pengenalan logical agents -...

Pengenalan Logical Agents

Pertemuan III

Wahyu Supriyatin

Logical Agents (1)

• Agent

• Logic

• Agent

“Segala sesuatu yang dapat melihat/mengartikan/mengetahui (perceiving) lingkungannya melalui alat sensor (sensors) dan bertindak (acting) melalui alat aktuator (actuators)”

• Logic

“Metode atau teknik yang diciptakan untuk meneliti ketepatan pealaran”

Logical Agents (2)

• Agen yang memiliki kemampuan bernalar secara logika

• Mengetahui ‘sesuatu’ dan ‘alasan’

• Representasi : bagaimana sesuatu di simpan

• Penalaran : bagaimana pengetahuan digunakan

• Untuk menyelesaikan permasalahan

• Untuk membuat pengetahuan baru

Logical Agents (3)

1. Knowledge-based agents

2. Wumpus world

3. Logic in general - models and entailment

Knowledge Based Agents (1)

• Representasi pengetahuan yang bersifat general.

• Kemampuan beradaptasi sesuai temuan fakta.

• Kemampuan menyimpulkan sesuatu dari pengetahuan yang sudah ada.

Knowledge Based Agents (2)

• Komponen utama dari knowledge based agent adalah knowledge base

• Kumpulan dari sebuah kalimat umum dimana kalimat tersebut di expresikan oleh bahasa yang merepresentasikan

• Bahasa yang merepresentasikan kalimat disebut dengan knowledge representasi language

• Pengetahuan dasar yang dimiliki knowledge based agents dikenal dengan background knowledge

Knowledge Based Agents (3)

• 2 Fungsi Umum

1. TELL : untuk menambahkan kalimat (fakta) kedalam knowledge base

• Memberitahukan yang hanya perlu diberitahukan saja

2. Ask : Query/pertanyaan apa yang diketahui oleh knowledge Base

• Apa yang harus dilakukan selanjutnya

Knowledge Based Agents (4)

• Agent harus bisa melakukan :

1. Merepresentasikan states (keadaan) dan action (tindakan)

2. Mengabungkan percepsi baru

3. Meng-update secara internal yang merepresantasikan dunia

4. Menyimpulkan komponen-komponen yang ada di dunia

5. Menggabungkan action (tindakan) yang diperlukan

Knowledge Based Agents (5)

• Declarative (Deklarasi)

• Membangun knowledge based agent secara sederhana hanya dengan ‘TELLing/memBERITAHUkan’ apa yang perlu di beritahukan

• Procedural (Procedure)

• Mengkodekan perilaku/action yang diingikan kedalam kode program

• Meminimalisasikan rule/aturan yang digambarkan secara detail dan kemampuan penalaran dapat menghasilkan sistem yang lebih efisien

Knowledge Based Agents (6)

• Syarat Representasi KB

1. Representational Adequacy; Kemampuan merepresentasikan semua pengetahuan yang dibutuhkan dalam domainnya

2. Inferential Adequacy; Kemampuan memanipulasi struktur pengetahuan untuk membentuk struktur baru dalam menampung pengetahuan baru hasil inferensi

3. Inferential Efficiency; Kemampuan untuk manambahkan informasi untuk mempercepat pencarian dalam inferensi

4. Acquisitional Efficiency; Kemampuan untuk menambah informasi baru secara mudah

Wumpus World (1)

• Performance Measure :

• Ketemu emas: +1000, mati: -1000, -1 untuk setiap langkah, -10 untuk memanah

• Environment :

• Petak yang bersebelahan dengan wumpus berbau busuk (smelly)

• Petak yang bersebelahan dengan pit (lubang) terasa angin (breezy)

• Petak tempat emas berada bercahaya (Glitter)

• Agent dapat memanah mati wumpus jika berhadapan langsung

• Memanah perlu 1 panah

• Agent bisa mengambil emas jika berada di petak emas dan emas tersebut ada

Wumpus World (2)

• Actuators :

• Left turn, Right turn, Forward, Grab, Release, Shoot

• Sensors :

• Breeze, Glitter, Smell, Bump (jika agent menabrak tembok), Scream (jika wumpus mati)

Wumpus World (3)

• Background knowledge :

• Jika ada bau maka ada wumpus di petak tetangga

• Jika ada angin maka ada lubang di petak tetangga

• Jika tak ada bau maka tak ada wumpus di petak tetangga

• Jika tak ada angin maka tak ada lubang di petak tetangga

• Jika tak ada lubang dan Wumpus boleh maju

Wumpus World (4)

Contoh Inferensi

1. Tak ada angin dan bau di (1,1) maka tak ada Wumpus dan lubang di (2,1) dan (1,2)

2. Maju ke (2,1)

3. Ada angin di (2,1) maka ada lubang di (2,2) atau (3,1)

4. Tak ada bau di (2,1) maka tak ada Wumpus di (2,2) dan (3,1)

5. Mundur ke (1,1)

6. Maju ke (1,2)

7. Ada bau di (1,2) maka ada Wumpus di (3,1) (karena tidak ada Wumpus di (2,2))

Wumpus World (5)

• Karakteristik Wumpus World

• Dapat dilihat (Observable)

• Partial, hanya persepsi lokal

• Ditentukan (Deterministic)

• Ya, hasil yang di inginkan dapat di spesifikasikan

• Episode (Episodic)

• Tidak, sequensial pada level tindakan(action)

• Static

• Ya, karena wumpus dan lubang tidak bergerak

• Discrete

• Ya

• Singgle Agent

• ya

What Next ???

• Untuk dapat menyusun sebuah knowledge based agent maka kita harus terlebih dulu bisa menyusun knowledge basenya itu sendiri.

• Untuk menyusun knowledge base kita perlu menentukan bagaimana cara kita merepresentasikan pengetahuan kita (knowledge representation).

• Knowledge representation kita harus merupakan bentuk yang mudah disimpan dan digunakan pada komputer. Dalam perkuliahan ini kita menggunakan beberapa macam knowledge representation language.

Logic in General Models

• Logical Formal

• Sebuah knowledge Bases yang mengandung kalimat dalam bahasa umum dan bisa diambil kesimpulan

• Sintaks/Syntax

• Kalimat yang terbentuk dengan baik

• Sematics

• Arti/inti dari sebuah kalimat mengindahkan kemungkinan yang ada

• Contoh bahasa aritmatika :

• x + 2 ≤ y adalah kalimat; x2 + y > bukan kalimat

• x + 2 ≤ y benar jika dan hanya jika x + 2 tidak lebih kecil dari y

• x + 2 ≤ y benar di dunia nyata untuk x=7, y=1

• x + 2 ≤ y salah di dunia nyata untuk x=0, y=6

Entailment

• Entailment artinya satu hal benar yang mengikuti dari kenyataan lainnya:

KB ╞ α

• Knowledge Base KB entails α jika dan hanya jika α benar di seluruh dunia (realitas) di mana KB benar

• Contoh: x + y = 4 entails 4 = y + x

• Entailment adalah hubungan antara kalimat (sintaks) berdasarkan semantik yang berlaku

Entailment

• Then KB ╞ α if M (KB) M (α)

Entailment dalam Wumpus World

• Situasi setelah aman di (1,1),bergerak ke kanan dan mendeteksi bau di (2,1)

• Berapa banyak kemungkinan model untuk ? (dengan mengabaikan kemungkinan wumpus)

• 3 variabel boolean dengan 8 kemungkinan

Inferensi

• KB ╞ 𝑖𝛼 → jika metode inferensi i dapat menurunkan α dari KB

• Sifat metode inferensi:

• Sound / Truth Preserving; jika semua yang diturunkan adalah kalimat benar (derives only entailed sentences)

• Complete; jika semua kalimat benar (sesuai KB) dapat diturunkan juga dengan cara inferensi (all entailed sentences can be derived)

Inferensi

• Inferensi adalah proses penalaran yang kesimpulannya dijamin benar dalam dunia/realitas di mana basis pengetahuan yang digunakan benar.

• Jika KB benar di dunia nyata, maka setiap kalimat α yang diturunkan dari KB dengan metode inferensi yang sound juga benar di dunia nyata.

• Jadi proses inferensi berkorespondensi langsung dengan hubungan yang terjadi di dunia nyata

Logika Proposisi (1)

• Simbol proposisi P1, P2, P3 adalah kalimat

• Setiap kalimat bisa bernilai benar (true) atau salah (false).

1. Negasi : ¬ S

2. Konjungsi : S1 ^ S2

3. Disjungsi : S1 v S2

4. Implikasi : S1 S2

5. Bi-kondisional S1 S2

Logika Proposisi (2)

P Q ¬ P P ^ Q P v Q P Q P Q

False False True False False True True

False True True False True True False

True False False False True False False

True True False True True True True

Logika Proposisi dalam Wampus World

P x,y : ada lubang di (x,y)

W x,y : ada Wumpus di (x,y)

S x,y : ada bau di (x,y)

B x,y : ada angin di (x,y)

Knowledge Base:

• R1 : ¬ P1,1 → tidak ada lubang di (1,1)

“lubang menimbulkan angin di petak yang bersebelahan”

• R2 : B1,1 (P1,2 v P2,1)

• R3 : B2,1 (P1,1 v P2,2 v P3,1)

• R4 : ¬ B1,1 → tidak ada angin di (1,1)

• R5 : B2,1 → ada angin di (2,1)

Logika Proposisi dalam Wampus World

Coba seluruh kombinasi nilai untuk semua variabel:

Untuk setiap KB yang benar, periksa nilai

Kompleksitas waktu O(2n)

Aturan Logika Standart

Metode Pembuktian

Metode pembuktian dibagi menjadi dua jenis :

Penerapan dari Aturan Inferensi • Kalimat baru (yang sound) diturunkan dari kalimat-kalimat sebelumnya • Bukti = urutan aplikasi aturan inferensi • Biasanya perlu merubah kalimat ke bentuk normal (tanpa „ ‟ dan „‟)

Model Checking • Enumerasi tabel kebenaran (eksponensial, tidak efisien) • Improved Backtracking (misalnya: Davis-Putnam-Logemann-Loveland) • Heuristic search di model space (sound tetapi incomplete) misalnya min-conflict hill-

climbing

Rules Of Proposional Logic

Rules Of Proposional Logic

Translating Knowledge to Action

• Pengetahuan yang dimiliki agent tidak berguna jika ia tidak melakukan apapun

• Karenanya kita perlu menambahkan aturan agar dia dapat bergerak (complete the knowledge base).

Kelemahan Logika Proposisi

• Terlalu banyak proposisi yang harus di lakukan• Tidak ada keterhubungan atar objek• Segela sesuatu di hubungkan dengan operator

logical