Definisi Agents
Pengertian sebuah 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. Dapat digambarkan secara sederhana sebagai berikut:
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. Agen Intelligent menurut Nikola Kasabov adalah bahwa Agent harus menunjukkan karakteristik berikut.:
- mengakomodasi pemecahan masalah baru aturan bertahap
- beradaptasi online dan real time
- mampu menganalisis sendiri dalam hal perilaku, kesalahan dan kesuksesan.
- belajar dan meningkatkan melalui interaksi dengan lingkungan (perwujudan)
- belajar dengan cepat dari sejumlah besar data
- memiliki penyimpanan memori berbasis contoh dan kapasitas pengambilan
- memiliki parameter untuk mewakili umur pendek dan jangka panjang memori.
Konsep IA
- Percept: masukan “indera” si agent. Dengan kata lain: input
- Percept sequence: sejarah input si agent
- Actions: tindakan yang dilakukan oleh si agent
- Environment: lingkungan di mana si agent berada
Konsep Rational Agent
Rational → melakukan hal yang terbaik.
Kita harus mendefinisikan tujuan dari si agent (goal).
Goal bisa dinyatakan sebagai performance measure: ukuran kinerja si agent
Contoh:
Goal Performance Measure
Lulus kuliah IPK
Cepet kaya Gaji bulanan
Juara liga sepakbola Posisi klasemen
Bahagia Tingkat kebahagiaan
Rational Agent
- Definisi: retional agent: suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan (sejarah input) dan pengetahuan lain yang dimilikinya.
- Rational tidak berarti sempurna: ada aspek lingkungan yang tidak diketahui, di luar kendali.
- Terkadang agent bermulai tanpa pengetahuan lingkungan → exploration, learning, autonomy.
Task Environment
Ketika merancang sebuah agent, kita harus mendefinisikan lingkungan masalah (task environment), yakni:
- Performance measure: apa saja yang menjadi ukuran kinerja agent?
- Environment: di manakah agent berperan?
- Actuators: apa saja yang bisa dilakukan si agent?
- Sensors: apa saja yang menjadi perantara input untuk agent?
- PEAS
Contoh: Agent taksi otomatis
Bayangkan sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan.
Performance measure: keamanan, kecepatan, legalitas, kenyamanan perjalanan, keuntungan
Environment: jalanan, lampu merah, lalulintas, pejalan kaki, cuaca
Actuators: stir arah, gas, rem, klakson, sinyal kiri/kanan
Sensors: kamera, sonar, speedometer, GPS, odometer, accelerometer, mesin sensor, keyboard
Struktur sebuah agent
- Agent function
f : P* → A
- Agent program
Sebuah program yang mengimplementasikan fungsi f di atas arsitektur
- Agent = Arsitektur + Program
- Agent program menerima input percept terakhir (*mungkin* ia menyimpan percept sequence di dalam memory-nya)
Contoh: VacuumCleanerWorld
Jenis-jenis agent program
- Simple reflex agents: hanya berdasarkan percept terakhir.
- Model-based reflex agents: memiliki representasi internal mengenai keadaan lingkungan.
- Goal-based agents: memiliki informasi mengenai tujuan, memilih tindakan yang mencapai tujuan.
- Utility-based agents: melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan → utility function. Berkaitan dengan performance measure.
- Learning agents: belajar dari pengalaman, meningkatkan kinerja.
source :
0 komentar:
Posting Komentar