1. Pengetahuan
Berbasis Agen
AGENT adalah sesuatu
yang dapat mengesan ( percieving ) lingkungan (environment) nya
melalui sensors dan bertindak ( Acting ) terhadap lingkungan tersebut
melalui actuators.
Dalam kecerdasan
buatan, intelligent agent (IA) adalah sebuah entitas otonom yang mengamati dan
bertindak atas lingkungan (yaitu membutuhkan agen) dan mengarahkan aktivitasnya
untuk mencapai tujuan yaitu rasional.Intelligent agen juga dapat belajar
atau menggunakan pengetahuan untuk mencapai tujuan mereka. Russell & Norvig
(2003) mengartikan Rational Agent yang mengerjakan segala sesuatu hal
dengan benar.
Selanjutnya saya akan
membahas tentang PEAS. PEAS adalah singkatan dari Performance Measure,
Environment, Actuators, dan Sensor. Dimana harus dispesifikasikan terlebih
dahulu mengenai rancangan intelligent agent.
Lalu tipe tipe agent
yang terdapat dalam intelegent agent ada 5 tipe, yaitu:
1. Simple Reflex Agents
2. Model Based Reflex
Agents
3. Goal-Based Agents
4. Utility-Based Agents
5. Learning Agents
2. Logika
Logic merupakan jantung
dari program, para pemrogram mempunyai keyakinan bahwa sebuah computer dapat
dibuat mengerti logika, maka computer dapat dibuat untuk berfikir, karena
logika kelihatannya menjadi inti dari kecerdasan.
1. Problem solving
agent hanya bisa menyelesaikan masalah yang lingkungannya accessible
2. Kita
membutuhkan agen yang dapat menambah pengetahuan dan menyimpulkan keadaan
3. Agent
yang akan membantu seperti ini kita beri nama knowledge based agent
Knowledge based agent
Komponen utama dari
knowledge based agent adalah knowledge basenya. Knowledge base (KB) adalah
kumpulan representasi fakta tentang lingkungan atau dunia yang berhubungan atau
menjadi daerah bekerjanya agen. Setiap representasi dalam KB disebut sebagai
sebuah sentence yang diekspresikan dalam sebuah bahasa yakni knowledge
representation language
1. Representasi
Pengetahuan yang bersifat general.
2. Kemampuan
beradaptasi sesuai temuan fakta.
3. Kemampuan
menyimpulkan sesuatu dari pengetahuan yang sudah ada.
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.
Pengetahuan yang
dimiliki agent tidak berguna jika ia tidak melakukan apapun Karenanya kita
perlu menambahkan aturan agar dia dapat bergerak (complete the knowledge base).
Beberapa tahapan yang
dilakukan dalam menyusun knowledge based agent:
·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.
3.Logika Proposisi
Proposional logic
berupa kalimat-kalimat lengkap dari fakta atau kenyataan, atau bisa dikatakan
sebuah propositional logic bisa merupakan sebuah proposisi adalah kalimat yang
berbentuk dengan sendirinya, apakah kalimat itu bernar atau kalimat itu salah.
Propositional logic merupakan operator-operator untuk menghubungkan
proposisi-proposisi dalam bentuk, ungkapan dan ekspresi, sebagai kata
penyambung logika.
Penggunaan dari
propositional logic sebagai langkah atau cara mempresentasikan dari pengetahuan
dunia yang diperlukan dari sebuah sistem yang sudah terorganisir (AI).
Ekspresi-ekspresi dibentuk menurut semua tata bahasa sederhana, dan ekspresi
yang sesuai dengan tata bahasa ini disebut well formed formulae (wffs). Tanda
kurung digunakan untuk membuat kelas urutan dari penempatan nilai kebenaran,
jika tidak yang lain jelas. Suatu well formed formulae merupakan salah satu
proposisi atau akan memiliki salah satu bentuk.
SINTAKS
Seringkali kita
mendengar sintak dalam istilah pemrograman. Namun, terkadang kita tidak
mengetahui dengan jelas apa arti sintak sebenarnya.
Sintak sebuah
bahasa berhubungan dengan struktur bahasa. Sebagai contoh, untuk membentuk
sebuah kalimat yang valid dalam bahasa kita memakai struktur: [subyek] + [kata
kerja] + [kata benda]. Dengan memakai struktur ini, kita bisa membentuk
kalimat, sebagai contoh: Saya makan nasi. Dalam hubungannya dengan bahasa
pemrograman, kita harus memenuhi sintak (baca: aturan struktur bahasa) agar
program dapat berjalan atau jika lebih spesifik lagi sintak dapat diartikan
aturan-aturan peng-code-an struktur suatu bahasa pemograman, ibarat grammar
dalam berbahasa Inggris. Setiap jenis bahasa pemograman mempunyai aturan sintak
yang berbeda.
Sintaks berfungsi
menyediakan bentuk-bentuk notasi untuk komunikasi antar programmer dan pemroses
bahasa pemrograman sehingga dapat mempermudah pembuatan suatu program.
Suatu bahasa
pemrograman juga dibangun berdasarkan elemen-elemen syntactic, yang dapat
membentuk suatu statement-statement dalam bahasa pemrograman. Elemen-elemen
tersebut antara lain :
a. Himpunan karakter
b. Identifier.
c. Simbol untuk
operator.
d. Keyword dan reserved
word.
e. Noise word.
f. Komentar.
g. Blank.
h. Delimiter dan tanda
kurung.
i. Ekspresi.
SEMANTIK
Sintak mendifinisikan
suatu bentuk program yang benar dari suatu bahasa. Semantic mendefinisikan arti
dari program yang benar secara sintak dari bahasa tersebut. Semantic suatu
bahasa membutuhkan semacam ekspresi untuk mengirimkan suatu nilai kebenaran (TRUE,
FALSE, NOT atau nilai integer). Dalam banyak kasus, program hanya dapat
dieksekusi jika benar, serta mengikuti aturan sintak dan semantic. Semantik
suatu bahasa pemrograman mempunyai banyak potensial / keunggulan, beberapa
diantara nya adalah :
a. Standarisasi bahasa
pemrograman.
b. Referensi untuk
user.
c. Pembuktian dari
program yang benar.
d. Referensi untuk
implementor.
e. Implementasi
otomatis.
Jika suatu rumusan
semantic sulit untuk di deskripsikan secara formal maka rumusan semantic
tersebut juga akan sulit digunakan oleh programmer.
Teknik semantic :
a. Operational semantic
b. Detonational
semantic.
c. Axiomatic semantic.
d. Algebraic semantic.
e. Structured
operational semantic atau natural semantic.
Inferensi
Inferensi pada logika
proposisi dapat dilakukan dengan menggunakan resolusi. Metode inferensi adalah
mekanisme berfikir dan pola-pola penalaran yang digunakan oleh sistem untuk
mencapai suatu kesimpulan. Metode ini akan menganalisa masalah tertentu dan
selanjutnya akan mencari jawaban atau kesimpulan yang terbaik.
Ekuivalen
Dua atau lebih
pernyataan majemuk yang mempunyai nilai kebenaran sama disebut ekuivalensi
logika dengan notasi “ dua buah pernyataan majemuk dikatakan ekuivalen,
jika kedua pernyataan majemuk itu mempunyai nilai kebenaran yang sama untuk
semua kemungkinan nilai kebenaran pernyataan-pernyataan komponen-komponennya,
terdapat formula-formula yang memiliki operator logika yang berbeda tetapi
nilai kebenaran dari formula tersebut bernilai sama, entah itu bernilai TRUE
atau FALSE.
Validitas
adalah suatu ukuran
yang menunjukkan tingkat keabsahan atau kesahihan suatu tes atau sejauh mana
ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya.
Suatu tes dikatakan
valid apabila mengukur apa yang hendak diukur. Tes memiliki validitas yang
tinggi apabila hasilnya sesuai dengan kriteria, dalam arti memiliki kesejajaran
antara tes dan kriteria.
Jenis-jenis validitas
adalah :
· Validitas
isi (Content Validity)
· Validitas
konstruk (Construct Validity)
· Validitas
Ukuran
· Validitas
Sejalan (Concurrent Validity)
Satisfiabilitas
Sebuah proposisi
majemuk dikatakan satisfiable jika ada minimal satu nilai tabel kebenarannya
yang bernilai TRUE (benar), Jika proposisi majemuk tersebut tidak memiliki
nilai TRUE (benar) sama sekali dalam tabel kebenarannya, maka proposisi majemuk
tersebut disebut tidak satisfiable.
4.Pola Penalaran
(Reasoning Pattern).
Resolusi
Resolusi adalah suatu
aturan untuk melakukan inferensi yang dapat berjalan secara efisien dalam suatu
bentuk khusus conjunctive normal form (CNF). Pada logika proposisi, prosedur
untuk membuktikan proposisi P dengan beberapa aksioma F yang telah diketahui,
dengan menggunakan resolusi.
Algoritma resolusi :
(1) Konversikan semua
proposisi F ke bentuk CNF.
(2) Negasikan P, dan
konversikan hasil negasi tersebut ke bentuk klausa. Tambahkan ke himpunan
klausa yang telah ada pada langkah 1.
(3) Kerjakan hingga
terjadi kontradiksi atau proses tidak mengalami kemajuan.
Resolusi merupakan
suatu teknik pembuktian yang lebih efisien, sebab fakta-fakta yang akan
dioperasikan terlebih dahulu dibawa ke bentuk standar yang sering disebut
dengan nama klausa. Pembuktian suatu pernyataan menggunakan resolusi ini
dilakukan dengan cara menegasikan pernyataan tersebut, kemudian dicari
kontradiksinya dari pernyataan-pernyataan yang sudah ada.
Backward Chaining
Menggunakan pendekatan
goal-driven, dimulai dari harapan apa yang akan terjadi (hipotesis) dan
kemudian mencari bukti yang mendukung (atau berlawanan) dengan harapan kita.
Sering hal ini memerlukan perumusan dan pengujian hipotesis sementara. Jika
suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan
backward chaining.
Forward Chaining
Forward chaining
merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada
solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka
proses akan menyatakan konklusi. Forward chaining adalah data-driven karena
inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh.
Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan
forward chaining.
5.Inferensi Proposisi
yang efektif.
Backtracking
Algoritma backtracking
mempunyai prinsip dasar yang sama seperti brute-force yaitu mencoba segala
kemungkinan solusi. Perbedaan utamanya adalah pada ide dasarnya, semua solusi
dibuat dalam bentuk pohon solusi (pohon ini tentunya berbentuk abstrak) dan
algoritma akan menelusuri pohon tersebut secara DFS (depth field search) sampai
ditemukan solusi yang layak. Nama backtrack didapatkan dari sifat algoritma ini
yang memanfaat karakteristik himpunan solusinya yang sudah disusun menjadi
suatu pohon solusi.
6.Agen Berbasis Logika
Proposisi
Agen logika merupakan
agen yang memiliki kemampuan bernalar secara logika. Ketika beberapa solusi
tidak secara eksplisit diketahui, maka diperlukan suatu agen berbasis logika.
Logika sebagai Bahasa Representasi Pengetahuan memiliki kemampuan untuk
merepresentasikan fakta sedemikian sehingga dapat menarik kesimpulan (fakta
baru, jawaban). Sedangkan pengetahuan merupakan komponen yang penting, sehingga
terdapat perbedaan jika diterapkan pada dua agent, yakni problem solving agent
dan knowledge-based agent.
Perbedaan dua agent,
problem solving agent dan knowledge-based agent. Problem solving agent memilih
solusi di antara kemungkinan yang ada. Apa yang ia “ketahui” tentang dunia,
pengetahuannya tidak berkembang untuk mencapai problem solution (initial state,
successor function, goal test) tetapi jika Knowledge-based agent lebih
“pintar”. Ia “mengetahui” hal-hal tentang dunia dan dapat melakukan reasoning (berpikir,
bernalar) mengenai Hal-hal yang tidak diketahui sebelumnya (imprefect/ partial
information). Tindakan yang paling baik untuk diambil (best action).
SUMBER :
0 komentar :
Posting Komentar