PENGENALAN INTELLIGENT AGENT-DEFINISI AGENT


PENGENALAN INTELLIGENT AGENT
(Russel&Norvig, 1955), Sesuatu yang memiliki kemampuan merasakan pengaruh lingkungan melalui sensor dan mampu melakukan respon balik kepada lingkungan tersebut melalui effector  Human agent (agen yang menyerupai manusia) Sensor : mata, telinga. Effector : tangan, kaki, mulut dan lain-lain.
Okamoto & Takaoka, 1997 Mempunyai tujuan Memberdayakan resource Memecahkan masalah

DEFINISI AGENT
AGENT merupakan segala sesuatu yang dapat dipandang sebagaimana mengamati lingkungannya melalui sensor dan bertindak atas lingkungan melalui efektor. Agent adalah sesuatu yang dapat mengesan (perceiving) lingkungan (environment) nya melalui sensors dan bertindak (acting) terhadap lingkungan tersebut melalui actuators. Berikut ini beberapa definisi agen menurut para ahli :
  • Graesser (Graesser dalam Jeaning, 1998): autonomous Agent adalah sistem yang berada di dalam dan bagian lingkungan yang merasakan lingkungan dan bertindak atasnya, seiring berjalannya waktu, dalam mengejar agenda sendiri dan untuk mewujudkan apa yang dirasakannya di masa depan. 
  • Sycara, Jennings, and Wooldridge : Agen adalah sistem komputer, yang berada di lingkungan tertentu, yang mampu melakukan aksi autonomus yang fleksibel, agar dapat memenuhi tujuan desain. (Peta Jalan Agen Penelitian dan Pengembangan). 
  • Shoham (Shoham dalam Jeaning 1998) : Agen sebagai entitas yang negaranya dipandang terdiri dari komponen mental seperti kepercayaan, kemampuan, pilihan dan komitmen. Selanjutnya dia menyatakan bahwa, apa yang membuat komponen perangkat keras atau perangkat lunak menjadi agen justru adalah fakta bahwa seseorang telah memilih untuk menganalisis dan mengendalikannya dalam persyaratan ini, karena itu ada dalam pikiran programmer. 
  • Pakar lain mendefinisikan agen sebagai (Jeaning, et al, 1998) : Autonomous acting, penalaran berbasis domain (Sankar Virdhagriswaran, Crystaliz, Inc.), sensor dan efektor terhadap lingkungan (Russell and Norvig, 1995), menganalisis lingkungan, memiliki tujuan dan tugas, bertindak untuk mencapai tujuan (Maes, 1995) interpretasi kondisi dinamis di lingkungan, pemecahan masalah, penalaran (Hayes-Roth, 1995). Teknologi agen dibangun berdasarkan paradigma berorientasi obyek (Baker 1998). Agen adalah langkah logis berikutnya dari objek yang memiliki tujuan dan autonomy.. Dari perspektif ini agen adalah obyek yang bisa dikatakan 'go' (Parunak 1998). Perangkat lunak agen adalah program yang berinteraksi dengan lingkungan perangkat lunak seperti sistem operasi, situs internet, database informasi, agen lain dan lain-lain untuk mencapai tujuan tertentu (Heilmann et al 1995)
Dari beberapa definisi yang telah dikembangkan para pakar agen. Definisi agen yang  dipakai dalam penelitian  yaitu dalam dua perspektif, yaitu perspektif user dan perspektif sistem. Dalam perspektif user agen merupakan sebuah software bertindak selaku perantara/agen atau broker bagi user yang memungkinkan user untuk mendelegasikan tugas kepadanya serta melakukan pekerjaan seperti yang diperintahkannya. Sedangkan dalam perspektif sistem, agen dapat mengenali lingkungan kerjanya dan memiliki sifat-sifat keagenan.

Dibawah ini adalah agent pada manusia,robotik , dan software:
  • Agent manusia; Sensor: mata, telinga, dan organ tubuh lainnya.Actuator: tangan, kaki, mulut, dan bagian tubuh lainnya. 
  • Agen robotik; Sensor: kamera dan infraref range finders. Actuator: berbagai macam motor. 
  • Agent Software ; sensor: tekanan pada keyboard, isi file dan paket-paket pada jaringan  tampilan pada layar, actuator :penulisan file dan pengiriman paket jaringan sebagai keluaran actuators

STRUKTUR AGEN:
  • Tugas AI adalah merancang program agen yang mengimplementasikan fungsi agen yang memetakan persepsi ke tindakan atau aksi.          
  • Perilaku agen: tindakan yang dilakukan setelah diberikan sembarang sekuen persepsi. 
  • Mapping : Hubungan antara Percepts and Action.
  • 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. Contoh: Action: Walk → arsitekturnya hendaklah memiliki kaki.


TIPE PROGRAM AGEN  :

  • Simple reflex agent .Memilih aksi berdasarkan persepsi saat ini, dan mengabaikan 
    persepsi yang lalu. Contoh : agen penyedot debu hanya memutuskan menyalakan 
    alat sedot saat terindikasi ada kotoran. 
    Simple reflex agent  : If car-in-front-is-braking then initiate-braking. 
    (Jika mobil-di-depan-mengerem kemudian memulai-pengereman).
  • Goal base agent. Agent membutuhkan gambaran/informasi tujuan yang menggambarkan situasi yang diharapkan untuk menentukan aksi, pencarian dan perencanaan.Contoh : agen taxi harus mengetahui tujuan penumpang untuk memutuskan belok kiri, kanan, atau lurus pada suatu persimpangan. 
  • Model base Reflex agent. Menggunakan model lingkungan. Model lingkungan adalah pengetahuan bagaimana lingkungan bekerja. Contoh : taxi akan semakin mendekati tujuan setelah lima menit melaju. 
  • Utility base agent. Tujuan bukan satu-satunya ukuran tercapainya perilaku yang berkualitas tinggi, banyaknya aksi yang dilakukan agen untuk mencapai tujuanàdapat menjadi ukuran. Contoh : kepuasan penumpang dapat diukur juga dari kecepatan, keamanan,  atau biaya yang dikeluarkan. 
  • Learning Agent . Memungkinkan agen untuk beraksi dalam lingkungan yg tidak dikenal, dan menjadi semakin kompeten dari sebelumnya. Ada 4 Komponen Konsep Learning Agent yaitu sebagai berikut:  
    • Learning Element : yang bertanggungjawab untuk membuat peningkatan.  
    • Performance  Element : bertanggungjawab memilih aksi.  
    • Critics : sebagai umpan balik dan menentukan bagaimana kinerja elemen perlu dimodifikasi agar lebih baik dilain waktu. 
    • Problem Generator : bertanggungjawab dalam menyarankan aksi yang mengarah pada pengalaman baru


AGENT  DAN LINGKUNGAN :
  • Agent function/ fungsi agen yaitu  memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (actions) ;      f : P* → A  .Agent program/ program agen yaitu  program yang berjalan di arsitektur fisik untuk membentuk  fungsi  f  . Agent = Arsitektur + Program. 
  • Rational agent : Dalam  setiap rangkaian persepsi yang memungkinkan, Agen rasional seharusnya memilih aksi yang diharapkan memaksimalkan Performance  Measures (PM) , bukti yang diberikan disediakan oleh rangkaian persepsi dan pengetahuan apapun yang ada dalam agen. Perbedaan Rationality dengan Omniscience yaitu  kalau Omniscience memiliki pengetahuaan yang tidak terhingga  dan mengetahui hasil aktual dari tindakannya serta dapat bertindak sesuai dengan keadaan  . Sedangkan Rationality dapat mengetahui segalanya dan dapat memaksimalkan performa yang diharapkan.

Konsep Rasionalitas  Agent yang rasional : 
  • sesuatu yang dilakukan dengan benar atau baik. Dapat mendefinisikan tujuan dari si agent (goal).   
  • Goal ini  bisa dinyatakan sebagai performance measure. Performance  Measures (PM)  , Wujud kriteria perilaku agen yang sukses, ukuran kinerja si agent,Tidak ada standar. 
    • Aturan Umum : PM dirancang berdasarkan apa yang sebenarnya diinginkan dalam lingkungan, bukan berdasarkan bagaimana sebuah agent harus berperilaku.  
    • Learning and autonomy , Learning : Konfigurasi awal sebuah agen dapat mencerminkan beberapa pengetahuan sebelumnya terhadap lingkungan, tapi sebagai agen yang berpengalaman hal ini mungkin dimodifikasi dan ditambahkan.  
    • Autonomy : tidak bergantung pada pengetahuan awal dari designer-nya melainkan melalu  pengalamannya sendiri dari kemampuan belajar dan beradaptasi. 
 Benar  , Mencapai kesuksesan , SUKSES ?
Contoh:
Goal
Performance Measure
LULUS KULIAH
IPK

Konsep Rasionalitas Rasional tergantung pada 4 hal :
  • Kemampuan yang terukur
  • Pengetahuan lingkungan sebelumnya/terdahulu
  • Tindakan
  •  Urutan persepsi (sensors).
DEF: Untuk setiap urutan persepsi yang mungkin, rational agent harus memilih tindakan yang diharapkan dapat memaksimalkan kemampuan dengan memberikan bukti yang dihasilkan dari urutan persepsi dan pengetahuan yang dimiliki oleh agent.

Contoh AGENT : VacuumCleanerWorld



Definisi task environment:
Environment: ruangan A dan B beserta isi debunya. Percepts: lokasi dan status, mis: [A, Dirty]
Contoh percept sequence:
{[A, Dirty], [A, Clean], [B, Dirty], [B, Clean], …}
{[A, Dirty], [A, Dirty], [A, Dirty], [A, Clean], …} 
Apa fungsi yang tepat? Apakah bisa diimplementasikan dalam program agen kecil?
Actions: Left, Right, Suck, NoOp
Goal: menjaga kebersihan
 Contoh agent: AgenRajin
Agent function AgenRajin
f ({…, [*, Dirty]}) → DoSuck
f ({…, [A, Clean]}) → DoRight
f ({…, [B, Clean]}) → DoLeft
Agent program AgenRajin yaitu :
function AgenRajin (status, location) returns action
if status= Dirty  then return DoSuck
else if location = A then return DoRight
else return DoLeft
Contoh agent: AgenMalas

Agent program AgenMalas
function AgenMalas (status, location i) returns action
if status = Dirty then return DoSuck
else if random(1.0) ≥ 0.8 then return DoNoOp
else if location= A then return DoRight
else return DoLeft
Mana yang lebih rational, AgenRajin™ atau AgenMalas™? Tergantung dari:
  • Penjabaran goal “menjaga kebersihan”. Apa performance measure-nya? Apa harus hemat energi?
  • Sifat lingkungan: apakah ruangan yang sudah dibersihkan bisa kotor lagi? seberapa cepat/sering?
 REFERENSI :

Komentar

Posting Komentar