PENGENALAN INTELEGENT AGENT
PENGENALAN INTELEGENT AGENT
( Ridho Satria 19114301, Anggit Pangestu 11114242, Alexander Joharico 10114786)
INTELEGENT AGENT
jika diartikan sendiri intelegent agent adalah sebuah teori
kecerdasan buatan dalam software engineering, didalam intelegent agent sendiri
banyak terdapat pembahasan akan saya bahas satu persatu dibawah ini.
v
Agen dan lingkunganya
v
Rasionalitas
v
Peas (performance measure, actuators, sensors)
v
Tipe-tipe agen
v
Tipe-tipe lingkuan agen
Pertama kita akan bahas dahulu sub dari
intelegent agent yang akan dijabarkan dibawah ini.
Dimulai dari:
Agen dan
lingkunganya:
·
Agents adalah segala sesuatu yang dapat
melihat/mengartikan/mengatahui (pecieving) lingkunganya melalui alat (sensors)
dan bertindak (acting)melalui alat aktuator (actuators)
·
Manusia sebagai agent: mata, telinga dan organ
lainya sebagai sensors, tangan, kaki, mulut dan bagian tubuh lainya sebagai
actuators.
·
Robot sebagai agent kenapa? Kamera dan pejejak
infra merah sebagai sensors berbagai motor penggerak sebagai actuators
·
Software sebagai agent: tekanan pada keyboard,
isi file dan paket-paket pada jaringan sebagai masukan sensors tampilan pada
layar penulisan file dan pengiriman paket jaringan sebagai sebagai keluaran
actuators
Rasionalitas:
rasionalitas sendiri itu adalah sebuah aksi, keyakinan atau keinginan yang rasional jika kita harus memilih. Rasionalitas merupakan konsep normatif yang mengacu pada kesesuaian seseorang dengan alasan seseorang unutk percaya, atau tindakan seseorang dengan alasan seseorang untuk bertindak.
Lalu apakah hubungan rasional
dengan agent?
·
Rational agent adalahagent yang melakukan
sesuatu yang benar setiap kolom pada tabel (vacuum-cleaner world)
Lalu apakah sesuatu yang benar?
·
Agent yang paling sukses/berhasil
·
Mengukur kesuksesan/keberhasilan?
Pengukur kemampuan haruslah
objektif (contoh : vacuum-cleaner world)
·
Jumlah debu yang dapat dibersihkan pada waktu
tertentu
·
Seberapa bersih lantai
·
Besarnya konsumsi listrik
·
Besarnya noise yang dihasilkan
Rasional tergantung pada 4 hal
yaitu:
·
Kemampuan yang terukur
·
Pengetahuan lingkuan sebelumnya/terdahulu
·
Tindakan
·
Urutan persepsi (sensors)
Catatan: realational agent harus memilih tindakan yang diharapkan dapat
memaksimalkan kemampuan dengan memberikan bukti yang dihasilkan dari urutan
persepsi dan pengetahuan yang dimiliki oleh agent
Rasionalitas ≠ kemahatahuan (omniscience)
v
An omniscience agent adalah agent mengetahui
akibat yang terjadi dari suatu tindakan
Agent dapat bertindak sesuai dengan yang
diharapkan dan agent dikatakan autonomous, jika perilakunya ditentukan oleh
pengalamanya sendiri
PEAS (performance
environment actuators sensors):
·
Performance
·
Environment
·
Actuators
·
Sensors
Contoh dari PEAS
Misal didalam suatu rumah sakit
dan mempunyai sistem diagnosis medis bagaimanakah dan apa peran dari peas?
·
Performance measure: kesembuhan pasien, biaya
minim dan sengketa
·
Environment: pasien, pengawal rumah sakit
·
Actuators: layar monitor (pertanyaan, test,
perawatan, rujukan)
·
Sensors: keyboard (gejala, temuan, pertanyaan
pasien)
Agent: part-picking robot
·
Performance measure: komponen pada tempat
penampung yang sesuai
·
Environment conveyor belt with parts, bins
·
Actuators: joined arm and hand
·
Sensors: kamera, joint angle sensors
Agent types:
Disini merupakan tipe-tipe pada agent
v
Goal-based
v
Utiity-based
v
Learning
Tipe agent goal based:
Tujuan-tujuan tertentu dapat dicapai dengan
cara-cara berbeda Beberapa lebih baik,
memiliki manfaat yang lebih tinggi
·
Fungsi utililas memetakan urutan kedudukan (a
sequeance of states) dengan angka real.
·
Meningkatkan tujuan-tujuan
·
Memilih tujuan dari tujuan-tujuan yang
berbenturan
·
Memilih dengan tepat beberapa tujuan memiliki
kemungkinan berhasil
Tipe agent utility-based
·
Agent membutuhkan tujuan untuk mengetahui
situasi mana yang diharapan,
akan menjadi sulit ketika urutan yang yang
panjang dari tindakan-tindakan actions dibutuhkan untuk mencari tujuan.
·
Biasanya diselidiki dalam pencarian perencanaan
penelitian.
·
Pengetahuan diwakili lebih explisit dan dapat
dimanispulasi.
Tipe agent learning
·
Semua program agent tedahulu mendeskripsikan
metode unutk memilih tindakan-tindakan (actions)
·
Mekanisme pembelajaran dapat digunakan untuk
melakukan tugas ini
·
Ajarkan mereka dalam pembelajaran bukan
memerintahkan mereka
·
Keutunganya adalah agar mereka menjadi kuat jika
berada dilingkungan yang tidak diketahui atau baru
Tipe-tipe lingkungan
agent:
·
Fully vs partially observable: adalah lingkungan
sepenuhnya dapat diamati ketika sensor sensor dapat mendeteksi semua aspek yang
relevan dalam memilih tindakan
·
Deterministic vs stochastic: ketika tahap
lingkungan berikutnya sepenuhnya ditentukan yang sudah dilakukan
·
Episodic vs sequential: pengalaman agent dapat
dibagi menjadi tahapan-tahapan yang kecil dimana agent akan menerima dan
melakukan satu tindakan. Pilihan tindakan tergantung hanya pada episode itu
sendiri
·
Static vs dynamic: jika lingkungan dapat berubah
ketika agent sedang memilih tindakan, lingkungan daikatakan dynamic
semi-dynamic, jika performa agent berubah ketika lingkungan tetap sama
·
Discrete vs continous: perbedaan ini dapat
diterapkan pada kedaan lingkungan, waktu cara tangani dan kepersepsi/tindakan
agent
·
Single ve multi agent: apakah lingkungan
mengandung agen lain yang juga memaksimalkan beberapa ukuran kinerja yang
tergantung pada tindakan agen saat ini
REFERENSI:
J. HENNOCH AND H. ULRICH: AGENT-BASED MANAGEMENT SYSTEMS IN LOGISTICS, page 11
H. BRECKLE: A MULTI-AGENT FRAMEWORK FOR PLANNING AND MANAGING MOBILITY SERVICES, page 17
2015. Intelegent Agent. https://en.wikipedia.org/wiki/Intelligent_agent, diakses pada
08 Oktober 2016
Adhie Wahyudi. Oktober 5 2011. Intelegent Agent. http://ar-wdh.blogspot.co.id/2011/10/intelligent-agent-sebuah-teori.html, diakses pada 08 Oktober 2016
REFERENSI:
J. HENNOCH AND H. ULRICH: AGENT-BASED MANAGEMENT SYSTEMS IN LOGISTICS, page 11
H. BRECKLE: A MULTI-AGENT FRAMEWORK FOR PLANNING AND MANAGING MOBILITY SERVICES, page 17
2015. Intelegent Agent. https://en.wikipedia.org/wiki/Intelligent_agent, diakses pada
08 Oktober 2016
Adhie Wahyudi. Oktober 5 2011. Intelegent Agent. http://ar-wdh.blogspot.co.id/2011/10/intelligent-agent-sebuah-teori.html, diakses pada 08 Oktober 2016
PENGANTAR TEKNOLOGI SISTEM CERDAS
(softskill)
keren pakk