LOGIC & LEARNING METHOD PERTEMUAN 6

Kali ini saya akan merangkum materi pertemuan 6 tentang Logic & Learning Method yang terdiri dari:

1. Logika dalam AI

2. Sejarah Logika

3. Logika Proposisi

4. Learning Method

 

Logika Dalam Ai

Logika dalam AI Logika dalam AI digunakan sebagai suatu cara untuk menyampaikan fakta. Penyajian logika secara formal diperlukan karena menjadi suatu cara yang sangat disarankan untuk menurunkan/menjabarkan pengetahuan baru. Dengan logika formal kita dapat menyimpulkan bahwa suatu pernyataan baru adalah benar dengan membuktikan bahwa pernyataan itu diturunkan dari pernyataan-pernyataan lain yang sudah diketahui kebenarannya. 

Contoh : Jika : Matahari terbit dari Timur (benar) 

Maka : Tidak mungkin matahari terbit dari Barat (benar)

Sejarah Logika

 

Logika dimulai sejak Thales (624 SM - 548 SM), filsuf Yunani pertama yang meninggalkan segala dongeng, takhayul, dan cerita-cerita isapan jempol dan berpaling kepada akal budi untuk memecahkan rahasia alam semesta. Aristoteles kemudian mengenalkan logika sebagai ilmu, yang kemudian disebut logica scientica.

 

Symbolic logic dimulai dengan G.W. Leibniz (1646- 1717), tetapi dilupakan setelah ia meninggal, kemudian seluruh hal-hal tersebut dicakup kembali oleh : George Boole (1815-1864) dan logikanya dikenal dengan Boolean Logic. Symbolic Logic berinteraksi dengan konsep abstraksi ke dalam simbol-simbol dan interkoneksi simbol-simbol oleh operator tertentu.

Merupakan bentuk representasi pengetahuan yang paling tua. Logika merupakan suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah dan prosedur yang membantu proses penalaran

 

Propotional Logic

Suatu proposisi tidak lebih daripada suatu pernyataan (statement) yang menyatakan benar atau salah. Ini merupakan premis yang dapat digunakan untuk memperoleh proposisi baru atau inferensi. Kaidah ini digunakan untuk menentukan benar atau salah suatu proposisi baru.

Suatu proposisi, premis atau kaidah disimbolkan dengan menggunakan huruf besar. Misalnya,

A = Tukang pos mengantar surat mulai senin sampai Sabtu

B = Hari ini Hari Minggu

C = Maka, hari ini tukang pos tidak mengantar surat

 

Dua atau lebih proposisi bisa digabungkan dengan menggunakan penghubung logika/operator logika, yaitu and, or, not dan implies.

Penggunaan penghubung / operator logika ini sama dengan penggunaan aljabar Boolean

Contoh:

A = Hari ini hujan

┐ A = Hari ini tidak hujan

 

A = Mobil saya berwarna hitam

B = Mesin mobil berwarna hitam itu 6 silinder

C =  A Λ B

    =  Mobil saya berwarna hitam dan mesinnya 6 silinder

 

A = Seorang wanita berusia tidak lebih dari 25 tahun

B = Lulusan Informatika

C =  A V B

Maka cukup salah satu persyaratan dipenuhi, seseorang dapat diterima sebagai karyawan.

Bentuk or ini dikenal dengan inclusive or.

Bentuk or yang lain adalah exclusive or. Or eksklusif bernilai benar jika salah satu prososisi awal bernilai benar tapi tidak keduanya sekaligus. Notasi yang digunakan untuk eksklusif or adalah xor

 

A = Mobil rusak

B = Saya tidak bisa naik mobil

C = A → B

    = Mobil rusak, ‘karena itu’ saya tidak bisa naik mobil.

    = If mobil rusak, then saya tidak bisa naik mobil.

Karena masih berkaitan dengan pernyataan, kemampuan logika proposisional untuk merepresentasikan pengetahuan dalam kehidupan nyata dengan benar masih diragukan atau setidaknya masih terbatas.

 

Learning Method

• Definisi Learning Machine adalah suatu aplikasi dalam AI yang memiliki kemampuan beradaptasi dengan dunia luar dan dapat memanfaatkan informasi dari dunia luar untuk menambah pengetahuan dan meningkatkan kemampuannya. Kata mesin digunakan untuk membedakan dengan manusia (mahluk hidup) yang secara alami memiliki kemampuan belajar.

• Rote Learning Metode learning ini menggunakan hasil penelusuran atau hasil perhitungan sebelumnya yang tersimpan dalam cache memori komputer untuk menentukan strategi ke langkah berikutnya. Metode ini memiliki kemampuan untuk : 1. Mengorganisir penyimpanan informasi adalah lebih cepat mengambil nilai yang sudah tersimpan daripada menghitung ulang 2. Generalisasi hal ini akan mencegah terlalu besarnya informasi atau nilai yang disimpan

• Learning by Taking Advice Metode learning ini menggunakan advice tingkat tinggi (dalam bahasa manusia) untuk menghasilkan suatu aturan operasional. Advice mana yang akan digunakan dari sekian banyak yang ada diproses/dipilih menggunkan operator- operator seperti : analisis kasus, pencocokan, dsb 

• Learning from example Metode ini menggunakan semua contoh dari kasus-kasus yang pernah diselesaikan atau data contoh yang dimasukkan ke sistem. Hal terpenting dari metode ini klasifikasi, untuk memilah atau mengklasifikasi contoh menjadi contoh posistif dan contoh negatif. Hasil dari metode ini adalah suatu deskripsi konsep. Metode ini menggunakan Algoritma search untuk mengeliminasi contoh dan menghasilkan pohon keputusan

• Learning in Problem Solving Metode ini berusaha untuk memperbaiki pemecahan masalah dari pemecahan masalah yang sudah ada atau sudah pernah diaplikasikan. Metode ini menggunakan solusi dari contoh masalah sebagai masukan dan akan menghasilkan penemuan cara baru untuk menyelesaikan masalah secara lebih efisien. Metode ini menggunakan heuristic search seperti : generalisasi, learning berdasarkan penjelasan dan pertimbangan yang menyeluruh.

• Discovery Metode ini berusaha untuk menemukan pengetahuan- pengetahuan baru yang belum terungkap sebelumnya. Metode ini menggunakan heuristic search yang berdasarkan kepada analogy, ketertarikan (minat) atau bahkan suatu misteri. Hasil atau keluaran dari metode ini cendrung tidak diketahui atau sulit diperkirakan, karena biasanya berdasarkan informasi atau pengetahuan yang minim