PENGENALAN INTELLIGENT AGENTS MINGGU 2
2.1 AGEN dan LINGKUNGANNYA
AGEN DAN LINGKUNGAN
- Fungsi agen memetakan dari sejarah persepsi ke dalam tindakan (actions):
- Program agen berjalan pada arsitektur fisik untuk menghasilkan f
- Agen = arsitektur + program
Agen adalah segala sesuatu yang dapat merasakan lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor.
- Seorang agen manusia memiliki organ sensorik seperti mata, telinga, hidung, lidah dan sejajar kulit ke sensor, dan organ lainnya seperti tangan, kaki, mulut, untuk efektor.
- Seorang agen robot menggantikan kamera dan pejejak infra merah untuk sensor, dan berbagai motor dan aktuator untuk efektor.
- Seorang agen perangkat lunak telah dikodekan string bit sebagai program dan tindakan.
2.2 RASIONALITAS
Sebuah agen haruslah mengarah kepada “lakukan hal yang benar”. Berdasarkan kepada apa yang dapat dipahaminya dan tindakan yang dapat dilakukannya. Tindakan yang benar adalah tindakan yang akan menyebabkan agen tersebut paling berhasil.
Pengukuran performance: sebuah kriteria objektif untuk keberhasilan sebuah perilaku agen.
Misalnya, ukuran performance dari sebuah agen vacuum-cleaner dapat berupa besarnya jumlah debu yang dibersihkan, jumlah waktu yang dihabiskan, jumlah listrik yang dikonsumsi, jumlah kebisingan yang dihasilkan, dan lain-lain.
Untuk setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih satu tindakan ang diharapkan memaksimalkan ukuran performance-nya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapunpengetahuan terpasang yang dimiliki agen itu.
Rasionalitas berbeda dari omniscience (tahu segala/all-knowing dengan pengetahuan tak berhingga).
Agen dapat melakukan tindakan untuk memodifikasi persepsi masa depan sedemikianhingga dapat memeroleh infoemasi yang berguna (pengumpulan infoemasi, eksplorasi).
Sebuah agen adalah otonom (autonomous) apabila perilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan belajar dan beradaptasi).
2.3 PEAS (Performance measure, Environment, Actuators,
Sensors)
PEAS: Performance measure, Environment, Actuators, Sensors
Pertama-tama harus menentukan pengaturan untuk desain agen cerdas.
Pertimbangkan, misal : tugas merancang supir taksi otomatis:
~ Performance measure: Aman, cepat, legal, perjalanan menyenangkan, maksimumkan keuntungan.
~ Environment: Jalan, trafik lain, pejalan kaki, pelanggan
~ Actuators: Kemudi, gas, rem, lampu sign, horn
~ Sensors: Kamera, sonar, speedometer, GPS, odometer, engine sensors, keyboard
· ~ Agen: Sistem pendiagnosa medis
· ~ Performance measure: Pasien sehat, biaya minimal, sesuai aturan/hukum (lawsuits)
· ~ Environment: Patient, hospital, staff
· ~ Actuators: Screen display (questions, tests, diagnoses, treatments, referrals)
· ~ Sensors: Keyboard (entry of symptoms, findings, patient's answers)
· ~ Agent: Robot pengutip-sukucadang
· ~ Performance measure: Persentase sukucadang dalam kotak yang benar
· ~ Environment: ban berjalan dengan sukucadang, kotak
· ~ Actuators: Pergelangan dan tangan tersambung
· ~ Sensors: Kamera, joint angle sensors
- Agen: Tutor Bahasa Inggeris Interaktif
- Performance measure: Memaksimalkan nilai mahasisa pada waktu ujian
- Environment: Sekumpulan mahasiswa
- Actuators: Layar display (exercises, suggestions, corrections)
- Sensors: Keyboard
2.4 TIPE - TIPE LINGKUNGAN AGEN
- Fully observable (vs. Partially observable): sensor-sensor sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.
- Deterministic (vs. Stochastic): keadaan lingkungan berikutnya sepenuhnya ditentukan oleh keadaan sekarang dan tindakan yang dilaksanakan oleh agen. (Jika lingkungan itu deterministik kecuali untuk tindakan agen-agen lain, maka lingkugannya adalah strategic)
- Episodic (vs. Sequential): pengalaman agen dibagi ke dalam “episode-episode” atomik (setiapepisode 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): lingkungan tidak berubah selagi agen direncanakan (deliberating). (Lingkungan adalah semidynamic jika lingkungan itu sendiri tidak berubah dengan berjalannya waktu tetapi skor performa agen berubah)
- Discrete (vs. Continuous): sejumlah terbatas persepsi dan tindakan yang khas dan terdefinisi baik.
- Single agent (vs. Multiagent): sebuah agen yang mengoperasikan dirinya sendiri dalam sebuah lingkungan.
- Jenis lingkungan sangat menentukan rancangan agen
- Dunia nyata (tentu saja) partially observable, stochastic, sequentil, dynamic, continuous, multi-agent.
2.5 TIPE - TIPE AGEN
STRUKTUR AGEN
Perilaku agen: tindakan yang dilakukan setelah diberikan
sembarang sekuen persepsi.
Tugas AI adalah merancang program agen yang
mengimplementasikan fungsi agen yang memetakan persepsi ke
tindakan.
Diasumsikan program ini berjalan di beberapa alat komputasi
yang dilengkapi sensors dan actuators (disebut arsitektur)
Agent = arsitektur + program
Program yang dipilih harus sesuai dengan arsitektur tersebut.
Contoh : Action: Walk → arsitekturnya hendaklah memiliki kaki
PROGRAM-PROGRAM AGEN
4 jenis dasar untuk menambah generalitas
- Simple reflex agents
- Model-based reflex agents
- Goal-based agents
- Utility-based agents
TABLE-DRIVE AGENT
· Kekurangan:
- Tabel sangat vesar
Misalkan P himpunan percepts yang mungkin T lifetime agen
Entri table lookup
Automated taxi:
~ Rate visual input: 27MB/Sec (30 frame/sec, 640x480 pixel dengan 24 bit color information)
~ Table lookup: 10250,000,000,000
- Memakan waktu lama untuk membangun tabel
- Tidak otonom
- Bahkan dengan pembelajaran, memerlukan waktu yang lama untuk mempelajari entri table
SIMPLE REFLEX AGENTS
MODEL-BASED REFLEX AGENTS
GOAL-BASED AGENTS
UTILITY-BASED AGENTS
LEARNING AGENTS
REFERENSI :
Komentar
Posting Komentar