Kecerdasan Buatan representasi logikaKecerdasan Buatan 

Kecerdasan Buatan : Representasi logika, penyajian pengetahuan dan logik

Pendahuluan

Asumsi (tradisional) AI bekerja adalah bahwa Pengetahuan dapat diwakili sebagai “simbol struktur” (pada dasarnya, struktur data yang kompleks) yang mewakili potongan-potongan pengetahuan (objek, konsep, fakta, aturan, strategi).

Contoh :

– “merah” mewakili warna merah.

– “Car1” mewakili mobil saya.

– merah (car1) mewakili fakta bahwa mobil saya berwarna merah.

Perilaku cerdas dapat dicapai melalui manipulasi struktur simbol

Refresentasi pengetahuan bahasa

Bahasa representasi pengetahuan telah dirancang untuk memfasilitasi hal ini. Umumnya menggunakan C++/ Java struktur data, menggunakan formalisms tujuan khusus. Sebuah bahasa Kecukupan Representasi (KR) seharusnya memperbolehkan anda untuk :

– Cukup mewakili pengetahuan yang Anda butuhkan untuk masalah Anda

– Representasional kecukupan melakukannya dengan jelas, tepat dan “alami”   jalan.

– memungkinkan Anda untuk alasan pada   pengetahuan itu, menarik kesimpulan baru.

Kecukupan Representasi

Pertimbangkan fakta berikut:

⊕ John percaya tidak seorang pun suka hidupnya diatur.

⊕ Sebagian besar anak-anak percaya pada datangnya hari Kiamat.

⊕ John harus dapat menyelesaikan tugasnya sebelum ia dapat mulai bekerja di proyek.

Semua bisa diwakili sebagai string! Tapi sulit untuk memanipulasi dan kemudian menarik kesimpulan. Bagaimana kita mewakili secara formal ini dengan cara yang dapat dimanipulasi dalam sebuah program komputer?

Beberapa notasi / bahasa yang hanya memungkinkan Anda untuk mewakili hal-hal tertentu. Waktu, kepercayaan, ketidakpastian, semua sulit untuk diwakili.

Mendefinisikan sintaks

Representasi pengetahuan bahasa harus memiliki sintaks dan semantik yang tepat. Anda harus tahu persis apa ekspresi berarti dalam hal objek di dunia nyata.

sintak Representasi pengetahuan

Mendefinisikan dengan baik sintaks / semantik

⊕ Misalkan kita telah memutuskan bahwa “red1” mengacu pada warna merah tua, “car1” adalah mobil saya, car2 .. Lain

⊕ Sintaks bahasa akan memberi tahu Anda yang mengikuti legal : red1(car1), red1 car1, car1(red1), red1(car1 & car2)?

⊕  Semantik bahasa memberitahu anda apa yang artinya ungkapan – misalnya, Pred (Arg) berarti bahwa properti yang disebut oleh Pred berlaku untuk obyek yang dirujuk oleh Arg. E.g., properti “merah tua” berlaku untuk mobil saya.

Sebuah skema representasi alami?

⊕ Juga membantu jika skema representasi kami sangat intuitif dan alami bagi pembaca manusia!
Dapat mewakili kenyataan bahwa mobil saya merah menggunakan notasi:

“xyzzy ! Zing”

dimana xyzzy mengacu kemerahan, Zing mengacu pada mobil, dan! digunakan dalam beberapa cara untuk menetapkan properti. Tapi ini tidak akan sangat membantu.

Kecukupan Inferensi

Mewakili pengetahuan tidak terlalu menarik, kecuali jika Anda dapat menggunakannya untuk membuat kesimpulan:

a. Menarik kesimpulan baru dari fakta-fakta yang   ada.

⊕ “Jika hujan John tak pernah keluar “+“ hari ini hujan “begitu ..

b. Datang dengan solusi untuk masalah-masalah kompleks, dengan menggunakan pengetahuan yang diwakili.

Disimpulkan kecukupan mengacu pada bagaimana mudahnya untuk menarik kesimpulan menggunakan pengetahuan yang diwakili. Mewakili segala sesuatu sebagai bahasa alami representasi string telah baik kecukupan dan kewajaran, tetapi sangat miskin disimpulkan kecukupan.

Mengefisiensikan Inferensi

Anda mungkin mampu, pada prinsipnya, untuk membuat kesimpulan-kesimpulan yang kompleks pengetahuan diberikan diwakili dalam bahasa yang canggih. Tapi itu mungkin hanya terlalu tidak efisien. Umumnya lebih memotong kemungkinan kompleks, yang kurang efisien akan menjadi pemikir. Perlu perwakilan dan sistem inferensi yang tugas, tanpa putus asa tidak efisien.

Persyaratan untuk Representasi bahasa: Ringkasan

  1. Representasi Kecukupan
  2. Jelas sintaks / semantik
  3. memenyimpulkan kecukupan
  4. memenyimpulkan efisiensi
  5. Kewajaran

Dalam praktiknya tidak ada satu bahasa yang sempurna, dan bahasa yang berbeda yang cocok untuk masalah yang berbeda.

Pendekatan Utama dalam KR

  1. Logika
  2. Frames/jaringan Semantics/Objects
  3. Sistem berbasis Aturan

Demikian artikel terkait materi kuliah yang berjudul “Kecerdasan Buatan : Representasi logika, penyajian pengetahuan dan logik”. Untuk dapat mendapatkan materi seputar kecerdasan uatan secara lengkap, dapat di download di link berikut ini MatKul Kecerdasan Buatan Semoga bermanfaat

Related posts

Leave a Comment