masalah, ruang, dan pencarian -...
TRANSCRIPT
ARTIFICIAL INTELLIGENCE
Andri Pranolo
W : apranolo.tif.uad.ac.id
M : 081392554050
Informatics Engineering, Universitas Ahmad Dahlan, Yogyakarta - 2014
Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ
POKOK BAHASAN 1. Masalah, Ruang Keadaan, dan
Pencarian
2. Refresentasi Pengetahuan
3. Metode Inferensi
4. Penalaran (Penentuan Ketidakpastian
dan Keyakinan)
5. Sistem Pakar
6. Pengolahan Bahasa Alami
7. Jaringan Syaraf Tiruan
8. Logika Fuzzy
9. Algoritma Genetika
PERTEMUAN 4, 25 SEPTEMBER 2014
Pokok Bahasan :
Representasi Pengetahuan
Outcome:
Mahasiswa memahami representasi pengetahuan yang umum
digunakan dalam Kecerdasan Buatan
Referensi:
[1] Kusumadewi, S. Artificial Intelligence: Teknik dan Aplikasinya,
Graha Ilmu, Yogyakarta, 2003
[2] Komputer Masa Depan, Pengenalan Artificial Intelligence,
Suparman & Marlan, Andi Offset, 2007
[3] Konsep Kecerdasan Buatan: Anita Desiani & Muhammad
Arhami, Andi Offset, 2006
[4] Artificial Intelligence, Searching, Reasoning, Planning, and
Learning, Suyanto, Penerbit Informatika, 2007
[5] Bahan-bahan dari Internet
1. REPRESENTASI
Representasi secara umum:
Deskripsi Dunia ideal (tidak hanya sekedar simbolik)
Simbolis Representasi internal:
memerlukan bahasa simbol yang umum, di mana
seorang agen bisa
mengekspresikan dan memanipulasi proposisi
tentang dunia
pilihan bagus
untuk representasi simbolik dengan bahasa logika
Namun, beberapa persiapan harus dibuat ...
2. PENGETAHUAN
Definisi umum : fakta atau kondisi sesuatu
atau keadaan yang timbul karena suatu
pengalaman.
Diklasifikasikan menjadi 3
Procedural Knowledge
Declarative Knowledge
Tacit Knowledge
2.1. Procedural knowledge : Bagaimana melakukan sesuatu
Bagaimana mendidihkan air dalam mangkok
Bagaimana memasak mie instan
Bagaimana menjalankan mobil
2.2. Declarative knowledge : Mengetahui sesuatu itu benar atau
salah
Fakultas Teknologi Industri mempunyai 4 program studi.
Dekan Fakultas Teknologi Informasi adalah Kartika
Firdausy, S.T, M.T.
2.3. Tacit knowledge : Tidak dapat diungkapkan dengan bahasa
Bagaimana kita menggerakkan tangan
Bagaimana memejamkan mata
3. REPRESENTASI PENGETAHUAN
Metode yang digunakan untuk mengodekan pengetahuan
dalam sebuah sistem cerdas (ex. sistem pakar)
Dimaksudkan untuk
Menangkap sifat-sifat penting problema
Membuat informasi itu dapat diakses oleh prosedur
pemecahan problema
Karakteristik representasi pengetahuan
Dapat diprogram dengan bahasa komputer dan disimpan dalam memori
Fakta dan pengetahuan lain yang terkandung di dalamnya dapat digunakan untuk melakukan penalaran
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
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
4. 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
Reasoning: pengetahuan digunakan untuk menalar suatu permasalahan
Formal reasoning: menggunakan logika proporsional
Procedural reasoning: menggunakan aturan produksi ( IF-THEN)
Analogical reasoning: sangat sulit
5. MODEL/TEKNIK REPRESENTASI PENGETAHUAN
Pengetahuan dapat direpresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. (Schnupp, 1989)
Beberapa model/teknik representasi pengetahuan
1. Logika (logic)
2. List
3. Jaringan semantik (semantic nets)
4. Bingkai (frame)
5. Tabel Keputusan (decision table)
6. Graph/Pohon Keputusan (decision tree)
7. Kaidah/aturan produksi (production rule)
8. Naskah (script)
Klasifikasi kategori representasi pengatahuan menurut Mylopoulus dan Levesque:
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
MODEL/TEKNIK
REPRESENTASI PENGETAHUAN
5.1. 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 (disebut logika komputasional): Logika Preposisi: and, or, not, implikasi, dan ekuivalensi
Logika Predikat: representasi fakta dalam bentuk well formed formula
Lihat dibuku Artificial Intelligence (Sri Kusuma Dewi)
14
Suatu pengkajian ilmiah tentang serangkaian
penalaran, sistem kaidah, dan prosedur yang
membantu penalaran.
Komputer harus dapat menggunakan proses penalaran
deduktif dan induktif ke dalam bentuk yang sesuai
dengan manipulasi komputer, yaitu logika simbolik atau
matematika
15
5.1.1 PENALARAN DEDUKTIF
Bergerak dari penalaran umum menuju ke konklusi khusus
Atau pernyataan premis dan inferensi
Premis Mayor
Premis Minor
Konklusi
Contoh
Premis mayor : Jika hujan turun saya tidak akan kuliah
Premis minor : Pagi ini hujan turun
Konklusi : Oleh karena itu pagi ini saya tidak akan kuliah
16
5.1.2 PENALARAN INDUKTIF
Bergerak dari masalah khusus ke masalah umum
Menggunakan sejumlah fakta atau premis yang mantap untuk
menarik kesimpulan umum
Contoh
Premis 1 : Aljabar adalah pelajaran yang sulit
Premis 2 : Geometri adalah pelajaran yang sulit
Premis 3 : Kalkulus adalah pelajaran yang sulit
Konklusi : Matematika adalah pelajaran yang sulit
Konklusi tidak selalu mutlak, dapat berubah jika ditemukan
fakta baru
Contoh
Premis 4 : AI adalah pelajaran yang sulit
5.1.3 LOGIC: PROPOSITION LOGIC
P Q P AND Q
T T T
T F F
F T F
F F F
P Q P Q
T T T
T F F
F T T
F F T
P Q P OR Q
T T T
T F T
F T T
F F F
P Q P Q
T T T
T F F
F T F
F F T
18
5.2. LIST
Struktur sederhana untuk representasi pengetahuan
Daftar dari rangkaian materi yang terkait
List digunakan untuk objek yang dikelompokkan,
dikategorikan atau digabungkan
19
5.3. TREE / POHON
Struktur sederhana untuk representasi pengetahuan
Merupakan struktur grafik hirarki
20
5.4. JARINGAN SEMANTIK
Struktur sederhana untuk representasi pengetahuan grafis yang menunjukkan hubungan antar berbagai objek
21
5.5. FRAME
Frame kumpulan pengetahuan tentang suatu objek tertentu, peristiwa, lokasi, situasi, berdasarkan pengalaman
Frame memiliki slot yang menggambarkan rincian (atribut) dan karakteristik objek.
Hirarki Frame susunan hirarki dari frame mengijinkan pewarisan frame
22
HIRARKI FRAME
23
HIRARKI FRAME
24
5.6 TABEL KEPUTUSAN (DECISION TABLE)
Tabel keputusan dalam format tabel Tabel dibagi 2 bagian pertama untuk atribut & bagian
kedua untuk nilai & kesimpulan
25
5.7. POHON KEPUTUSAN (DECISION TREE)
Pohon keputusan mudah dikonversi ke dalam bentuk aturan (rule)
Contoh : Gejala Utama : Daun Menguning (GU1)
No Penyakit Gejala pendukung Tanda
G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 T1 T2 T3
1. Embun tepung
2. Damping off
3. Embun Jelaga
4. Karat puru
5. Antraknosa
6. Busuk akar x x x x x x
7. Madu x x x x X 8. Kanker
Kaidah 1. IF daun menguning AND daun pucat AND daun rontok AND layu AND
terdapat tubuh buah AND terdapat miselium AND terdapat spora THEN busuk akar
Kaidah 2. IF daun menguning AND daun pucat AND daun rontok AND layu AND
terdapat miselium AND terdapat spora THEN madu
5.8. 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
28
NASKAH (SCRIPT)
Naskah sama dengan frame, bedanya menggambarkan urutan peristiwa
Elemen script meliputi : 1. Kondisi input kondisi yang harus dipenuhi
2. Track variasi yang mungkin terjadi
3. Prop berisi objek-objek pendukung
4. Role peran yang dimainkan oleh seseorang
5. Scene adegan yang dimainkan
6. Hasil kondisi yang ada setelah urutan peristiwa dalam script terjadi.
29
CONTOH NASKAH (SCRIPT)
Berikut ini adalah contoh script kejadian yang ada di “Ujian Akhir”
Jalur (track) : ujian tertulis matakuliah Kecerdasan Buatan
Role (peran) : mahasiswa, pengawas
Prop (pendukung) : lembar soal, lembar jawab, presensi, pena, dll
Kondisi input : mahasiswa terdaftar untuk mengikuti ujian Adegan (scene) -1 : Persiapan pengawas
Pengawas menyiapkan lembar soal
Pengawas menyiapkan lembar jawab
Pengawas menyiapkan lembar presensi
Adegan-2 : Mahasiswa masuk ruangan
Pengawas mempersilahkan mahasiswa masuk
Pengawas membagikan lembar soal
Pengawas membagikan lembar jawab
Pengawas memimpin doa
30
Adegan – 3 : Mahasiswa mengerjakan soal ujian
Mahasiswa menuliskan identitas di lembar jawab
Mahasiswa menandatangai lembar jawab
Mahasiswa mengerjakan soal
Mahasiswa mengecek jawaban
Adegan – 4 : Mahasiswa telah selesai ujian
Pengawas mempersilahkan mahasiswa keluar ruangan
Mahasiswa mengumpulkan kembali lembar jawab
Mahasiswa keluar ruangan
31
Adegan – 5 : Mahasiswa mengemasi lembar jawab
Pengawas mengurutkan lembar jawab
Pengawas mengecek lembar jawab dan presensi
Pengawas meninggalkan ruangan
Hasil :
Mahasiswa merasa senang dan lega
Mahasiswa merasa kecewa
Mahasiswa pusing
Mahasiswa memaki – maki
Mahasiswa sangat bersyukur
SCHEMAS: SCRIPTS
5.9. 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
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
35
2 metode penalaran yang menggunakan aturan : Forward Reasoning (penalaran maju)
Pelacakan dimulai dari keadaan awal (informasi atau fakta yang ada) dan kemudian dicoba untuk mencocokkan dengan tujuan yang diharapkan
Gunakan jika jumlah keadaan awal lebih kecil daripada tujuan & kejadian itu berupa fakta baru
Backward Reasoning (Penalaran mundur) Penalaran dimulai dari tujuan atau hipotesa,
baru dicocokkan dengan keadaan awal atau fakta-fakta yang ada.
Jika jumlah keadaan awal lebih banyak daripada tujuan
Jika kejadian itu berupa query
36
CONTOH FORWARD REASONING
R1 : IF suku bunga turun THEN harga obligasi naik
R2 : IF suku bunga naik THEN harga obligasi turun
R3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubah
R4 : IF dolar naik THEN suku bunga turun
R5 : IF dolar turun THEN suku bunga naik
R6 : IF harga obligasi turun THEN beli obligasi
Apabila diketahui bahwa dolar turun, apa keputusan yang diambil, apakah akan membeli obligasi atau tidak
Forward Reasoning :
Dari fakta dolar turun,
berdasarkan Rule 5, diperoleh konklusi suku bunga naik.
Dari Rule 2, suku bunga naik menyebabkan harga obligasi turun.
Dengan Rule 6, jika harga obligasi turun, maka kesimpulan yang diambil adalah membeli obligasi.
37
CONTOH BACKWARD REASONING
R1 : IF suku bunga turun THEN harga obligasi naik
R2 : IF suku bunga naik THEN harga obligasi turun
R3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubah
R4 : IF dolar naik THEN suku bunga turun
R5 : IF dolar turun THEN suku bunga naik
R6 : IF harga obligasi turun THEN beli obligasi
Apabila diketahui bahwa dolar turun, apa keputusan yang diambil, apakah akan membeli obligasi atau tidak
Backward Reasoning : Dari solusi yaitu membeli obligasi
dengan menggunakan Rule 6 diperoleh anteseden harga obligasi turun
Dari Rule 2 dibuktikan harga obligasi turun bernilai benar jika suku bunga naik bernilai benar .
Dari Rule 5 suku bunga naik memang bernilai benar karena diketahui fakta dolar turun.
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