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.
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 PEAS (Performance measure, Environment, Actuators, Sensors) untuk merancang agen cerdas.
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
• 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 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.
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.
Berdasarkan informasi PEAS, dapat merancang agen untuk memenuhi tujuan yang ingin dicapai.
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:
Keputusan yang benar dapat dibuat hanya dalam lingkungan yang penuh teramati.
• INTERPRET-INPUT merupakan fungsi yang menghasilkan deskripsi dari kondisi saat ini
dari percept.
• 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.
• 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
• Kritik memberikan umpan balik tentang bagaimana tindakan yang dilakukan agen
RANGKUMAN