BAB 2 Pengenalan Intelligent Agents

Tugas Softskill Pengantar Teknologi Sistem Cerdas
Nama   : Dewi Laras Wijayanti
NPM    : 12114876
Kelas    : 3KA10

BAB 2

Pengenalan Intelligent Agents

2.1 Agen dan Lingkungannya

            Kecerdasan buatan atau dalam bahasa inggrisnya Artificial Intelligence sering disingkat dengan AI yang merupakan cabang terpenting dalam dunia computer AI telah dibahas pada bab sebelumnya, dalam bab ini saya akan lebih membahas tentang Pengenalan Intelligent Agents.

Pengertian Agents dan Lingkungannya

            Agents adalah segala sesuatu yang dapat melihat/ mengartikan/ mengetahui (perceiving) linkungannya melalui alat sensor (sensors) dan bertindak (acting) melalui alat aktuator (actuators). Program agent berjalan pada arsitektur fisik untuk menghasilkan  f 

Kemudian Fugsi dari agent adalah memetakan dari sejarah persepsi dalam tindakan ( Actions ).

 Manusia sebagai agent : mata, telinga dan organ lainnya sebagai sensors; tangan, kaki, mulut dan bagian tubuh lainnya sebagai actuators

Robot sebagai agent : kamera dan pejejak infra merah sebagai sensors; berbagai motor pengerak sebagai actuators

 Software sebagai agent : tekanan pada keyboard, isi file dan paket paket pada jaringan sebagai masukan sensors; tampilan pada layar, penulisan file dan pengiriman paket jaringan sebagai keluaran actuators

2.2 Rasionalitas

Rasionalitas adalah sebuah aksi, keyakinan atau keinginan yang rasional jika kita harus memilih. Rasionalitas merupakan konsep normatif yang mengacu pada kesesuaian seseorang dengan alasan seseorang unutk percaya, atau tindakan seseorang dengan alasan seseorang untuk bertindak.

 Kemudian hubungan rasionalias dengan agen adalah sebuah agen haruslah mengarah kepada "lakukan hal yang benar" , berdasarkan kepada apa yangdapat di pahaminya dan tindakan yang dapat di lakukannya. Tindakan yang benar adalah tindakan yang akan menyebabkan agen tersebut paling berhasil.

Agen rasional, untuk setiap deretan persepsi yang mungkin , sebuah agen rasional hendaklah memilih satu tindakan yang di harapkan memaksimalkan ukuran performancenya , dengan adanya bukti yang di berikan oleh deretan presepsi dan apapun pengetahuan terpasang yang di miliki agen itu.

Pengukuran performance : sebuah kriteria objektif untuk keberhasilan sebuah perilaku agen. Contohnya  ukuran perfomance dari sebuah agen vacuum-cleaner dapat berupa besarnya jumlah debu yang di bersihkan , jumlah waktu yang di habiskan , jumlah listrik yang di konsumsi , jumlah kebisingan yang dihasilkan dsb.

Rasional tergantung pada 4 hal yaitu:

·                 Kemampuan yang terukur

·                 Pengetahuan lingkugan sebelumnya/terdahulu

·                 Tindakan          

·                 Urutan persepsi (sensors)

 Relational agent harus memilih tindakan yang diharapkan dapat memaksimalkan kemampuan dengan memberikan bukti yang dihasilkan dari urutan persepsi dan pengetahuan yang dimiliki oleh agent

2.3 PEAS (Performance measure, Environment, Actuators, Sensor)

PEAS adalah singkatan dari Perfomance measure , Environment , Actuators , Sensors dimana harus dispesifikasikan terlebih dahulu mengenai rancangan intelligent agent. Contoh PEAS :

Contoh pertama untuk task yang disusun untuk agent Pengajar Sistem Informasi
Performance Measure : Memaksimalkan nilai Mahasiswa ketika test
Enviroment : Mahasiswa
Actuator : Layar Tampilan (Materi penjelasan, latihan, cara penyelesaian, koreksi kesalahan)
Sensor : keyboard

Contoh ke-2 untuk task yang didesain untuk agent pengemudi mobil otomatis:
Performance Measure: Aman, Cepat, Legal, Perjalanan yang nyaman.
Environment : Jalan, Lalu lintas kendaraan lain, Pejalan kaki.
Actuators: Setir, Akselerator, Rem, Lampu Sinyal, Klakson
Sensors: Kamera, Sonar, Spedometer, GPS, odometer, sensor mesin, keyboard

2.4 Tipe-tipe Lingkungan Agen

·         Fully observable ( vs. partially obervable ):  Lingkungan sepenuhnya dapat diamati ketika sensor-sensor dapat mendeteksi semua aspek yang relevan dalam memilih tindakan Sensor-Sensor Sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.

·         Determenistic( vs. stochastic ): Keadaan lingkungan berikutnya sepenuh di tentukan oleh keadaan sekarang dan tindakan yang di laksanakan oleh agen. ( jika lingkungan itu determenistik kecuali untuk tindakan agen-agen lain , maka lingkungannya adalah strategic )

·         Episodic( vs.sequential ): Pengalamn agen dibagi kedalam "episode-episode" atomik ( setiap episode terdiri dari si agen memahami ( perceiving ) dan kemudian melaksanakan satu tindakan dan pilihan tindakan dalam tiap episode hanya tergantung pada episode itu sendiri.

·         Static vs dynamic: jika lingkungan dapat berubah ketika agent sedang memilih tindakan, lingkungan daikatakan dynamic semi-dynamic, jika performa agent berubah ketika lingkungan tetap sama

·         Discrete vs continous: perbedaan ini dapat diterapkan pada kedaan lingkungan, waktu cara tangani dan kepersepsi/tindakan agent

·         Single ve multi agent: apakah lingkungan mengandung agen lain yang juga memaksimalkan beberapa ukuran kinerja yang tergantung pada tindakan agen saat ini

2.5 Tipe-tipe Agen

1. Tipe agent goal based

Tujuan-tujuan tertentu dapat dicapai dengan cara-cara berbeda  Beberapa lebih baik, memiliki manfaat yang lebih tinggi

·         Fungsi utililas memetakan urutan kedudukan (a sequeance of states) dengan angka real.

·         Meningkatkan tujuan-tujuan

·         Memilih tujuan dari tujuan-tujuan yang berbenturan

·         Memilih dengan tepat beberapa tujuan memiliki kemungkinan berhasil

2. Tipe agent utility-based

·         Agent membutuhkan tujuan untuk mengetahui situasi mana yang diharapan,

akan menjadi sulit ketika urutan yang yang panjang dari tindakan-tindakan actions dibutuhkan untuk mencari tujuan.

·         Biasanya diselidiki dalam pencarian perencanaan penelitian.

·         Pengetahuan diwakili lebih explisit dan dapat dimanispulasi.

3. Tipe Agent learning

·         Semua program agent tedahulu mendeskripsikan metode unutk memilih tindakan-tindakan (actions)

·         Mekanisme pembelajaran dapat digunakan untuk melakukan tugas ini

·         Ajarkan mereka dalam pembelajaran bukan memerintahkan mereka

·         Keutunganya adalah agar mereka menjadi kuat jika berada dilingkungan yang tidak diketahui atau baru

DAFTAR PUSTAKA

https://yanneevelynip.wordpress.com/2013/10/20/intelligent-agent-kecerdasan-buatan/

http://hadieswd.blogspot.co.id/2015/03/kecerdasan-buatan-intelligent-agents.html

 https://en.wikipedia.org/wiki/Intelligent_agent

http://ar-wdh.blogspot.co.id/2011/10/intelligent-agent-sebuah-teori.html

J. HENNOCH AND H. ULRICH: AGENT-BASED MANAGEMENT SYSTEMS IN LOGISTICS, page 11

 H. BRECKLE: A MULTI-AGENT FRAMEWORK FOR PLANNING AND MANAGING MOBILITY SERVICES, page 17