Reasoning and Planning

Nelly Indriani Widiastuti Hi! Nelly Indriani Widiastuti You can find me at: Nelly.indriani@email.unikom.ac.id Nelly Indriani

OBJEKTIF Tujuan : Memahami konsep dan teknik Reasoning Rencana kegiatan : materi & latihan Cakupan materi : Teknik reasoning Reasoning dalam Knowledge Base Inferensi Planning

Reasoning Cambridge Proses berpikir tentang sesuatu untuk membuat suatu keputusan Merriam-Webster Menggambarkan inferensi atau kesimpulan melalui penggunaan alasan Oxford Tindakan berpikir tentang sesuatu dalam logika, cara yang masuk akal Aristoteles Berkaitan dengan berpikir, kognitif, dan pemahaman. Reasoning bagian dari menjadi logical reasoning : deductive reasoning, inductive reasoning, abductive reasoning; dan mode lain yang lebih informal seperti intuitive reasoning dan verbal reasoning. Selain itu bias dibedakan menjadi discursive reason, reason proper, and intuitive reason

TEKNIK REASONING Pendekatan Cara penyelesaian masalah dengan cara merepresentasikan masalah ke dalam basis pengetahuan menggunakan logika atau bahasa formal. Pendekatan Logika pasti (propotitional, first order/predicate) Logika tidak pasti (fuzzy logic)

Searching vs Reasoning Representasi : State dan ruang masalah Basis pengetahuan Teknik : Strategi pencarian Penalaran Tujuan : Menemukan nilai tertentu Menghasilkan kesimpulan Masalah : Kelengkapan representasi state Kelengkapan aturan

Jenis Logika Jenis-jenis yang digunakan untuk merepresentasikan basis pengetahuan dan melakukan penalaran Jenis Logic Yang ada di dunia nyata Apa yg dipercaya agent tentang dunia nyata Propositional logic Fakta Benar/salah/tidak diketahui First order logic Fakta,objek, relasi Temporary logic Fakta,objek, relasi, waktu Probability theory Derajat kebenaran [1,0] Fuzzy logic Derajat kebenaran

Syntax logical constants True, False Dibangun dari kalimat sederhana Symbol logical constants True, False propositional symbols P, Q, … logical connectives conjunction , disjunction , negation , implication , equivalence  parentheses ,  Sentences Dibangun dari kalimat sederhana conjunction, disjunction, implication, equivalence, negation

BNF Grammar Propositional Logic Sentence  AtomicSentence | ComplexSentence AtomicSentence  True | False | P | Q | R | ... ComplexSentence  (Sentence)Sentence Connective Sentence |  Sentence Connective   |  |  |  Ambiguitas diselesaikan melalui precedence     atau pemisah contoh  P  Q  R  S equivalent dgn ( P)  (Q  R))  S

Reasoning in Knowledge-Based Systems

Shallow and Deep Reasoning shallow reasoning deep reasoning Nama lain : experiential reasoning Disebut juga causal reasoning Tujuan : mendeskripsikan aspek-aspek lingkungan secara heuristically Tujuan : membangun model lingkungan yang berlaku seperti hal nyata. Short Inference chains Long Inference chains Memungkinkan aturan yang kompleks Simple rules yang mendeskripsikan hubungan sebab dan akibat

Contoh Shallow dan Deep Reasoning Shallow reasoning Deep reasoning IF a car has a good battery good spark plugs gas good tires THEN the car can move IF the battery is good THEN there is electricity IF there is electricity AND good spark plugs THEN the spark plugs will fire IF the spark plugs fire AND there is gas THEN the engine will run IF the engine runs AND there are good tires THEN the car can move

Langkah-langkah dalam penalaran, berpindah dari premis ke kesimpulan. Inference Langkah-langkah dalam penalaran, berpindah dari premis ke kesimpulan.

Motor Inferensi Charles Sanders Peirce membagi kesimpulan menjadi tiga jenis: Deduksi, kesimpulan yang menyimpulkan kesimpulan logis dari premis yang diketahui atau dianggap benar, dengan hukum inferensi yang valid dalam logika Induksi adalah kesimpulan dari premis tertentu terhadap kesimpulan universal Abduksi adalah kesimpulan dari penjelasan terbaik.

Contoh kasus Ada 10 aturan yang tersimpan dalam basis pengetahuan. Fakta awal yang diberikan hanya: A & E (artinya: A dan E bernilai benar). Ingin dibuktikan apakah K bernilai benar (hipotesis: K)? No. Aturan R-1 IF A & B THEN C R-2 IF C THEN D R-3 IF A & E THEN F R-4 IF A THEN G R-5 IF F & G THEN D R-6 IF G & E THEN H R-7 IF C & H THEN I R-8 IF I & A THEN J R-9 IF G THEN J R-10 IF J THEN K

Alur Inferensi Forward Chaining Fakta R-3 F G R-4 D R-5 H R-6 J K R-9 R-10

Alur Inferensi Backward Chaining (1) J I A C H B K R-10 R-8 R-7 R-1 Fakta Tidak diketahui (a) Pertama: Gagal

Alur Inferensi Backward Chaining (2) J G A K R-10 R-9 R-4 Fakta (b) Kedua: Sukses

Mengubah bentuk proposisi -> formula Contoh : Jika ada daya listrik, komputer akan bekerja Ada daya komputer akan bekerja Jika : A = ada daya listrik B = komputer akan bekerja Sehingga dapat ditulis : A→B A B Bentuk tersebut valid karena dapat ditunjukan sebagai tautologi

Deduksi Inferensi (penarikan kesimpulan) dengan penalaran dari yang umum ke yang khusus Misal : Modus Ponen Contoh 1: A = Udara Cerah B = Kita akan pergi ke pantai A→B = Jika udara cerah, maka kita pergi ke pantai Dengan menggunakan Modus Ponen, kesimpulan adalah “Kita akan pergi ke Pantai” Contoh 2: Semua kucing merupakan anggota feline Bootsy adalah seekor kucing Kesimpulan : Bootsy merupakan anggota feline

Induksi Formatnya: X = {a,b,c,d,...}, Contoh: Inferensi dengan penalaran dari yang khusus (fakta-fakta) ke yang umum Menebak dari yang sudah ada dan dari gejala yang terjadi Formatnya: X = {a,b,c,d,...}, if property P is true for a, and if P is true for b, and if P is true for c,..., then P is true for all X Contoh: Semua kucing Siamese pada pertunjukan kucing 1986 mempunyai mata biru Semua kucing Siamese pada pertunjukan kucing 1987 mempunyai mata biru Kesimpulan : Semua kucing Siamese pada pertunjukan kucing mempunyai mata biru

Abduksi Contoh: if Y is true and X implies Y , then X is true ? Bentuk deduksi yang hanya menghasikan inferensi yang masuk akal (plausible inference) Plausible berarti bahwa konklusi mungkin bisa mengikuti informasi yang tersedia, tetapi juga bisa salah. Formatnya: if Y is true and X implies Y , then X is true ? Contoh: Implikasi : Tanah menjadi basah jika terjadi hujan (rule) Aksioma : Tanah menjadi basah (fact) Konklusi : Apakah terjadi hujan? (result)

How to make an INFERENCE Conclusion Effidence Fact Knowledge

Planning Kemampuan utama agen cerdas untuk meningkatkan otonomi dan fleksibilitas mereka melalui pembangunan urutan tindakan untuk mencapai tujuan mereka.

Domain-Independent Planning Inputs: Domain Action Theory Problem Instance Deskripsi initial state of the world Spesifikasi perilaku dari tujuan yang diharapkan Output: Rangkaian aksi yang menjalankan inisial awal untuk mencapai tujuan

Example Problem Instance: “Sussman Anomaly” Initial State: Goal: Initial State: on-table(A), on(C,A), on-table (B), clear(B), clear(C) Goal: on(A, B), on(B,C)

Action Representation: Propositional STRIPS Move-C-from-A-to-Table: preconditions: on(C, A), clear(C) effects: add on-table(C) delete on(C, A) add clear(A)

Plan Generation: Search space of world states Planning as a (graph) search problem Nodes: world states Arcs: actions Solution: path from the initial state to one state that satisfies the goal Initial state is fully specified There are many goal states

Search Space: Blocks World

LATIHAN Jelaskan perbedaan dan persamaan antara problem solving dan planning Buat actions representation kasus mengisi air dalam bentuk propositional

Kasus Mengisi Air