Reasoning and Planing - UNIKOM Kuliah Online

(1)

Reasonin g and

Planning

(2)

Hi!

Nelly Indriani Widiastuti

You can find me at:

[email protected] Nelly Indriani

(3)

OBJEKTIF

 Tujuan : Memahami konsep dan teknik Reasoning

 Rencana kegiatan : materi & latihan

 Cakupan materi :

 Teknik reasoning

 Reasoning dalam Knowledge Base

 Inferensi

 Planning

(4)

Reasoning

Cambridge

Proses berpikir tentang sesuatu untuk membuat suatu keputusan

Merriam-Webster

Menggambarkan inferensi atau kesimpulan melalui penggunaan alasan

Oxford

Tindakan berpikir tentang sesuatu dalam logika, cara yang masuk akal

Aristoteles

Berkaitan dengan berpikir, kognitif, dan pemahaman.

Reasoning bagian dari menjadi logical reasoning : deductive reasoning, inductive reasoning, abductive

reasoning; dan mode lain yang lebih informal seperti intuitive reasoning dan verbal

reasoning. Selain itu bisa dibedakan menjadi discursive reason, reason proper, and intuitive reason

(5)

TEKNIK REASONING

Cara penyelesaian masalah dengan cara merepresentasikan masalah ke dalam basis pengetahuan menggunakan logika

atau bahasa formal.

Pendekatan

○ Logika pasti (propositional, first order/predicate)

○ Logika tidak pasti (fuzzy logic)

(6)

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

(7)

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]

(8)

Syntax

 logical constants True, False

 propositional

symbols P, Q, …

 logical connectives

• conjunction , disjunction ,

• negation ,

• implication , equivalence 

 parentheses , 

 Dibangun dari

kalimat sederhana

 conjunction, disjunction, implication, equivalence, negation

Symbol Sentences

(9)

BNF Grammar Propositional Logic

Sentence  AtomicSentence | ComplexSentence AtomicSentence  True | False | P | Q | R | ...

ComplexSentence  (Sentence)Sentence Connective Sentence |



Sentence

Connective 



|



|



|



Ambiguitas diselesaikan melalui precedence

    

atau pemisah

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

(10)

Reasoning in

Knowledge-Based

Systems

(11)

Shallow and Deep Reasoning shallow reasoning deep reasoning

Nama lain : experiential reasoning Disebut juga causal reasoning Tujuan : mendeskripsikan aspek-

aspek lingkungan secara heuristically

Tujuan : membangun model

lingkungan yang berlaku seperti hal nyata.

Short Inference chains Long Inference chains Memungkinkan aturan yang

kompleks Simple rules yang mendeskripsikan

hubungan sebab dan akibat

(12)

Contoh Shallow dan Deep Reasoning

Shallow reasoning

Deep reasoning

IF a car has

a good battery good spark plugs 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

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

(13)

Inference

Langkah-langkah dalam penalaran,

berpindah dari premis ke kesimpulan.

(14)

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.

(15)

Contoh kasus

Ada 10 aturan yang

tersimpan dalam basis pengetahuan. Fakta awal yang diberikan hanya: A & E (artinya:

A dan E bernilai benar).

Ingin dibuktikan apakah K bernilai

benar (hipotesis: K)?

No. Aturan

R-1 IF A & B THEN C R-2 IF C THEN D

R-3 IF A & E THEN F R-4 IF A THEN G

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

(16)

Alur Inferensi Forward Chaining

A

E Fakta

Fakta

R-3 F

R-4 G

R-5 D

R-6 H

J K

R-9 R-10

(17)

Alur Inferensi

Backward Chaining (1)

J I

A

C

H

A

B K R-10

R-8 R-7 R-1

Fakta

Tidak diketahui (a) Pertama: Gagal

(18)

Alur Inferensi

Backward Chaining (2)

J G A

K R-10 R-9 R-4

Fakta

(b) Kedua: Sukses

(19)

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

(20)

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

(21)

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

(22)

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)

(23)

How to make an INFERENCE

Conclusion

Effidence Effidence Fact

Fact

Knowledge Knowledge

(24)

Planning

Kemampuan utama agen cerdas untuk meningkatkan otonomi dan fleksibilitas

mereka melalui pembangunan urutan tindakan untuk mencapai tujuan mereka.

(25)

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

(26)

Example Problem Instance:

“Sussman Anomaly”

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

Goal: on(A, B), on(B,C)

A B

C

A

B

C

Initial State: Goal:

(27)

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)

(28)

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

(29)

Search Space: Blocks World

(30)

(31)

LATIHAN

1. Jelaskan perbedaan dan persamaan antara problem solving dan planning 2. Buat actions representation kasus

mengisi air dalam bentuk

propositional

(32)

Kasus Mengisi Air

(0,0)

(4,0) (0,3)

(4,3) (3,0)

(1,3)

(3,3)

(1,0) (0,1)

(4,1)

(2,3)

(2,0) (0,2)

(4,2)