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 :
Tidak ada komentar:
Posting Komentar