Anda di halaman 1dari 27

Agen Cerdas

Khafidz Nur Huda


17.52.0932
POKOK BAHASAN
• Agen & Linkungan
• Konsep Rational Agents
• PEAS (Performance measure,
Environment, Actuators, Sensors)
• Jenis Lingkungan
• Jenis-jenis Agent
• Ringkasan
Agent & Lingkungan
 Agen adalah segala sesuatu yang dapat mengetahui atau
memahami lingkungannya melalui sebuah alat sensor dan
sensor bertindak untuk memahami lingkungannya melalui alat
Aktuator.
 Manusia sebagai Agen, memiliki mata, telinga, organ yang
lainnya sebagai sensor, dan tangan, kaki, mulut dan bagian
tubuh lainnya sebagai Aktuator.
 Robot sebagai Agen, Kamera dan Infra Red sebagai sensor,
serta berbagai motor sebagai aktuator.
 Software atau Perangkat Lunak sebagai Agen, Tombol yang
ditekan, Data/File dan Paket Jaringan sebagai sensor input,
sedangkan tampilan layar, menulis file serta pengiriman paket
jaringan sebagai output aktuator.
ROBOT SEBAGAI AGEN
MANUSIA SEBAGAI AGEN
Gambar ilustrasi Interaksi agen dengan
lingkungannya dengan sensor dan
aktuator

• Percepts : masukan AGEN Sensor


Persepsi

yang ditangkap dari


sensor

Lingkungan
?
• Aksi : tindakan yang
dilakukan oleh
Agent Aktuator Aksi/Tindaka

• Lingkungan: n

lingkungan dimana
Agent berada
• Agen : Manusia,
Robot
Agen dan lingkungannya

 Fungsi Agen memetakan dari


rekaman inputan
 (percept histories) ke tindakan
(actions):
 [f: P*  A]
 Program Agen menjalankan
architecture untuk
 menghasilkan f
 agent = architecture + program
Contoh: Vacuum-cleaner
world

Sumber: S. Russel, P. Norving, Artificial Intelligence: A Modern Approach

 •Persepsi: lokasi dan kondisi, misal: [A, Kotor]


 • Actions: Kiri, Kanan, Menghisap, Berhenti
KONSEP RATIONAL AGEN
• Agent seharusnya berupaya melakukan tindakan yang
benar agar berhasil
• Kriteria untuk keberhasilan perilaku agent disebut
performance measure
• Contoh: A vacuum-cleaner agent
jumlah kotoran yang dibersihkan
jumlah waktu yang dibutuhkan
jumlah konsumsi listrik
jumlah kebisingan yang dihasilkan
dll
RATIONAL AGENTS

Definisi

Rational agent: suatu agent yang selalu bertindak memaksimalkan


ukuran kinerja, mengingat apa yang ia amati tentang lingkungan dan
pengetahuan lain yang dimilikinya

Rasionalitas berbeda dari kemahatahuan (mengetahui segala


sesuatu tanpa batas)
• Agent melakukan tindakan  memperbaiki wawasan
kedepan untuk memperoleh informasi penting (information
gathering, exploration)
• Agent disebut autonomous jika perilaku ditentukan oleh
pengalaman sendiri (kemampuan untuk belajar dan
beradaptasi)
Rational tergantung 4 hal

■ Kemampuan yang terukur,


■ Pengetahuan lingkungan
sebelumnya/ terdahulu,
■ Tindakan,
■ Urutan persepsi (sensors).
PEAS (Performance Measure,
Environment, Actuator, Sensor)

Ketika merancang sebuah agent, harus


mendefinisikan masalah lingkungan (task
environment), yakni:
 Performance measure : apa saja komponen
pengukur keberhasilan si agent?
 Environment : kondisi apa saja yang ada
disekitar si agent?
 Actuators : apa saja yang bisa dilakukan si
agent?
 Sensors : apa saja yang menjadi input si
agent?
CONTOH: TAKSI OTOMATIS

Sebuah agent taksi otomatis yang menerima


penumpang dan mengantarkannya ke tujuan :
Performance measure: sampai tujuan, tidak
melanggar aturan lalu lintas, perjalanan nyaman,
hemat bensin
Environment: jalan, lalu lintas, pejalan kaki,
pelanggan
Actuators: arah stir, gas, rem, klakson, sinyal kiri
atau kanan
Sensors: video, speedometer, GPS, keyboard
Contoh: Medical diagnosis
system
Sebuah agent Medical diagnosis system yang
mendiagnosa pasien secara otomatis:
 Performance measure: pasien sembuh, biaya murah,
tidak menyalahi hukum
 Environment: pasien, rumah sakit, suster, dokter
 Actuators: layar monitor (pertanyaan, tes, diagnosa,
treatment, petunjuk
 Sensors: keyboard (masukan gejala penyakit, jawaban
pasien)
CONTOH:
ROBOT PABRIK PENJAMIN MUTU
Sebuah robot yang melakukan pemisahan
komponen yang bermutu tinggi pada ban berjalan
ke dalam kotak berbeda
 Performance measure: prosentase jumlah komponen
yang diletakkan pada kotak yang benar
 Environment: ban berjalan, komponen yang diuji,
kotak
 Actuators: gerak lengan dan tangan robot
 Sensors: kamera, sensor fisik
CONTOH: INTERACTIVE ENGLISH TUTOR

Sebuah agent tutor yang memberikan


latihan english secara interaktif
Performance measure: nilai skor maksimal
Environment: para siswa
Actuators: layar monitor (latihan, saran
koreksi)
Sensors: keyboard
JENIS LINGKUNGAN
(TYPE ENVIRONMENT)
a. Fully vs. partially observable: lingkungan sepenuhnya
dapat diamati ketika sensor-sensor dapat mendeteksi
semua aspek yang relevan dalam memilih tindakan.
b. Deterministic vs. stochastic: Ketika tahap lingkungan
berikutnya sepenuhnya ditentukan oleh tindakan yang
sudah dilakukan.
c. Episodic vs. sequential: Pengalaman agent dapat dibagi
menjadi tahapan-tahapan yang kecil dimana agent akan
menerima dan melakukan satu tindakan. Pilihan tindakan
tergantung hanya pada episode itu sendiri.
d. Static vs. dynamic: Jika lingkungan dapat berubah ketika
agent sedang memilih tindakan, lingkungan dikatakan
dynamic. Semi-dynamic, jika perfoma agent berubah
ketika lingkungan tetap sama
JENIS LINGKUNGAN
(TYPE ENVIRONMENT
d. Static or Dynamic: Lingkungan statis adalah salah satu yang dapat
diasumsikan tetap tidak berubah kecuali disebabkan oleh tindakan
agen. Sebuah lingkungan yang dinamis adalah sebuah lingkungan
dimana selalu terjadi perubahan di lingkungan tersebut dan
perubahan itu tidak disebabkan oleh tindakan agen. Kehidupan
sehari hari adalah sebuah contoh dari lingkungan yang dinamis.
e. Discrete or Continues: Lingkungan bisa diskrit atau continous
dilihat dari berbagai perspektif antara lain dari sisi waktu atau
dilihat dari tindakan yang dilakukan agent. Contoh lingkungan
diskrit, permainan catur adalah diskrit karena pergerakan bidak
catur (agent) memiliki state yang terbatas (action state) dengan kata
lain pergerakan bidak catur sesuai dengan jenis bidak catur tersebut
dan hanya memiliki satu tujuan (discrete state). Contoh dari
continous adalah taxi driver karena didalam suatu lingkungan
(katakanlah jalan raya) taxi pada range waktu tertentu memiliki lebih
dari satu tujuan (continous state) dan pergerakan taxi pada jalan raya
bersifat dinamis karena menyesuaikan dengan kondisi yang ada
pada lingkungannya (action state)
Contoh pengaruh Lingkungan
dan karakteristiknya
Perinah
Observasi Agen Penetapan Episode Statik Berkelanjutan
Lingkungan

Permainan puzzle Mempunyai


Penuh Tunggal Ditetapkan Statik Tidak
silang umpan ballik

Catur dengan Mempunyai


Penuh Multi Ditetapkan Semi Tidak
waktu umpan ballik
Mempunyai
Poker Sebagian Multi Belum pasti Statik Tidak
umpan ballik
Mempunyai
Backgammon Penuh Multi Belum pasti Statik Tidak
umpan ballik
Mempunyai
Pengemudi taxi Sebagian Multi Belum pasti Dinamik Berkelanjutan
umpan ballik

Diagnosa Mempunyai
Sebagian Tunggal Belum pasti Dinamik Berkelanjutan
kesehatan umpan ballik
Analisis gambar Penuh Tunggal Ditetapkan Episodic Semi Berkelanjutan

Robot pengepak Sebagian Tunggal Belum pasti Episodic Dinamik Berkelanjutan

Pengontrol kilang Mempunyai


Sebagian Tunggal Belum pasti Dinamik Berkelanjutan
miyak umpan ballik

Tutor inggris Mempunyai


Sebagian Multi Belum pasti Dinami Tidak
interactive
Jenis-jenis agen
• Simple reflex agents: berdasarkan persepsi yg
terakhir
• Model-based reflex agents: memiliki representasi
internal tentang keadaan sekitar
• Goal-based agents: memiliki informasi tentang
tujuan, memilih tindakan yang mencapai tujuan
• Utility-based agents: melakukan penilaian
kuantitatif terhadap suatu keadaan lingkungan
utility function
• Learning agents: belajar dari pengalaman,
meningkatkan kinerja
Simple reflex agents
• Jenis agen yang paling sederhana. Agen ini memilih tindakan atas
dasar Agen dari persepsi saat ini, mengabaikan sisa sejarah persepsi.
Misalnya, agen vakum yang ditabulasikan pada Gambar dibawah ini
adalah agen refleks sederhana, karena keputusannya hanya
berdasarkan lokasi saat ini dan apakah lokasi itu berisi kotoran. Agen
Spesifik untuk satu lingkungan vakum tertentu, Gambar Skema
menunjukkan bagaimana aturan tindakan-tindakanmemungkinkan
agen untuk membuat sambungan dari persepsi ke tindakan.
Model-based reflex agents
• Agen reflex sederhana dapat melakukan tindakanya dengan
baik jika lingkungan yang memberikan kesan tidak berubah-
ubah. Misalkan untuk kasus agen pengendara taxi, agen
tersebut hanya dapat menerima kesan dari mobil dengan model
terbaru saja. Jika mobil model lama, agen tersebut tidak bias
menerima kesannya sehingga agen tersebut tidak melakukan
tindakan pengereman. Agen reflex model ini menjaga keadaan
dunianya menggunakan model internal kemudian memilih
tindakan seperti agen reflex sederhana.
Goal-based agents
• Suatu agen tertentu harus diberikan informasi tentang tujuan yang
merupakan keadaan yang ingin dicapai oleh agen. Dengan demikian, agen
akan bekerja hingga mencapai tujuannya. Pencarian dan perencanaan
adalah dua deretan pekerjaan yang dilakukan untuk mencapai tujuan
agen. Agen refleks berbasis tujuan ini menambahkan informasi tentang
tujuan tersebut.
Utility-based agents
• Agen refleks berbasis tujuan tidak membedakan keadaan yang bagus
dengan keadaan yang tidak bagus untuk agen. Pada agen refleks berbasis
kegunaan ini memikirkan kondisi yang bagus untuk agen sehingga agen
dapat melakukan tugasnya jauh lebih baik.
Learning agents
• Learning agents belajar dari pengalaman, meningkatkan
kinerja bertanggung jawab untuk membuat perbaikan elemen
kinerja bertanggung jawab untuk memilih tindakan eksternal
kritikus memberikan umpan balik tentang bagaimana agen
bekerja.
LOGICAL AGEN
• Basis Pengetahuan (Knowledge base) = Sekumpulan kalimat
dalam bahasa formal (formal language)
• Pendekatan dengan menerangkan/ menjelaskan (Declarative)
untuk membangun suatu agent (atau sistem lain) :
• Katakan apa yang dibutuhkan untuk bisa mengerti Kemudian
dapat bertanya pada diri sendiri apa yang akan dikerjakan ---
jawaban harus merujuk pada Basis Pengetahuan
• Agents dapat dilihat dari sisi tingkat pengetahuan
Apa yang diketahui, terlepas dari bagaimana penerapannya
• Atau dari sisi tingkat implementasi
Struktur data pada Basis Pengetahuan dan algoritma yang
memanipulasinya
Contoh
RINGKASAN
• Sebuah rational agent harus memiliki tujuan (goal)

• Sebuah task environment mendefiniskan performance measure,


environment, action, dan sensors (PEAS) sebuah agent.

• Agent function memetakan persepsi terhadap tindakan.

• Agent program mengimplementasikan agent function.

• Jenis-jenis agent: simple reflex, model-based, goal- based,


utility- based, dan learning.

DAFTAR PUSTAKA
Russell, S and Norvig, P Artificial Intelligence: A Modern Approach Prentice Hall,
2010, Third Edition
MATUR NUWUN
TERIMA KASIH