Tugas 1

Jelaskan bagaimana logika proposisional dan logika predikat digunakan dalam representasi pengetahuan. Berikan contoh kasus dunia nyata di mana penggunaan logika predikat lebih unggul dibanding logika proposisional.

Deskripsikan proses inference (penarikan kesimpulan) dalam sistem berbasis logika. Jelaskan peran modus ponens dan modus tollens dalam proses tersebut, serta berikan ilustrasi penerapannya pada sistem pakar medis sederhana.

Bandingkan penggunaan list dan tree dalam menyusun struktur pengetahuan. Dalam konteks sistem pakar, kapan struktur tree lebih efisien dibanding list, dan mengapa?

Jelaskan konsep dasar jaringan semantik (semantic network) dalam representasi pengetahuan. Gambarkan contoh jaringan semantik sederhana untuk domain ΓÇ£hewanΓÇ¥, dan jelaskan bagaimana hubungan antar node dapat digunakan untuk melakukan reasoning.

Apa yang dimaksud dengan frame-based knowledge representation? Jelaskan bagaimana konsep slot dan filler bekerja dalam frame, dan berikan contoh representasi frame untuk objek ΓÇ£MobilΓÇ¥.

Jelaskan konsep script (naskah) dalam representasi pengetahuan. Berikan contoh bagaimana script digunakan untuk memodelkan urutan kejadian dalam aktivitas ΓÇ£makan di restoranΓÇ¥.

Jelaskan arsitektur dasar production system dalam kecerdasan buatan. Uraikan tiga komponennya (rule base, working memory, inference engine) dan hubungan antar ketiganya dalam proses pengambilan keputusan.

Bandingkan kelebihan dan keterbatasan lima pendekatan representasi pengetahuan berikut: logika, jaringan semantik, frame, script, dan sistem produksi. Dalam konteks aplikasi AI modern seperti chatbot atau autonomous agent, metode mana yang paling relevan dan mengapa?

Banyak sistem AI modern menggabungkan lebih dari satu metode representasi pengetahuan. Jelaskan tantangan dan keuntungan integrasi antara representasi berbasis logika dan berbasis frame dalam pengembangan sistem cerdas yang kompleks.

Diskusikan bagaimana konsep klasik representasi pengetahuan (seperti jaringan semantik dan sistem produksi) masih relevan dalam era machine learning dan large language models. Bagaimana kombinasi antara symbolic AI dan sub-symbolic AI dapat meningkatkan kemampuan reasoning sebuah sistem?