KELAS : 3KA35
NPM : 1A114607
MATERI : PENGENALAN INTELLIGENT AGENT
NAMA : Ariefah Nur Aisyah
KELAS : 3KA35
NPM :
MATERI :
NAMA : Annisa Imania Putri
KELAS : 3KA35
NPM :
MATERI :
1. Agen dan Lingkungannya
Agen Intelligent sering digambarkan secara skematis sebagai sistem fungsional abstrak mirip dengan program komputer. Untuk alasan ini, agen cerdas kadang-kadang disebut agen cerdas abstrak s (AIA) Untuk membedakan mereka dari dunia nyata implementasinya sebagai sistem komputer, sistem biologis, atau organisasi. Beberapa definisi dari agen cerdas mereka menekankan otonomi , sehingga lebih memilih cerdas agen otonom jangka s. Yang lain (terutama Russell & Norvig (2003) ) perilaku goal-directed dianggap sebagai inti dari kecerdasan dan sebagainya lebih suka istilah yang dipinjam dari ekonomi , ” agen rasional “.
Agen Cerdas dalam kecerdasan buatan berhubungan erat dengan agen di ekonomi , dan versi dari paradigma agen cerdas yang dipelajari dalam ilmu kognitif , etika , filsafat alasan praktis , serta di banyak interdisiplinersosio-kognitif pemodelan dan sosial simulasi komputer.
Intelligent agen juga berhubungan erat dengan agen perangkat lunak (program perangkat lunak otonom yang melaksanakan tugas atas nama pengguna). Dalam ilmu komputer , agen cerdas istilah dapat digunakan untuk merujuk kepada agen perangkat lunak yang memiliki kecerdasan tertentu, terlepas jika tidak agen rasional oleh dan Norvig Definisi Russell. Sebagai contoh, program otonom digunakan untuk bantuan operator atau data mining (kadang-kadang disebut sebagai bot).
Lingkungan Tugas Agen, merupakan definisi dari pemasalahan
yang akan diselesaikan oleh agen.antara lain :
1. Performance Measure
karakteristik apa yang menjadi tujuan dari agen ?
contoh : motor - tiba ditujuan dengan cepat dan hemat bahan bakar
2. Environment
bagaimana karakterisitik lingkungan yang akan dihadapi ?
contoh : motor - tipe jalan, tingkat kemacetan
3. Actuators
perangkat apa yang dibutuhkan agen untuk mencapai tujuan ?
contoh : motor - steering, klakson dll
4. Sensors
perangkat apa yang dibutuhkan agen untuk mengetahui kondisi lingkungan ?
contoh : motor – speedometer
2. RASIONALITAS
Rational Agent merupakan suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan dan pengetahuan lain yang dimilikinya. Mengevaluasi kinerja sangat penting. Kita harus berhati-hati untuk membedakan antara rasionalitas dan omniscience (kemahatahuan). Rasionalitas bahwa agen tahu hasil dari sebuah tindakan yang dilakukan secara rasional. Sedangkan omniscience adalah sebuah kemustahilan dari kenyataan yang sebenarnya telah terjadi. Faktor yang mempengaruhi rasionalitas :
- Pengukuran kinarja (Performance Measure)
- Percept Sequence (persepsi urutan)
- Knowledge from Environment
- Possible Actions
3. PEAS (Performance measure, Environment, Actuators, Sensors)
Ketika merancang sebuah agent, harus mendefinisikan lingkungan masalah (task environment), yakni:
• Performance measure : apa saja komponen pengukur keberhasilan si agent?
• Environment : kondisi apa saja yang ada disekitar si agent? • Actuators : apa saja yang bisa dilakukan si agent?
• Sensors : apa saja yang menjadi input si agent?
1. Contoh: Taksi Otomatis
• Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan :
• Performance measure: sampai tujuan, tidak melanggar aturan lalu lintas, perjalanan nyaman,
hemat bensin
• Environment: jalan, lalu lintas, pejalan kaki, pelanggan
• Actuators: arah stir, gas, rem, klakson, sinyal kiri atau kanan
• Sensors: video, speedometer, GPS, keyboard
2. Contoh: Medical diagnosis system
• Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis:
• Performance measure: pasien sembuh, biya murah, tidak menyalahi hukum
• Environment: pasien, rumah sakit, suster, dokter
• Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk)
• Sensors: keyboard (masukan gejala penyakit, jawaban pasien)
3. Contoh: Robot pabrik penjamin mutu
• Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda
• Performance measure: prosentase jumlah komponen yg diletakkan pada kotak yang benar • Environment: ban berjalan, komponen yang diuji, kotak
• Actuators: gerak lengan dan tangan robot
• Sensors: kamera, sensor fisik
4. Contoh: Interactive English tutor
• Sebuah agent tutor yang memberikan latihan english secara interaktif
• Performance measure: nilai skor maksimal
• Environment: para siswa
• Actuators: layar monitor (latihan, saran koreksi)
• Sensors: keyboard
4. Tipe-tipe Agen
v Autonomy: Agent dapat melakukan tugas secara mandiri dan tidak dipengaruhi secara langsung oleh user, agent lain ataupun oleh lingkungan (environment). Untuk mencapai tujuan dalam melakukan tugasnya secara mandiri, agent harus memiliki kemampuan kontrol terhadap setiap aksi yang mereka perbuat, baik aksi keluar maupun kedalam [Woolridge et. al.,1995].
v Intelligence, Reasoning, dan Learning: Setiap agent harus mempunyai standar minimum untuk bisa disebut agent, yaitu intelegensi (intelligence). Dalam konsep intelligence, ada tiga komponen yang harus dimiliki: internal knowledge base, kemampuan reasoning berdasar pada knowledge base yang dimiliki, dan kemampuan learning untuk beradaptasi dalam perubahan lingkungan.
v Mobility dan Stationary: Khusus untuk mobile agent, dia harus memiliki kemampuan yang merupakan karakteristik tertinggi yang dia miliki yaitu mobilitas. Berkebalikan dari hal tersebut adalah stationary agent. Bagaimanapun juga keduanya tetap harus memiliki kemampuan untuk mengirim pesan dan berkomunikasi dengan agent lain.
v Delegation: Sesuai dengan namanya dan seperti yang sudah kita bahas pada bagian definisi, agent bergerak dalam kerangka menjalankan tugas yang diperintahkan oleh user. Fenomena pendelegasian (delegation) ini adalah karakteristik utama suatu program disebut agent.
v Reactivity: Karakteristik agent yang lain adalah kemampuan untuk bisa cepat beradaptasi dengan adanya perubahan informasi yang ada dalam suatu lingkungan (enviornment). Lingkungan itu bisa mencakup: agent lain, user, adanya informasi dari luar, dsb [Brenner et. al., 1998].
v Proactivity dan Goal-Oriented: Sifat proactivity boleh dikata adalah kelanjutan dari sifat reactivity. Agent tidak hanya dituntut bisa beradaptasi terhadap perubahan lingkungan, tetapi juga harus mengambil inisiatif langkah penyelesaian apa yang harus diambil [Brenner et. al., 1998]. Untuk itu agent harus didesain memiliki tujuan (goal) yang jelas, dan selalu berorientasi kepada tujuan yang diembannya (goal-oriented).
v Communication and Coordination Capability: Agent harus memiliki kemampuan berkomunikasi dengan user dan juga agent lain. Masalah komunikasi dengan user adalah masuk ke masalah user interface dan perangkatnya,sedangkan masalah komunikasi, koordinasi, dan kolaborasi dengan agent lain adalah masalah sentral penelitian Multi Agent System (MAS). Bagaimanapun juga untuk bisa berkoordinasi dengan agent lain dalam menjalankan tugas,perlu bahasa standard untuk berkomunikasi. Tim Finin [Finin et al., 1993] [Finin et al., 1994] [Finin et al., 1995] [Finin et al., 1997]dan Yannis Labrou [Labrou et al., 1994] [Labrou et al., 1997] adalah peneliti software agent yang banyak berkecimpung dalam riset mengenai bahasa dan protokol komunikasi antar agent. Salah satu
5. TIPE-TIPE LINGKUNGAN AGEN
v Fully observable (vs. Partially observable): sensor-sensor sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.
v 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)
v 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.
v 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)
v Discrete (vs. Continuous): sejumlah terbatas persepsi dan tindakan yang khas dan terdefinisi baik.
v Single agent (vs. Multiagent): sebuah agen yang mengoperasikan dirinya sendiri dalam sebuah lingkungan
v Jenis lingkungan sangat menentukan rancangan agen
v Dunia nyata (tentu saja) partially observable, stochastic, sequentil, dynamic, continuous, multi-agent.
1. Performance Measure
karakteristik apa yang menjadi tujuan dari agen ?
contoh : motor - tiba ditujuan dengan cepat dan hemat bahan bakar
2. Environment
bagaimana karakterisitik lingkungan yang akan dihadapi ?
contoh : motor - tipe jalan, tingkat kemacetan
3. Actuators
perangkat apa yang dibutuhkan agen untuk mencapai tujuan ?
contoh : motor - steering, klakson dll
4. Sensors
perangkat apa yang dibutuhkan agen untuk mengetahui kondisi lingkungan ?
contoh : motor – speedometer
2. RASIONALITAS
Rational Agent merupakan suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan dan pengetahuan lain yang dimilikinya. Mengevaluasi kinerja sangat penting. Kita harus berhati-hati untuk membedakan antara rasionalitas dan omniscience (kemahatahuan). Rasionalitas bahwa agen tahu hasil dari sebuah tindakan yang dilakukan secara rasional. Sedangkan omniscience adalah sebuah kemustahilan dari kenyataan yang sebenarnya telah terjadi. Faktor yang mempengaruhi rasionalitas :
- Pengukuran kinarja (Performance Measure)
- Percept Sequence (persepsi urutan)
- Knowledge from Environment
- Possible Actions
3. PEAS (Performance measure, Environment, Actuators, Sensors)
Ketika merancang sebuah agent, harus mendefinisikan lingkungan masalah (task environment), yakni:
• Performance measure : apa saja komponen pengukur keberhasilan si agent?
• Environment : kondisi apa saja yang ada disekitar si agent? • Actuators : apa saja yang bisa dilakukan si agent?
• Sensors : apa saja yang menjadi input si agent?
1. Contoh: Taksi Otomatis
• Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan :
• Performance measure: sampai tujuan, tidak melanggar aturan lalu lintas, perjalanan nyaman,
hemat bensin
• Environment: jalan, lalu lintas, pejalan kaki, pelanggan
• Actuators: arah stir, gas, rem, klakson, sinyal kiri atau kanan
• Sensors: video, speedometer, GPS, keyboard
2. Contoh: Medical diagnosis system
• Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis:
• Performance measure: pasien sembuh, biya murah, tidak menyalahi hukum
• Environment: pasien, rumah sakit, suster, dokter
• Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk)
• Sensors: keyboard (masukan gejala penyakit, jawaban pasien)
3. Contoh: Robot pabrik penjamin mutu
• Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda
• Performance measure: prosentase jumlah komponen yg diletakkan pada kotak yang benar • Environment: ban berjalan, komponen yang diuji, kotak
• Actuators: gerak lengan dan tangan robot
• Sensors: kamera, sensor fisik
4. Contoh: Interactive English tutor
• Sebuah agent tutor yang memberikan latihan english secara interaktif
• Performance measure: nilai skor maksimal
• Environment: para siswa
• Actuators: layar monitor (latihan, saran koreksi)
• Sensors: keyboard
4. Tipe-tipe Agen
v Autonomy: Agent dapat melakukan tugas secara mandiri dan tidak dipengaruhi secara langsung oleh user, agent lain ataupun oleh lingkungan (environment). Untuk mencapai tujuan dalam melakukan tugasnya secara mandiri, agent harus memiliki kemampuan kontrol terhadap setiap aksi yang mereka perbuat, baik aksi keluar maupun kedalam [Woolridge et. al.,1995].
v Intelligence, Reasoning, dan Learning: Setiap agent harus mempunyai standar minimum untuk bisa disebut agent, yaitu intelegensi (intelligence). Dalam konsep intelligence, ada tiga komponen yang harus dimiliki: internal knowledge base, kemampuan reasoning berdasar pada knowledge base yang dimiliki, dan kemampuan learning untuk beradaptasi dalam perubahan lingkungan.
v Mobility dan Stationary: Khusus untuk mobile agent, dia harus memiliki kemampuan yang merupakan karakteristik tertinggi yang dia miliki yaitu mobilitas. Berkebalikan dari hal tersebut adalah stationary agent. Bagaimanapun juga keduanya tetap harus memiliki kemampuan untuk mengirim pesan dan berkomunikasi dengan agent lain.
v Delegation: Sesuai dengan namanya dan seperti yang sudah kita bahas pada bagian definisi, agent bergerak dalam kerangka menjalankan tugas yang diperintahkan oleh user. Fenomena pendelegasian (delegation) ini adalah karakteristik utama suatu program disebut agent.
v Reactivity: Karakteristik agent yang lain adalah kemampuan untuk bisa cepat beradaptasi dengan adanya perubahan informasi yang ada dalam suatu lingkungan (enviornment). Lingkungan itu bisa mencakup: agent lain, user, adanya informasi dari luar, dsb [Brenner et. al., 1998].
v Proactivity dan Goal-Oriented: Sifat proactivity boleh dikata adalah kelanjutan dari sifat reactivity. Agent tidak hanya dituntut bisa beradaptasi terhadap perubahan lingkungan, tetapi juga harus mengambil inisiatif langkah penyelesaian apa yang harus diambil [Brenner et. al., 1998]. Untuk itu agent harus didesain memiliki tujuan (goal) yang jelas, dan selalu berorientasi kepada tujuan yang diembannya (goal-oriented).
v Communication and Coordination Capability: Agent harus memiliki kemampuan berkomunikasi dengan user dan juga agent lain. Masalah komunikasi dengan user adalah masuk ke masalah user interface dan perangkatnya,sedangkan masalah komunikasi, koordinasi, dan kolaborasi dengan agent lain adalah masalah sentral penelitian Multi Agent System (MAS). Bagaimanapun juga untuk bisa berkoordinasi dengan agent lain dalam menjalankan tugas,perlu bahasa standard untuk berkomunikasi. Tim Finin [Finin et al., 1993] [Finin et al., 1994] [Finin et al., 1995] [Finin et al., 1997]dan Yannis Labrou [Labrou et al., 1994] [Labrou et al., 1997] adalah peneliti software agent yang banyak berkecimpung dalam riset mengenai bahasa dan protokol komunikasi antar agent. Salah satu
5. TIPE-TIPE LINGKUNGAN AGEN
v Fully observable (vs. Partially observable): sensor-sensor sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.
v 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)
v 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.
v 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)
v Discrete (vs. Continuous): sejumlah terbatas persepsi dan tindakan yang khas dan terdefinisi baik.
v Single agent (vs. Multiagent): sebuah agen yang mengoperasikan dirinya sendiri dalam sebuah lingkungan
v Jenis lingkungan sangat menentukan rancangan agen
v Dunia nyata (tentu saja) partially observable, stochastic, sequentil, dynamic, continuous, multi-agent.
http://share.its.ac.id/pluginfile.php/1358/mod_resource/content/1/2._Agent_Cerdas.pdf
http://beintelligenttt.blogspot.co.id/2015/04/kecerdasan-buatan-intelligent-agents.html
https://yanneevelynip.wordpress.com/2013/10/20/intelligent-agent-kecerdasan-buatan/
http://yogipratama97.blogspot.co.id/2016/10/pengenalan-intelligent-agents.html
http://sarahamanda12.blogspot.co.id/2016/10/pengenalan-intelligent-agents.htmlk
Mata Kuliah : Pengantar Teknoligi Sistem Cerdas
Tidak ada komentar:
Posting Komentar