Representasi Pengetahuan PKB — Antonie Review Definisi

Representasi Pengetahuan PKB - Antonie

Review: Definisi • AI = bidang ilmu komputer yang meneliti dan mempelajari bagaimana agar komputer dapat bertindak dan mengerjakan pekerjaan seperti yang dilakukan oleh manusia. • Awalnya komputer hanya mesin hitung

Review: Definisi Membuat Sistem Berfikir Bertindak Seperti Manusia Model Kognitif Uji Turing Rasional Kaidah bernalar Agen Rasional: membuat inferensi logis sehingga dapat melakukan aksi logis

Berfikir Seperti Manusia (Thinking Humanly) 1. Diperlukan suatu cara untuk mengetahui bagaimana manusia berfikir Diperlukan pemahaman tentang bagaimana pikiran manusia bekerja 2. Bagaimana caranya? • Melalui introspeksi atau mawas diri; mencoba menangkap bagaimana pikiran kita berjalan – • How do you know that you understand? Melalui percobaan psikologis Bidang Ilmu: • • Cognitive Science Vision & natural language

Uji Turing: AI Bertindak Seperti Manusia (acting humanly) • AI lulus test apabila interogator tidak bisa membedakan dialog mana yang dilakukan dengan komputer dan mana yang dilakukan dengan manusia Komputer Pertanyaan dan Jawaban Interogator Manusia System capabilities: • Natural language processing • Knowledge representation • Automated reasoning • Machine learning • Computer vision (+) • Robotics (+)

Berfikir Rasional (thinking rationally) • Cara berfikirnya memenuhi aturan logika yang dibangun oleh Aristotles Pola struktur argumentasi yang selalu memberi konklusi yang benar bila premis benar Menjadi dasar bidang logika • Tradisi logicist dalam AI adalah membangun program yang menghasilkan solusi berdasarkan logika • Problem: Pengetahuan informal sukar diuraikan dinyatakan dalam bentuk notasi logika formal Terdapat perbedaan besar antara memecahkan masalah “secara prinsip” dan “di dunia nyata”

Bertindak Rasional (acting rationally) • Bertindak secara rasional artinya bertindak didalam upaya mencapai goal • Didalam lingkungan yang rumit tidaklah mungkin mendapatkan rasionalisasi sempurna yang selalu melakukan sesuatu dengan benar Rasionalisasi terbatas Sehingga: • Thinking dan acting humanly terlalu luas, thinking rationally masih terlalu sempit • Pendekatan yang diikuti adalah Acting Rationally

Review: Intelegensia • Bagaimana seseorang/sesuatu belajar dan melaksanakan pengetahuan yang dimiliknya. – Walaupun punya pengetahuan tapi jika tidak dapat melaksanakan pengetahuan tersebut = tidak inteligen • Daya reaksi atau penyesuaian yang cepat dan tepat, baik secara fisik maupun mental, terhadap pengalaman baru, membuat pengalaman dan pengetahuan yang dimiliki siap untuk dipakai apabila dihadapkan pada fakta-fakta atau kondisi-kondisi baru (Kamus Besar Bahasa Indonesia Balai Pustaka) • Pengetahuan diperoleh dari belajar dan menalar untuk menggunakannya dalam menyelesaikan masalah

Review: Bagian Utama AI • Basis Pengetahuan (Knowledge Based) – Berisi fakta, teori, pemikiran, dan hubungannya • Motor Inferensi (Inference Engine) – Kemampuan menalar dan menarik kesimpulan Computer Knowledge base Inputs Inference mechanism Outputs

Review: AI Prehistory • Philosophy : Logic, methods of reasoning • Mathematics : Formal representation and proof algorithms, computation, probability • Economics : utility, decision theory • Neuroscience : physical substrate for mental activity • Psychology : phenomena of perception and motor control, experimental techniques • Control theory : design systems that maximize an objective function over time • Linguistics : knowledge representation, grammar

Review: AI History • 1941: era komputer elektronik yang dapat menyimpan program • 1943 – 1956: Warren Mc. Culloch dan Walter Pits menemukan boolean model untuk otak, bernaa PERCEPTRON (JST pertama), Mc. Carthy disebut father of AI • 1952 – 1969: Newell dan Simon menemukan General Problem Solver, Mc. Carthy membuat LISP • 1966 – 1974: jaman AI melambat • 1969 – 1979 : knowledge based system • 1986 – now: Industrial AI dan perkembangan JST, GPS, software catur HITECH adalah software pertama yang mengalahkan grandmaster dunia, Arnold Danker. • Prinsipnya AI mengandung unsur: SEARCHING, REASONING, PLANNING, dan HEARING

Review: AI vs Non AI • AI lebih permanen, non AI mudah berubah seturut waktu • AI mudah diduplikasikan disebarkan • AI lebih murah dari non AI • AI lebih konsisten dan mudah didokumentasi • AI tidak kreatif • AI tidak dapat menggunakan pengalaman secara langsung • AI terbatas

Contoh ilmu-ilmu dalam lingkup AI • • • • ANN (Artificial Neural Network) NLP (Natural Language Processing) Game Playing ES (Expert System) Robotics Pattern Recognition Computer Reasoning Computer Vision IR (Information Retrieval) Data Mining Fuzzy System Neuro Fuzzy System GA (Genetic Algorithm) CBR (Case Based Reasoning) DSS (Decision Support System)

AI vs Pemrograman Konvensional? • • AI: pemrosesan simbolik, PK: Algoritmik AI: input tdk lengkap, PK: input hrs lgkp AI: heuristic searchng, PK: algoritmik AI: ada penjelasan, PK: tidak AI: basis pengetahuan, PK: data & infor AI: control & knowledge terpisah, PK tidak AI: mampu menalar, PK: tidak AI: pemeliharaan mudah, PK: relatif sulit

AI Lemah & Kuat • Klaim AI lemah – Mesin bisa dibuat untuk bertindak seolah-olah ia cerdas – Prinsip nilai dari komputer adalah bahwa ia memberi perlengkapan yang sangat ampuh. • Contoh, ia memampukan kita untuk merumuskan dan menguji hipotesa dalam cara yang lebih tepat • Klaim AI kuat – Mesin yang bertindak cerdas memiliki kesadaran pikiran dan nyata

Knowledge Base • The first step in constructing an AI program is to build a knowledge base • Will be used by the inference mechanism to reason and draw conclusions Computer Knowledge base Inputs Inference mechanism Outputs

Knowledge Base • Knowledge engineering: process of collecting and organizing the knowledge • Knowledge representation: process of how knowledge is represented to form a knowledge base

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 P Q P AND Q P OR Q T T T T F F T F T F F T T F F F P Q T T T P Q P Q T T F F F T T F F F T

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) Predicate (assertion) Argument (object) PROLOG

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

Buku & Bahan Acuan • Komputer Masa Depan, Pengenalan Artificial Intelligence, Suparman & Marlan, Andi Offset, 2007 • Konsep Kecerdasan Buatan: Anita Desiani & Muhammad Arhami, Andi Offset, 2006 • Artificial Intelligence Teknik dan Aplikasinya, Sri Kusumadewi, Graha Ilmu, 2003 • Artificial Intelligence, Searching, Reasoning, Planning, and Learning, Suyanto, Penerbit Informatika, 2007 • Bahan-bahan dari Internet

NEXT • • • Sistem Pakar JST NLP Case Based Reasoning Problem Solving : Learning Information Retrieval & Document Mining