Ringkasan Singkat Pertemuan 2
Representasi Pengetahuan dan Penalaran adalah proses mengubah pengetahuan manusia menjadi bentuk yang dapat diolah komputer. Pengetahuan dibagi menjadi eksplisit (terdokumentasi dalam aturan, fakta, atau logika formal seperti proposisional dan predikat) dan implisit (berasal dari pengalaman dan intuisi, diekstraksi melalui machine learning atau neural network). Model representasi meliputi logika proposisional (pernyataan benar/salah dengan operator logika), logika predikat (menggunakan variabel dan kuantor untuk hubungan kompleks), jaringan semantik (node dan relasi antar konsep), serta frame-based (struktur slot-nilai untuk entitas). Proses penalaran dilakukan melalui inferensi logika, dengan aturan utama modus ponens (dari fakta ke kesimpulan) dan modus tollens (dari penyangkalan kesimpulan ke penyangkalan fakta), serta dapat dilakukan secara forward atau backward chaining.
Pertanyaan: Bagaimana kombinasi pengetahuan eksplisit dan implisit dapat meningkatkan performa sistem AI dalam menyelesaikan masalah yang kompleks dan dinamis?
