Representasi Pengetahuan Artificial Intelligence STMIK MDP-2010

Pendahuluan Dalam menyelesaikan masalah tentu saja dibutuhkan pengetahuan yang cukup. Tidak hanya itu,sistem juga harus memiliki kemampuan untuk menalar. Basis pengetahuan dan kemampuan menalar merupakan bagian penting dari sistem yang menggunakan kecerdasan buatan

Representasi Pengetahuan Bagaimana merepresentasikan pengetahuan ke dalam basis pengetahuan dan menguji kebenaran penalaran Cara-cara lama: List, digunakan pada LISP Predicate Calculus, digunakan pada Prolog Tree, untuk heuristic search Karakteristik RP: Dapat diprogramkan Dapat dimanfaatkan untuk penalaran, menggambarkan kesimpulan sebagai fungsi kecerdasan

Alasan Pemilihan Why knowledge representation rather than information representation? Karena pada konvensional database merepresentasikan data secara sederhana: string, number, boolean Namun AI menganggap pengetahuan lebih kompleks, seperti proses, prosedur, aksi, waktu, tujuan dan penalaran Knowledge should be collected, codified, and organized in systematic order

Representasi Pengetahuan (2) Harus terdiri dari struktur data dan prosedur untuk penafsiran Hal yang berhubungan dengan RP: Object pengetahuan itu sendiri Event: kejadian-kejadian dalam dunia nyata dan hubungannya Performa: bagaimana melakukan suatu tugas tertentu Meta knowledge: pengetahuan tentang pengetahuan yang direpresentasikan

Penggunaan Pengetahuan Acuisition: mengintegrasikan informasi baru kedalam pengetahuan sistem. Dua level: Menyusun fakta ke dalam database Pembuatan fungsi untuk mengintegrasikannya dengan cara “belajar dan mengadaptasikannya” terlebih dahulu Retrieval: mengingat kembali, menyusun ulang pengetahuan berdasarkan hubungan pengetahuan terhadap masalah Linking: mengekstrak informasi baru tersebut Lumping: mengelompokkan hasil ekstraksi pengetahuan baru tersebut kedalam struktur yang lebih besar seperti yang dibutuhkan dalam menyelesaikan masalah

Penggunaan Pengetahuan (2) Reasoning: pengetahuan digunakan untuk menalar suatu permasalahan Formal reasoning: menggunakan logika proporsional Procedural reasoning: menggunakan aturan produksi ( IF-THEN) Analogical reasoning: sangat sulit

Klasifikasi Kategori RP Menurut Mylopoulus dan Levesque: (declarative) Representasi Logika: menggunakan logika formal. Digunakan pada PROLOG Representasi Prosedural: menggambarkan prosedur sebagai kumpulan instruksi untuk memecahkan masalah. Digunakan dalam pemrograman: IF-THEN Representasi Network: menggambarkan pengetahuan sebagai Graph dan Tree Representasi Terstruktur: memperluas konsep Representsi Network dengan membuat node-nodenya menjadi struktur data yang kompleks. Contoh: script, frame, dan object Procedural: dibuat dalam prosedur-prosedur

Logika Adalah representasi pengetahuan yang paling tua. Proses menarik kesimpulan dari fakta yang sudah ada Input: premis-premis dan Ouput: kesimpulan Terdiri dari: sintaks (simbol), semantik (fakta), dan proses pengambilan keputusan (inferensi) Proses penalaran: Deduktif (umum-khusus) Induktif (khusus-umum) Logika: Logika Preposisi: and, or, not, implikasi, dan ekuivalensi Logika Predikat: representasi fakta dalam bentuk well formed formula Lihat dibuku Artificial Intelligence (Sri Kusuma Dewi)

Logic: Proposition Logic Q P AND Q T F P Q P OR Q T F P Q P Q (implikasi) T F P Q P Q (ekuivalensi) T F

Logic: Predicate Logic (1) Using all the same concepts and rules of propositional logic Represent knowledge in finer detail Breaking a statement (proposition) down into component parts: Arguments: the individuals or objects an assertion is made about Predicate: the assertion made about them Prolog: PROgramming in LOGic

Logic: Predicate Logic (2) PREDICATE (Individual [object]1, Individual [object]2) Examples: Proposition: The car is in the garage IN (car, garage) PROLOG Predicate (assertion) Argument (object)

Logic: Predicate Logic (3) PREDICATE (Individual [object]1, Individual [object]2) Examples: John likes Mary LIKES(John, Mary) The door is open OPEN(door) The tire is flat FLAT(tire) Chris is a man man(Chris) Predicate express conditions Function shows a relationship Function

Logic: Predicate Logic (4) Quantifiers All Javanese are Indonesian Some cars are red [car(X) AND IS RED(x)]

List dan Tree List:serangkaian struktur data yang dibuat secara berhubungan, list bisa juga menggambarkan relasi dan hirarki Tree: suatu struktur data yang berupa node-node yang dibuat secara hirarkis dan hubungannya Lihat di Struktur Data!

Lists & Trees (2) List: Tree: Node Arc

Sematic Network Diperkenalkan oleh Ros Quillian Very flexible: almost any kind of object, attribute, concept, etc. can be defined and relationship created with links To seek answer: the computer simply searches forward or backward through the arcs from a starting node Gambaran pengetahuan grafis yang menunjukkan hubungan antar objek. Terdiri dari: lingkaran-lingkaran yang menunjukkan obyek dan informasi mengenai obyek tersebut panah (arc) yang menunjukkan hubungan antar obyek Kelebihan: Memiliki sifat inheritance Menggunakan representasi OAV (Object Atributte Value)

Semantic Network (2)

Frame Diperkenalkan oleh Minsky tahun 1975 Suatu struktur data yang digunakan untuk merepresentasikan pengetahuan dan situasi-situasi yang telah dipahami Frame memiliki slot untuk menggambarkan rincian dan karakteristik obyek

Frames (2)

Frames (3)

Script Mirip dengan frame, merepresentasikan pengetahuan berdasarkan pengalaman-pengalaman Frame menggambarkan obyek, sedangkan script menggambarkan urutan peristiwa Elemen script: Kondisi input: start, awal Track: variasi yang mungkin terjadi Prop: obyek pendukung Role: peran yang dimainkan oleh suatu obyek Scence: adegan yang terjadi Hasil (result): kondisi akhir yang terjadi

Schemas: Scripts (2)

Aturan Produksi Paling populer (sejak tahun 1943-Post, 1957-Chomsky, 1972-Alan Newell) Terdiri dari antecedent/premis/situasi dan konsekuen/kesimpulan/tindakan Digambarkan dalam IF-THEN rules Digunakan pada Sistem Pakar Contoh: IF temp > 30 C THEN hidupkan AC IF permintaan meningkat AND persediaan menipis THEN pemesanan barang IF pelamar <= 25 OR lulusan komputer THEN bisa diterima menjadi pegawai

Kelebihan dan Kekurangan Mudah dimengerti dan luwes, mudah dikembangkan dan disesuaikan dengan pengetahuan yang ada Inferensi mudah diturunkan Modifikasi mudah Mendukung ketidak pastian Simpel dan intuitive Jika pengetahuannya banyak dan kompleks, akan sulit Sulit mendeteksi konflik

Sistem Produksi Memiliki 3 elemen: Global Database: mulai dari matriks sederhana, list, atau basis data untuk menyimpan aturan produksi dan memory kerja Aturan Produksi: berisi aturan IF-THEN Sistem Kontrol: program pengkontrol urutan mana aturan kaidah-kaidah produksi yang harus dipilih dan menyelesaikan konflik pada saat pemilihan

Resolusi Konflik Urutkan aturan berdasarkan prioritas, kemudian pilih aturan pertama yang memiliki prioritas tertinggi Pilih aturan yang paling strict (ketat) Pilih aturan yang paling sering digunakan Pilih aturan yang paling akhir dimasukkan di dalam sistem Pilih semua aturan yang memungkinkan

Metode Penalaran Forward reasoning (data driven): dimulai dari keadaan awal (dari fakta), kemudian menuju ke arah kesimpulan / tujuan Backward reasoning (goal driven): dimulai dari tujuan / hipotesa baru dicocokkan dengan keadaan awal / fakta-fakta

Alasan pemilihan metode Tergantung dari banyaknya keadaan awal dan tujuan. Jika jml awal lebih kecil dari tujuan gunakan penalaran maju. Jika jml tujuan lebih banyak dari awal, gunakan penalaran mundur