Agen Logika

1. Pengetahuan Berbasis Agen

Agen Berbasis Pengetahuan, Knowledge Base (KB) menyatakan apa yang “diketahui” oleh si agent Pendekatan deklaratif membangun agent: “beritahu” informasi yang relevan, simpan dalam KB. Agen dapat ditanya (atau bertanya diri sendiri) apa yang sebaiknya dilakukan berdasarkan KB. Maka sebuah agen berbasis pengetahuan harus bisa mereprentasikan world, state, action, dst. Menerima informasi baru (dan meng-update representasinya). Menyimpulkan pengetahuan lain yang tidak eksplisit (hidden property). q Menyimpulkan action apa yang perlu diambil.

Agen Berbasis Pengetahuan atau Knowledge Base (KB) merupakan Himpunan representasi fakta yang diketahui tentang lingkungannya. Tiap fakta disebut sebagai sentence. Fakta tersebut dinyatakan dalam bahasa formal sehingga bisa diolah, menambahkan sentence baru ke KB. Inference Engine merupakan menentukan fakta baru yang dapat diturunkan dari pengetahuan yang sudah ada dalam KB.

Agen Berbasis Pengetahuan dalam representasi, agent dapat dipandang dari knowledge level. Apa saja informasi yang diketahui? Misal sebuah robot “mengetahui” bahwa gedung B di antara gedung A dan gedung C. Agent dapat dipandang dari implementation level Bagaimana representasi informasi yang diketahuinya? Logical sentence di_antara(gdB, gdA, gdC). Natural language “Gedung B ada di antara gedung A dan gedung C”.

Agen Berbasis Pengetahuan, pilihan representasi berpengaruh terhadap apa yang bisa dilakukan inference engine. Pada pendekatan deklaratif programmer memberitahu agent informasi tentang environment. Kalau informasi kurang, agen bisa melengkapinya sendiri. Jika dibandingkan dengan pendekatan prosedural programmer secara eksplisit memrogram agen untuk bertindak. Sehingga bagaimana jika program tidak benar, maka akan besar kemungkinan menyebabkan kesalahan.

Agen Berbasis Pengetahuan, permasalahannya adalah bagaimana representasi yang tepat, sehingga ada dua hal yang harus diperhatikan expressive bisa menyatakan fakta tentang environment, Tractable bisa mengolah/ memproses inference engine (dengan cepat). Knowledge merupakan power atau kekuatan dari pemrograman secara deklaratif. Representasi dan penalaran membentuk suatu Intelligence.

2. Logika

Secara etimologis, logika adalah istilah yang dibentuk dari kata logikosyang berasal dari kata benda logos. Kata logos, berarti sesuatu yang diutarakan, suatu pertimbangan akal (pikiran), kata, percakapan, atau ungkapan lewat bahasa. Kata logikos, berarti mengenal kata, mengenai percakapan atau yang berkenaan dengan ungkapan lewat bahasa. Dengan demikian, dapatlah dikatan bahwa logika adalah suatu pertimbangan akal atau pikiran yang diutrakan lewat kata dan dinyatakan dalam bahasa.

3. Logika Proposi / Logika Sederhana

a. Sintaks

· Jika S adalah kalimat, ⌐S adalah kalimat (negasi)

· Jika S₁ dan S₂ adalah kalimat, S₁Ʌ S₂adalah kalimat (conjunction)

· Jika S₁ dan S₂ adalah kalimat, S₁ V S₂adalah kalimat (disjunction)

· Jika Jika S₁ dan S₂ adalah kalimat, S₁→ S₂adalah kalimat (implication)

· Jika S₁ dan S₂ adalah kalimat, S₁↔ S₂adalah kalimat (biconditional)

Semantik

· Sebuah model memberi nilai true/ false terhadap setiap proposisi, misal P_1,2 = true, P_2,2= true, P_3.1= false.

· Sebuah proses rekursif bisa mengevaluasi kalimat sembarang: ⌐P_1,2 Ʌ (P_2,2 V P_3,1) = true Ʌ (false V true) = true Ʌ true = true.

c. Inferensi

bisa dilakukan menggunakan tabel kebenaran untuk membuktikan entailment dari suatu knowledge. Sehingga kita dapat membuktikan apakah KB |= α₁ menggunakan tabel kebenaran (sejenis model checking), di mana α₁menyatakan kamar di [1, 2] aman.

d. Ekuivalen

Berdasarkan kamus besar Bahasa Indonesia kata ekuivalen itu bermakna nilai yang sebanding. Jadi dalam formula logika proposisi. Terdapat formula-formula yang memiliki operator logika yang berbeda tetapi nilai kebenaran dari formula tersebut bernilai sama, entah itu bernilai TRUE atau FALSE.

e. Validitas

Konklusi sebaiknya diturunkan dari premis-premis atau premis-premis selayaknya mengimplikasikan konklusi. Dalam argumentasi yang valid, konklusi akan bernilai benar jika setiap premis yang digunakan di dalam argumen juga bernilai benar. Jadi validitas argumen tergantung pada bentuk argumen itu dan dengan bantuan tabel kebenaran.Konklusi itu benar jika mengikuti hukum-hukum logika yang valid dari aksioma-aksioma sistem itu, dan negasinya adalah salah. Untuk menentukan validitas suatu argumen dengan selalu mengerjakan tabel kebenarannya tidaklah praktis. Cara yang lebih praktis banyak bertumpu pada tabel kebenaran dasar dan bentuk kondisional. Bentuk argumen yang paling sederhana dan klasik adalah Modus ponens dan Modus tolens.

4. Pola Penalaran pada Logika Proposisi

· forward chaining :

aplikasi rule yang premise-nya diketahui benar dalam KB, kemudian tambahkan conclusionnya ke dalam KB, ulangi sampai query (Q) terbukti. Sehingga bisa dikatakan kinerja dari forward chaining merupakan metode bottom up dari fakta menuju konklusi.

· backward chaining:

digunakan untuk membuktikan query (Q), dengan cara memeriksa Q jika sudah diketahui, atau secara rekursif, dengan membuktikan semua premise rule yang conclusion-nya Q (dikenal sebagai metode top down).

Dalam backward chaining ada beberapa hal yang perlu diketahui :

· Menghindari loop : dengan cara memeriksa apakah sub-goal yang baru sudah ada di goal stack.

· Menghindari perulangan pekerjaan : periksa apakah sub-goal yang baru sudah dibuktikan benar atau sudah dibuktikan salah.

5. Inferensi Proposisi yang Efektif

1. Algoritma Backtraking

Algoritma backtracking merupakan salah satu metode pemecahan masalah yang termasuk dalam strategi yang berbasis pencarian pada ruang status. Algoritma backtracking bekerja secara rekursif dan melakukan pencarian solusi persoalan secara sistematis pada semua kemungkinan solusi yang ada. Oleh karena algoritma ini berbasis pada algoritma Depth-First Search (DFS), maka pencarian solusi dilakukan dengan menelusuri struktur berbentuk pohon berakar secara preorder. Algoritma backtracking merupakan bentuk tipikal dari algoritma rekursif.Saat ini algoritma backtracking banyak diterapkan untuk program games (seperti permainan tic-tac-toe, menemukan jalan keluar dalam sebuah labirin, catur, dll) dan masalah-masalah pada bidang kecerdasan buatan (artificial intelligence).

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:

http://definisimu.blogspot.co.id/2012/10/definisi-logika.html

http://yogipratama97.blogspot.co.id/2016/10/pengenalan-logical-agents.html

http://kadekdimas.blogspot.co.id/2015/12/algoritma-backtraking.html