Hello Visitors!: TUGAS 1 PENDAHULUAN

TOPIK 3 : PEAS dalam Intelligent Agent

Setelah sebelumnya saya telah memposting alat yang menggunakan metode kecerdasan buatan, Pembahasan kali ini adalah teori tentang Intelligent Agent itu sendiri. Apa itu agent? Agent adalah segala sesuatu yang dapat dipandang sebagaimana mengamati lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor. Agen manusia memiliki mata, telinga, dan organ lain untuk sensor. Tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor.

Dalam kecerdasan buatan, IA adalah sebuah entitas otonom yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen) dan mengarahkan aktivitasnya untuk mencapai tujuan yaitu rasional. (Russel & Norvig 2003) mengartikan Rational Agent yang mengerjakan segala sesuatu hal dengan benar. Agen Intelligent menurut Nikola Kasabov agent harus menunjukan karateristik 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

Tugas AI adalah untuk merancang sebuah agent yaitu sebuah fungsi yang mengimplementasikan pemetaaan agen dari persepsi terhadap tindakan. Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut arsitektur. Secara umum arsitektur membuat persepsi dari sensor yang tersedia untuk program, menjalankan program dan umpan pilihan program aksi terhadap efektor seperti yang dihasilkan.

Konsep Rasionalitas:

Rasionalitas ≠ kemahatahuan (omniscience) adalah agent mengetahui akibat yang terjadi dari suatu tindakan

PEAS itu sendiri memiliki arti yang berbeda tergantung pada system apa yang akan dibuat. Menurut Russell & Norvig – bab 2:

PEAS

· To design a rational agent we must specify its task environment.

· PEAS description of the environtment:

- Performance : tindakan yang dilakukan

- Environment : berhubungan dengan lingkungan

- Actuators : alat yang digunakan

- Sensors : pancaindera dari alat tersebut

PEAS - contoh 1, Taxi Otomatis:

Definisi lingkungan berdasarkan PEAS

- Performance

Keamanan, tujuan, keuntungan, kelegalan,kenyamanan..

- Environment

Jalan protocol, jalan lainnya, trotoar, cuaca..

- Actuators

Kemudi, akselerasi, rem, klakson, speaker..

- Sensors

Video, sonar, speedometer, engine sensors, keyboard, GPS..

PEAS – contoh 2, Sistem Diagnosis Medis:

Definisi lingkungan berdasarkan PEAS

- Performance measure

Kesembuhan pasien, biaya minim, sengketa..

- Environment

Pasien, pegawai, rumah sakit..

- Actuators

Layar monitor (pertanyaan, test, perawatan, rujukan)

- Sensors

Keyboard (gejala, temuan, pertanyaan pasien)

PEAS – contoh 3, Part-picking robot:

Definisi lingkungan berdasarkan PEAS

- Performance measure

Komponen pada tempat penampungan yang sesuai

- Environment

Conveyor belt with parts, bins

- Actuators

Jointed arm and hand

- Sensors

Camera, joint angle sensors

Simple Reflex Agents

Agen reflex sederhana merupakan agen yang paling sederhana karena hanya menerapkan teknik kondisi-aksi. Jadi, jika terjadi tertentu maka agen akan secara sederhana memberikan aksi tertentu.

Model-Based Reflex Agents

Agen reflex sederhana dapat melakukan tindakanya dengan baik jika lingkungan yang memberikan kesan tidak berubah-ubah. Misalkan untuk kasus agen pengendara taxi, agen tersebut hanya dapat menerima kesan dari mobil dengan model terbaru saja. Jika mobil model lama, agen tersebut tidak bias menerima kesannya sehingga agen tersebut tidak melakukan tindakan pengereman. Agen reflex model ini menjaga keadaan dunianya menggunakan model internal kemudian memilih tindakan seperti agen reflex sederhana.

Model-based, goal-based agent

Suatu agen tertentu harus diberikan informasi tentang tujuan yang merupakan keadaan yang ingin dicapai oleh agen. Dengan demikian, agen akan bekerja hingga mencapai tujuannya. Pencarian dan perencanaan adalah dua deretan pekerjaan yang dilakukan untuk mencapai tujuan agen. Agen refleks berbasis tujuan ini menambahkan informasi tentang tujuan tersebut.

Model-Based Utility-Based Agents

Agen refleks berbasis tujuan tidak membedakan keadaan yang bagus dengan keadaan yang tidak bagus untuk agen. Pada agen refleks berbasis kegunaan ini memikirkan kondisi yang bagus untuk agen sehingga agen dapat melakukan tugasnya jauh lebih baik.

Learning Agent

Learning agents belajar dari pengalaman, meningkatkan kinerja bertanggung jawab untuk membuat perbaikan elemen kinerja bertanggung jawab untuk memilih tindakan eksternal kritikus memberikan umpan balik tentang bagaimana agen bekerja.

Tulisan ini dibuat untuk memenuhi tugas mata kuliah Pengantar Kecerdasan Tiruan (AI) yang diampu oleh Mia Kamayani ST, MT . Prodi Teknik Informatika Fakultas Teknik UHAMKA.

Referensi: