Knowledge Representation and Deduction First Order Logic (Lanj.)

Slides:



Advertisements
Presentasi serupa
Kecerdasan Buatan (Artificial Intelligence/AI)
Advertisements

TEKNIK PENCARIAN (SEARCHING)
KULIAH KE 3 METODE EKONOMETRIKA
Masalah, Ruang Masalah dan Pencarian
Introduction to Logic Propositional Logic
Pengantar Intelijensia Buatan
Knowledge Representation and Deduction Agents That Reason Logically
Observasi Mengamati Tingkah laku individu.
Problem Solving Game Playing
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Problem Solving Search -- Uninformed Search
MASALAH, RUANG KEADAAN DAN PENCARIAN
Metode Pencarian/Pelacakan
Pertemuan ke-5 Pengendalian formulir RM: Pengertian Tujuan Tahap-tahap.
Hill Climbing Best First Search A*
Problem Space Dr. Kusrini, M.Kom.
(intro to proportional logic)
Artificial Intelligence
Masalah, Ruang Keadaan, dan Pencarian
HEURISTIC SEARCH Presentation Part IV.
Pencarian (Searching)
Program Rabu, 3 Apr General Search Berlaku umum. Dapat untuk menyelesaikan problem (apa saja) dng. metode search (apa saja). General Search :
Penyelesaian Masalah Teknik Pencarian
"Metode Penugasan".
Metode Pencarian/Pelacakan
Problem Solving Search -- Informed Search Ref : Artificial Intelligence: A Modern Approach ch. 4 Rabu, 13 Feb 2002.
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Planning & Acting Senin, 14 Apr 2002
Analisa Numerik Integrasi Numerik.
Model penugasan (assignment model) kasus khusus dr model transportasi: sejumlah m sumber ditugaskan ke sejumlah n tujuan (satu sumber utk satu tujuan)
Persamaan Diferensial Biasa 1
BIAYA PRODUKSI.
REPRESENTASI PENGETAHUAN
REPRESENTASI PENGETAHUAN
Penyelesaian Masalah menggunakan Teknik Pencarian Blind Search
KECERDASAN BUATAN PERTEMUAN 9.
INFERENCE Artificial Intelligence
Representasi Pengetahuan
Reasoning dengan Logika
TEKNIK PENCARIAN & PELACAKAN
Masalah, Ruang Masalah dan Pencarian
Metode Pencarian/Pelacakan
Pendekatan Inferensi dalam Sistem Pakar
PENGENALAN TEKNOLOGI INFORMASI
Pengantar Kecerdasan Buatan
Planning Artificial Intelligence
Wumpus World Propositional Logic.
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
REPRESENTASI PENGETAHUAN
Pendekatan Inferensi dalam Sistem Pakar
STRATEGI PELACAKAN PERTEMUAN MINGGU KE-3.
KNOWLEDGE REPRESENTATION
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
MASALAH, RUANG KEADAAN DAN PENCARIAN
Search.
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
TEKNIK PENCARIAN.
PROBLEM SOLVING Masalah biasanya disajikan dalam bentu graf
TEKNIK PELACAKAN Jika suatu persoalan dapat diREPRESENTASIKAN oleh ruang keadaan, maka teknik pelacakan dapat dgn mudah dilakukan dlm ruang keadaan. Teknik.
Reasoning : Propositional Logic
Reasoning and Planning
MATERI PERKULIAHAN KECERDASAN BUATAN
KNOWLEDGE REPRESENTATION
Implementasi Logika Proposisi
Masalah, Ruang Masalah dan Pencarian
Tugas Mata Kuliah Kecerdasan Buatan
CSG3G3 Kercerdasan Mesin dan Artifisial Reasoning 1
PENGENALAN TEKNOLOGI INFORMASI
MASALAH, RUANG KEADAAN DAN PENCARIAN
Modul II Masalah, Ruang Masalah dan Pencarian
Transcript presentasi:

Knowledge Representation and Deduction First Order Logic (Lanj.) Ref : Artificial Intelligence: A Modern Approach ch. 7, 9 Rabu, 27 Feb 2002

Resolution Refutation Membuktikan sesuatu atau answering yes/no question. Dng. pembuktian kontradiksi. Lawan dari hal yg. akan dibuktikan dimasukkan dalam KB. Equality : paramodulation. Resolution : bynary, hyper. Extracting answer Mulai dari kesimpulan yg. akan dibuktikan. Kemudian terapkan unification yg. dilakukan pada proses pembuktian (resolution) langkah demi langkah thd. kesimpulan yg. akan dibuktikan tsb. Menambahkan ~ ans(x) \/ ans(x) ke KB. Contoh...

Resolution Refutation Cara : Ubah problem menjadi FOPC. Ubah FOPC menjadi clause form. Masukkan lawan dari yg. akan dibuktikan ke KB. Lakukan resolusi Masalah : Sentences mana yg. di-resolve ? Literal (atomic expr./negasi dari atomic expr.) mana yg. di-unify ?

Teknik-Teknik Resolusi BFS Pd. level 1, tiap clause di KB (original KB: sentences awal + negasi yg. akan dibuktikan) dipasangkan satu sama lain. Pd. level 2, tiap hsl. resolusi (resolvent) level 1 dipasangkan dng. hsl.-hsl. resolusi level 1 & original knowledge di KB. Pd. level n, resolusi dilakukan pada tiap resolvent dari level n-1 dng. hsl.-hsl. resolusi level n-1, original knowledge, & hsl. resolusi level-level sebelumnya. Cara di atas sangat tidak efisien, namun menjamin pasti mendapatkan solusi.

Teknik-Teknik Resolusi Set of Support Resolusi selalu antara sentences dlm. set of support / sentences yg. ancestornya dlm set of support dng. sentences lain. Negasi yg. akan dibuktikan masuk set of support. Lebih efisien, complete jk. original KB konsisten. Unit resolution Salah satu dari resolver haruslah atomic sentence. Bisa sangat efisien, tapi tidak complete. Unit Preference Seperti unit resolution, tapi tidak harus (sebisa mungkin salah satu dari resolver adalah atomic sentence). Bisa sangat efisien, complete jk. digabung dng. set of support.

Teknik-Teknik Resolusi Input Resolution Resolusi selalu antara resolvent hasil resolusi sebelumnya dng. sentences yg. ada dlm. original KB. Sangat efisien, namun umumnya tidak complete. Subsumption Sentences yg. lebih spesifik dari sentence lain yg. juga ada di KB dihapus. Hasilnya akan sama, dan akan sangat mengurangi search space.

Merepresentasikan Perubahan Salah satu cara utk. merepresentasikan perubahan pd. FOL adalah situation calculus. Beberapa hal yg. perlu diperhatikan pd. situation calculus: Keadaan world (situation/state). Aksi yg. menyebabkan perubahan state. Keadaan world Dilakukan dng. menambahkan argumen situasi (situation argument) pd. non-eternal predicate. Contoh (Wumpus world) : Sekarang memegand emas : Pegang(emas, sekarang).

Situation Calculus Aksi yg. menyebabkan perubahan state/situasi Situasi satu dng. yg. lain dihubungkan dng. fungsi Result. Contoh : Result(move_fwd, S0) = S1. Utk. merepresentasikan perubahan : effect axioms. Portable(gold) s AtGold(x, s)  Present(gold, s) x,s Present(x, s) /\ Portable(x)  Holding(x, Result(grab, s)). Setelah aksi release : x,s ~ Holding(x, Result(release, s).

Situation Calculus Masalah : Utk. merepresentasikan situasi yg. tetap : frame axioms. Contoh : a, x, s Holding(x, s) /\ (a  release)  Holding(x, Result(a, s)) a, x, s ~ Holding(x, s) /\ (a  grab \/ ~ (Present(x, s) /\ Portable(x)))  ~ Holding(x, Result(a, s)). Effect axioms & frame axioms dpt. merepresentasikan perubahan-perubahan yg. terjadi di world. Masalah : Representational frame problem : Representasi effect & frame axioms terlalu panjang. Diatasi dng. : successor-state axioms. a, x, s Holding(x, Result(a, s))  [(a = grab /\ Present(x, s) /\ Portable(x)] \/ (Holding(x, s) /\ a  release)].

Masalah-Masalah Situation Calculus Inferential Frame Problem : Jangan terjadi peng-copy-an sentence. Perubahan hanya dilakukan pd. sentences yg. terpengaruh oleh suatu aksi tertentu, yg. tdk. terpengaruh tetap. Solusi : di bagian planning. Qualification Problem : Ada banyak hal yg. harus dijamin kebenarannya agar dapat berfungsi dng. benar pada real world. Jk. ada hal yg. tertinggal, mk. agent dapat mengambil kesimpulan yg. salah (false believe). Contoh : gold tdk. dapat diambil jk. terlalu licin, dsb. Ramification Problem : Akibat sampingan (konsekuensi) dari suatu aksi. Contoh : jk. gold ditutupi debu, mk. ketika gold diambil, debu-debu tsb. juga ikut berpindah tempat.