LOGIC & LEARNING METHOD

 ARTIFICIAL INTELLIGENCE

1). Logika Dalam Artificial Intelligence

Logika dalam Artificial Intelligence 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)

2). Sejarah 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.

3). Logika Dalam Artificial Intelligence & Logika Proposisi

Logika adalah bentuk representasi pengetahuan yang paling tua. Proses logika adalah proses membentuk kesimpulan atau menarik suatu inferensi berdasarkan fakta yang telah ada. Input dari proses logika berupa premis atau fakta-fakta yang diakui kebenarannya sehingga dengan melakukan penalaran pada proses logika dapat dibentuk suatu

inferensi atau kesimpulan yang benar juga.

Ada 2 penalaran yang dapat dilakukan untuk mendapat konklusi yaitu penalaran deduktif dan induktif:

a. Penalaran deduktif : dimulai dari prinsip umum untuk mendapatkan konklusi yang lebih khusus. Contoh :

Premis mayor : Jika hujan turun saya tidak akan berangkat kuliah

Premis minor : Hari ini hujan turun

Konklusi : Hari ini saya tidak akan berangkat kuliah

b. Penalaran induktif : dimulai dari fakta-fakta khusus untuk mendapatkan kesimpulan umum. Contoh :

Premis -1 : Aljabar adalah pelajaran yang sulit

Premis -2 : Geometri adalah pelajaran yang sulit

Premis -3 : Kalkulus adalah pelajaran yang sulit

Konklusi : Matematika adalah pelajaran yang sulit

Logika Proposisi

Proposisi adalah suatu pernyataan yang dapat bernilai Benar atau Salah. Simbol-simbol seperti P dan Q menunjukkan proposisi. Dua atau lebih proposisi dapat digabungkan dengan menggunakan operator logika.

Propotional logic digunakan sebagai cara menyajikan pengetahuan singkat/sederhana yang diperlukan dalam Artificial Intelligence. Dengan propotional logic, akan dengan mudah menyajikan fakta dunia nyata sebagai proposisi logika yang disebut well- formed formulas (wff).

Contoh Proposional Logic
it is raining : RAINING
it is sunny : SUNNY
if it is raining, then it is not sunny
RAINING → ┐SUNNY

Contoh Proposional Logic
Socrates is a man : SOCRATESMAN
Plato is a man : PLATOMAN
ditulis dengan cara yang lebih simple :
MAN(SOCRATES)
MAN(PLATO)

Proposisi : P dan Q yang direpresentasikan sebagai ekspresi logika dengan menggunakan logical connectives dalam suatu tabel kebenaran, berikut ini :

Well Formed Formula (WFF)

Berdasarkan tabel kebenaran di atas kita dapat membentuk wff berdasarkan pada aturan :
Jika P adalah sebuah wff maka not P (┐P) juga suatu wff
Jika P dan Q adalah dua wff, maka berikut ini juga wff :

Contoh Pembentukan WFF

Jika diberikan 2 pernyataan bernilai benar
P : Hari Hujan
Q : Jalanan basah

Maka wff yang dapat dibentuk (benar) antara lain:
Hari tidak hujan atau jalanan basah
Hari hujan dan jalanan basah
Jika hujan maka jalanan basah
Jika tidak hujan maka jalanan basah
Jalanan basah jika dan hanya jika hujan

Dan pernyataan berikut adalah salah :
Jika hujan maka jalanan tidak basah
Hujan dan jalanan tidak basah

4). Learning Method

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. Salah satu cabang dari artificial intelligence adalah machine learning atau pembelajaran mesin

Teknologi machine learning (ML) adalah mesin yang dikembangkan untuk bisa belajar dengan sendirinya tanpa arahan dari penggunanya. Pembelajaran mesin dikembangkan berdasarkan disiplin ilmu lainnya seperti statistika, matematika dan data mining sehingga mesin dapat belajar dengan menganalisa data tanpa perlu di program ulang atau diperintah.

Deep Blue merupakan machine learning yang dikembangkan agar bisa belajar dan bermain catur. Deep Blue juga telah diuji coba dengan bermain catur melawan juara catur profesional dan Deep Blue berhasil memenangkan pertandingan catur tersebut.

AlphaGo merupakan machine learning yang dikembangkan oleh Google. Saat awal dikembangkan AlphaGO akan dilatih dengan memberikan 100 ribu data pertandingan Go untuk ia pelajari.

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 menggunakan 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 adalah 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.