1 / 54

Pertemuan IX

Pertemuan IX. Introduction to Logic Propositional Logic. Logical Intelligent Agent. Problem solving agent hanya bisa menyelesaikan masalah yang lingkungannya accessible Kita membutuhkan agen yang dapat menambah pengetahuan dan menyimpulkan keadaan

yardley
Download Presentation

Pertemuan IX

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Pertemuan IX Introduction to Logic Propositional Logic

  2. Logical Intelligent Agent • Problem solving agent hanya bisa menyelesaikan masalah yang lingkungannya accessible • Kita membutuhkan agen yang dapat menambah pengetahuan dan menyimpulkan keadaan • Agent seperti ini kita beri nama knowledge based agent

  3. Knowledge based agent • Representasi Pengetahuan yang bersifat general. • Kemampuan beradaptasi sesuai temuan fakta. • Kemampuan menyimpulkan sesuatu dari pengetahuan yang sudah ada.

  4. Knowledge based agent E N V I R O N M E N T Basis Pengetahuan(Knowledge Base) Mesin Inferensi(Inference Engine) percept Mula-mula berisi background knowledge pengetahuan Persepsi yang diterima Diubah menjadi pengetahuan Berdasarkan pengetahuan yang dimiliki aksi Agen memilih aksi yang tepat (inferensi) Hasil dari aksi disimpan kembali dalam bentuk pengetahuan

  5. 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

  6. Knowledge Based Agent • Inferensi adalah proses menyimpulkan fakta dari fakta fakta yang sudah ada di KB • KB agent memiliki pengetahuan dasar yang disebut sebagai background knowledge

  7. Robot Sonar

  8. Agent Control Architecture • Control dipisahkan ke dalam lapisan-lapisan yang merespons tingkah laku

  9. Contoh Control Architecture

  10. Generic KB-Agent

  11. KB agent level • Knowledge level / epistemological layer • Logical level • Implementation level

  12. Syarat Representasi KB • Representational Adequacykemampuan merepresentasikan semua pengetahuan yang dibutuhkan dalam domainnya • Inferential Adequacykemampuan memanipulasi struktur pengetahuan untuk membentuk struktur baru dalam menampung pengetahuan baru hasil inferensi • Inferential Efficiencykemampuan untuk manambahkan informasi untuk mempercepat pencarian dalam inferensi • Acquisitional Efficiencykemampuan untuk menambah informasi baru secara mudah

  13. The Wumpus World

  14. Wumpus World Description • Environment sederhana, berguna untuk menguji dan menjelaskan logical agent. • Gua gelap dengan banyak ruangan yang dihubungkan dengan lorong-lorong. • Agent masuk ke gua untuk mengambil emas yang ada di salah satu ruangan. • Wumpus (monster) bersembunyi di salah satu ruangan. Jika agent bertemu, ia akan menjadi santapannya. • Terdapat ruang-ruang yang memiliki lubang jebakan yang dapat membunuh agent. • Agen hanya punya 1 panah yang bisa membunuh wumpus dari jarak jauh.

  15. 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 tersebut ada Wumpus PEAS Description

  16. Actuators: Left turn, Right turn, Forward, Grab, Release, Shoot Sensors: Breeze, Glitter, Smell, Bump (jika agent menabrak tembok), Scream (jika wumpus mati) Wumpus PEAS Description

  17. 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 dst. Knowledge Base Wumpus World

  18. Tak ada angin dan bau di (1,1) maka tak ada Wumpus dan lubang di (2,1) dan (1,2) Maju ke (2,1) Ada angin di (2,1) maka ada lubang di (2,2) atau (3,1) Tak ada bau di (2,1) maka tak ada Wumpus di (2,2) dan (3,1) Mundur ke (1,1) Maju ke (1,2) Ada bau di (1,2) maka ada Wumpus di (3,1) (karena tidak ada Wumpus di (2,2)) Contoh Inferensi

  19. Exploring Wumpus World

  20. Exploring Wumpus World

  21. Exploring Wumpus World

  22. Exploring Wumpus World

  23. Exploring Wumpus World

  24. Exploring Wumpus World

  25. Exploring Wumpus World

  26. Exploring Wumpus World

  27. Breeze di (1,2) dan (2,1)  tidak ada aksi yang aman Jika distribusi peluang lubang seragam, maka kemungkinan lubang ada di (2,2) lebih besar daripada (1,3)/(3,1) Smell di (1,1)  wumpus ada di (1,2) atau (2,1),agent tidak dapat bergerak. bisa menggunakan strategi:panah lurus ke depan ada wumpus  wumpus mati  aman tidak ada wumpus  aman Kasus Sulit

  28. What’s 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

  29. Logika formal adalah salah satu bahasa untuk merepresentasikan informasi sehingga kesimpulan dapat diambil. Sintaks mendefinisikan kalimat dalam bahasa. Semantik mendefinisikan “arti” dari kalimat(kebenaran dari kalimat tersebut di dunia nyata) 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 Logika Formal

  30. Entailment artinya satu hal benar yang mengikuti dari kenyataan lainnya:KB Knowledge Base KB entails  jika dan hanya jika  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

  31. 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  8 kemungkinan Entailment dalam Wumpus World

  32. Entailment dalam Wumpus World

  33. KB i  jika metode inferensi i dapat menurunkan  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

  34. 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  yang diturunkandari KB dengan metode inferensi yang sound juga benar di dunia nyata. Jadi proses inferensi berkorespondensi langsung dengan hubungan yang terjadi di dunia nyata Inferensi

  35. Simbol proposisi P1, P2, P3, dll adalah kalimat Setiap kalimat bisa bernilai benar (true) atau salah (false). Negasi :  S Konjungsi : S1 S2 Disjungsi : S1  S2 Implikasi : S1  S2 Bi-kondisional : S1  S2 Logika Proposisi

  36. Tabel Kebenaran: Logika Proposisi

  37. Px,y : ada lubang di (x,y) Wx,y : ada Wumpus di (x,y) Sx,y : ada bau di (x,y) Bx,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  P2,1) R3: B2,1  (P1,1  P2,2  P3,1) R4: B1,1 tidak ada angin di (1,1) R5: B2,1 ada angin di (2,1) Logika Proposisi dalam Wumpus World

  38. Coba seluruh kombinasi nilai untuk semua variabel: Untuk setiap KB yang benar, periksa nilai  Kompleksitas waktu O(2n) Inferensi dengan Tabel Kebenaran

  39. Aturan-aturan Logika Standar

  40. 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 Metode Pembuktian

  41. Rules for propositional logic Modus Tollens And Elimination Modus Ponens And introduction Or introduction

  42. Rules for propositional logic Double negation elimination Unit Resolution Resolution Or

  43. Study Case: Please find the wumpus Example of input (facts) for Wumpus World

  44. Knowledge base (the RULES) Can be construct as many as needed!

  45. Finding the Wumpus • Apply modus ponens with ~S1,1 and sentence R1 Modus Ponens

  46. Finding the Wumpus (2) • Apply And Elimination we obtain 3 fact And Elimination

  47. Finding the Wumpus (3) • Apply modus ponens to ~S2,1 and R2 and apply and elimination Modus Ponens & and elimination

  48. Finding the Wumpus (4) • Apply resolution Modus Ponens

  49. Finding the Wumpus (5) • Resolution Resolution

  50. Finding the Wumpus (6) • Resolution Resolution

More Related