Logic & Learning Method

Logika dalam AI 

Logika dalam AI digunakan sebagai suatu cara untuk menyampaikan fakta. Penyajian logika secara formal diperlukan karena akan 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 Singkat Logika 

• Ahli logika pertama yang dikenal : Aristotle (384-322 BC), filsuf dan ahli ilmu alam Yunani. Aristotle telah mengembangkan banyak teori yang dikenal dengan syllogistic atau classical logic. Syllogistic pada dasarnya bertransaksi dengan penurunan kebenaran (atau yang bersifat salah) dari argumen seorang filsuf. 

• 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.

Propotional Logic 

Propotional logic digunakan sebagai cara menyajikan pengetahuan singkat/sederhana yang diperlukan dlm AI. Dengan propotional logic kita akan dengan mudah menyajikan fakta dunia nyata sebagai proposisi logika yang disebut wellformed formulas (wff).

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 operatoroperator 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 pengetahuanpengetahuan 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