Knowledge Representation and Deduction Agents That Reason Logically

Slides:



Advertisements
Presentasi serupa
TURUNAN/ DIFERENSIAL.
Advertisements

LOGIKA Viska Armalina ST., M.Eng.
Model Heuristik Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [8]:
Fakultas Ilmu Komputer, Universitas Narotama
Pengantar Intelijensia Buatan
Ruang Pencarian Pertemuan II.
Pengolahan Data Dan Prototyping
BENTUK-BENTUK NORMAL DAN PENYEDERHANAAN FUNGSI BOOLEAN
Fisika Dasar Oleh : Dody
Pengantar Intelijensia buatan
DASAR – DASAR LOGIKA INFORMATIKA
Sistem Pakar.
Introduction to Logic Propositional Logic
Pengantar Intelijensia Buatan
Logic & Learning Method
Knowledge Representation and Deduction First Order Logic (Lanj.)
Logika Order Pertama (First Order Logic)
Problem Solving Game Playing
Problem Solving Search -- Uninformed Search
DASAR – DASAR LOGIKA INFORMATIKA
REPRESENTASI PENGETAHUAN
(intro to proportional logic)
METODE INFERENSI Dr. Kusrini, M.Kom.
Artificial Intelligence
Logika Matematika Pengenalan Logika Matematika dan Pengantar Logika Proposisional AMIK-STMIK Jayanusa ©2009 Pengantar Logika.
Oleh Sri Palupi MTP – IPB 2009
Course MMS 2901 Departement of Computer Science Gadjah Mada University © Aina Musdholifah & Sri Mulyana.
SISTEM PAKAR & KECERDASAN BUATAN
LOGIKA INFORMATIKA
ARTIFICIAL INTELLIGENCE 6 Fuzzy Logic
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
Problem Solving Search -- Informed Search Ref : Artificial Intelligence: A Modern Approach ch. 4 Rabu, 13 Feb 2002.
Planning & Acting Senin, 14 Apr 2002
© STMIK-Indonesia 2012 SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN TEKNIK KOMPUTER INDONESIA KALKULUS PROPOSISI 1 DosenAlbaar Rubhasy, S.Si., M.T.I. Mata.
REPRESENTASI PENGETAHUAN
INFERENCE Artificial Intelligence
REPRESENTASI PENGETAHUAN DENGAN TEKNIK LOGIKA
Representasi Pengetahuan
Induksi Matematika.
Reasoning dengan Logika
Pertemuan 3 Predicate Logic
Bab VI : Inferensi pada FOL
DASAR LOGIKA MATEMATIKA
EXPERT SYSTEM By Daniel Damaris NS.
Logika proposisi Pertemuan kedua.
Artificial Intelligence
LOGIKA PROPOSISI (Logika Pernyataan).
LOGIKA dan ALGORITMA Heri Sismoro, M.Kom. STMIK AMIKOM Yogyakarta
Pengkodean Pengetahuan
ALGORITMA DAN PEMROGRAMAN
Jaringan Syaraf Tiruan
SISTEM PAKAR & KECERDASAN BUATAN
Matematika diskrit Kuliah 1
I Gusti Ayu Agung Diatri Indradewi, S.Kom
Penyelesaian Masalah Berdasarkan Teknik AI.
Rekayasa Pengetahuan (Knowledge Engineering)
The Logical Basis For Computer Programming
Reasoning : Propositional Logic
LOGIKA DAN ALGORITMA HANIF AL FATTA M.KOM AMIKOM Yogyakarta 2006
Reasoning and Planning
Pertemuan 1 Logika.
MATERI PERKULIAHAN KECERDASAN BUATAN
REPRESENTASI PENGETAHUAN dan Reasoning (Penalaran)
Implementasi Logika Proposisi
Pertemuan 10 REASONING (PENALARAN)
REPRESENTASI PENGETAHUAN
Rekayasa Pengetahuan (Knowledge Engineering)
SISTEM PAKAR & KECERDASAN BUATAN
Pertemuan 1 Logika.
Transcript presentasi:

Knowledge Representation and Deduction Agents That Reason Logically Ref : Artificial Intelligence: A Modern Approach ch. 6 Rabu, 20 Feb 2002

Knowledge-Based Agent Problem-solving agent : Menyelesaikan masalah dng. melakukan pemilihan utk. mencapai solusi di antara kemungkinan yg. ada. Knowledge-based agent : Lebih “pintar” dari problem-solving agent, memiliki pengetahuan akan lingkungannya (world) & dpt. melakukan reasoning mengenai aksi apa yg. dpt. dilakukannya. Terdiri atas : (src : slide buku Russell&Norvig)

Knowledge-Based Agent Pendekatan deklaratif dlm. membuat agent : TELL the agent what it needs to know  save it in KB, The agent can then ASK itself, through its inference engine, what it should do based on its KB. Harus dapat : Merepresentasikan world, state, aksi, dsb. Menerima adanya informasi baru. Meng-update representasinya atas world. Menyimpulkan hidden property dr. world. Menyimpulkan aksi apa yg. akan dilakukan.

Knowledge Base & Inference Engine Knowledge Base (KB) : himpunan representasi fakta, dlm. bhs. formal, mengenai lingkungannya (set of representations of facts about the world). Tiap representasi tsb. disebut sentence. Agar bisa berfungsi lebih dari sekedar menyimpan fakta, perlu ada mekanisme utk.: Menambahkan fakta ke KB (TELL). Memperoleh informasi berdasarkan fakta-fakta yg. ada di KB (ASK). Inference Engine : menentukan hal-hal yg. dpt. diturunkan dari pengetahuan yg. telah ada di KB Menjawab pertanyaan (dr. ASK) berdasarkan KB yg. telah ada (TELLED).

Describing Knowledge-Based Agent Knowledge-based agent dpt. dideskripsikan dlm. 3 level Knowledge level : apa yg. diketahui. Cth. : robot tahu bhw. gedung B berada di antara gedung A & gedung C. Logical level : representasi fakta yg. diketahui dlm. sentence. Cth. : di_antara(gedung B, gedung A, gedung C). Implementation level : representasi fisik sentence dlm. arsitektur agent, spt. struktur data. Cth. : Matriks 3 kolom utk. merepresentasikan contoh pd. logical level.

Wumpus World Not fully accessible, deterministik, non-episodik, statik, diskrit.

Wumpus World

Logic Bhs. formal utk. merepresentasikan informasi, sedemikian shg. kesimpulan dpt. ditarik. Terdiri atas : Knowledge representation : sistem formal utk. merepresentasikan state. Hal ini diperlukan utk. mengekspresikan fakta / knowledge (informasi ttg. world) sedemikian shg. dpt. dimengerti/diolah oleh komputer. Reasoning (proof theory) : set of rules yg. digunakan utk. melakukan reasoning (menurunkan suatu informasi baru / kesimpulan) berdasarkan knowledge yg. dimilikinya. (menurunkan entailments dari sentences yg. ada).

Knowledge Representation Natural language : ekspresif, tp. seringkali ambigu & tergantung konteks pembicaraan. Programming language : concise, tdk. ambigu, tdk. tergantung konteks, tapi kurang ekspresif. Knowledge representation language harus : Ekspresif, concise, tidak ambigu, tidak tergantung pada konteks. Didefinisikan berdasarkan : Syntax : cara penulisan sentence. Semantic : arti dari sentence. Contoh : bhs. aritmetika, syntax : x+2 > y adlh. sentence, sedangkan semantic : x+2 > y true jk. x=5 & y=6.

Reasoning Semua reasoning tdk. didasarkan pd. fakta yg. ada di world, tapi didasarkan pd. representasi fakta yg. dimiliki agent tsb. Reasoning dpt. dilihat sebg. proses pembentukan sentence (dr. fakta) baru. Sentence ini harus sejalan dng. sentences (dr. fakta-fakta) yg. telah ada sebelumnya.

Reasoning Model dari suatu sentence thd. suatu interpretasi : any world di mana dng. interpretasi yg. ada, sentence tsb. true. Entailment (KB  ) : KB entails a sentence  (KB menyebabkan )   true utk. semua world di mana KB true (model(KB)  model() true). Inference procedure : Dng. KB, dpt. men-generate sentence baru ( ) berdasarkan KB (KB  ). Diberikan KB & sentence , dpt. menentukan apakah KB  . KB i  : inference procedure i menurunkan  dari KB. i sound/truth-preserving jk. : i selalu menurunkan sentence yg. entailed KB (KB i   KB  ).

Reasoning Validity and Satisfiability i complete jk. : i dpt. menurunkan (membuktikan) semua sentence yg. entails KB (KB    KB i ). Validity and Satisfiability Suatu sentence dikatakan valid / analytic sentence / tautology  true under all possible interpretation in all possible world Cth. : Hari ini hujan atau hari ini tidak hujan. Suatu sentence dikatakan satisfiable  ada suatu interpretasi pd. suatu world dimana sentence tsb. true. Cth. : Hari ini hujan. Suatu sentence dikatakan unsatisfiable  tidak ada interpretasi apapun pd. world manapun yg. membuat sentence tsb. true. Cth. : Hari ini hujan dan hari ini tidak hujan.

Macam-Macam Logic Logic dpt. dikelompokkan berdasarkan : Ontological commitment : apa yg. direpresentasikan (fakta, objek, waktu, ..), spt. variabelnya. Epistemological commitment : apa yg. diketahui agent (true, false, unknown, …), spt. valuenya.

Propositional Logic Logic yg. paling sederhana. Knowledge representation : Syntax Constant logic (true, false). Propotition symbol. Gabungan 1/lebih propotition symbol dng. operator :  , , , ,  (berdasarkan presedence). Semantic : Propotition symbol dpt. berarti true ataupun false. Utk. complex sentence, bisa menggunakan truth table :

Propositional Logic Reasoning : Rules of inference for propositional logic : (fig. 6.13 RN) Modus Ponens. And-Elimination. And-Introduction. Or-Introduction. Double-Negation Elimination. Unit Resolution. Resolution.

Normal Forms Bentuk-bentuk yg. telas terstandardisasi :  , , , ,  CNF (Conjunctive Normal Form) : conjunction of disjunctions. Cth.: (A B)  (A   C  D) DNF (Disjunctive Normal Form) : disjunction of conjunctions. Cth.: (A B)  (A   C)  (B C) Horn Form : conjunction of Horn clauses (clauses with  1 positive sentence). Cth.: (A  B)  (B   C   D) atau (BA) ((C D) B).

Agent utk. Wumpus World Knowledge base (lihat papan). Inference (lihat papan). Translating knowledge to action (lihat papan).