/hipotesa yang ada menuju kesimpulan.

Pengertian metode forward dan backward chaining di atas, bisa juga dijelaskan seperti di bawah ini (ebook kecerdasaan tiruan, yang bisa Anda download di bawah artikel ini).

Metode forward Chaining

Kadang disebut:data-driven karena inference engine menggunakan informasi yang ditentukan oleh user untuk memindahkan ke seluruh jaringan dari logika ‘AND’ dan ‘OR’ sampai sebuah terminal ditentukan sebagai objek. Bila inference engine tidak dapat menentukan objek maka akan meminta informasi lain. Aturan (Rule) di mana menentukan objek, membentuk path (lintasan) yang mengarah ke objek. Oleh karena itu, hanya satu cara untuk mencapai satu objek adalah memenuhi semua aturan.

4.5. Inferensi proposi 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).

4.6. 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.

  sumber:

http://slametgo-blog.blogspot.co.id/2016/01/resolusi-logika-proposisi.html

http://ulungsatria.webs.com/apps/blog/show/10671920-logika-proposisi-

http://kadekdimas.blogspot.co.id/2015/12/algoritma-backtraking.html

http://yogipratama97.blogspot.co.id/2016/10/pengenalan-logical-agents.html