PENGENALAN INTELLIGENT AGENT

INTODUCTION OF INTELLIGENT AGENT



 Pengertian sebuah Agents adalah segala sesuatu yang 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.







1.1 Agents 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

1.2 Rasionalitas
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, dll.

Agen rasional : Untuk setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih satu tindakan yang diharapkan memaksimalkan ukuran performance-nya, dengan adanya bukti yang diberikan oleh deretan presepsi dan apapun pengetahuan 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 sedemikian hingga dapat memperoleh informasi yang berguna (pengumpulan informasi, eksplorasi)
Sebuah agen adalah otonom (autonomous) apabila perilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan belajar dan beradaptasi).

1.3 PEAS (Performance Measure, Environment, Actuators, Sensors)
Pertama-tama harus menentukan pengaturan untuk desain agen cerdas.

  • Pertimbangkan, misalnya Agen:  Tugas merancang supir taksi otomatis.
  • Performance measure: Aman, cepat, legal, perjalanan menyenangkan, maksimumkan keuntungan.
  • Environment: Jalan, trafik lain, pejalan kaki, pelangan.
  • 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 suku cadang dalam kotak yang benar.
  • Environment: ban berjalan dengan suku cadang, kotak.
  • Actuators: Pergelangan dan tangan tersambung.
  • Sensors: Kamera, joint angle sensors.

Agen: Tutor Bahasa Inggeris Interaktif

  • Performance measure: Memaksimalkan nilai mahasisa pada waktu ujian.
  • Environment: Sekumpulan mahasiswa.
  • Actuators: Layar display (exercises, suggestions, corrections).
  • Sensors: Keyboard.

1.4 Tipe-Tipe Lingkungan Agen
  1. Fully observable (vs. partially observable): Sensor-sensor sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.
  2. 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).
  3. 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.
  4. 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).
  5. Discrete (vs. continuous): Sejumlah terbatas persepsi dan tindakan yang khas dan terdefinisi baik.
  6. Single agent (vs. multiagent): Sebuah agen yang mengoperasikan dirinya sendiri dalam sebuah lingkungan.

Tipe lingkungan sangat menentukan rancangan agen. Dunia nyata (tentu saja) partially observable, stochastic, sequential, dynamic, continuous, multi-agent.
  
1.5 Tipe-Tipe Agen
  • Perilaku agen: tindakan yang dilakukan setelah diberikan sembarang sekuen persepsi.
  • Tugas AI adalah merancang program agen yang mengimplementasikan fungsi agen yang memetakan persepsi ke tindakan.
  • Diasumsikan program ini berjalan di beberapa alat komputasi yang dilengkapi sensors dan actuators (disebut arsitektur). Agent = arsitektur + program.
  • Program yang dipilih harus sesuai dengan arsitektur tersebut.
Cth: Action: Walk à arsitekturnya hendaklah memiliki kaki.
Empat jenis dasar untuk menambah generalitas:
  1. Simple reflex agents
  2. Model-based reflex agents
  3. Goal-based agents
  4. Utility-based agents
sumber:  
http://maukar.staff.gunadarma.ac.id/Downloads/files/42871/Agent.pdf
http://slideplayer.info/slide/2891046/ 

Nama : Yudi Deswantoro
Kelas : 3KA35
NPM : 1C114510
MATERI : PENGENALAN INTELLIGENT AGENT

Nama : Nurhasan Maulana Sukarta
Kelas : 3KA35
NPM : 18114214
MATERI : PENGENALAN TEKNOLOGI SISTEM CERDAS

Nama : Rake Nevy Januaryo
Kelas : 3KA35
NPM : 18114857
MATERI : METODE PENCARIAN DAN PELACAKAN

Tidak ada komentar:

Posting Komentar