Representasi Pengetahuan

1. Representasi Pengetahuan PKB - Antonie

2. Review: Definisi • AI = bidang ilmu komputer yang meneliti dan mempelajari bagaimana agar komputer dapat bertindak dan mengerjakan pekerjaan seperti yang dilakukan oleh manusia. • Awalnya komputer hanya mesin hitung

3. Review: Definisi

4. BerfikirSepertiManusia (Thinking Humanly) • Diperlukan suatu cara untuk mengetahui bagaimana manusia berfikir • Diperlukan pemahaman tentang bagaimana pikiran manusia bekerja Bagaimanacaranya? • Melalui introspeksi atau mawas diri; mencoba menangkap bagaimana pikiran kita berjalan • How do you know that you understand? • Melalui percobaan psikologis Bidang Ilmu: • Cognitive Science • Vision & natural language

5. Uji Turing: AI Bertindak Seperti Manusia (acting humanly) Komputer • AI lulus test apabila interogator tidak bisa membedakan dialog mana yang dilakukan dengan komputer dan mana yang dilakukan dengan manusia Pertanyaan dan Jawaban Interogator Manusia • System capabilities: • Natural language processing • Knowledge representation • Automated reasoning • Machine learning • Computer vision (+) • Robotics (+)

6. Berfikir Rasional (thinking rationally) • Cara berfikirnya memenuhi aturan logika yang dibangun oleh Aristotles • Pola struktur argumentasi yang selalu memberi konklusi yang benar bila premis benar • Menjadi dasar bidang logika • Tradisi logicist dalam AI adalah membangun program yang menghasilkan solusi berdasarkan logika • Problem: • Pengetahuan informal sukar diuraikan dan dinyatakan dalam bentuk notasi logika formal • Terdapat perbedaan besar antara memecahkan masalah “secara prinsip” dan “di dunia nyata”

7. Bertindak Rasional (acting rationally) • Bertindak secara rasional artinya bertindak didalam upaya mencapai goal • Didalam lingkungan yang rumit tidaklah mungkin mendapatkan rasionalisasi sempurna yang selalu melakukan sesuatu dengan benar • Rasionalisasi terbatas Sehingga: • Thinking dan acting humanly terlalu luas, thinking rationally masih terlalu sempit • Pendekatan yang diikuti adalah Acting Rationally

8. Review: Intelegensia • Bagaimana seseorang/sesuatu belajar dan melaksanakan pengetahuan yang dimiliknya. • Walaupun punya pengetahuan tapi jika tidak dapat melaksanakan pengetahuan tersebut = tidak inteligen • Daya reaksi atau penyesuaian yang cepat dan tepat, baik secara fisik maupun mental, terhadap pengalaman-pengalaman baru, membuat pengalaman dan pengetahuan yang dimiliki siap untuk dipakai apabila dihadapkan pada fakta-fakta atau kondisi-kondisi baru (Kamus Besar Bahasa Indonesia Balai Pustaka) • Pengetahuan diperoleh dari belajar dan menalar untuk menggunakannya dalam menyelesaikan masalah

9. Knowledge base Inference mechanism Review: Bagian Utama AI • Basis Pengetahuan (Knowledge Based) • Berisi fakta, teori, pemikiran, dan hubungannya • Motor Inferensi (Inference Engine) • Kemampuan menalar dan menarik kesimpulan Computer Inputs Outputs

10. Review: AI Prehistory • Philosophy : Logic, methods of reasoning • Mathematics : Formal representation and proof algorithms, computation, probability • Economics : utility, decision theory • Neuroscience : physical substrate for mental activity • Psychology : phenomena of perception and motor control, experimental techniques • Control theory : design systems that maximize an objective function over time • Linguistics : knowledge representation, grammar

11. Review: AI History • 1941: era komputer elektronik yang dapat menyimpan program • 1943 – 1956: Warren McCulloch dan Walter Pits menemukan boolean model untuk otak, bernaa PERCEPTRON (JST pertama), McCarthy disebut father of AI • 1952 – 1969: Newell dan Simon menemukan General Problem Solver, McCarthy membuat LISP • 1966 – 1974: jaman AI melambat • 1969 – 1979 : knowledge based system • 1986 – now: Industrial AI dan perkembangan JST, GPS, software catur HITECH adalah software pertama yang mengalahkan grandmaster dunia, Arnold Danker. • Prinsipnya AI mengandung unsur: SEARCHING, REASONING, PLANNING, dan HEARING

12. Review: AI vs Non AI • AI lebih permanen, non AI mudah berubah seturut waktu • AI mudah diduplikasikan dan disebarkan • AI lebih murah dari non AI • AI lebih konsisten dan mudah didokumentasi • AI tidak kreatif • AI tidak dapat menggunakan pengalaman secara langsung • AI terbatas

13. Contoh ilmu-ilmu dalam lingkup AI • ANN (Artificial Neural Network) • NLP (Natural Language Processing) • Game Playing • ES (Expert System) • Robotics • Pattern Recognition • Computer Reasoning • Computer Vision • IR (Information Retrieval) • Data Mining • Fuzzy System • Neuro Fuzzy System • GA (Genetic Algorithm) • CBR (Case Based Reasoning) • DSS (Decision Support System)

14. AI vs Pemrograman Konvensional? • AI: pemrosesan simbolik, PK: Algoritmik • AI: input tdk lengkap, PK: input hrs lgkp • AI: heuristic searchng, PK: algoritmik • AI: ada penjelasan, PK: tidak • AI: basis pengetahuan, PK: data & infor • AI: control & knowledge terpisah, PK tidak • AI: mampu menalar, PK: tidak • AI: pemeliharaan mudah, PK: relatif sulit

15. AI Lemah & Kuat • Klaim AI lemah • Mesin bisa dibuat untuk bertindak seolah-olah ia cerdas • Prinsip nilai dari komputer adalah bahwa ia memberi perlengkapan yang sangat ampuh. • Contoh, ia memampukan kita untuk merumuskan dan menguji hipotesa dalam cara yang lebih tepat • Klaim AI kuat • Mesin yang bertindak cerdas memiliki kesadaran pikiran dan nyata

16. Computer Inputs Outputs Knowledge base Inference mechanism Knowledge Base • The first step in constructing an AI program is to build a knowledge base • Will be used by the inference mechanism to reason and draw conclusions

17. Knowledge Base • Knowledge engineering: process of collecting and organizing the knowledge • Knowledge representation: process of how knowledge is represented to form a knowledge base

18. Representasi Pengetahuan • Bagaimana merepresentasikan pengetahuan ke dalam basis pengetahuan dan menguji kebenaran penalaran • Cara-cara lama: • List, digunakan pada LISP • Predicate Calculus, digunakan pada Prolog • Tree, untuk heuristic search • Karakteristik RP: • Dapat diprogramkan • Dapat dimanfaatkan untuk penalaran, menggambarkan kesimpulan sebagai fungsi kecerdasan

19. Alasan Pemilihan • Why knowledge representation rather than information representation? • Karena pada konvensional database merepresentasikan data secara sederhana: string, number, boolean • Namun AI menganggap pengetahuan lebih kompleks, seperti proses, prosedur, aksi, waktu, tujuan dan penalaran • Knowledge should be collected, codified, and organized in systematic order

20. Representasi Pengetahuan (2) • Harus terdiri dari struktur data dan prosedur untuk penafsiran • Hal yang berhubungan dengan RP: • Object pengetahuan itu sendiri • Event: kejadian-kejadian dalam dunia nyata dan hubungannya • Performa: bagaimana melakukan suatu tugas tertentu • Meta knowledge: pengetahuan tentang pengetahuan yang direpresentasikan

21. Penggunaan Pengetahuan • Acuisition: mengintegrasikan informasi baru kedalam pengetahuan sistem. • Dua level: • Menyusun fakta ke dalam database • Pembuatan fungsi untuk mengintegrasikannya dengan cara “belajar dan mengadaptasikannya” terlebih dahulu • Retrieval: mengingat kembali, menyusun ulang pengetahuan berdasarkan hubungan pengetahuan terhadap masalah • Linking: mengekstrak informasi baru tersebut • Lumping: mengelompokkan hasil ekstraksi pengetahuan baru tersebut kedalam struktur yang lebih besar seperti yang dibutuhkan dalam menyelesaikan masalah

22. Penggunaan Pengetahuan (2) • Reasoning: pengetahuan digunakan untuk menalar suatu permasalahan • Formal reasoning: menggunakan logika proporsional • Procedural reasoning: menggunakan aturan produksi ( IF-THEN) • Analogical reasoning: sangat sulit

23. Klasifikasi Kategori RP • Menurut Mylopoulus dan Levesque: (declarative) • Representasi Logika: menggunakan logika formal. Digunakan pada PROLOG • Representasi Prosedural: menggambarkan prosedur sebagai kumpulan instruksi untuk memecahkan masalah. Digunakan dalam pemrograman: IF-THEN • Representasi Network: menggambarkan pengetahuan sebagai Graph dan Tree • Representasi Terstruktur: memperluas konsep Representsi Network dengan membuat node-nodenya menjadi struktur data yang kompleks. Contoh: script, frame, dan object • Procedural: dibuat dalam prosedur-prosedur

24. Logika • Adalah representasi pengetahuan yang paling tua. • Proses menarik kesimpulan dari fakta yang sudah ada • Input: premis-premis dan Ouput: kesimpulan • Terdiri dari: sintaks (simbol), semantik (fakta), dan proses pengambilan keputusan (inferensi) • Proses penalaran: • Deduktif (umum-khusus) • Induktif (khusus-umum) • Logika: • Logika Preposisi: and, or, not, implikasi, dan ekuivalensi • Logika Predikat: representasi fakta dalam bentuk well formed formula • Lihat dibuku Artificial Intelligence (Sri Kusuma Dewi)

25. Logic: Proposition Logic

26. Logic: Predicate Logic (1) • Using all the same concepts and rules of propositional logic • Represent knowledge in finer detail • Breaking a statement (proposition) down into component parts: • Arguments: the individuals or objects an assertion is made about • Predicate: the assertion made about them • Prolog: PROgramming in LOGic

27. PREDICATE (Individual [object]1, Individual [object]2) Logic: Predicate Logic (2) Examples: Proposition: The car is in the garage IN (car, garage) PROLOG Predicate (assertion) Argument (object)

28. PREDICATE (Individual [object]1, Individual [object]2) Logic: Predicate Logic (3) Examples: • John likes Mary LIKES(John, Mary) • The door is open OPEN(door) • The tire is flat FLAT(tire) • Chris is a man man(Chris) Predicate express conditions Function shows a relationship Function

29. [car(X) AND IS RED(x)] Logic: Predicate Logic (4) • Quantifiers • All Javanese are Indonesian • Some cars are red

30. List dan Tree • List:serangkaian struktur data yang dibuat secara berhubungan, list bisa juga menggambarkan relasi dan hirarki • Tree: suatu struktur data yang berupa node-node yang dibuat secara hirarkis dan hubungannya • Lihat di Struktur Data!

31. Node Arc Lists & Trees (2) List: Tree:

32. Sematic Network • Diperkenalkan oleh Ros Quillian • Very flexible: almost any kind of object, attribute, concept, etc. can be defined and relationship created with links • To seek answer: the computer simply searches forward or backward through the arcs from a starting node • Gambaran pengetahuan grafis yang menunjukkan hubungan antar objek. • Terdiri dari: • lingkaran-lingkaran yang menunjukkan obyek dan informasi mengenai obyek tersebut • panah (arc) yang menunjukkan hubungan antar obyek • Kelebihan: • Memiliki sifat inheritance • Menggunakan representasi OAV (Object Atributte Value)

33. Semantic Network (2)

34. Frame • Diperkenalkan oleh Minsky tahun 1975 • Suatu struktur data yang digunakan untuk merepresentasikan pengetahuan dan situasi-situasi yang telah dipahami • Frame memiliki slot untuk menggambarkan rincian dan karakteristik obyek

35. Frames (2)

36. Frames (3)

37. Script • Mirip dengan frame, merepresentasikan pengetahuan berdasarkan pengalaman-pengalaman • Frame menggambarkan obyek, sedangkan script menggambarkan urutan peristiwa • Elemen script: • Kondisi input: start, awal • Track: variasi yang mungkin terjadi • Prop: obyek pendukung • Role: peran yang dimainkan oleh suatu obyek • Scence: adegan yang terjadi • Hasil (result): kondisi akhir yang terjadi

38. Schemas: Scripts (2)

39. Aturan Produksi • Paling populer (sejak tahun 1943-Post, 1957-Chomsky, 1972-Alan Newell) • Terdiri dari antecedent/premis/situasi dan konsekuen/kesimpulan/tindakan • Digambarkan dalam IF-THEN rules • Digunakan pada Sistem Pakar • Contoh: • IF temp > 30 C THEN hidupkan AC • IF permintaan meningkat AND persediaan menipis THEN pemesanan barang • IF pelamar <= 25 OR lulusan komputer THEN bisa diterima menjadi pegawai

40. Kelebihan dan Kekurangan • Mudah dimengerti dan luwes, mudah dikembangkan dan disesuaikan dengan pengetahuan yang ada • Inferensi mudah diturunkan • Modifikasi mudah • Mendukung ketidak pastian • Simpel dan intuitive • Jika pengetahuannya banyak dan kompleks, akan sulit • Sulit mendeteksi konflik

41. Sistem Produksi • Memiliki 3 elemen: • Global Database: mulai dari matriks sederhana, list, atau basis data untuk menyimpan aturan produksi dan memory kerja • Aturan Produksi: berisi aturan IF-THEN • Sistem Kontrol: program pengkontrol urutan mana aturan kaidah-kaidah produksi yang harus dipilih dan menyelesaikan konflik pada saat pemilihan

42. Resolusi Konflik • Urutkan aturan berdasarkan prioritas, kemudian pilih aturan pertama yang memiliki prioritas tertinggi • Pilih aturan yang paling strict (ketat) • Pilih aturan yang paling sering digunakan • Pilih aturan yang paling akhir dimasukkan di dalam sistem • Pilih semua aturan yang memungkinkan

43. Metode Penalaran • Forward reasoning (data driven): dimulai dari keadaan awal (dari fakta), kemudian menuju ke arah kesimpulan / tujuan • Backward reasoning (goal driven): dimulai dari tujuan / hipotesa baru dicocokkan dengan keadaan awal / fakta-fakta

44. Alasan pemilihan metode • Tergantung dari banyaknya keadaan awal dan tujuan. • Jika jml awal lebih kecil dari tujuan gunakan penalaran maju. • Jika jml tujuan lebih banyak dari awal, gunakan penalaran mundur

45. Buku & Bahan Acuan • Komputer Masa Depan, Pengenalan Artificial Intelligence, Suparman & Marlan, Andi Offset, 2007 • Konsep Kecerdasan Buatan: Anita Desiani & Muhammad Arhami, Andi Offset, 2006 • Artificial Intelligence Teknik dan Aplikasinya, Sri Kusumadewi, Graha Ilmu, 2003 • Artificial Intelligence, Searching, Reasoning, Planning, and Learning, Suyanto, Penerbit Informatika, 2007 • Bahan-bahan dari Internet

46. NEXT • Sistem Pakar • JST • NLP • Case Based Reasoning • Problem Solving : Learning • Information Retrieval & Document Mining