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
Komentar
Posting Komentar