Pertemuan 2 :

Agen Cerdas

Kecerdasan Buatan
Asep Arwan Sulaeman, ST., M. Kom.
Teknik Informatika – S1
Fakultas Teknik
Universitas Pelita Bangsa
 Outline Materi
1. Pendahuluan

1.1. Pengantar

 Pada bagian ini dapat kita lihat bahwa konsep rasionalitas dapat diterapkan pada lingkungan yang luas.

 Pembahasan pada bagian ini meliputi konsep agen dan lingkungannya.

 Selain itu juga akan dipelajari prinsip mendesain agen cerdas yang benar, berdasarkan jenis lingkungan serta jenis agen.

1.2. Tujuan

Penguasaan materi dalam modul ini dirancang agar mahasiswa mampu untuk :

 Mengetahui konsep agen cerdas dan lingkungan agen cerdas.

 Mengetahui konsep PEAS (Performance measure, Environment, Actuators, Sensors) untuk merancang agen cerdas.

 Mengetahui jenis lingkungan dan jenis agen cerdas.

 AGEN CERDAS
2. KONSEP AGEN CERDAS DAN LINGKUNGAN

 Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan
bertindak melalui alat aktuator.

 Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat aktuator: tangan, kaki, mulut, dan
bagian tubuh lain sebagai alat gerak.

 Sedangkan pada agen robot: kamera dan inframerah untuk sensor, dan lengan, serta berbagai motor sebagai aktuator.

 Agen menerima (percept) sensor dari lingkungan. Keseluruhan percept yang diterima agen pada suatu selang waktu disebut percept
sequence.
 AGEN CERDAS
Hubungan antara agen dan lingkungan dan digambarkan sebagai berikut

Ilustrasi hubungan agen dan lingkungan

• Fungsi Agen (pada gambar diatas berupa kotak dengan tanda tanya) memetakan percept sequence/percept history ke tindakan (action)

• Program agen berjalan pada arsitektur fisik untuk menghasilkan nilai fungsi f.

• agen = arsitektur + program

 AGEN CERDAS

3. Konsep Perancangan Agen Cerdas

 Rasional dapat didefinisikan sebagai: melakukan hal yang benar.

 Agen rasional melakukan hal yang benar berdasarkan percept apa yang ditangkap dan tindakan (action) apa yang diambil.

 Tindakan yang tepat adalah tindakan yang akan menyebabkan agen menjadi yang paling sukses.

Beberapa hal yang perlu ditekankan:

1. Rasionalitas berbeda dari omniscience (serba tahu/mengetahui semua dengan pengetahuan tak terbatas).

2. Agen dapat melakukan tindakan dalam rangka untuk mengubah persepsi masa depan untuk memperoleh informasi yang berguna
(pengumpulan informasi, eksplorasi).

3. Sebuah agen dikatakan otonom jika perilaku agen ditentukan oleh pengalaman sendiri (dengan kemampuan untuk belajar dan beradaptasi).
 AGEN CERDAS

Pengukuran kinerja: Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen
Misalnya, mengukur kinerja dari agen vacuum-cleaner:
 Jumlah kotoran dibersihkan,
 Jumlah waktu yang dibutuhkan,
 Jumlah listrik yang dikonsumsi,
 Jumlah kebisingan yang dihasilkan, dll

 Pengukuran kinerja haruslah dapat dinyatakan dalam ukuran kuantitatif. Kata “jumlah” mengindikasikan suatu ukuran
kuantitatif/terukur.

 Untuk setiap urutan persepsi (percept sequence) yang ada, agen rasional harus memilih tindakan yang diharapkan untuk
memaksimalkan ukuran kinerjanya.

Tujuan (Goal): Setelah menentukan kriteria obyektif (seperti diatas), pilih salah satu tujuan untuk menjadi fokus
utama dari agen.

Goal adalah tujuan utama yang berusaha dicapai oleh agen (prioritas utama)
 AGEN CERDAS

 Konsep utama perancangan agen cerdas/rasional dapat dilakukan dengan bantuan PEAS
Performance measurement, Environment, Actuators, Sensors.

 PEAS harus ditentukan sebelum desain agen cerdas.

 Berdasarkan informasi PEAS, dapat merancang agen untuk memenuhi tujuan yang ingin dicapai.

Sebagai contoh, misalnya tugas merancang sebuah sopir taksi otomatis.

Definisikan PEAS agen cerdas tersebut seperti berikut:

1. Performance Measure: Aman, cepat, legal, perjalanan nyaman, memaksimalkan keuntungan

2. Environment: Jalan, lalu lintas lainnya, pejalan kaki, pelanggan

3. Actuators: Setir, pedal gas, rem, sinyal, klakson

4. Sensors: Kamera, sonar, speedometer, GPS, odometer, sensor mesin, keyboard

 AGEN CERDAS

Contoh lain dari mendefinisikan PEAS:

Agen: sistem diagnosis Medis

 Performance Measure: Pasien Sehat, meminimalkan biaya, tuntutan hukum

 Environment: Pasien, rumah sakit, staf

 Actuators: Layar display (pertanyaan, tes, diagnosis, pengobatan, rujukan)

 Sensors: Keyboard (masuknya gejala, temuan, jawaban pasien)

Agen: Part-picking robot (robot pengambil komponen)

 Performance Measure: Persentase berapa bagian masuk ke kotak yang benar

 Environment: Conveyor, komponen-komponen, kotak komponen

 Actuators: lengan dan tangan robot

 Sensors: Kamera, sensor sudut persendian

 AGEN CERDAS
4. Jenis Lingkungan

• Aspek-aspek lingkungan adalah:

 Sepenuhnya teramati vs Sebagian teramati:
Lingkungan sepenuhnya teramati jika sensor mendeteksi semua aspek yang relevan dengan pilihan action. Sebuah sensor agen memberikan
akses ke keadaan lengkap lingkungan pada setiap titik waktu. Lingkungan sebagian teramati karena sensor berisik dan tidak akurat.

 Deterministik vs Stokastic:
Keadaan berikutnya lingkungan sepenuhnya ditentukan oleh keadaan saat ini dan tindakan yang dilakukan oleh agen.

 Episodik vs Sekuensial:
Pengalaman agen dibagi menjadi "episode" (setiap episode terdiri dari: agen mengamati (percept) dan kemudian melakukan tindakan tunggal),
dan pilihan tindakan di setiap episode hanya bergantung pada episode itu sendiri.
 Contoh: Klasifikasi (episodik), catur dan pengemudi taksi otonom (sekuensial).

 Statis vs Dinamis:
Lingkungan berubah, agen tidak perlu terus mencari pada lingkungan untuk memutuskan sesuatu. Pada lingkungan dinamis terus meminta
agen apa yang ia ingin lakukan.
(Lingkungan semidinamis jika lingkungan itu sendiri tidak berubah dengan berlalunya waktu namun skor kinerja agen berubah)

 Diskrit vs Kontinu:
Jumlah state/tindakan untuk mencapai goal terbatas (diskrit), persepsi yang jelas dan tindakan yang terhingga.
(misalnya, catur - diskrit, mengemudi taksi - kontinyu).

 Agen tunggal vs agen multi: Seorang agen yang beroperasi dengan sendirinya dalam suatu lingkungan.
 AGEN CERDAS
5. Jenis Agen

• Empat jenis dasar agen terurut dari yang paling umum ke khusus:

 Agen refleks sederhana:

Agen memilih tindakan berdasarkan persepsi saat ini, mengabaikan sisa sejarah persepsi.

 Agen reflex berbasis model:

Agen mempertahankan state internal yang bergantung pada sejarah persepsi, mencerminkan beberapa aspek teramati dari kondisi saat ini.

 Agen berbasis tujuan:

Agen memiliki informasi tentang tujuan dan memilih tindakan untuk mencapai tujuan.

 Agen berbasis utilitas:

Agen menyatakan/menetapkan pengukuran kuantitatif terhadap lingkungan (ranking).
Pemilihan tindakan yang rankingnya paling tinggi (paling dekat mencapai tujuan).

 Agen berbasis pembelajaran:

Agen belajar dari pengalaman, dapat beradaptasi untuk meningkatkan kinerja.
 AGEN CERDAS
Agen refleks sederhana (Simple Reflex Agent)

• Agen Refleks Sederhana:

 Aturan kondisi-tindakan:
Kondisi yang memicu beberapa Tindakan
ex. Jika mobil di depan mengerem (kondisi) kemudian memulai pengereman (tindakan)

 Agen refleks Sederhana :

Sederhana namun sangat terbatas kecerdasannya.

 Menghubungkan percept ke tindakan.

 Keputusan yang benar dapat dibuat hanya dalam lingkungan yang penuh teramati.

• Simple Reflex Agent

function SIMPLE-REFLEX-AGENT (percept) return an action
static: rules, a set of condition-action rules
state INTERPRET-INPUT (percept)
rule RULE-MATCH(state,rules)
action RULE-ACTION[rule]
return action

• INTERPRET-INPUT merupakan fungsi yang menghasilkan deskripsi dari kondisi saat ini
dari percept.

• RULE-MATCH merupakan fungsi yang mengembalikan aturan pertama dalam

seperangkat aturan yang cocok dengan deskripsi yang diberikan oleh suatu state.
 AGEN CERDAS
Agen Berbasis Model

• Cara yang paling efektif untuk menangani pengamatan parsial adalah melacak bagian dari dunia yang bisa teramati saat ini (current state).

• Agen mempertahankan keadaan internal yang bergantung pada sejarah persepsi dan
dengan demikian mencerminkan beberapa aspek teramati dari kondisi saat ini.

• Untuk memperbarui informasi keadaan internal memerlukan dua pengetahuan:

 Bagaimana dunia berkembang secara independen dari agen
 Bagaimana tindakan agen memengaruhi dunia

• Pengetahuan tentang "bagaimana dunia bekerja" disebut model

Agen berbasis Model:

function REFLEX-AGENT-WITH-STATE (percept) return an action
static: state, a description of the current world state
rules, a set of condition-action rules
action, the most recent action, initially none
state UPDATE-STATE (state,action,percept)
rule RULE-MATCH(state,rules)
action RULE-ACTION[rule]
return action

• UPDATE-STATE menciptakan keadaan internal baru

 AGEN CERDAS
Agen Berbasis Goal

• Mengetahui tentang keadaan saat ini saja tidak selalu cukup untuk memutuskan apa yang harus dilakukan.

• Agen membutuhkan informasi tujuan (goal) yang menggambarkan situasi yang diinginkan
 AGEN CERDAS
Agen berbasis Utilitas

• Mencapai tujuan saja tidak cukup untuk menghasilkan perilaku berkualitas tinggi dalam lingkungan.

• Seberapa cepat ?

• Seberapa aman ?

• Seberapa murah ?

• Dapat diukur

• Fungsi Utilitas memetakan state ke bilangan real (ukuran kinerja)

 AGEN CERDAS
Agen berbasis Pembelajaran

• Elemen learning bertanggung jawab untuk membuat perbaikan

• Elemen Kinerja bertanggung jawab untuk memilih tindakan eksternal

• Kritik memberikan umpan balik tentang bagaimana tindakan yang dilakukan agen
 RANGKUMAN

Agen berinteraksi dengan lingkungan Ukuran kinerja mengevaluasi

melalui sensor dan aktuator Fungsi agen menjelaskan apa yang lingkungan agen
dilakukan agen dalam segala situasi

Beberapa arsitektur agen dasar: Sebuah agen rasional

refleks, berbasis model, berbasis memaksimalkan kinerja yang
goal, berbasis utilitas, pembelajaran. diharapkan

Agen program mengimplementasikan

(beberapa) agen fungsi

Lingkungan dikategorikan menjadi

beberapa dimensi bergantung pada Deskripsi PEAS membantu
aspek-aspeknya:diamati, mendefinisikan agen cerdas dan
deterministik, episodik, statis, diskrit, lingkungannya
single-agent
 Latihan
1. Buatlah sebuah makalah yang menjelaskan tentang agen rasional yang anda pilih sebagai agen
cerdas dalam menyelesaikan suatu masalah! (Anda dapat membuat agen sendiri yang tidak pernah
ada sebelumnya atau sesuatu dalam imajinasi Anda, misal agen pembantu rumah tangga.)

2. Tentukan lingkungan agen dan jenis agen, dan penjelasannya!

Terimakasih
Asep Arwan Sulaeman S.T.
0812 – 1053 - 6385
aseparwan@pelitabangsa.ac.id