Metode Pencarian dan Pelacakan 1

Hal penting dalam menentukan keberhasilan sistem berdasarkan kecerdasan adalah dalam pencarian dan pencocokan. Pada dasarnya ada 2 teknik pencarian dan pelacakan yang digunakan, yaitu pencarian buta (blind search) dan pencarian terbimbing (heuristic search).

Exhaustive search – adalah proses pencarian terhadap seluruh ruang keadaan serangakaian langkah yang paling dimungkinkan untuk menghasilkan kemenangan. Walaupun metode ini dapat diterapkan pada setiap ruang keadaan, namum ukuran ruang keadaan yang sangat besar membuat pendekatan ini secara praktis tidak dimungkinkan (dalam permainan catur terdapat 10120 keadaan ). Bila kasus ini diimplementasikan ke dalam sisten komputermaka akan membutuhkan memori yang sangat besar, dan waktu pencarian yang sangat lama.

     

1.      Pencarian Parsial (Blind Search)

·         Pencarian melebar pertama (Breadth – First Search)

·         Pencarian mendalam pertama (Depth – First Search) 

  

   

-          Algoritma

Buat suatu variabel Node_List dan tetapkan sebagai keadaan awal. Kerjakan langkah-langkah berikut ini sampai tujuan tercapai atau Node_List dalam keadaan kosong. Hapus elemen pertama dari Node_List, sebut dengan nama C, jika Node_List kosong, maka keluar.

Pada setiap langkah yang aturannya cocok dengan C maka kerjakan. Aaplikasi aturan tersebut untuk membentuk suatu keadaan baru. Jika keadaan awal adalah tujuan yang diharapkan, sukses dan keluar. Jika tidak demikian, tambahkan keadaan awal yang baru tersebut pada akhir Node_List.

-          Keuntungan

Tidak akan menemui jalan buntu, menjamin ditemkannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti yang paling baik. Jika ada satu solusi maka bread first search akan menemukannya.

-          Kelemahannya

Membutuhkan memori yang sangat banyak. Membutuhkan waktu yang cukup lama karna akan menguji dan level untuk mendapatkan solusi pada level yang ke-(n+1).

2.      Pencarian Heuristik (Heuristic Search)

-          Generate and Test

-          Hill Climbing

-          Best First Search

            `Keuntungan :

-          Memori yang relatif kecil

-          Secara kebetulan, akan menemukan solusi tanpa harus menguji lebih banyak lagi

3.      Pencarian Heuristik

Pencarian buta tidak selalu dapat diterapkan dengan baik

-          Waktu aksesnya yang cukup lama

-          Besarnya memori yang diperlukan

·         Metode heuristic search diharapkan bisa menyelesaikan permasalahan yang lebih besar.

·         Metode heuristic search menggunakan suatu fungsi yang menghitung biaya perkiraan (estimasi) dari suatu simpul tertentu menuju ke simpul tujuan disebut fungsi heuristic

·         Aplikasi yang menggunakan fungsi heuristic : Google, Deep Blue Chess Machine

·         Contoh pada masalah 8 puzzle

Keadaan awal tujuan

Keadaan Awal Tujuan Pencarian Heuristik

·         Operator

-          Ubin kosong geser ke kanan

-          Ubin kosong geser ke kiri

-          Ubin kosong geser ke atas

-          Ubin kosong geser ke bawah

Sumber:

§  http://www.scribd.com/doc/52500558/Metode-Pencarian-Dan-Pelacakan-prolog

§  http://aiukswkelasgkelompok7.wordpress.com/metode-pencarian-dan-pelacakan/

§  http://lukmanfarizi.blogspot.com/2010/04/metode-pencarian-atau-pelacakan.html

§  http://aiukswkelasgkelompok4.wordpress.com/2009/02/11/metode-pencarian-dan-pelacakan

Read More

Pengenalan Logical Agents

1.      Knowledge-based agents

·         Problem solving agent: memilih solusi di antara kemungkinan yang ada. Apa yang ia “ketahui” tentang dunia tidak berkembang → problem solution (initial state, successor function, goal test)

·         Knowledge-based agent: lebih “pintar”. Ia “mengetahui” hal-hal tentang dunia dan dapat melakukan reasoning (berpikir, bernalar) mengenai:

Hal-hal yang tidak diketahui sebelumnya (imperfect/partial information)       Tindakan yang paling baik untuk diambil Inference engine Knowledge base domain−specific content

o   Knowledge Base: apa yang “diketahui” oleh si agent Pendekatan deklaratif membangun agent: “beritahu” informasi yang relevan, simpan dalam KB → (TELL).

o   Agen dapat ditanya (atau bertanya diri sendiri) apa yang sebaiknya dilakukan berdasarkan KB → (ASK).

o   Sebuah knowledge-based agent harus bisa:

§  Merepresentasikan world, state, action, dst.

§  Menerima informasi baru (dan meng-update representasinya)

§  Menyimpulkan pengetahuan lain yang tidak eksplisit (hidden property) Menyimpulkan action apa yang perlu diambil

2.      Wumpus World

·         Performance measure: emas +1000,mati -1000, gerak -1, panah -10

·         Environment: Matriks 4x4 kamar. Initial state [1,1]. Ada gold, wumpus dan pit yang lokasinya dipilih secara acak.

·         Breeze: kamar di samping lubang jebakan ada hembusan angin

·         Glitter: kamar di mana ada emas ada kilauan/sinar

·         Smell: kamar di samping Wumpus berbau busuk

·         Action: maju, belok kiri 90_, kanan 90_, tembak panah (hanya 1!), ambil benda

3.      Logic in general - models and entailment

·         Logic

Logic adalah bahasa formal untuk merepresentasikan informasi sedemikian hingga kesimpulan dapat dibuat •Syntax mendefinisikan kalimat-kalimat pada bahasa •Semantics mendefinisikan arti kalimat;

Misal, mendefinisikan kebenaran sebuah kalimat

Contoh, bahasa aritmatika :

x+2 ≥ y is a sentence; x2+y > is not a sentence

x+2 ≥ y is true iff the number x+2 is no less than the number y

x+2 ≥ y is true in a world where x = 7, y = 1

x+2 ≥ y is false in a world where x = 0, y = 6

·         Propositional logic

Propositional logic adalah logic yang paling sederhana Sebuah sentence dinyatakan sebagai propositional symbol P1,P2, dst.

Syntax :

Jika S adalah kalimat, ¬S adalah kalimat (negation)

Jika S1 dan S2 adalah kalimat, S1 ^ S2 adalah kalimat (conjunction)

Jika S1 dan S2 adalah kalimat, S1 _ S2 adalah kalimat (disjunction)

Jika S1 dan S2 adalah kalimat, S1 ) S2 adalah kalimat (implication)

Jika S1 dan S2 adalah kalimat, S1 , S2 adalah kalimat (biconditional)

·         Semantics dari propositional logic

Sebuah model memberi menilai true/false terhadap setiap

proposition, mis:

P1,2 P2,2 P3,1

true true false

(Semua 8 model yang mungkin bisa dijabarkan)

Aturan menentukan kebenaran sebuah kalimat terhadap m:

¬S true iff S false

S1 ^ S2 true iff S1 true and S2 true

S1 _ S2 true iff S1 true or S2 true

S1 ) S2 true iff S1 false or S2 true

dkl. false iff S1 true and S2 false

S1 , S2 true iff S1 ) S2 true and S2 ) S1 true

Sebuah proses rekursif bisa mengevaluasi kalimat sembarang:

¬P1,2 ^ (P2,2 _ P3,1) = true ^ (false _ true) = true ^ true = tua

·         Kalimat representasi Wumpus World

Semantics:

Pi,j = true kalau ada lubang jebakan (pit) di [i, j].

Bi,j = true kalau ada hembusan angin (breeze) di [i, j].

Aturan main: kamar di samping lubang jebakan ada

hembusan angin

B1,1 , (P1,2 _ P2,1)

B2,1 , (P1,1 _ P2,2 _ P3,1)

Hasil pengamatan (percept):

¬P1,1

¬B1,1

 B2,1

Sumber :

·         http://sarahamanda12.blogspot.co.id/2016/10/pengenalan-logical-agents.html

·         https://rinnooberta.wordpress.com/2013/10/18/2-logical-agents/

·         https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=27&cad=rja&uact=8&ved=0ahUKEwj04IaKwOTPAhUJsI8KHWizBWM4GRAWCB4wAQ&url=http%3A%2F%2Fwww.slideshare.net%2FRia_Suryani%2Fintelegensi-buatan&usg=AFQjCNHixn1MUc0zcyhvELEvzRD8G2VHXQ&sig2=xAS_s5ufTP7k3NzEWCh7qA&bvm=bv.135974163,d.c2I

Read More

Pengenalan Intelligent Agents

1.      Agen dan Lingkungannya

 Pengertian sebuah AGENT adalah segala sesuatu yang dapat dipandang sebagaimana mengamati lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor. Agen manusia memiliki mata, telinga, dan organ lain untuk sensor, dan tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor. Sebuah pengganti agen robot kamera dan berbagai pencari inframerah untuk sensor dan berbagai motor untuk efektor. Dapat digambarkan secara sederhana sebagai berikut:

Dalam kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen) dan mengarahkan aktivitasnya untuk mencapai tujuan  yaitu rasional. Intelligent agen juga dapat belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Russell & Norvig (2003) mengartikan Rational Agent  yang mengerjakan segala sesuatu hal dengan benar. Agen Intelligent menurut Nikola Kasabov adalah bahwa Agent harus menunjukkan karakteristik berikut.:

·                  mengakomodasi pemecahan masalah baru aturan bertahap

·                  beradaptasi online dan real time

·                  mampu menganalisis sendiri dalam hal perilaku, kesalahan dan kesuksesan.

·                  belajar dan meningkatkan melalui interaksi dengan lingkungan (perwujudan)

·                  belajar dengan cepat dari sejumlah besar data

·                  memiliki penyimpanan memori berbasis contoh dan kapasitas pengambilan

·                  memiliki parameter untuk mewakili umur pendek dan jangka panjang memori

2.      Rasionalitas

 Secara historis, keempat pendekatan tersebut telah dilakukan oleh para pakar kecerdasan buatan. Pendekatan manusia haruslah merupakan suatu ilmu empiris, termasuk hipotesa dan konfirmasi percobaan dan pendekatan rasional meliputi kombinasi dari matematika dan rekasaya.

Dari keempat perspektif diatas, pengertian kecerdasan buatan dapat dipandang dari berbagai sudut pandang, antara lain:

A.    Sudut pandang kecerdasan.

Kecerdasan buatan akan membuat mesin menjadi cerdas, yaitu mampu berbuat seperti apa yang dilakukan oleh manusia.

B.     Sudut pandang penelitian.

Kecerdasan buatan adalah suatu studi bagaimana membuat mesin atau komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia. Ada beberapa bidang (domain) yang sering dibahas oleh para peneliti meliputi:

a.       Mundane Task

b.      Formal Task

c.       Expert Task

C.     Sudut pandang bisnis

Kecerdasan buatan adalah sekumpulan peralatan (tools) yang sangat powerfull dan metodelogis dalam menyelesaikan masalah-masalah bisnis.

D.    Sudut pandang pemrograman

Kecerdasan buatan meliputi studi tentang pemrograman simbolik, penyelesaian masalah (problem solving) dan pencarian (searching).

3.      PEAS (Performance measure, Environment, Actuators, Sensors)

·         Pertama-tama harus menentukan pengaturan untuk desain agen cerdas

·         Pertimbangkan Mis., tugas merancang supir taksi otomatis 

·         perfomance measure : Aman , cepat , legal , perjalanan menyenangkan , maksimumkan keuntungan

·         Environment : jalan , trafik lain , pejalan kaki , pelanggan

·         actuators : kemudi , gas , rem , lampu sign , horn

·         Sensors : kamera , sonar , speedometer , GPS , odometer , engine sensors , keyboard

4.      Tipe-tipe Lingkungan Agen

·         Fully observable (vs. Partially observable): sensor-sensor sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.

·         Deterministic (vs. Stochastic): keadaan lingkungan berikutnya sepenuhnya ditentukan oleh keadaan sekarang dan tindakan yang dilaksanakan oleh agen. (Jika lingkungan itu deterministik kecuali untuk tindakan agen-agen lain, maka lingkugannya adalah strategic)

·         Episodic (vs. Sequential): pengalaman agen dibagi ke dalam “episode-episode” atomik (setiapepisode terdiri dari si agen) memahami (perceiving) dan kemudian melaksanakan satu tindakan, dan pilihan tindakan dalam tiap episode hanya tergantung pada episode itu sendiri.

·         Static (vs. Dynamic): lingkungan tidak berubah selagi agen direncanakan (deliberating). (Lingkungan adalah semidynamic jika lingkungan itu sendiri tidak berubah dengan berjalannya waktu tetapi skor performa agen berubah)

·         Discrete (vs. Continuous): sejumlah terbatas persepsi dan tindakan yang khas dan terdefinisi baik.

·         Single agent (vs. Multiagent): sebuah agen yang mengoperasikan dirinya sendiri dalam sebuah lingkungan

·         Jenis lingkungan sangat menentukan rancangan agen

·         Dunia nyata (tentu saja) partially observable, stochastic, sequentil, dynamic, continuous, multi-agent.

5.      Tipe-tipe Agen TIK

·         Autonomy: Agent dapat melakukan tugas secara mandiri dan tidak dipengaruhi secara langsung oleh user, agent lain ataupun oleh lingkungan (environment). Untuk mencapai tujuan dalam melakukan tugasnya secara mandiri, agent harus memiliki kemampuan kontrol terhadap setiap aksi yang mereka perbuat, baik aksi keluar maupun kedalam [Woolridge et. al.,1995].

·         Intelligence, Reasoning, dan Learning: Setiap agent harus mempunyai standar minimum untuk bisa disebut agent, yaitu intelegensi (intelligence). Dalam konsep intelligence, ada tiga komponen yang harus dimiliki: internal knowledge base, kemampuan reasoning berdasar pada knowledge base yang dimiliki, dan kemampuan learning untuk beradaptasi dalam perubahan lingkungan.

·         Mobility dan Stationary: Khusus untuk mobile agent, dia harus memiliki kemampuan yang merupakan karakteristik tertinggi yang dia miliki yaitu mobilitas. Berkebalikan dari hal tersebut adalah stationary agent. Bagaimanapun juga keduanya tetap harus memiliki kemampuan untuk mengirim pesan dan berkomunikasi dengan agent lain.

·         Delegation: Sesuai dengan namanya dan seperti yang sudah kita bahas pada bagian definisi, agent bergerak dalam kerangka menjalankan tugas yang diperintahkan oleh user. Fenomena pendelegasian (delegation) ini adalah karakteristik utama suatu program disebut agent.

·         Reactivity: Karakteristik agent yang lain adalah kemampuan untuk bisa cepat beradaptasi dengan adanya perubahan informasi yang ada dalam suatu lingkungan (enviornment). Lingkungan itu bisa mencakup: agent lain, user, adanya informasi dari luar, dsb [Brenner et. al., 1998].

·         Proactivity dan Goal-Oriented: Sifat proactivity boleh dikata adalah kelanjutan dari sifat reactivity. Agent tidak hanya dituntut bisa beradaptasi terhadap perubahan lingkungan, tetapi juga harus mengambil inisiatif langkah penyelesaian apa yang harus diambil [Brenner et. al., 1998]. Untuk itu agent harus didesain memiliki tujuan (goal) yang jelas, dan selalu berorientasi kepada tujuan yang diembannya (goal-oriented).

·         Communication and Coordination Capability: Agent harus memiliki kemampuan berkomunikasi dengan user dan juga agent lain. Masalah komunikasi dengan user adalah masuk ke masalah user interface dan perangkatnya,sedangkan masalah komunikasi, koordinasi, dan kolaborasi dengan agent lain adalah masalah sentral penelitian Multi Agent System (MAS). Bagaimanapun juga untuk bisa berkoordinasi dengan agent lain dalam menjalankan tugas,perlu bahasa standard untuk berkomunikasi. Tim Finin [Finin et al., 1993] [Finin et al., 1994] [Finin et al., 1995] [Finin et al., 1997]dan Yannis Labrou [Labrou et al., 1994] [Labrou et al., 1997] adalah peneliti software agent yang banyak berkecimpung dalam riset mengenai bahasa dan protokol komunikasi antar agent. Salah satu produk mereka adalah Knowledge Query and Manipulation Language (KQML). Kemudian masih berhubungan dengan ini komunikasi antar agent adalah Knowledge Interchange Format (KIF).

Sumber            :

·         http://artikel-teknologi-informasi.blogspot.co.id/2012/11/pengertian-agent-pada-ai-artificial.html

·         http://www.firman-its.com/2007/05/03/pengenalan-kecerdasan-buatan-ai-1/

·         http://nisayuniza.blogspot.co.id/2015/04/kecerdasan-buatan-intelligent-agents.html

·         https://ibneaqiqi.wordpress.com/2010/12/10/agent-dalam-kecerdasan-buatan/

·         http://www.slideshare.net/KuliahKita/intelijensia-buatan-01-agen-cerdas

Read More