Agen Cerdas(Intelligent Agent)

Oleh :Dwi Putri Erlinda S. (11305141021)

Riska Lutfia (11305144008)

Pokok bahasan :

Konsep Agen dan Lingkungan Perancangan Agen CerdasJenis Lingkungan Tipe Agen

Agen dan LingkunganAgen : segala sesuatu yang melihat/menangkap informasi di lingkungannya melalui sensor, dan beraksi pada lingkungan melalui efektor/aktuator (Stuart Russel) Contoh perbandingan :agen manusia memiliki alat sensor : mata, telinga, dan organ sensor lainnya; alat actuator : tangan, kaki, dan bagian tubuh lain sebagai alat gerak.

Sedangkan pada agen robot: kamera dan inframerah untuk sensor, dan lengan serta berbagai motor sebagai aktuator.

Perancangan Agen CerdasRasionalitas

Rasional dapat didefinisikan sebagai : melakukan hal yang benar. Agen rasional melakukan hal yang benar berdasarkan informasi (percept) apa yang ditangkap dan tindakan (action) apa yang akan diambil.

Pengukuran kinerja (performance measure) : Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen. Pengukuran kinerja haruslah dapat dinyatakan dalam ukuran kuantitatif.

Goal adalah tujuan utama yang berusaha dicapai oleh agen (prioritas utama)

Agen Rasional Agen rasional melakukan aksi yang dipercayainya untuk mencapai tujuan. Asumsi : saya tidak suka baju basah, jadi saya membawa payung. Apakah hal tersebut rasional?

Tergantung pada prediksi cuaca dan apakah saya mendengar prediksi tersebut. Jika saya telah mendengar prediksi bahwa cuaca akan hujan dan saya mempercayainya, maka aksi membawa payung adalah hal yang rasional

Rasionalitas Terbatas Jika definisi agen rasional tidak memiliki batasan, maka akan sulit untuk mendesain agen dengan kemampuan tersebut Kenapa sulit? Karena agen dalam bahasan ini sangat bergantung pada kemampuan komputasi di mana agen tersebut dibangun, sehingga kemungkinan agen tidak bisa melakukan komputasi untuk menentukan aksi terbaik

Oleh karena itu, kita menggunakan rasionalitas terbatas: “melakukan aksi terbaik yang bisa dilakukan pada batasan komputasi yang ada”

Jadi desain agen dengan rasionalitas terbatas: Temukan P* A • Pemetaan dari urutan persepsi ke aksi • Memaksimalkan nilai utilitas dari urutan status yang didapat dari aksi yang dipilih

• Bergantung pada batasan komputasi di mana agen berada

Untuk mendesain agen cerdas harus menentukan PEAS terlebih dahulu

P: Performance measure (ukuran kinerja) E: Environment (lingkungan) A: Actuators (yang bisa melakukan aksi) S: Sensors (sensor untuk mendapatkan persepsi dari lingkungan)

Contoh desain agen cerdas untuk sistem diagnosis medis : Performance measure (P) : biaya yang minimal, minimal

tuntutan hukum karena malpraktek, waktu yang dibutuhkan supaya pasien kembali sehat

Environment (E): pasien, rumah sakit, staf rumah sakit Actuators (A): layar tampilan (pertanyaan, tes kesehatan,

diagnosis, perlakuan, dan rujukan) Sensors (S): keyboard (input gejala penyakit, hasil tes,

jawaban pasien)

Teramati sepenuhnya vs teramati sebagian

(Sensor dapat mengamati keadaan penuh pada suatu lingkungan) vs (sensor hanya dapat mengamati sebagian keadaan pada lingkungannya).

Deterministik vs stokastic :

(Keadaan lingkungan selanjutnya bergantung pada keadaan sekarang dan tindakan yang dilakukan oleh agen) vs (keadaan selanjutnya tidak bergantung pada keadaan sekarang dan tindakan yang dilakukan oleh agen)

Episodik vs sekuensial :

(Satu action dari agen tidak mempengaruhi action selanjutnya karena action di bagi menjadi episode-episode pendek) vs (satu action berhubungan dengan action lainnnya).

Jenis Lingkungan

Statik vs dinamis :

(keadaan di mana lingkungan yang agen tempati adalah tetap) vs (keadaan di mana lingkungan berubah saat agen mengambil keputusan)

Diskret vs kontinyu :

(kesan dan tindakan yang akan diterima dan dilakukan oleh agen telah ditetapkan dengan jelas) vs (untuk mencapai tujuannya agen terus menerus melakukan tindakan)

Agen tunggal vs multi agen :

(agent yang dalam melakukan actionnya tidak terdapat agen lain atau lawannya) vs (agen yang dalam melakukan actionnya terdapat agen lain atau terdapat lawannya)

Jenis AgenAgen refleks sederhana :Agen memilih tindakanberdasarkan persepsisaat ini, mengabaikan sisasejarah persepsi.

Aturan kondisi-tindakan: Kondisi yang memicu beberapa tindakan. Misal jika mobil di depan mengerem (kondisi) kemudian memulai pengereman (tindakan)

Agen refleks sederhana : sederhana namun sangat terbatas kecerdasannya.

Menghubungkan percept ke tindakan. Keputusan yang benar dapat dibuat hanya dalam lingkungan yang penuh teramati.

2. Agen berbasis ModelAgen mempertahankan stateinternal yang bergantungpada sejarah persepsi,mencerminkan beberapaaspek teramati dari kondisisaat ini.

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.

Untuk memperbarui informasi keadaan internal memerlukan dua pengetahuan :

-Bagaimana dunia berkembang secara independen dari agen

-Bagaimana tindakan agen memengaruhi dunia Pengetahuan tentang "bagaimana dunia bekerja" disebut model

Agen memilikiinformasi tentangtujuan dan memilihtindakan untukmencapai tujuan

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 menyatakan/menetapkan pengukuran kuantitatif terhadaplingkungan (ranking).

Mencapai tujuan saja tidak cukup untuk menghasilkan perilaku berkualitas tinggi perilaku dalam lingkungan.

Seberapa cepat? Seberapa aman? Bagaimana murah? Dapat diukur

Fungsi Utilitas memetakan state ke bilangan real (ukuran kinerja)

Agen belajar dari pengalaman, dapat beradaptasi untuk meningkatkan

kinerja.

Elemen learning bertanggung jawab untuk membuat perbaikan

Elemen Kinerja bertanggung jawab untuk memilih tindakan eksternal

Kritik memberikan umpan balik tentang bagaimana tindakan yang dilakukan agen