Pengenalan Intelligent Agents (Definisi, Konsep serta Contohnya)

1. Definisi Agent

Pengertian sebuah Agent adalah segala sesuatu yang dapat dipandang sebagaimana mengamati lingkungannya melaluisensor dan bertindak atas lingkungan yang melalui efektor. Agen manusia memiliki mata, telinga, dan organ lain untuk sensor, dan tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor. Sebuah pengganti agen robot kamera dan berbagai pencari inframerah untuk sensor dan berbagai motor untuk efektor. Dapat digambarkan secara sederhana sebagai berikut:

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. Intelligent agen juga dapat belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Russell & Norvig (2003) mengartikan Rational Agent  yang mengerjakan segala sesuatu hal dengan benar. Agen Intelligentmenurut Nikola Kasabov adalah bahwa Agent harus menunjukkan karakteristik berikut.:

·         mengakomodasi pemecahan masalah baru aturan bertahap

·         beradaptasi online dan real time

·         mampu menganalisis sendiri dalam hal perilaku, kesalahan dan kesuksesan.

·         belajar dan meningkatkan melalui interaksi dengan lingkungan (perwujudan)

·         belajar dengan cepat dari sejumlah besar data

·         memiliki penyimpanan memori berbasis contoh dan kapasitas pengambilan

·         memiliki parameter untuk mewakili umur pendek dan jangka panjang memori.

2.      Konsep Agents

1)      Rational Agent

·         Definisi:
Rational agent: 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.

2)      Task Environment

Ketika merancang sebuah agent, kita harus mendefinisikan lingkungan masalah (task environment), yakni:

·         Performance measure: apa saja yang menjadi ukuran kinerja agent?

·         Environment: di manakah agent berperan?

·         Actuators: apa saja yang bisa dilakukan si agent?

·         Sensors: apa saja yang menjadi perantara input untuk agent?

·         PEAS

Contoh: Agent taksi otomatis

Bayangkan sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan.

·         Performance measure: keamanan, kecepatan, legalitas, kenyamanan perjalanan, keuntungan

·         Environment: jalanan, lampu merah, lalulintas, pejalan kaki, cuaca

·         Actuators: stir arah, gas, rem, klakson, sinyal kiri/kanan

·         Sensors: kamera, sonar, speedometer, GPS, odometer, accelerometer, mesin sensor, keyboard

Jenis environment

·         Fully-observable vs. partially-observable: semua info relevan diketahui?

·         Deterministic vs. stochastic: next state = current state + action?

·         Episodic vs. sequential: apakah tergantung sejarah?

·         Static vs. dynamic: environment berubah jika agent tidak bertindak?

·         Discrete vs. continuous: bisa terhadap sifat state, percept, action.

·         Single agent vs. multiagent: apakah ia kawan (kooperatif) atau lawan (kompetitif)?

·         Tentunya, dunia nyata kita partially-observable, stochastic, sequential, dynamic, continuous, dan multiagent.

3)      Struktur sebuah agent

·         Agent function

Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action)

f : P* → A     

·         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)

3.      Contoh Agents

1)      Contoh: Taksi Otomatis

Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan

·         Performance measure: sampai tujuan, tidak melanggar lalu lintas, perjalanan nyaman, hemat bensin.

·         Environment: jalan, lalu lintas, pejalan kaki, pelanggan.

·         Actoators: 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 otoatis:

·         Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.

·         Environment: pasien, rumah sakit, suster, dokter.

·         Actoators: layar monitor (pertanyaan, test, diagnosa, treatment, petunjuk).

·         Sensors: keyboard (masukkan 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: presentase jumlah komponen yang 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: laya monitor (latihan, saran koreksi).

·         Sensors: keyboard.

SUMBER:

https://layangantw.wordpress.com/2014/10/26/konsep-intellegent-agents/

http://yogipratama97.blogspot.co.id/2016/10/pengenalan-intelligent-agents.html

http://artikel-teknologi-informasi.blogspot.co.id/2012/11/pengertian-agent-pada-ai-artificial.html