1 / 47

Agen Logika

Kecerdasan Buatan / Artificial Intelligence. Agen Logika. Imam Cholissodin, S.Si., M.Kom. Pokok Bahasan. Membahas soal UTS AI Agen Logika Agen Berbasis Pengetahuan Logika Proposisi Metode Pembuktian Latihan Individu + Tugas Kelompok. Agen Logika.

Download Presentation

Agen Logika

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. KecerdasanBuatan/ Artificial Intelligence Agen Logika Imam Cholissodin, S.Si., M.Kom.

  2. Pokok Bahasan • Membahas soal UTS AI • Agen Logika • Agen Berbasis Pengetahuan • Logika Proposisi • Metode Pembuktian • Latihan Individu + Tugas Kelompok

  3. Agen Logika • Agen logika merupakan agen yang memiliki kemampuan bernalar secara logika. • Ketikabeberapa solusi tidak secara eksplisit diketahui, maka diperlukan suatu agen berbasis logika. • LogikasebagaiBahasaRepresentasiPengetahuanmemiliki kemampuan untuk merepresentasikan fakta sedemikian sehingga dapatmenarikkesimpulan(fakta baru, jawaban). • Sedangkan pengetahuan merupakan komponen yang penting, sehinggaterdapatperbedaanjikaditerapkanpadaduaagent, yakniproblem solving agent danknowledge-based agent.

  4. Agen Logika • Perbedaanduaagent, problem solving agent dan knowledge-based agent. • Problem solving agent : memilihsolusi di antarakemungkinanyang ada. Apa yang ia “ketahui” tentangdunia, pengetahuannyatidakberkembanguntukmencapai problem solution (initial state, successor function, goal test) • Knowledge-based agent : lebih “pintar”. Ia“mengetahui” hal-haltentangduniadandapatmelakukan reasoning (berpikir, bernalar) mengenai: • Hal-hal yang tidak diketahui sebelumnya (imprefect/ partial information). • Tindakan yang paling baik untuk diambil (best action).

  5. Agen Berbasis Pengetahuan • AgenBerbasisPengetahuan: • Knowledge Base (KB)menyatakan apa yang “diketahui” olehsiagent. • Pendekatandeklaratifmembangun agent: “beritahu” informasi yang relevan, simpandalam KB  (TELL). • Agendapatditanya(ataubertanyadirisendiri) apa yang sebaiknyadilakukanberdasarkan KB  (ASK). • Makasebuahagenberbasispengetahuanharusbisa : • 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.

  6. Agen Berbasis Pengetahuan • AgenBerbasisPengetahuan: • Knowledge Base (KB) merupakan : • Himpunanrepresentasifakta yang diketahuitentanglingkungannya. • Tiapfaktadisebutsebagaisentence. • Faktatersebutdinyatakandalambahasa formal sehinggabisadiolah. • TELL: menambahkansentencebarukeKB. • Inference Engine merupakan : • Menentukanfaktabaruyang dapatditurunkandaripengetahuanyang sudahadadalamKB. • Menjawabpertanyaan (ASK) berdasarkan KB yang sudahada.

  7. Agen Berbasis Pengetahuan • AgenBerbasisPengetahuan: • Dalam representasi, agent dapat dipandang dari knowledge level: Apasajainformasiyang diketahui? • Misal: sebuah robot “mengetahui” bahwa gedung B di antara gedung A dan gedung C. • Agentdapat dipandang dari implementation level: Bagaimanarepresentasi informasiyang diketahuinya? • Logical sentence: di_antara(gdB, gdA, gdC). • Natural language: “Gedung B ada di antara gedung A dan gedung C”. • Tabelposisi koordinat gedung-gedung. • Gambardiagram peta (dalam bitmap atau vektor).

  8. Agen Berbasis Pengetahuan • AgenBerbasisPengetahuan: • Pilihan representasi berpengaruh terhadap apa yang bisa dilakukan inference engine. • Pada pendekatan deklaratif programmer memberitahu (TELL) 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.

  9. Agen Berbasis Pengetahuan • AgenBerbasisPengetahuan: • 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). • Knowledgemerupakan powerataukekuatan dari pemrograman secara deklaratif. • Representasidan penalaran membentuk suatu Intelligence.

  10. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld : • Performance measure: emas +1000, mati -1000, gerak -1, panah -10. • Environment: Matriks 4x4 ruang dengan initial state [1,1]. Ada gold, wumpus, dan pit yang lokasinya dipilih secara acak. • Percept terdiri dari: • 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 900,belok kanan 900, tembak panah (hanya 1!), ambil benda.

  11. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld: • SifatdariWumpus World: • Fully observable? Tidak, hanyabisaberpresepsilokal. • Deterministic? Ya, hasiltindakanjelasdanpasti. • Episodic? Tidak, tergantungaction sequence. • Static? Ya, gold, wumpus, pit tidakbergerak. • Discrete? Ya • Single agent? Ya

  12. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld:

  13. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld:

  14. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld:

  15. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld:

  16. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld:

  17. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld:

  18. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld:

  19. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld (Finish):

  20. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld:

  21. Agen Berbasis Pengetahuan • Wumpus World (KondisiKhusus):

  22. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld (Other) :

  23. Agen Berbasis Pengetahuan • ContohAturanPermainandalamWumpusWorld (Other) :

  24. Agen Berbasis Pengetahuan • BahasaRepresentasiPengetahuan(Knowledge Representation Language) : • Menyatakansuatubahasa yang digunakanuntukmenyatakanfaktatentang “dunia”. • Suatu bahasa representasi pengetahuan didefinisikan dalam dua aspek, yakni: • Sintaks dari bahasamerupakanaturan yang mendefinisikansentence yang sahdalambahasa. • Semantikmenyatakanaturan yang mendefinisikan “arti” sebuah sentence, misalkan: kebenaran sentence dalamdunia. • ContohKRL (Knowledge Representation Language)dalambahasaaritmetika : • Secara Sintaks dituliskan: • x + 2 ≥ y adalahkalimatsah. • x2 + y ≥ bukankalimatsah.

  25. Agen Berbasis Pengetahuan • Contoh KRL (Knowledge Representation Language)dalambahasaaritmetika : • Secarasemantik: x + 2 ≥ y benarjikadanhanyajikabilangan x + 2 tidaklebihkecildaribilangan y: • x + 2 ≥ y benardalam “dunia” di mana x=7, y=1 • x + 2 ≥ y benardalam “dunia” di mana x=0, y=6 • Contoh KRL dalam bahasa Indonesia : • SecaraSintaksdituliskan: • “Jakarta adalah ibukota Indonesia” adalah kalimat sah. • “Ibu Indonesia kota Jakarta adalah” bukan kalimat sah. • Maka secara Semantik: “X adalahibukota Y” benarjikadanhanyajikaX adalahpusatpemerintahannegara Y. • “Jakarta adalahibukota Indonesia” benar dalam “dunia” kita sekarang. • “Jakarta adalah ibukota Indonesia” salah dalam “dunia” tahun 1948 (Yogya? Bukitinggi?)

  26. Agen Berbasis Logika • LogikasebagaiBahasaRepresentasiPengetahuanmemilikipengertian: • Logikasebagaibahasa formaluntukmerepresentasikanfaktasedemikiansehinggakesimpulan (faktabaru, jawaban) dapatditarik. • Ada banyakmetode inference yang diketahui. • Sehinggakitabisamembangun agent Wumpus World denganlogika: memanfaatkanperkembanganlogikadariahlimatematika. • Entailment dapat diartikan sebagai suatu fakta bisa disimpulkan dari(kumpulan) fakta lain. • KB |= α berarti KB melakukan entailment sentence α jikadanhanyajikaα true dalam “dunia” di mana KB true. Contoh : • KB mengandungdua sentence, yakni “ AntoGenius” dan “AniCantik”. • KB |= α1: “AntoGenius danAniCantik” (artinya: hasil entailment bisaberupakalimatgabungandariduakalimat) • KB |≠ α2 : “AntoTampan” • x + y = 4 =| 4= x+y

  27. Agen Berbasis Logika • Inferensiataureasoningmerupakanpembentukanfakta(sentence) baru yang meng-entail fakta-fakta lama. • Reasoningbukandilakukanpadafakta di dunia (berdasarkansemantik), melainkanrepresentasifaktadalambahasarepresentasipengetahuansi agent (secarasintaks). • Otakmanusiamelakukan proses reasoning dalamsuatubentuksintakdapatdiilustrasikansebagaimanagambarberikut : • Model merupakansuatu “dunia” di manakebenaransuatu sentence bisadiuji.

  28. Agen Berbasis Logika • Otakmanusiamelakukan proses reasoning dalamsuatubentuksintakdapatdiilustrasikansebagaimanagambarberikut: • Modelmerupakansuatu “dunia” di manakebenaransuatusentencebisadiuji. • madalah model α jikadanhanyajika true di “dalam” m. • M(α) adalahhimpunansemua model dariα. • KB |= α jikadanhanyajikaM(KB) subset dari M(α), sehinggabisadilihatpadailustrasigambarberikut: Misalkan : • KB= AntoGenius danAniCantik • α = AntoGenius • Hal inibisadiartikanbahwasanya sentence AntoGenius lebihluaskonotasinyadibandingkandengansentence AntoGenius danAniCantik.

  29. Agen Berbasis Logika • EntailmentdalamWumpus World bisadiilustrasikansebagaimanaberikut, denganmelihat[1,1] OK, [2,1] Breeze : • Makamodel jebakanada 3 pilihanboolean di [2,1],[2,2],[3,1], dengan 8 kemungkinanmodel.

  30. Agen Berbasis Logika • KB = pengamatan (percept) + aturan main Wumpus World, maka kita menyatakan apakah kamar [1,2] aman dengan cara melakukan entailment yang mana dibuktikan dengan menggunakan model checking, yakni memeriksa semua kemungkinan M(KB), M(α1). • Sehingga dari ilustrasi diatas menunjukkan bahwasannya : M(KB) subset dari M(α1), sehingga bisa disimpulkan bahwa kamar [1,2] aman.

  31. Agen Berbasis Logika • Lain halnya ketika melakukan pengamatan apakah kamar [2,2] aman, dengan ditunjukkan oleh α2., terlihat sebagaimana ilustrasi berikut : • Dari gambar tersebut menunjukkan bahwasannya M(KB) bukan subset dari M(α2), sehingga bisa disimpulkan bahwa KB |≠ α2, dengan kata lain kamar [2,2] tidak aman.

  32. Agen Berbasis Logika • Inferensi merupakan proses atau algoritma yang “menurunkan” faktabaru dari fakta-fakta lama. • KB|-iα: sentence α bisa diturunkan dari KB oleh prosedur i. • Soundness: idikatakansah(sound)jika untuk semua KB|-iα, KB |= α benar. • Completeness: i dikatakan lengkap(complete)jika untuk semua KB |= α, KB|-iα benar.

  33. Logika Proposisi • Logika Proposisi • Merupakanlogika 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, S1Ʌ S2 adalah kalimat (conjunction) • Jika S1 dan S2 adalah kalimat, S1V 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)

  34. Logika Proposisi • Logika Proposisi • Semantik dari logika proposisi • Sebuah model memberi nilai true/ falseterhadap setiap proposisi, misal P1,2 = true, P2,2=true, P3.1=false. • Sebuah proses rekursif bisa mengevaluasi kalimat sembarang: ⌐P1,2 Ʌ (P2,2 V P3,1) = true Ʌ (false V true) = true Ʌ true = true.

  35. Logika Proposisi • Logika Proposisi • Semantik dari logika proposisi • Maka kalimat yang digunakan untukmerepresentasikan Wumpus World • Secara semantik: • Pi,j = true menyatakan kalau ada lubang jebakan (pit) di [i, j]. • Bi,j = true menyatakan kalau ada hembusan angin (breeze). • Aturan main dalam Wumpus World: kamar di samping lubang jebakan ada hembusan angin: • B1,1↔ (P1,2 V P2,1) • B2,1↔ (P1,2 V P2,2 V P3,1) • Hasil pengamatan (percept): • ⌐P1,1 • ⌐ B1,1 • B2,1 • dgd Menyatakan KB untuk dibuktikan misalnya dengan tabel kebenaran. Menyatakan kamar i,j tersebut (αi) aman atau tidak.

  36. Logika Proposisi • Logika Proposisi • DasarManipulasi Rules • ¬(¬A) = A Double negation • ¬(A ^ B) = (¬A) V (¬B) Negated “and” • ¬(A V B) = (¬A) ^ (¬B) Negated “or” • A ^ (B V C) = (A ^ B) V (A ^ C) Distributivity of ^ on V • A => B = (¬A) V B by definition • ¬(A => B) = A ^ (¬B) using negated or • A  B = (A => B) ^ (B => A) by definition • ¬(A  B) = (A ^ (¬B))V(B ^ (¬A)) using negated and & or • …

  37. Logika Proposisi • Logika Proposisi • Contoh :

  38. Logika Proposisi • Logika Proposisi • Solusi :

  39. Logika Proposisi • Logika Proposisi • Inferensibisa dilakukan menggunakan tabel kebenaranuntuk membuktikan entailment dari suatu knowledge. Sehingga kita dapat membuktikan apakah KB|= α1 menggunakan tabel kebenaran (sejenis model checking), di mana α1menyatakan kamar di [1, 2] aman sebagaimana tabel di bawah ini.

  40. Metode pembuktian • Metode Pembuktian • Secara umum, ada dua jenis metode pembuktian : • Pengaplikasian inference rule • Dihasilkankalimat baru yang sah (sound) dari yang lama. • Bukti(proof) merupakan serangkaian pengaplikasian inference rule (operator ) dari algoritma search. • Biasanya, kalimat harus diterjemahkan ke dalam sebuah normal form. • Model checking • Penjabaran truth table (eksponensial dalam n) • Backtracking lebih efisien, misalkan: algoritma DPLL • Heuristic search dalam model space (sound tetapi incomplete), misalkan : min-conflicts hill –climbing • Horn Form • Dalam Horn form, KB merupakan conjuction dari Horn Clauses. • Horn Clause terdiri: • Proposition symbol • (Conjuction of symbol)  symbol

  41. Metode pembuktian • MetodePembuktian • Horn form • Misalkan: • Modus ponen pada Horn form (lengkap pada Horn KB): • Horn form bisadigunakandenganalgoritmaforward chaining ataubackward chaining • forward chainingadalahaplikasirule yang premise-nyadiketahuibenardalam KB, kemudiantambahkanconclusionnyakedalam KB, ulangisampaiquery (Q)terbukti. Sehinggabisadikatakankinerjadari forward chaining merupakanmetode bottom up darifaktamenujukonklusi.

  42. Metode pembuktian • MetodePembuktian • forward chainingadalahaplikasirule yang premise-nyadiketahuibenardalam KB, kemudiantambahkanconclusionnyakedalam KB, ulangisampaiquery (Q) terbukti. Sehinggabisadikatakankinerjadari forward chaining merupakanmetode bottom up darifaktamenujukonklusi. Misaldiilustrasikansebagaiberikut :

  43. Metode pembuktian • MetodePembuktian • Sedangkankonsepdasardarialgoritmabackward chaining digunakanuntukmembuktikanquery (Q), dengancaramemeriksa Q jikasudahdiketahui, atausecararekursif, denganmembuktikansemua premise rule yang conclusion-nya Q (dikenalsebagaimetodetop down). • Dalambackward chaining adabeberapahal yang perludiketahui : • Menghindariloop : dengancaramemeriksaapakah sub-goal yang barusudahada di goal stack. • Menghindariperulanganpekerjaan: periksaapakah sub-goal yang barusudahdibuktikanbenaratau sudahdibuktikansalah.

  44. Kesimpulan • Kesimpulan : • Agen berbasis pengetahuan menggunakan inferensi dan knowledge base untuk menghasilkan informasi baru atau untuk mengambil keputusan. • Konsep-konsep dasar logika sebagai knowledge representation language meliputi: • Sintak: struktur kalimat bahasa formal • Semantik:arti kalimat sebagai kebenaran terhadao model • Entailment: menyimpulkan kalimat baru yang benar • Inferensi:proses menurunkan kalimat baru dari kalimat-kalimat lama • Soundness:proses menurunkan hanya kalimat yang di-entail • Completeness:pross menurunkan SEMUA kalimat yang di-entail • Forward, backward chaining merupakan proses inferensi complete dan linear untuk Horn form.

  45. Latihan Individu MembahasSoal UTS AI!

  46. Tugas Kelompok • Jelaskan konsep dasar dari agen berbasis pengetahuan dan hal-hal apa saja yang harus dipenuhi ketika membuat agen tersebut! • Diketahui KB = ( B1,1 (P2,1  P3,1))  B1,1 dan α =  P2,1  P3,1.Buktikan dengan tabel kebenaran berikut, apa saja kondisi yang memenuhi KB|=α !

  47. Selesai

More Related