Your SlideShare is downloading. ×
Slide logic agents
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Slide logic agents

409
views

Published on

kecerdasan buatan

kecerdasan buatan

Published in: Technology, Education

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
409
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
16
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-based IKI 30320: Sistem CerdasagentContoh: Kuliah 10: Logical AgentsWumpusWorldLogicPropositional Ruli ManurunglogicMetode Fakultas Ilmu Komputerpembuktian Universitas IndonesiaRingkasan 10 Oktober 2007
  • 2. Outline IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung 1 Knowledge-based agentKnowledge-basedagent 2 Contoh: Wumpus WorldContoh:WumpusWorld 3 LogicLogicPropositionallogic 4 Propositional logicMetodepembuktian 5 Metode pembuktianRingkasan 6 Ringkasan
  • 3. Outline IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung 1 Knowledge-based agentKnowledge-basedagent 2 Contoh: Wumpus WorldContoh:WumpusWorld 3 LogicLogicPropositionallogic 4 Propositional logicMetodepembuktian 5 Metode pembuktianRingkasan 6 Ringkasan
  • 4. Pentingnya pengetahuan IKI30320 Kuliah 10 10 Okt 2007 Problem solving agent: memilih solusi di antaraRuli Manurung kemungkinan yang ada. Apa yang ia “ketahui” tentangKnowledge- dunia tidak berkembang → problem solution (initialbasedagent state, successor function, goal test)Contoh:Wumpus Knowledge-based agent: lebih “pintar”. Ia “mengetahui”World hal-hal tentang dunia dan dapat melakukan reasoningLogic (berpikir, bernalar) mengenai:Propositional Hal-hal yang tidak diketahui sebelumnyalogic (imperfect/partial information)Metodepembuktian Tindakan yang paling baik untuk diambilRingkasan Inference engine domain−independent algorithms Knowledge base domain−specific content
  • 5. Knowledge-based agent IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Knowledge Base: apa yang “diketahui” oleh si agentKnowledge- Pendekatan deklaratif membangun agent: “beritahu”basedagent informasi yang relevan, simpan dalam KB → (T ELL).Contoh:Wumpus Agen dapat ditanya (atau bertanya diri sendiri) apaWorld yang sebaiknya dilakukan berdasarkan KB → (A SK).Logic Sebuah knowledge-based agent harus bisa:Propositionallogic Merepresentasikan world, state, action, dst.Metode Menerima informasi baru (dan meng-updatepembuktian representasinya)Ringkasan Menyimpulkan pengetahuan lain yang tidak eksplisit (hidden property) Menyimpulkan action apa yang perlu diambil
  • 6. Knowledge Base IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Knowledge Base:Knowledge-based Himpunan representasi fakta yang diketahui tentangagent lingkungannyaContoh:Wumpus Tiap fakta disebut sentence.World Dinyatakan dalam bahasa formal → bisa diolahLogic T ELL: menambahkan sentence baru ke KB.Propositionallogic Inference Engine:Metode Menentukan fakta baru yang dapat diturunkan daripembuktian pengetahuan yang sudah ada dalam KB.Ringkasan Menjawab pertanyaan (A SK) berdasarkan KB yang sudah.
  • 7. Representasi IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Agent dapat dipandang dari knowledge level: informasi apa yang diketahuinya? Mis: sebuah robotKnowledge-based “mengetahui” bahwa gedung B ada di antara gedung Aagent dan gedung C.Contoh:Wumpus Agent dapat dipandang dari implementation level:World bagaimana representasi informasi yang diketahuinya?Logic Logical sentence: di_antara(gdB,gdA,gdC)Propositionallogic Natural language: “Gedung B ada di antaraMetode gedung A dan gedung C”pembuktian Tabel posisi koordinat gedung-gedungRingkasan Gambar diagram peta Fasilkom (bitmap? vector?) Pilihan representasi berpengaruh thd. apa yang bisa dilakukan oleh inference engine.
  • 8. Pendekatan deklaratif vs. prosedural IKI30320 Kuliah 10 Programmer memberitahu (T ELL) agent informasi 10 Okt 2007Ruli Manurung tentang environment. Kalau informasi kurang, agent bisa melengkapinyaKnowledge-based sendiri.agentContoh: Bandingkan dengan pendekatan prosedural:Wumpus programmer secara eksplisit memrogram agent untukWorldLogic bertindak.Propositional Kalau program tidak benar ... ? (error?)logic Ini adalah masalah knowledge representation:Metodepembuktian bagaimana representasi yang tepat?Ringkasan Expressive: bisa menyatakan fakta tentang environment Tractable: bisa diolah/diproses inference engine (dg. cepat?) Knowledge is power Representation + Reasoning = Intelligence!
  • 9. Outline IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung 1 Knowledge-based agentKnowledge-basedagent 2 Contoh: Wumpus WorldContoh:WumpusWorld 3 LogicLogicPropositionallogic 4 Propositional logicMetodepembuktian 5 Metode pembuktianRingkasan 6 Ringkasan
  • 10. Aturan Main Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Performance measure: emas +1000, mati -1000, gerak -1, panah -10 4 Stench Breeze PITKnowledge-based Environment: Matriks 4x4 kamar.agent Initial state [1,1]. Ada gold, wumpus Breeze BreezeContoh: dan pit yang lokasinya dipilih secara 3 Stench PITWumpusWorld acak. GoldLogic Percept: 2 Stench BreezePropositional Breeze: kamar di samping lubanglogic jebakan ada hembusan anginMetode Glitter: kamar di mana ada emas ada 1 Breeze PIT Breezepembuktian kilauan/sinar STARTRingkasan Smell: kamar di samping Wumpus 1 2 3 4 berbau busuk Action: maju, belok kiri 90◦ , kanan 90◦ , tembak panah (hanya 1!), ambil benda
  • 11. Sifat Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-based (Fully) observable? Tidak, hanya bisa persepsi lokalagentContoh: Deterministic? Ya, hasil tindakan jelas & pastiWumpusWorld Episodic? Tidak, tergantung action sequenceLogic Static? Ya, gold, wumpus, pit tidak bergerakPropositionallogic Discrete? YaMetodepembuktian Single agent? TidakRingkasan
  • 12. Menjelajahi Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-basedagentContoh:WumpusWorldLogicPropositionallogic OKMetodepembuktianRingkasan OK OK A
  • 13. Menjelajahi Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-basedagentContoh:WumpusWorldLogicPropositionallogic B OKMetodepembuktian ARingkasan OK OK A
  • 14. Menjelajahi Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-basedagentContoh: P?WumpusWorldLogicPropositionallogic B OK P?Metodepembuktian ARingkasan OK OK A
  • 15. Menjelajahi Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-basedagentContoh: P?WumpusWorldLogicPropositionallogic B OK P?Metodepembuktian ARingkasan OK S OK A A
  • 16. Menjelajahi Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-basedagentContoh: P?WumpusWorldLogic PPropositionallogic B OK P?Metode OKpembuktian ARingkasan OK S OK A A W
  • 17. Menjelajahi Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-basedagentContoh: P?WumpusWorldLogic PPropositionallogic B OK P?Metode OKpembuktian A ARingkasan OK S OK A A W
  • 18. Menjelajahi Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-basedagentContoh: P? OKWumpusWorldLogic PPropositionallogic B OK P? OKMetode OKpembuktian A ARingkasan OK S OK A A W
  • 19. Menjelajahi Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-basedagentContoh: P? OKWumpusWorldLogic PPropositionallogic B OK P? BGS OKMetode OKpembuktian A A ARingkasan OK S OK A A W
  • 20. Outline IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung 1 Knowledge-based agentKnowledge-basedagent 2 Contoh: Wumpus WorldContoh:WumpusWorld 3 LogicLogicPropositionallogic 4 Propositional logicMetodepembuktian 5 Metode pembuktianRingkasan 6 Ringkasan
  • 21. Knowledge representation language IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-based Knowledge representation language (KRL): bahasaagent yang digunakan untuk menyatakan fakta tentangContoh:Wumpus “dunia”.WorldLogic Syntax: aturan yang mendefinisikan sentence yang sahPropositional dalam bahasalogicMetode Semantics: aturan yang mendefinisikan “arti” sebuahpembuktian sentence, mis: kebenaran sentence di dalam duniaRingkasan
  • 22. Contoh KRL: bahasa aritmetika IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-basedagent Syntax:Contoh: x + 2 ≥ y adalah kalimat sah.Wumpus x2 + y ≥ bukan kalimat sah.WorldLogic Semantics: x + 2 ≥ y benar jhj bilangan x + 2 tidakPropositional lebih kecil dari bilangan y :logic x + 2 ≥ y benar dalam “dunia” di mana x = 7, y = 1Metodepembuktian x + 2 ≥ y salah dalam “dunia” di mana x = 0, y = 6Ringkasan
  • 23. Contoh KRL: bahasa Indonesia IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge- Syntax:basedagent “Jakarta adalah ibukota Indonesia” adalah kalimat sah.Contoh: “Ibu Indonesia kota Jakarta adalah” bukan kalimat sah.WumpusWorld Semantics: “X adalah ibukota Y ” benar jhj X adalahLogic pusat pemerintahan negara Y .Propositional “Jakarta adalah ibukota Indonesia” benar dalam “dunia”logic kita sekarang.Metodepembuktian “Jakarta adalah ibukota Indonesia” salah dalam “dunia”Ringkasan th. 1948 (Yogya? Bukittinggi?).
  • 24. Logika sebagai KRL IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge-based Logics: bahasa formal untuk merepresentasikan faktaagent sedemikian shg. kesimpulan (fakta baru, jawaban)Contoh:Wumpus dapat ditarik.WorldLogic Ada banyak metode inference yang diketahui.Propositionallogic Kita bisa membangun agent Wumpus World denganMetode logika: memanfaatkan perkembangan logika oleh ahlipembuktian matematika, filsafat selama ratusan tahun!Ringkasan
  • 25. Entailment IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Entailment berarti sesuatu fakta bisa disimpulkan dariKnowledge-based (kumpulan) fakta lain.agentContoh: KB |= α: KB entails sentence α jhj α true dalam semuaWumpusWorld “dunia” di mana KB true.Logic Contoh:Propositional KB mengandung sentence “Anto ganteng” dan “Anilogic cantik”.Metodepembuktian KB |= α1 : “Anto ganteng dan Ani cantik”Ringkasan KB α2 : “Anto pintar” x + y = 4 |= 4 = x + y
  • 26. Inference/reasoning IKI30320 Kuliah 10 Inference, atau reasoning: pembentukan fakta 10 Okt 2007Ruli Manurung (sentence) baru yang meng-entail fakta-fakta lama. Reasoning bukan dilakukan pada fakta di duniaKnowledge-based (semantics), melainkan representasi fakta dalam KRLagent si agent (syntax).Contoh:WumpusWorld Otak manusia melakukan proses reasoning dalamLogic suatu bentuk syntax!Propositionallogic Sentences SentenceMetode Entails Semantics Semanticspembuktian RepresentationRingkasan World Aspects of the Aspect of the real world Follows real world
  • 27. Model IKI30320 Kuliah 10 Model: sebuah “dunia” di mana kebenaran suatu 10 Okt 2007 sentence bisa diuji.Ruli Manurung m adalah model α jika α true di “dalam” m.Knowledge- M(α) adalah himpunan semua model dari αbasedagent KB |= α jhj M(KB) ⊆ M(α)Contoh:Wumpus Mis:World KB= Anto ganteng dan Ani cantik.Logic α = Anto ganteng.Propositionallogic x x x xMetode x xpembuktian x x x M( ) x x x xRingkasan x x x x x x x x x x x x x x x x xx x xx x x x x x x M(KB) x x x x x x x
  • 28. Entailment dalam Wumpus World IKI30320 Kuliah 10 Setelah melihat [1,1] OK, [2,1] Breeze: 10 Okt 2007Ruli ManurungKnowledge-basedagentContoh:WumpusWorldLogicPropositionallogicMetode ? ?pembuktian BRingkasan A A ? Model jebakan di [2,1],[2,2],[3,1]: 3 pilihan boolean → 8 kemungkinan model.
  • 29. Model (sebagian) Wumpus World IKI30320 Kuliah 10 10 Okt 2007 2 PIT 2Ruli Manurung Breeze 1 Breeze 1 PIT 1 2 3Knowledge- 1 2 3basedagentContoh: 2 PIT 2 PITWumpus 2 BreezeWorld 1 Breeze 1 PIT Breeze 1 1 2 3Logic 1 2 3 1 2 3Propositionallogic 2 PIT PIT 2 PITMetode 1 Breeze Breezepembuktian 1 PIT 2 PIT PIT 1 2 3 1 2 3Ringkasan Breeze 1 PIT 1 2 3
  • 30. Model (sebagian) Wumpus World IKI30320 Kuliah 10 10 Okt 2007 2 PIT 2Ruli Manurung Breeze 1 Breeze 1 PIT 1 2 3Knowledge- 1 2 3based KBagentContoh: 2 PIT 2 PITWumpus 2 BreezeWorld 1 Breeze 1 PIT Breeze 1 1 2 3Logic 1 2 3 1 2 3Propositionallogic 2 PIT PIT 2 PITMetode 1 Breeze Breezepembuktian 1 PIT 2 PIT PIT 1 2 3 1 2 3Ringkasan Breeze 1 PIT 1 2 3 KB = pengamatan (percept) + aturan main Wumpus World
  • 31. Model (sebagian) Wumpus World IKI30320 Kuliah 10 10 Okt 2007 2 PIT 2Ruli Manurung Breeze 1 Breeze 1 PIT 1 2 3Knowledge- 1 2 3based KBagent 1Contoh: 2 PIT 2 PITWumpus 2 BreezeWorld 1 Breeze 1 PIT Breeze 1 1 2 3Logic 1 2 3 1 2 3Propositionallogic 2 PIT PIT 2 PITMetode 1 Breeze Breezepembuktian 1 PIT 2 PIT PIT 1 2 3 1 2 3Ringkasan Breeze 1 PIT 1 2 3 α1 = “Kamar [1,2] aman”, KB |= α1 , dibuktikan dengan model checking: periksa semua kemungkinan M(KB), M(α1 )
  • 32. Model (sebagian) Wumpus World IKI30320 Kuliah 10 10 Okt 2007 2 PIT 2Ruli Manurung Breeze 1 Breeze 1 PIT 2 1 2 3Knowledge- 1 2 3based KBagent 2 PITContoh: 2 PIT 2Wumpus 1 Breeze PITWorld 1 Breeze Breeze 1 1 2 3 1 2 3Logic 1 2 3Propositional 2 PIT PITlogic 2 PIT BreezeMetode 1 Breeze PIT 1 2 PIT PITpembuktian 1 2 3 1 2 3 BreezeRingkasan 1 PIT 1 2 3 α2 = “Kamar [2,2] aman”, KB α2
  • 33. Inference IKI30320 Kuliah 10 Inference adalah proses/algoritma yang “menurunkan” 10 Okt 2007Ruli Manurung fakta baru dari fakta-fakta lama. KB i α: sentence α bisa diturunkan dari KB olehKnowledge-based prosedur iagent Soundness: i dikatakan sound jika untuk semuaContoh:Wumpus KB i α, KB |= α benarWorldLogic Completeness: i dikatakan sound jika untuk semuaPropositional KB |= α, KB i α benarlogicMetode Preview!pembuktianRingkasan Kita akan melihat sebuah logic, first-order logic, yang cukup ekspresif untuk menyatakan fakta-fakta, dan memiliki prosedur inference yang sound dan complete! Prosedur ini bisa menjawab semua pertanyaan yang jawabannya “terkandung” dalam KB.
  • 34. Outline IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung 1 Knowledge-based agentKnowledge-basedagent 2 Contoh: Wumpus WorldContoh:WumpusWorld 3 LogicLogicPropositionallogic 4 Propositional logicMetodepembuktian 5 Metode pembuktianRingkasan 6 Ringkasan
  • 35. Propositional logic IKI30320 Kuliah 10 10 Okt 2007Ruli ManurungKnowledge- Propositional logic adalah logic yang paling sederhanabasedagent Sebuah sentence dinyatakan sebagai propositionalContoh: symbol P1 , P2 , dst.WumpusWorld SyntaxLogicPropositional Jika S adalah kalimat, ¬S adalah kalimat (negation)logic Jika S1 dan S2 adalah kalimat, S1 ∧ S2 adalah kalimat (conjunction)Metode Jika S1 dan S2 adalah kalimat, S1 ∨ S2 adalah kalimat (disjunction)pembuktian Jika S1 dan S2 adalah kalimat, S1 ⇒ S2 adalah kalimat (implication)Ringkasan Jika S1 dan S2 adalah kalimat, S1 ⇔ S2 adalah kalimat (biconditional)
  • 36. Semantics dari propositional logic IKI30320 Kuliah 10 10 Okt 2007 Sebuah model memberi menilai true/false terhadap setiapRuli Manurung proposition, mis: P1,2 P2,2 P3,1Knowledge-based true true falseagent (Semua 8 model yang mungkin bisa dijabarkan)Contoh:WumpusWorld Aturan menentukan kebenaran sebuah kalimat terhadap m:Logic ¬S true iff S falsePropositional S1 ∧ S2 true iff S1 true and S2 truelogic S1 ∨ S2 true iff S1 true or S2 trueMetode S1 ⇒ S2 true iff S1 false or S2 truepembuktian dkl. false iff S1 true and S2 falseRingkasan S1 ⇔ S2 true iff S1 ⇒ S2 true and S2 ⇒ S1 true Sebuah proses rekursif bisa mengevaluasi kalimat sembarang: ¬P1,2 ∧ (P2,2 ∨ P3,1 ) = true ∧ (false ∨ true) = true ∧ true = true
  • 37. Kalimat representasi Wumpus World IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Semantics:Knowledge- Pi,j = true kalau ada lubang jebakan (pit) di [i, j].basedagent Bi,j = true kalau ada hembusan angin (breeze) di [i, j].Contoh:Wumpus Aturan main: kamar di samping lubang jebakan adaWorld hembusan anginLogic B1,1 ⇔ (P1,2 ∨ P2,1 )Propositional B2,1 ⇔ (P1,1 ∨ P2,2 ∨ P3,1 )logicMetode Hasil pengamatan (percept):pembuktian ¬P1,1Ringkasan ¬B1,1 B2,1
  • 38. Inference dengan truth-table IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Kita dapat membuktikan apakah KB |= α1 menggunakan truth table. Ini adalah sejenis model checking.Knowledge-based B1,1 B2,1 P1,1 P1,2 P2,1 P2,2 P3,1 KB α1agent false false false false false false false false trueContoh: false false false false false false true false trueWumpusWorld . . . . . . . . . . . . . . . . . . . . . . . . . . .Logic false true false false false false false false truePropositional false true false false false false true true truelogic false true false false false true false true trueMetodepembuktian false true false false false true true true trueRingkasan false true false false true false false false true . . . . . . . . . . . . . . . . . . . . . . . . . . . true true true true true true true false false
  • 39. Prosedur inference dengan truth-table IKI30320 Kuliah 10 10 Okt 2007 function TT-E NTAILS ?(KB, α) returns true or falseRuli Manurung symbols ← a list of the proposition symbols in KB and αKnowledge- return TT-C HECK -A LL(KB, α, symbols, [ ])basedagent function TT-C HECK -A LL(KB, α, symbols, model) returns true or falseContoh: if E MPTY ?(symbols) thenWumpus if PL-T RUE ?(KB, model) then return PL-T RUE ?(α, model)World else return trueLogic else doPropositional P ← F IRST(symbols); rest ← R EST(symbols)logic return TT-C HECK -A LL(KB, α, rest, E XTEND(P, true, model) andMetode TT-C HECK -A LL(KB, α, rest, E XTEND(P, false, model)pembuktianRingkasan Inference dengan menjabarkan seluruh truth table adalah sound dan complete. Untuk n symbol → O(2n ). NP complete ¨
  • 40. Logical equivalence IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Dua kalimat logically equivalent jhj mereka benar dalam model yang sama: α ≡ β jhj α |= β dan β |= αKnowledge-basedagent (α ∧ β) ≡ (β ∧ α) commutativity of ∧ (α ∨ β) ≡ (β ∨ α) commutativity of ∨Contoh:Wumpus ((α ∧ β) ∧ γ) ≡ (α ∧ (β ∧ γ)) associativity of ∧World ((α ∨ β) ∨ γ) ≡ (α ∨ (β ∨ γ)) associativity of ∨Logic ¬(¬α) ≡ α double-negation eliminationPropositional (α ⇒ β) ≡ (¬β ⇒ ¬α) contrapositionlogic (α ⇒ β) ≡ (¬α ∨ β) implication eliminationMetode (α ⇔ β) ≡ ((α ⇒ β) ∧ (β ⇒ α)) biconditional eliminationpembuktian ¬(α ∧ β) ≡ (¬α ∨ ¬β) de MorganRingkasan ¬(α ∨ β) ≡ (¬α ∧ ¬β) de Morgan (α ∧ (β ∨ γ)) ≡ ((α ∧ β) ∨ (α ∧ γ)) distributivity of ∧ over ∨ (α ∨ (β ∧ γ)) ≡ ((α ∨ β) ∧ (α ∨ γ)) distributivity of ∨ over ∧
  • 41. Validity dan Satisfiability IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Sebuah kalimat valid jika ia true dalam semua model Mis.: “Hari ini hujan atau hari ini tidak hujan”.Knowledge-basedagent Deduction TheoremContoh: KB |= α jika dan hanya jika (KB ⇒ α) validWumpusWorldLogic Sebuah kalimat satisfiable jika ada model di mana ia truePropositional Mis.: “Hari ini hujan”.logic Sebuah kalimat unsatisfiable jika tidak ada model di mana ia trueMetode Mis.: “Hari ini hujan dan hari ini tidak hujan”.pembuktianRingkasan Reductio ad absurdum (proof by contradiction) KB |= α jika dan hanya jika (KB ∧ ¬α) unsatisfiable
  • 42. Outline IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung 1 Knowledge-based agentKnowledge-basedagent 2 Contoh: Wumpus WorldContoh:WumpusWorld 3 LogicLogicPropositionallogic 4 Propositional logicMetodepembuktian 5 Metode pembuktianRingkasan 6 Ringkasan
  • 43. Rules of Inference IKI30320 Kuliah 10 Sebuah inference rule adalah pola syntax yang dapat menurunkan 10 Okt 2007 sebuah kalimat baru yang sah (sound).Ruli Manurung Rule yang paling terkenal adalah modus ponens:Knowledge-based α⇒β , αagent βContoh:Wumpus Contoh rule lain: and elimination:WorldLogic α∧β α∧β danPropositional α βlogic Semua logical equivalence juga bisa dipakai sebagai inference rule.Metodepembuktian Untuk membuktikan KB |= α, kita bisa mencari serangkaianRingkasan inference rule yang hasil akhirnya adalah α. Jika kita gunakan semua inference rule sebagai operator → algoritma search biasa! Seringkali bisa jauh lebih efisien dari penjabaran truth-table → tidak tergantung ukuran KB (monotonicity).
  • 44. Jenis-jenis metode pembuktian IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Secara umum, ada 2 jenis:Knowledge- Pengaplikasian inference rulebasedagent Hasilkan kalimat baru yang sah (sound) dari yang lamaContoh: Bukti (proof): serangkaian pengaplikasian inference ruleWumpusWorld Inference rule sebagai operator → algoritma search.Logic Biasanya, kalimat harus diterjemahkan ke dalam sebuah normal formPropositionallogic Model checkingMetodepembuktian Penjabaran truth table (eksponensial dalam n)Ringkasan Backtracking lebih efisien, mis: algoritma DPLL Heuristic search dalam model space (sound tapi incomplete), mis: min-conflicts hill-climbing
  • 45. Horn Form IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Horn Form: KB = conjunction of Horn ClausesKnowledge- Horn Clause:basedagent Proposition symbolContoh: (Conjunction of symbols) → symbolWumpusWorld Mis: C ∧ (B ⇒ A) ∧ (C ∧ D ⇒ B)Logic Modus ponens pada Horn Form (complete pada HornPropositionallogic KB):Metode α1 ,...,αn , α1 ∧...∧αn ⇒βpembuktianRingkasan β Bisa digunakan dengan algoritma forward chaining atau backward chaining.
  • 46. Forward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Ide dasar QKnowledge-based Aplikasikan rule yang premise-nyaagent diketahui benar dalam KB, tambahContoh:Wumpus conclusion ke dalam KB, ulangi PWorld sampai query (Q) terbukti.LogicPropositional Mis: Mlogic P⇒QMetode L∧M ⇒Ppembuktian L B∧L⇒MRingkasan A∧P ⇒L A∧B ⇒L A A B B
  • 47. Algoritma Forward Chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Algorithm Forward ChainingKnowledge-based function PL-FC-E NTAILS ?(KB, q) returns true or falseagent local variables: count, a table, indexed by clause, initially the number of premises inferred, a table, indexed by symbol, each entry initially falseContoh: agenda, a list of symbols, initially the symbols known to be trueWumpusWorld while agenda is not empty doLogic p ← P OP(agenda) unless inferred[p] doPropositional inferred[p] ← truelogic for each Horn clause c in whose premise p appears do decrement count[c]Metode if count[c] = 0 then dopembuktian if H EAD[c] = q then return true P USH(H EAD[c], agenda)Ringkasan return false
  • 48. Forward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-based 1agentContoh: PWumpusWorld 2LogicPropositional MlogicMetode 2pembuktian LRingkasan 2 2 A B
  • 49. Forward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-based 1agentContoh: PWumpusWorld 2LogicPropositional MlogicMetode 2pembuktian LRingkasan 1 1 A B
  • 50. Forward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-based 1agentContoh: PWumpusWorld 2LogicPropositional MlogicMetode 1pembuktian LRingkasan 1 0 A B
  • 51. Forward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-based 1agentContoh: PWumpusWorld 1LogicPropositional MlogicMetode 0pembuktian LRingkasan 1 0 A B
  • 52. Forward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-based 1agentContoh: PWumpusWorld 0LogicPropositional MlogicMetode 0pembuktian LRingkasan 1 0 A B
  • 53. Forward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-based 0agentContoh: PWumpusWorld 0LogicPropositional MlogicMetode 0pembuktian LRingkasan 0 0 A B
  • 54. Forward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-based 0agentContoh: PWumpusWorld 0LogicPropositional MlogicMetode 0pembuktian LRingkasan 0 0 A B
  • 55. Forward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-based 0agentContoh: PWumpusWorld 0LogicPropositional MlogicMetode 0pembuktian LRingkasan 0 0 A B
  • 56. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Ide dasarKnowledge-based Untuk membuktikan query q: periksa jika q sudah diketahui,agent atau secara rekursif, buktikan semua premise rule yangContoh:Wumpus conlusion-nya q.WorldLogic Hindari loop: periksa apakah subgoal yang baru sudahPropositionallogic ada di goal stackMetodepembuktian Hindari mengulang pekerjaan: periksa apakah subgoalRingkasan yang baru sudah dibuktikan benar, atau sudah dibuktikan salah.
  • 57. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-basedagentContoh: PWumpusWorldLogicPropositional MlogicMetodepembuktian LRingkasan A B
  • 58. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-basedagentContoh: PWumpusWorldLogicPropositional MlogicMetodepembuktian LRingkasan A B
  • 59. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-basedagentContoh: PWumpusWorldLogicPropositional MlogicMetodepembuktian LRingkasan A B
  • 60. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-basedagentContoh: PWumpusWorldLogicPropositional MlogicMetodepembuktian LRingkasan A B
  • 61. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-basedagentContoh: PWumpusWorldLogicPropositional MlogicMetodepembuktian LRingkasan A B
  • 62. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-basedagentContoh: PWumpusWorldLogicPropositional MlogicMetodepembuktian LRingkasan A B
  • 63. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-basedagentContoh: PWumpusWorldLogicPropositional MlogicMetodepembuktian LRingkasan A B
  • 64. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-basedagentContoh: PWumpusWorldLogicPropositional MlogicMetodepembuktian LRingkasan A B
  • 65. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-basedagentContoh: PWumpusWorldLogicPropositional MlogicMetodepembuktian LRingkasan A B
  • 66. Backward chaining IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung QKnowledge-basedagentContoh: PWumpusWorldLogicPropositional MlogicMetodepembuktian LRingkasan A B
  • 67. Forward vs. Backward Chaining IKI30320 Kuliah 10 10 Okt 2007 Forward Chaining adalah pendekatan data-driven,Ruli Manurung bottom-up → pemrosesan informasi secara tak sadarKnowledge- (unconscious processing)basedagent Mis: mengenali obyek (indera penglihatan)Contoh:Wumpus Melakukan banyak usaha/kerja yang tidak relevanWorld terhadap goal.LogicPropositional Backward chaining adalah pendekatan goal-driven,logic top-down → pemrosesan informasi secara sadarMetodepembuktian (conscious processing)Ringkasan Mis: Bagaimana saya ke Bucharest? lulus kuliah cepat? Kompleksitas BC bisa jauh lebih kecil dari linear dalam ukuran KB.
  • 68. Resolution IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Conjunctive Normal Form (CNF): conjunction of disjunction of literalsKnowledge-based mis: (A ∨ ¬B) ∧ (B ∨ ¬C ∨ ¬D)agent Resolution inference rule (untuk CNF):Contoh:Wumpus 1 ∨...∨ k , m1 ∨...∨mnWorld 1 ∨...∨ i−1 ∨ i+1 ∨...∨ k ∨m1 ∨...∨mj−1 ∨mj+1 ∨...∨mnLogic di mana i dan mj adalah complementary literal (mis: P dan ¬P).Propositionallogic Contoh:Metodepembuktian P1,3 ∨P2,2 , ¬P2,2Ringkasan P1,3 P? Resolution adalah sound dan complete P untuk propositional logic! B OK P? OK A A OK S OK A A W
  • 69. Pembuktian dengan resolution IKI30320 Kuliah 10 10 Okt 2007 Untuk membuktikan apakah KB |= α:Ruli Manurung Terjemahkan KB dan α ke dalam CNF.Knowledge- Lakukan proof by contradiction:basedagent buktikan (KB ∧ ¬α) adalah unsatisfiableContoh:WumpusWorld Algoritma ResolutionLogic function PL-R ESOLUTION(KB, α) returns true or falsePropositionallogic clauses ← the set of clauses in the CNF representation of KB ∧ ¬αMetode new ← { }pembuktian loop doRingkasan for each Ci , Cj in clauses do resolvents ← PL-R ESOLVE(Ci , Cj ) if resolvents contains the empty clause then return true new ← new ∪ resolvents if new ⊆ clauses then return false clauses ← clauses ∪ new
  • 70. Contoh Resolution IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung Contoh:Knowledge-based KB = (B1,1 ⇔ (P1,2 ∨ P2,1 )) ∧ ¬B1,1agent α = ¬P1,2Contoh:WumpusWorldLogic B1,1 P1,2 P2,1 P2,1 B1,1 B1,1 P1,2 B1,1 P1,2PropositionallogicMetode B1,1 P1,2 B1,1 P1,2 P2,1 P1,2 P2,1 P1,2pembuktianRingkasan B1,1 P2,1 B1,1 P1,2 P2,1 P2,1
  • 71. Outline IKI30320 Kuliah 10 10 Okt 2007Ruli Manurung 1 Knowledge-based agentKnowledge-basedagent 2 Contoh: Wumpus WorldContoh:WumpusWorld 3 LogicLogicPropositionallogic 4 Propositional logicMetodepembuktian 5 Metode pembuktianRingkasan 6 Ringkasan
  • 72. Ringkasan IKI30320 Kuliah 10 Knowledge-based agent menggunakan inference pada knowledge 10 Okt 2007 base untuk menghasilkan informasi baru atau mengambilRuli Manurung keputusan.Knowledge- Konsep-konsep dasar logika sebagai knowedge representationbased language:agentContoh: Syntax: struktur kalimat bahasa formalWumpus Semantics: arti kalimat sebagai kebenaran terhadap modelWorld Entailment: menyimpulkan kalimat baru yang benarLogic Inference: proses menurunkan kalimat baru dariPropositional kalimat-kalimat lamalogic Soundness: proses menurunkan hanya kalimat yang di-entailMetodepembuktian Completeness: proses menurunkan SEMUA kalimat yangRingkasan di-entail Forward, backward chaining: proses inference complete dan linear untuk Horn form Resolution: inference rule yang complete untuk propositional logic Baca bab 7 buku Russell & Norvig

×