REPRESENTASI PENGETAHUAN

PENGETAHUAN TEKNOLOGI SISTEM CERDAS

REPRESENTAI PENGETAHUAN

DOSEN : ESSY MALAYS SARI SAKTI

3KA10

NABILAH AIDAHNANDA GANARI

NPM. 14115887

UNIVERSITAS GUNADARMA

6.1 Ontology

      Ontologi adalah konsep inti dalam representasi pengetahuan modern. Sebuah ontologi dari perspektif AI adalah model yang mewakili seperangkat konsep dalam domain tertentu serta hubungan antara konsep tersebut.
      Contoh jaringan semantik pada Gambar 5.1.

Ini adalah sebuah ontologi untuk domain tempat dan ibu kota. Jenis hubungan 'adalah-a' mendefinisikan taksonomi hierarkis yang mendefinisikan bagaimana objek berhubungan dengan satu lain. Perhatikan bahwa Gambar 5.1 juga dapat didefinisikan sebagai seperangkat hubungan Meronymy, karena mendefinisikan bagaimana benda bergabung membentuk objek komposit (kota ke negara bagian ke benua).

Penggunaan ontologi yang menarik adalah dalam bentuk bahasa sebagai alat untuk mengkodekan sebuah ontologi untuk tujuan mengkomunikasikan pengetahuan antara dua entitas (agen). Ini dieksplorasi di bagian selanjutnya.

6.2 Kategori Dan Objek

Pengorganisasian objek ke dalam kategori merupakan bagian penting dari representasi pengetahuan. Meskipun Interaksi dengan dunia terjadi pada tingkat objek individual, banyak penalaran terjadi pada tingkat kategori. Kategori juga berfungsi untuk membuat prediksi tentang objek begitu mereka diklasifikasikan. Seseorang menyimpulkan adanya objek tertentu dari input perseptual, kategori kategori dari kategori yang dirasakan dari objek, dan kemudian menggunakan informasi kategori untuk membuat prediksi tentang objek.

Misalnya dari kulitnya yang hijau dan kuning berbintik-bintik, berdiameter satu kaki, berbentuk bulat telur, dagingnya berwarna merah, biji hitam, dan  termasuk jenis buah, seseorang dapat menyimpulkan bahwa benda tersebut adalah buah semangka Dari sini, seseorang juga dapat menyimpulkan bahwa itu dapat dijadikan salad buah atau rujak.

6.3 Mental Event Dan Mental Objek

Agen yang telah kita bangun sejauh ini memiliki keyakinan dan dapat menyimpulkan keyakinan baru. Namun tidak ada dari mereka memiliki pengetahuan tentang kepercayaan atau tentang deduksi. Proses pengetahuan dan penalaran berguna untuk mengendalikan kesimpulan. Misalnya,  Alice bertanya "apa akar kuadrat tahun 1764" dan Bob menjawab "Saya tidak tahu." Jika Alice bersikeras "Pikirkan lebih keras," Bob harus menyadari bahwa dengan beberapa pemikiran lagi, pertanyaan ini sebenarnya bisa terjadi dijawab. Di sisi lain, jika pertanyaannya adalah "Apakah ibumu duduk dengan benar sekarang? "maka Bob harus menyadari bahwa berpikir tidak mungkin bisa membantu. Pengetahuan tentang agen lain juga penting; Bob harus menyadari bahwa ibunya tahu apakah dia duduk atau tidak, dan yang memintanya akan menjadi cara untuk mengetahuinya. Yang kita butuhkan adalah model objek mental yang ada di kepala seseorang (atau ada sesuatu basis pengetahuan) dan proses mental yang memanipulasi objek mental tersebut. Modelnya tidak harus dirinci. Kita tidak harus bisa memprediksi berapa jumlahnya milidetik yang dibutuhkan agen tertentu untuk membuat pengurangan.karena yang dibutuhkan adalah kesimpulan. Dengan dapat menyimpulkan bahwa ibu mengetahui apakah dia duduk atau tidak. Dapat di mulai dengan sikap proposisional yang dimiliki agen terhadap objek mental: sikap seperti Percaya, Tahu, Ingin, Niat, dan Mengenal. Kesulitannya adalah

bahwa sikap ini tidak berperilaku seperti predikat "normal".

6.4 Sistem Penalaran Pengkategorian

Kategori adalah blok bangunan utama dari skema representasi pengetahuan berskala besar. Bagian ini menjelaskan sistem yang dirancang khusus untuk pengorganisasian dan penalaran dengan kategori.
Ada dua keluarga sistem yang terkait erat: jaringan semantik menyediakan alat bantu grafis untuk memvisualisasikan basis pengetahuan dan algoritma yang efisien untuk menyimpulkan sifat Representasi objek berdasarkan kategori dan logika deskripsi memberikan formal bahasa untuk membangun dan menggabungkan definisi kategori dan algoritma yang efisien untuk menentukan hubungan subset dan superset antar kategori

1. Jaringan Semantik

Pada tahun 1909, Charles S. Peirce mengusulkan sebuah notasi grafis dari simpul dan ujung yang disebut eksistensial. Grafik yang dia sebut "logika masa depan." Demikianlah dimulai perdebatan panjang antara

pendukung "logika" dan pendukung "jaringan semantik." Sayangnya, debat tersebut dikaburkan fakta bahwa jaringan semantik (setidaknya yang memiliki semantik) adalah sebuah bentuk logika Notasi bahwa jaringan semantik menyediakan beberapa jenis kalimat tertentu. Seringkali lebih mudah, tapi jika kita menghilangkan masalah "human interface", yang mendasarinya konsep-objek, relasi, kuantifikasi, dan sebagainya-sama.

Ada banyak varian jaringan semantik, tapi semua mampu mewakili individu objek, kategori objek, dan relasi antar objek. Notasi grafis yang khas menampilkan nama objek atau kategori dalam bentuk oval atau kotak, dan menghubungkannya dengan label link.

      2. Logika Deskripsi

Sintaks logika orde pertama dirancang untuk memudahkan untuk mengatakan sesuatu tentang objek. Logika deskripsi adalah notasi yang dirancang untuk mempermudah mendeskripsikan definisi dan sifat kategori Sistem logika deskripsi berevolusi dari jaringan semantik sebagai tanggapan untuk menekan untuk memformalkan apa arti jaringan sambil mempertahankan penekanannya struktur taksonomi sebagai prinsip pengorganisasian. Tugas inferensi utama untuk logika deskripsi adalah subsumption (memeriksa apakah satu kategori adalah subset dari yang lain dengan membandingkan definisinya) dan klasifikasi (pengecekan

apakah suatu objek termasuk kategori). Beberapa sistem juga mencakup konsistensi sebuah kategori

definisi-apakah kriteria keanggotaan secara logis memuaskan.

6.5 Referensi

Jones, M.Tim. 2008. Artificial Intelligent  A System Approach. Hingham, Massachusetts, New Delhi:INFINITY SCIENCE PRESS LLC.

Russel, Stuart & Norvig, Peter. Artificial Intelligent A Modern Approach. Vol.3. Pearson Education, Inc.