SAP SISTEM CERDAS Pertemuan Minggu ke-3 dan Minggu ke-4
3. Pengenalan
Logical Agents
Logic merupakan jantung dari program, para pemrogram
mempunyai keyakinan bahwa sebuah komputer dapat dibuat mengerti logika, maka komputer
dapat dibuat untuk berfikir, karena logika kelihatannya menjadi inti dari
kecerdasan.
a.
Problema solving agent hanya bisa menyelesaikan
masalah yang lingkungannya accessible
b.
Kita membutuhkan agen yang dapat menambah pengetahuan
dan menyimpulkan keadaan
c.
Agent yang akan membantu seperti ini kita beri nama
knowledge based agent
3.1
Knowledge-based agents
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
a.
Representasi Pengetahuan yang bersifat general.
b.
Kemampuan beradaptasi sesuai temuan fakta.
c.
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.
Beberapa tahapan yang dilakukan dalam menyusun knowledge
based agent:
a.
Untuk dapat menyusun sebuah knowledge based agent
maka kita harus terlebih dulu bisa menyusun knowledge basenya itu
sendiri.
b.
Untuk menyusun knowledge base kita perlu
menentukan bagaimana cara kita merepresentasikan pengetahuan kita (knowledge
representation)
c.
Knowledge representation kita harus
merupakan bentuk yang mudah disimpan dan digunakan pada komputer
3.2
Wumpus World
A.
Aturan
main Wumpus World
-
Performance
measure : emas +1000, mati -1000, gerak -1, panah -10
-
Environment
: Matriks 4x4 kamar. Initial state [1,1]. Ada gold, wumpus dan pit
yang lokasinya dipilih secara acak.
-
Percept
:
·
Breeze
: kamar di samping lubang jebakan ada hembusan angin
·
Glitter
: kamar di mana ada emas ada kilauan/sinar
·
Smell
: kamar di samping Wumpus berbau busuk
-
Action
: maju, belok kiri 90
,
kanan 90
,
tembak panah (hanya 1!), ambil benda
B.
Sifat
Wumpus World
-
(Fully)
observable ? Tidak, hanya bisa persepsi local
-
Deterministic?
Ya, hasil tindakan jelas dan pasti
-
Episodic?
Tidak, tergantung action sequence
-
Static?
Ya, gold, wumpus, pit tidak bergerak
-
Discrete?
Ya
-
Single
agent? Tidak
3.3
Logic in general – models and
entailment
A.
Logic
in general
-
Logics
adalah bahasa formal untuk mewakili informasi atau fakta sehingga (fakta baru, jawaban) kesimpulan
yang bisa ditarik.
-
Syntax
adalah aturan yang mendefinisikan kalimat yang sah dalam bahasa
-
Semantics
adalah aturan yang mendefinisikan “arti” esbuah kalimat. Misal : kebenaran
kalimat di dalam dunia.
B.
Models
-
Logicians
biasanya berpikir dalam hal model, yang mana secara resmi tersruktur dunia
sehubungan dengan kebenaran bisa dievaluasi.
-
Kami
bilang m adalah model dari kalimat
jika
di m
-
M(
)
adalah himpunan semua model
C.
Entailment
-
Entailment
berarti sesuatu fakta bisa disimpulkan dari (kumpulan) fakta lain.
-
KB
|=
: KB entails sentence
jhj
true dalam semua “dunia” di mana KB true
4.
Metode Pencarian dan Pelacakan 1
Pelacakan adalah teknik untuk pencarian. Didalam
pencarian ada dua kemungkinan hasil yang didapat yaitu menemukan dan tidak menemukan.
Sehingga pencarian merupakan teknik yang penting dalam AI. Hal penting dalam
menentukan keberhasilan sistem berdasarkan kecerdasan adalah kesuksesan dalam
pencarian dan pencocokan. Pencarian adalah suatu proses mencari solusi dari
suatu permasalahan melalui sekumpulan kemungkinan ruang keadaan (state place).
Ruang keadaan merupakan suatu ruang yang berisi semua keadaan yang mungkin.
4.1
Metode Pencarian Buta (Blind
Search) :
4.1.1
Breadth First Search (Pencarian
Melebar Pertama)
Pencarian melebar pertama dilakukan dengan melakukan
pencarian dengan cara mencari yang dilakukan dengan cara melebar dari node
pertama hingga berlanjut kepada node di level selanjutnya. Dimulai pada node n,
dan dilanjutkan n+1. Pencarian akan terus dilakukan dari akar kiri ke kanan
hingga hasil ditemukan.
-
Keuntungan
1.
Tidak akan menemui jalan buntu
- Jika ada satu solusi, maka breadth first akan menemukannya. Dan jika ada lebih dari satu solusi, maka solusi minimum akan ditemukan.
-
Kekurangan
1.
Membutuhkan memori yang cukup banyak, karena menyimpan semua
node dalam satu pohon.
- Membutuhkan waktu yang cukup lama karena akan menguji n level untuk mendapatkan solusi pada level yang ke-(n+1)
4.1.2
Depth First Search (Pencarian
Mendalam Pertama)
Pencarian metode ini melakukan pencarian pada semua
node "anaknya" sebelum dilakukan pencarian ke node-node lain yang
selevel. Pencarian dimulai dari node akar ke level yang lebih tinggi, dan
proses terus diulang hingga solusi ditemukan. Keuntungan dari metode ini adalah
menggunakan memori yang relatif kecil, dan jika pencarian tepat, akan menemukan
solusi tanpa harus menguji lebih banyak node. Namun, metode ini tetap memiliki
kelemahan, yaitu memungkinkan hasil tidak ditemukan, dan setiap 1 kali
pencarian hanya akan menghasilkan satu solusi.
4.2
Metode Pencarian Heuristik
(Pencarian Tersusun)
Pencarian tersusun atau pencarian heuristik
merupakan suatu teknik yang digunakan untuk meningkatkan efisiensi dalam proses
pencarian. Metode heuristik menggunakan suatu fungsi yang menghitung biaya
perkiraan dari suatu simpul tertentu menuju ke simpul tujuan. Dalam pencarian
state space, heuristik adalah aturan untuk memilih cabang-cabang yang paling
mungkin menyebabkan penyelesaian permasalahan dapat diterima.
4.2.1
Generate and Test
Ini adalah gabungan dari pencarian depth first dengan
pelacakan mundur. Nilai dari pengujian ini berupa "ya" atau
"tidak". Pencarian ini memiliki beberapa algoritma, yaitu :
-
Bangkitkan suatu kemungkinan solusi (membangkitkan suatu
titik tertentu atau lintasan tertendu dari keadaan awal).
-
Uji untuk melihat apakah node tersebut benar-benar merupakan
solusinya dengancara membandingkan node tersebut atau node akhir dari suatu
lintasan yang dipilih merupakan tujuan yang diharapkan.
Kelemahan dari generate and test adalah perlunya membangkitkan
semua kemungkinan sebelum dilakukan pengujian, serta membutuhkan waktu yang
cukup lama dalam pencarian.
4.2.2
Hill Climbing
Metode ini hampir sama dengan generate and test,
perbedaannya ada pada feedback dari prosedur test untuk pembangkitan keadaan berikutnya.
Tes yang dilakukan berupa fungsi heuristik akan menunjukkan seberapa baik nilai
terkaan yang diambil terhadap keadaan lain yang memungkinkan. Algoritma dari
pencarian ini adalah :
1. Mulai dari keadaan awal, jika
merupakan tujuan, maka berhenti; tapi jika tidak, lanjutkan dengan keadaan
sekarang sebagai keadaan awal.
2. Kerjakan langkah-langkah berikut
hingga solusinya ditemukan, atau hingga tidak ada lagi operator baru yang
diaplikasikan pada keadaan sekarang :
-
Cari operator yang belum pernah digunakan sebagai operator
untuk keadaan baru
-
Evaluasi keadaan baru tersebut
- jika keadaan baru adalah tujuan, keluar.
- jika bukan tujuan namun nilai lebih baik, keadaan baru akan digunakan sebagai keadaan sekarang.
- jika keadaan baru tidak lebih baik, maka lanjutkan interasi.
Kelemahan pada sistem ini adalah algoritma akan berhenti
ketika mencapai optimum local, urutan penggunaan operator akan sangat
berpengaruh, dan tidak diijinkan untuk melihat langkah sebelumnya.
Sumber :
Senin, Oktober 17, 2016 |
Category:
Logical Agent,
Metode Pencarian dan Pelacakan,
Sistem Cerdas,
Softskill
|
0
komentar
Comments (0)