Pengenalan Intelligent Agents (M2)

Intelligent Agents

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. 

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.

 

Rasionalitas pada Agent AI

Sebuah agen haruslah mengarah kepada “lakukan hal yang benar”, berdasarkan kepada apa yang dapat di pahaminya dan tindakan yang dapat dilakukannya. Tindakan yang benar adalah tindakan yang akan menyebabkan agen tersebut paling berhasil. Pengukuran performance sebuah kriteria objektif untuk keberhasilan sebuah perilaku agen. Agen dapat melakukan tindakan untuk memodifikasi persepsi masa depan sedemikian hingga dapat memperoleh informasi yang beguna, sebuah agen adalah otonom apabila perilakunya ditentukan oleh pengalamannya sendiri.

 

PEAS (Performance Measure, Environment, Actuators, Sensor

Performance measure : apa saja komponen pengukur keberhasilan si agent?

Evironment : kondisi apa saja yang ada disekitar si agent?

Actuators : apa saja yang bisa dilakukan si agent?

Sensors : apa saja yang menjadi input si agent?

Contoh: Taksi Otomatis

Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan :

-Performance measure: sampai tujuan, tidak melanggar aturan lalu lintas, perjalanan nyaman, hemat bensin.

-Environment: jalan, lalu lintas, pejalan kaki, pelanggan.

-Actuators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.

-Sensors: video, speedometer, GPS, keyboard

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 lingkungannya adalah strategic).

- Episodic (vs. sequential): Pengalaman agen dibagi kedalam "episode-episode" atomik (setiap episode 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.

 

Tipe Agen

  Untuk pembuatan agen cerdas, ada lima tipe agen yang dapat mengimplementasikan pemetaan dari percept yang diterima ke tindakan yang akan dilakukan. 5 tipe agen tersebut adalah simple reflex agents, model-based reflex agents, goal-based reflex agents,  utility-based reflex agents dan Learning agents:

   Model-Based Reflex Agents : Agen refleks sederhana dapat melakukan tindakannya dengan baik jika lingkungan yang memberikan percept/kesan tidak berubah-ubah. agen refleks berbasis model ini menjaga keadaan dunianya menggunakan model internal kemudian memilih tindakan seperti agen refleks sederhana.

   Goal-Based Agents : Merupakan agen yg berorientasi ke tujuannya Pengetahuan agen akan keseluruhan keadaan pada lingkungan tidak selalu cukup. Suatu agen tertentu harus diberikan informasi tentang tujuan yang merupakan keadaan yang ingin dicapai oleh agen. (setiap action yg dilakukan untuk mencapai tujuannya). Dengan demikian, agen akan bekerja hingga mencapai tujuannya. 

   Utility-Based Agents : Pencapaian tujuan pada agen tidak cukup untuk menghasilkan agen dengan tingkah laku berkualitas tinggi. Agen refleks berbasis tujuan tidak membedakan keadaan yang bagus dengan keadaan yang tidak bagus untuk agen. Pada utility based agent diperhitungkan utility factor (kuantitatif) yaitu menghitung seberapa dekat untuk mencapai tujuannya.

    Learning agents : Belajar dari pengalaman, meningkatkan kinerja bertanggung jawab untuk membuat perbaikan Elemen kinerja bertanggung jawab untuk memilih tindakan eksternal.

s 

    Sumber :

  

http://hadieswd.blogspot.co.id/2015/03/kecerdasan-buatan-intelligent-agents.html

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

http://share.its.ac.id/pluginfile.php/1358/mod_resource/content/1/2._Agent_Cerdas.pdf 

https://alfarisi88.files.wordpress.com