KECERDASAN BUATAN

Reasoning and Planning

 Reasoning
Cambridge Aristoteles
Proses berpikir tentang Berkaitan dengan berpikir,
sesuatu untuk membuat kognitif, dan pemahaman.
suatu keputusan Reasoning bagian dari
menjadi logical reasoning :
deductive reasoning,
Merriam-Webster
inductive reasoning,
Menggambarkan inferensi abductive reasoning; dan
atau kesimpulan melalui mode lain yang lebih informal
penggunaan alasan seperti intuitive reasoning dan
verbal reasoning. Selain itu
Oxford bias dibedakan menjadi
discursive reason, reason
Tindakan berpikir tentang proper, and intuitive reason
sesuatu dalam logika, cara
yang masuk akal
 Teknik Reasoning

Cara penyelesaian masalah dengan cara

merepresentasikan masalah ke dalam basis
pengetahuan menggunakan logika atau bahasa
formal.

Pendekatan
• Logika pasti (propotitional, first order/predicate)
• Logika tidak pasti (fuzzy logic)
 Searching vs Reasoning

SEARCHING REASONING
Representasi : State dan ruang masalah Basis pengetahuan
Teknik : Strategi pencarian Penalaran
Tujuan : Menemukan nilai tertentu Menghasilkan kesimpulan
Masalah : Kelengkapan representasi state Kelengkapan aturan
 Jenis Logika

Jenis-jenis yang digunakan untuk merepresentasikan

basis pengetahuan dan melakukan penalaran

Jenis Logic Yang ada di dunia nyata Apa yg dipercaya agent tentang dunia
nyata
Propositional logic Fakta Benar/salah/tidak diketahui

First order logic Fakta,objek, relasi Benar/salah/tidak diketahui

Temporary logic Fakta,objek, relasi, waktu Benar/salah/tidak diketahui

Probability theory Fakta Derajat kebenaran [1,0]

Fuzzy logic Derajat kebenaran Derajat kebenaran [1,0]

 Syntax
Symbol Sentences

 logical constants True,  Dibangun dari kalimat

False sederhana
 propositional symbols P,
Q, …
 logical connectives  conjunction, disjunction,
• conjunction , implication, equivalence,
disjunction , negation
• negation ,
• implication ,
equivalence 
 parentheses , 
 Relasi Logika

KATA HUBUNG ISTILAH SIMBOL

Tidak Negasi ¬
Dan Konjungsi ∧
Atau Disjungsi ∨
Maka Implikasi ⇒
Jika dan Hanya Jika Biimplikasi ⇔
BNF Grammar Propositional Logic
Sentence  AtomicSentence | ComplexSentence
AtomicSentence  True | False | P | Q | R | ...
ComplexSentence  (Sentence)Sentence Connective Sentence | 
Sentence
Connective  |||

Ambiguitas diselesaikan melalui precedence

Ø     atau pemisah

contoh  P  Q  R  S equivalent dgn ( P)  (Q  R))  S

 Tabel Kebenaran
Tabel Kebenaran
KECERDASAN BUATAN
Reasoning in
Knowledge-Based Systems
 Shallow and Deep Reasoning
shallow reasoning
Nama lain : experiential reasoning
Tujuan : mendeskripsikan aspek-aspek
lingkungan secara heuristically
Short Inference chains
Memungkinkan aturan yang kompleks
deep reasoning
Disebut juga causal reasoning
Tujuan : membangun model
lingkungan yang berlaku seperti hal
nyata.
Long Inference chains
Simple rules yang mendeskripsikan
hubungan sebab dan akibat
Contoh Shallow and Deep Reasoning
IF a car has
a good battery
good spark plugs
Shallow reasoning gas
good tires
THEN the car can move

IF the battery is good

THEN there is electricity
IF there is electricity AND good spark plugs
Deep reasoning THEN the spark plugs will fire
IF the spark plugs fire AND
there is gas
THEN the engine will run
IF the engine runs AND
there are good tires
THEN the car can move
 Inference

Langkah-langkah dalam penalaran,

berpindah dari premis ke kesimpulan.
 Motor Inferensi

Charles Sanders Peirce membagi kesimpulan menjadi tiga jenis:

1. Deduksi, kesimpulan yang menyimpulkan kesimpulan logis
dari premis yang diketahui atau dianggap benar, dengan
hukum inferensi yang valid dalam logika
2. Induksi adalah kesimpulan dari premis tertentu terhadap
kesimpulan universal
3. Abduksi adalah kesimpulan dari penjelasan terbaik.
 Contoh Kasus

Ada 10 aturan yang tersimpan No. Aturan

dalam basis pengetahuan. R-1 IF A & B THEN C
Fakta awal yang diberikan
R-2 IF C THEN D
hanya: A & E (artinya: A dan E
bernilai benar). Ingin R-3 IF A & E THEN F
dibuktikan apakah K bernilai R-4 IF A THEN G
benar (hipotesis: K)?
R-5 IF F & G THEN D
R-6 IF G & E THEN H
R-7 IF C & H THEN I
R-8 IF I & A THEN J
R-9 IF G THEN J
R-10 IF J THEN K
Alur Inferensi Forward Chaining

R-9 R-10
J K
Fakta R-4
G
A
R-5
R-3 F D R-6 H
E
Fakta
Alur Inferensi Backward Chaining (1)

Fakta
R-10 J I C A
K
R-8 R-7 R-1

A H B
Tidak
diketahui
(a) Pertama: Gagal
Alur Inferensi Backward Chaining (2)

Fakta
R-10 R-9 R-4
K J G A

(b) Kedua: Sukses

Mengubah bentuk proposisi -> formula

Contoh :

Jika ada daya listrik, komputer akan bekerja

Ada daya

komputer akan bekerja

Jika : A = ada daya listrik

B = komputer akan bekerja
Sehingga dapat ditulis :

A→B
A
B

Bentuk tersebut valid karena dapat ditunjukan sebagai

tautologi
 Deduksi

Inferensi (penarikan kesimpulan) dengan penalaran dari

yang umum ke yang khusus

Misal : Modus Ponen

Contoh 1:
A = Udara Cerah
B = Kita akan pergi ke pantai
A→B = Jika udara cerah, maka kita pergi ke pantai
Dengan menggunakan Modus Ponen, kesimpulan adalah
“Kita akan pergi ke Pantai”

Contoh 2:
Semua kucing merupakan anggota feline
Bootsy adalah seekor kucing
Kesimpulan : Bootsy merupakan anggota feline
 Induksi

Inferensi dengan penalaran dari yang khusus (fakta-fakta) ke yang

umum
Menebak dari yang sudah ada dan dari gejala yang terjadi

Formatnya: X = {a,b,c,d,...},
if property P is true for a, and if P is true for b, and if P is true for
c,...,
then P is true for all X

Contoh:
Semua kucing Siamese pada pertunjukan kucing 1986 mempunyai mata biru
Semua kucing Siamese pada pertunjukan kucing 1987 mempunyai mata biru
Kesimpulan : Semua kucing Siamese pada pertunjukan kucing mempunyai mata
biru
 Abduksi

Bentuk deduksi yang hanya menghasikan inferensi yang masuk

akal (plausible inference)

Plausible berarti bahwa konklusi mungkin bisa mengikuti

informasi yang tersedia, tetapi juga bisa salah.

Formatnya:
• if Y is true and X implies Y , then X is true ?

Contoh:
Implikasi : Tanah menjadi basah jika terjadi hujan (rule)
Aksioma : Tanah menjadi basah (fact)
Konklusi : Apakah terjadi hujan? (result)
How to make an INFERENCE

Knowledge
Fact

Effidence

Conclusion
 Planning

Kemampuan utama agen cerdas untuk

meningkatkan otonomi dan fleksibilitas
mereka melalui pembangunan urutan
tindakan untuk mencapai tujuan mereka.
 Domain-Independent Planning

Inputs:
 Domain Action Theory
 Problem Instance
• Deskripsi initial state of the world
• Spesifikasi perilaku dari tujuan yang diharapkan

Output:
Rangkaian aksi yang menjalankan inisial awal untuk mencapai
tujuan
 Example Problem Instance:
“Sussman Anomaly”

Initial State: Goal:

A

C B

A B C

Initial State: on-table(A), on(C,A), on-table (B), clear(B),

clear(C)
Goal: on(A, B), on(B,C)
 Action Representation:
Propositional STRIPS

Move-C-from-A-to-Table:
preconditions: on(C, A), clear(C)
effects:
add on-table(C)
delete on(C, A)
add clear(A)
 Plan Generation:
Search space of world states

Planning as a (graph) search problem

 Nodes: world states
 Arcs: actions
 Solution: path from the initial state to one state that satisfies
the goal
• Initial state is fully specified
• There are many goal states
Search Space: Blocks World
 Latihan

1. Buatlah Rules
aturan dan
actions
representation
kasus mengisi
air dalam
bentuk
propositional

*Pengumpulan
pertemuan 6