Representasi Pengetahuan

Nama  : Safira Regia Tama Bamalah
NPM   : 16115327
Kelas  : 3KA10
Dosen : Essy Malays Sari Sakti

1. Ontology

Ontologi adalah konsep inti dalam representasi pengetahuan modern. Sebuah ontologi dari perspektif AI adalah model yang mewakili seperangkat konsep dalam domain tertentu serta hubungan antara konsep tersebut.

2. Kategori Dan Objek

Pengorganisasian objek ke dalam kategori merupakan bagian penting dari representasi pengetahuan. Meskipun Interaksi dengan dunia terjadi pada tingkat objek individual, banyak penalaran terjadi pada tingkat kategori. Kategori juga berfungsi untuk membuat prediksi tentang objek begitu mereka diklasifikasikan. Seseorang menyimpulkan adanya objek tertentu dari input perseptual, kategori kategori dari kategori yang dirasakan dari objek, dan kemudian menggunakan informasi kategori untuk membuat prediksi tentang objek.

Misalnya dari kulitnya yang hijau dan kuning berbintik-bintik, berdiameter satu kaki, berbentuk bulat telur, dagingnya berwarna merah, biji hitam, dan  termasuk jenis buah, seseorang dapat menyimpulkan bahwa benda tersebut adalah buah semangka Dari sini, seseorang juga dapat menyimpulkan bahwa itu dapat dijadikan salad buah atau rujak.

3. Mental Event Dan Mental Objek

Agen yang telah kita bangun sejauh ini memiliki keyakinan dan dapat menyimpulkan keyakinan baru. Namun tidak ada dari mereka memiliki pengetahuan tentang kepercayaan atau tentang deduksi. Proses pengetahuan dan penalaran berguna untuk mengendalikan kesimpulan. Misalnya,  Alice bertanya "apa akar kuadrat tahun 1764" dan Bob menjawab "Saya tidak tahu." Jika Alice bersikeras "Pikirkan lebih keras," Bob harus menyadari bahwa dengan beberapa pemikiran lagi, pertanyaan ini sebenarnya bisa terjadi dijawab. Di sisi lain, jika pertanyaannya adalah "Apakah ibumu duduk dengan benar sekarang? "maka Bob harus menyadari bahwa berpikir tidak mungkin bisa membantu. Pengetahuan tentang agen lain juga penting; Bob harus menyadari bahwa ibunya tahu apakah dia duduk atau tidak, dan yang memintanya akan menjadi cara untuk mengetahuinya. Yang kita butuhkan adalah model objek mental yang ada di kepala seseorang (atau ada sesuatu basis pengetahuan) dan proses mental yang memanipulasi objek mental tersebut. Modelnya tidak harus dirinci. Kita tidak harus bisa memprediksi berapa jumlahnya milidetik yang dibutuhkan agen tertentu untuk membuat pengurangan.karena yang dibutuhkan adalah kesimpulan. Dengan dapat menyimpulkan bahwa ibu mengetahui apakah dia duduk atau tidak. Dapat di mulai dengan sikap proposisional yang dimiliki agen terhadap objek mental: sikap seperti Percaya, Tahu, Ingin, Niat, dan Mengenal. Kesulitannya adalah bahwa sikap ini tidak berperilaku seperti predikat "normal".

4. Sistem Penalaran Pengkategorian

Kategori adalah blok bangunan utama dari skema representasi pengetahuan berskala besar. Bagian ini menjelaskan sistem yang dirancang khusus untuk pengorganisasian dan penalaran dengan kategori.

Ada dua keluarga sistem yang terkait erat: jaringan semantik menyediakan alat bantu grafis untuk memvisualisasikan basis pengetahuan dan algoritma yang efisien untuk menyimpulkan sifat Representasi objek berdasarkan kategori dan logika deskripsimemberikan formal bahasa untuk membangun dan menggabungkan definisi kategori dan algoritma yang efisien untuk menentukan hubungan subset dan superset antar kategori

a. Jaringan Semantik

Pada tahun 1909, Charles S. Peirce mengusulkan sebuah notasi grafis dari simpul dan ujung yang disebut eksistensial. Grafik yang dia sebut "logika masa depan." Demikianlah dimulai perdebatan panjang antara

pendukung "logika" dan pendukung "jaringan semantik." Sayangnya, debat tersebut dikaburkan fakta bahwa jaringan semantik (setidaknya yang memiliki semantik) adalah sebuah bentuk logika Notasi bahwa jaringan semantik menyediakan beberapa jenis kalimat tertentu. Seringkali lebih mudah, tapi jika kita menghilangkan masalah "human interface", yang mendasarinya konsep-objek, relasi, kuantifikasi, dan sebagainya-sama.

Ada banyak varian jaringan semantik, tapi semua mampu mewakili individu objek, kategori objek, dan relasi antar objek. Notasi grafis yang khas menampilkan nama objek atau kategori dalam bentuk oval atau kotak, dan menghubungkannya dengan label link.

b. Logika Deskripsi

Sintaks logika orde pertama dirancang untuk memudahkan untuk mengatakan sesuatu tentang objek. Logika deskripsi adalah notasi yang dirancang untuk mempermudah mendeskripsikan definisi dan sifat kategori Sistem logika deskripsi berevolusi dari jaringan semantik sebagai tanggapan untuk menekan untuk memformalkan apa arti jaringan sambil mempertahankan penekanannya struktur taksonomi sebagai prinsip pengorganisasian. Tugas inferensi utama untuk logika deskripsi adalah subsumption (memeriksa apakah satu kategori adalah subset dari yang lain dengan membandingkan definisinya) dan klasifikasi (pengecekan apakah suatu objek termasuk kategori). Beberapa sistem juga mencakup konsistensi sebuah kategori definisi-apakah kriteria keanggotaan secara logis memuaskan.

Referensi

Jones, M.Tim. 2008. Artificial Intelligent  A System Approach. Hingham, Massachusetts, New Delhi:INFINITY SCIENCE PRESS LLC.

Russel, Stuart & Norvig, Peter. Artificial Intelligent A Modern Approach. Vol.3. Pearson Education, Inc.

http://web.cecs.pdx.edu/~mperkows/CLASS_479/2017_ZZ_00/02__GOOD_Russel=Norvig=Artificial%20Intelligence%20A%20Modern%20Approach%20(3rd%20Edition).pdf

http://entin.lecturer.pens.ac.id/Kecerdasan%20Buatan/Buku/Bab%202%20Representasi%20Pengetahuan.pdf

Logika Orde Pertama

Nama   : Safira Regia Tama Basmalah

NPM    : 16115327

Kelas   : 3KA10

Dosen  : Essy Malays Sari Sakti

LOGIKA ORDE PERTAMA (First Order Logic)

First Order Logic adalah formal yang digunakan di ilmu matematika, philosophy, bahasa ilmu computer. Bisa juga disebut dengan kalkulus predikat yaitu logika yang digunakan untuk mempresentasikan masalah yang tidak dapat direpresentasikan dengan menggunakan proposisi

UNIFIKASI & LIFTING

Unifikasi adalah usaha untuk membuat dua ekspresi menjadi identik dengan mencari subsitusi tertentu untuk mengikuti pengubah dalam ekspresi tersebut. Unifikasi dapat dikatakan sebagai dasar-dasar atas kebanyakan strategi inferensi dalam kecerdasan buatan. 

Aturan Unifikasi yaitu:

A. 2 atom (Konstanta atau pengubah) adalah identik.

B. 2 daftar identik atau ekspresi dikonversi dalam satu buah daftar.

C. Sebuah konsatanta dan satu pengubah terikat dipersatukan, sehingga pegnubah menjadi terikat kepada konstanta.

D. Sebuah pengubah tak terikat dipersatukan dengan pengubah terikat.

E. Sebuah pengubah terikat dipersatukan dengan sebuah konstanta jika pengikatan pada pengubah terikat dengan konstanta tidak ada konflik

FORWARD & BACKWARD CHAINING

Foward chaining adalah suatu rantai yang dicari atau dilewati dari suatu permasalah untuk memperoleh solusi dan penalaran dari fakta menuju konklusi berasal dari fakta. Sedangkan backwarad chaining adalah suatu relasi yang dilintasi dari suatu hipotesa dengan tujuan yang dapat dipenuhi degna pemenuhan sub tujuannya.

Contohnya :

Kambing -> Herbivora
Herbivota -> Binatang

Referensi

http://web.cecs.pdx.edu/~mperkows/CLASS_479/2017_ZZ_00/02__GOOD_Russel=Norvig=Artificial%20Intelligence%20A%20Modern%20Approach%20(3rd%20Edition).pdf

http://imamcs.lecture.ub.ac.id/tag/logika-order-pertama-first-order-logic/

AGEN LOGIKA

Nama   :Safira Regia Tama Basmalah
NPM    : 16115327
Kelas   : 3KA10
Dosen  : Essy Malays Sari Sakti

PENGENALAN LOGICAL AGENTS

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). 

1. KNOWLADGE BASE AGENT

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.

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

3. LOGIC IN GENERAL-MODELS AND ENTAILMENT

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

Referensi
https://www.scribd.com/doc/195203215/Agen-Logika

Pencarian Berbentuk /heuristik search dan Eksplorasi

Nama          : Safira Regia Tama Basmalah

Kelas          : 3KA10

NPM           : 16115327

Dosen         : Essy Malays Sari Sakti

Strategi pencarian berbentuk

A* Search

Pencarian A*, seperti best-first search, mengevaluasi ruang pencarian menggunakan fungsi heuristik. Tapi A * menggunakan kedua biaya untuk mendapatkan dari keadaan awal ke keadaan saat ini (g (n)), serta perkiraan biaya (heuristik) dari jalur dari simpul saat ini ke tujuan (h (n)). Ini dijumlahkan ke fungsi biaya f (n). Pencarian A *, tidak seperti yang terbaik-pertama, optimal dan lengkap. Daftar OPEN dan CLOSED digunakan lagi untuk mengidentifikasi perbatasan untuk pencarian (daftar OPEN) dan nodul yang dievaluasi sejauh ini (TERTUTUP). Daftar OPEN diimplementasikan sebagai antrian prioritas yang dipesan dengan urutan f terendah (n). Apa yang membuat A * menarik adalah bahwa ia terus mengevaluasi ulang fungsi biaya untuk node saat ia menemukannya kembali. Hal ini memungkinkan A * untuk secara efisien menemukan jalur minimal dari keadaan awal ke keadaan sasaran. Sekarang mari kita lihat A * pada tingkat tinggi dan kemudian kita akan menggali lebih jauh dan menerapkannya pada masalah yang terkenal.

Pencarian Terbaik Pertama(Best First Search)

Metode ini merupakan kombinasi dari metode depth-first search dan breadth-first search. Pada metode best-first search, pencarian diperbolehkan mengunjungi node yang ada di level yang lebih rendah, jika ternyata node pada level yang lebih tinggi ternyata memiliki nilai heuristic yang lebih buruk. 

Fungsi Heuristik yang digunakan merupakan prakiraan (estimasi) cost dari initial state ke goal state, yang dinyatakan dengan : 

f’(n) = g(n)+ h’(n) 

dimana f’ = Fungsi evaluasi 

g = cost dari ini tial state ke current state

h’ = prakiraan cost dari current state ke goal state

Fungsi Heuristik

Fungsi heuristik digunakan untuk mengevaluasi keadaankeadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.

Algoritma pencarian lokal dan masalah optimisasi

Hill Climbing Search

Metode ini hampir sama dengan metode pembangkitan dan pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristic. Pembangkitan keadaan berikutnya tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang mungkin.

Simulated Annealing Search

Simulated Annealing (SA) adalah algoritma
peningkatan iteratif lainnya dimana keacakan digabungkan untuk memperluas ruang
pencarian dan menghindari terjebak dalam minimum lokal. Sesuai dengan namanya,
algoritma mensimulasikan proses anil. Annealing adalah teknik dalam pengecoran
logam dimana logam cair dipanaskan dan kemudian didinginkan secara bertahap
untuk mendistribusikan molekul secara merata ke dalam struktur kristal. Jika
logam didinginkan terlalu cepat, struktur kristal tidak berakibat, dan padatan logam
lemah dan rapuh (telah dipenuhi dengan gelembung dan retakan). Jika didinginkan
secara bertahap dan terkendali, struktur kristal terbentuk pada tingkat
molekuler sehingga menghasilkan integritas struktural yang hebat. Algoritma
dasar untuk simulasi anil ditunjukkan pada. Kita mulai dengan kandidat solusi
awal dan loop sementara suhunya lebih besar dari nol. Dalam lingkaran ini, kita
menciptakan solusi kandidat yang berdekatan dengan mempertimbang solusi kita
saat ini. Ini mengubah solusi untuk solusi tetangga, tapi secara acak. Kami
kemudian menghitung energi delta antara solusi baru (berdekatan), dan solusi
kami saat ini. Jika energi delta ini kurang dari nol, solusi baru kita lebih
baik daripada yang lama, dan kita menerimanya (kita memindahkan solusi baru
yang berdekatan ke solusi kita saat ini).

Referensi

http://www.mediafire.com/file/sq6k4qs4tsz6sx2/buku12.pdf