Download Representasi pengetahuan 1

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 dan
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 pengalamanpengalaman 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
Inputs
Knowledge
base
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 McCulloch dan Walter Pits menemukan
boolean model untuk otak, bernaa PERCEPTRON (JST pertama),
McCarthy disebut father of AI
• 1952 – 1969: Newell dan Simon menemukan General Problem
Solver, McCarthy 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 dan 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
Inputs
Knowledge
base
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
Q
P OR Q
T
T
T
T
T
T
T
F
F
T
F
T
F
T
F
F
T
T
F
F
F
F
F
F
P
Q
P  Q
P
Q
PQ
T
T
T
T
T
T
T
F
F
T
F
F
F
T
T
F
T
F
F
F
T
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)
PROLOG
Predicate
(assertion)
Argument
(object)
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
x[ Javanesex  Indonesian x]
– Some cars are red
x [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 pengalamanpengalaman
• 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, 1957Chomsky, 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
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