BAB 2 PENGENALAN INTELLIGENT AGENTS

BAB 2

PENGENALAN INTELLIGENT AGENTS

2.1 Agen dan Lingkungannya

·         Agents adalah segala sesuatu yang dapat melihat/ mengartikan/ mengetahui (perceiving) linkungannya melalui alat sensor (sensors) dan bertindak (acting) melalui alat aktuator (actuators)

·         Manusia sebagai agent : mata, telinga dan organ lainnya sebagai sensors; tangan, kaki, mulut dan bagian tubuh lainnya sebagai actuators

·         Robot sebagai agent : kamera dan pejejak infra merah sebagai sensors; berbagai motor pengerak sebagai actuators

·         Software sebagai agent : tekanan pada keyboard, isi file dan paket-paket pada jaringan sebagai masukan sensors; tampilan pada layar, penulisan file dan pengiriman paket jaringan sebagai keluaran actuators.

·         Fungsi agent (f) adalah pemetaan dari urutan persepsi (percept) menjadi tindakan (actions) [f: P*    A]

·          Program agent berjalan pada arsitektur fisik untuk menghasilkan fungsi agent (f) agent = architecture + program.

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.

STRUKTUR AGENT INTELLIGENCE

Tugas AI adalah untuk merancang sebuah agent yaitu sebuah fungsi yang mengimplementasikan pemetaan agen dari persepsi terhadap tindakan. Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut arsitektur. Secara umum, arsitektur membuat persepsi dari sensor yang tersedia untuk program, menjalankan program, dan umpan pilihan program aksi terhadap efektor seperti yang dihasilkan.

Hubungan antara agen, arsitektur, dan program dapat disimpulkan :

-          Mapping : Hubungan antara Percepts and Action.

-          Tugas dari AI adalah men-design Agent Program : merupakan sebuah function yang mengimplementasikan agent mapping dari percepts to action.

-          Architecture menerima percepts dari sensor, menjalankan program, melakukan aksi yang dipilih action ke effectors.

-          Agent = Architecture + Program

-          PAGE = Percepts, Actions, Goal(s) and Environment.

2.2  AGEN RASIONAL

Sebuah agen haruslah mengarah kepada “lakukan hal yang benar”. Berdasarkan kepada apa yang dapat dipahaminya 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. Misalnya, ukuran performance dari sebuah agen vacuum-cleaner dapat berupa besarnya jumlah debu yang dibersihkan, jumlah waktu yang dihabiskan, jumlah listrik yang dikonsumsi, jumlah kebisingan yang dihasilkan, dan lain-lain.

Agen rasional untuk setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih satu tindakan ang diharapkan memaksimalkan ukuran performance-nya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapunpengetahuan terpasang yang dimiliki agen itu. Rasionalitas berbeda dari omniscience (tahu segala/all-knowing dengan pengetahuan tak berhingga).

Agen dapat melakukan tindakan untuk memodifikasi persepsi masa depan sedemikianhingga dapat memeroleh infoemasi yang berguna (pengumpulan infoemasi, eksplorasi). Sebuah agen adalah otonom (autonomous) apabila perilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan belajar dan beradaptasi)

2.3  PEAS (Perfomance measure, Environment, Actuators, Sensors)

PEAS: Performance measure, Environment, Actuators, Sensors

Pertama-tama harus menentukan pengaturan untuk desain agen cerdas.

Pertimbangkan, misal : tugas merancang supir taksi otomatis: 

•  Performance 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
•  Agen: Sistem pendiagnosa medis
• Performance measure: Pasien sehat, biaya minimal, sesuai aturan/hukum (lawsuits)
• Environment: Patient, hospital, staff
• Actuators: Screen display (questions, tests, diagnoses, treatments, referrals)
• Sensors: Keyboard (entry of symptoms, findings, patient's answers
•  Agent: Robot pengutip-sukucadang
• Performance measure: Persentase sukucadang dalam kotak yang benar.
• Environment: ban berjalan dengan sukucadang, kotak
• Actuators: Pergelangan dan tangan tersambung
• Sensors: Kamera, joint angle sensor.
• Agen: Tutor Bahasa Inggeris Interaktif
• Performance measure: Memaksimalkan nilai mahasisa pada waktu ujian
• Environment: Sekumpulan mahasiswa
• Actuators: Layar display (exercises, suggestions, corrections)
• Sensors: Keyboard

2.4  Tipe-tipe lingkungan agent              

·         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.

2.5 Tipe Agent

Simple Reflex Agents

Gambar diatas menunjukkan struktur Simple reflex agent, struktur yang paling sederhana dalam bentuk skema, menunjukkan bagaimana aturan condition action memungkinkan agen untuk membuat sambungan dari persepsi untuk bertindak. Persegi panjang untuk menunjukkan keadaan internal saat proses keputusan agen, dan oval untuk mewakili latar belakang informasi yang digunakan dalam proses. Secara ringkat dapat disampaikan sebagai berikut:

-           Memiliki rule base dalam bentuk "aksi-kondisi"

-          Memiliki komponen untuk mengekstrak Fitur

-          Tidak ada akses untuk menyelesaikan keadaan dunia

-          Pekerjaan hanya jika keputusan yang tepat dapat dilakukan atas dasar persepsi saat ini

Model Based Reflex Agent

Pengetahuan tentang "bagaimana dunia bekerja" disebut model dari dunia, maka bentuk ini dinamakan "model based reflex agent". Sebuah model based reflex agent harus menjaga semacam internal model yang tergantung pada sejarah persepsi dan dengan demikian mencerminkan setidaknya beberapa aspek yang tidak teramati negara saat ini. Kemudian memilih tindakan dengan cara yang sama sebagai agen refleks. Model ini lebih kuat daripada simple reflex agent

Goal-Based Agents

Goal based agents memperluas pada kemampuan model-based agents, dengan menggunakan "goal" informasi. Tujuan informasi menggambarkan kondisi yang diinginkan. Hal ini memungkinkan agen cara untuk memilih di antara beberapa kemungkinan, memilih satu yang mencapai negara tujuan. Search dan planing adalah sub bidang kecerdasan buatan yang ditujukan untuk urutan tindakan menemukan bahwa mencapai tujuan agen. Dalam beberapa kasus goal-based agent tampaknya kurang efisien; itu lebih fleksibel karena pengetahuan yang mendukung keputusan diwakili secara eksplisit dan dapat dimodifikasi.

Utility-Based Agents

“Goal” tidak cukup untuk menghasilkan perilaku berkualitas tinggi. Ada banyak urutan tindakan  untuk mencapai tujuan, tetapi beberapa yang lebih cepat, lebih aman, lebih dapat diandalkan, atau lebih murah daripada yang lain. Tujuan hanya memberikan perbedaan antara kondisi "bahagia" dan "tidak bahagia", sedangkan ukuran kinerja yang lebih umum harus memungkinkan perbandingan beberapa urutan kondisi yang berbeda jika agen ingin mencapai tujuan. Terminologi yang dipergunakan untuk mengatakan bahwa jika satu kondisi lebih disukai daripada kondisi yang lain, itu mempunyai utilitas yang lebih tinggi untuk agent.

SUMBER :

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

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