Minggu, 15 Oktober 2017

PENGENALAN INTELEGENT AGENTS

DEFINISI  INTELLIGENT  AGENT 


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.
Agen Kecerdasan sering digambarkan secara skematik sebagai sistem fungsional abstrak mirip dengan program komputer. Untuk alasan ini, agen cerdas sering disebut abstrak agen cerdas (Abstract Intelligent Agent) untuk membedakan mereka dari dunia nyata implementasi sebagai sistem komputer, sistem biologis, atau organisasi. Beberapa definisi agen cerdas menekankan otonomi mereka, dan jadi lebih suka istilah otonom agen cerdas.
AGENT adalah segala sesuatu yang dapat  mengamati  lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor. Beberapa bagian agent, dari manusia, Robot, Software :
a)      Agen dari manusia  seperti  mata, telinga,  dan organ lain untuk sensor sedangkan tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor.
b)      Robot sebagai agent : kamera dan pejejak infra merah sebagai sensors; berbagai motor pengerak sebagai actuators
c)      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.

KONSDEP AGENT

Konsep Agent  membahas tentang atribut yang ada pada agent, seperti :
1.      Percept                    : masukan (input)  “indera” si agent.
2.      Percept sequence    : sejarah masukkan input si agent
3.      Actions                   : tindakan yang akan dilakukan oleh si agent
4.      Environment          : lingkungan di mana si agent berada
5.      Tanya ?                   : ada yang kurang.

a)      Konsep Rational Agent
              Rational agent yaitu (melakukan hal yang terbaik) 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.

Contoh:

Kita harus mendefinisikan tujuan dari si agent (goal). Goal bisa dinyatakan sebagai performance measure: ukuran kinerja si agent.

Goal
Performance Measure
Lulus kuliah
IPK
Cepet kaya
Gaji bulanan
Juara liga sepakbola
Posisi klasemen
Bahagia
Tingkat kebahagiaan

b)      Task Environment (lingkungan masalah )
Untuk  merancang sebuah agent, kita harus mendefinisikan lingkungan masalah (task
    environment), yaitu:
1.      Performance measure  : apa saja yang menjadi ukuran kinerja agent?
2.      Environment                : di manakah agent berperan?
3.      Actuators                     : apa saja yang bisa dilakukan si agent?
4.      Sensors                        : apa saja yang menjadi perantara input untuk agent?
5.      PEAS  (Performance, Environment, Actuators, Sensors)

Struktur sebuah agent

a)      Agent function
Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action)
                                         f : P* → A
b)      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


 Definisi task environment:
1.      Percepts           : lokasi dan status, mis: [A, Kotor]
 Contoh percept sequence:
{[A, Kotor], [A, Bersih], [B, Kotor], [B, Bersih], …}
{[A, Kotor], [A, Kotor], [A, Kotor], [A, Bersih], …}
2.      Actions           : DoKeKiri , DoKeKanan, DoSedot , DoSantai
3.      Goal               : menjaga kebersihan
4.      Environment  : ruangan A dan B beserta isi debunya




Tidak ada komentar:

Posting Komentar