DEFINISI AGENTS DAN KONSEP AGENTS SERTA CONTOHNYA

Pengenalan Intelligent Agents

A. Agent dan Lingkungan

Pengertian sebuah AGENT adalah segala sesuatu yang dapat dipandang sebagaimana mengamati lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor. agen manusia memiliki mata,telinga sedangkan kan organ lain untuk mensensor tangan, kaki, mulut dan yang lain nya. sebuah pengganti agen robot kamera dan berbagai pencarian framer untuk sensor dan berbagai motor untuk efektor

Dalam Kecerdasan Buatan (Artificial Intelligent), sebuah Agen Cerdas (Intelligent Agent) adalah sebuah entitas otonom yang mengamati dan bertindak berdasarkan suatu lingkungan (yaitu sebuah agen) dan mengarahkan aktivitasnya ke arah pencapaian tujuan (yakni, rasional). Agen Kecerdasan dapat juga belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Mereka mungkin sangat sederhana atau sangat kompleks: sebuah mesin refleks seperti termostat adalah agen yang cerdas, seperti manusia, seperti komunitas manusia bekerja bersama menuju tujuan.

Agen Kecerdasan sering digambarkan secara skematik sebagai sistem fungsional abstrak mirip dengan program komputer. Untuk alasan ini, agen cerdas kadang-kadang disebut abstrak agen cerdas (Abstract Intelligent Agent) untuk membedakan mereka dari dunia nyata implementasi sebagai sistem komputer, sistem biologis, atau organisasi. Beberapa definisi agen cerdas menekankan otonomi mereka, dan jadi lebih suka istilah otonom agen cerdas. Yang lain (terutama Russell & Norvig (2003)) dianggap perilaku terarah tujuan sebagai esensi dari cerdas dan jadi lebih suka istilah yang dipinjam dari ekonomi, “agen rasional”.

B. Rasionalitas

Sebuah keputusan yang rasional adalah salah satu yang tidak hanya beralasan, tetapi juga dioptimalkan untuk mencapai suatu tujuan atau memecahkan masalah. Menentukan optimal untuk perilaku rasional membutuhkan formulasi diukur dari masalah, dan membuat beberapa asumsi utama. Ketika tujuan atau masalah melibatkan membuat keputusan, faktor rasionalitas dalam berapa banyak informasi yang tersedia (misalnya lengkap atau pengetahuan yang tidak lengkap).

Secara kolektif, perumusan dan latar belakang asumsi model rasionalitas mana yang berlaku. Menggambarkan relativitas rasionalitas: jika seseorang menerima model optimal yang menguntungkan diri mereka sendiri, maka rasionalitas disamakan dengan perilaku egois untuk titik yang egois; sedangkan jika seseorang menerima model menguntungkan optimal, maka perilaku murni egois tidak rasional. Oleh karena itu sarana untuk menegaskan rasionalitas tanpa juga menentukan asumsi dari model yang menggambarkan bagaimana latar belakang masalah dibingkai dan dirumuskan.

B.PEAS (performance measure,environment,actuators,sensors)

PEAS adalah singkatan dari Performance Measure, Environment, Actuators, dan Sensor. Dimana harus dispesifikasikan terlebih dahulu mengenai rancangan intelligent agent.

Misalkan untuk task yang didesain untuk agent pengemudi taksi otomatis:

Performance Measure: Aman, Cepat, Legal, Perjalanan yang nyaman, Keuntungan Maksimal

Environment : Jalan, Lalu lintas kendaraan lain, Pejalan kaki, Pelanggan

Actuators: Setir, Akselerator, Rem, Lampu Sinyal, Klakson

Sensors: Kamera, Sonar, Spedometer, GPS, odometer, sensor mesin, keyboard

Misalkan untuk task yang disusun untuk agent sistem diagnosis medis:

Performance Measure : Kesehatan Pasien, Biaya minimal, Hukum

Environment: Pasien, Rumah Sakit, Staf

Actuator : Tampilan Layar (Pertanyaan, Tes, Diagnosa, Perawatan, Rujukan)

Sensors : Keyboars(Entri gejala, pencarian penyakit, jawaban untuk pasien)

Misalkan untuk task yang disusun untuk agent robot pengambil suku cadang

Performance Measure : Persentase suku cadang di tempat yang benar

Environment : sabuk konveyor, tempat pengumpulan suku cadang

Actuator : Lengan dan tangan robot

Sensor : Kamera, sensor di lengan robotd.

D. Tipe-Tipe Lingkungan Agent

Sebuah agent diharapkan melakukan tindakan yang benar sesuai dengan tujuan diciptakan agent tersebut. Tindakan yang dilakukan oleh agent tersebut yang akan digunakan sebagai tolak ukur terhadap keberhasilan sebuah agent.

Berikut 4 buah dasar yang dapat digunakan untuk menentukan tolak ukur sebuah agent :

Performance measure (tolak ukur terhadap kesuksesan hasil kerja) yang menyatakan derajat kesuksesan.

Semua imput yang diterima oleh agent, dapat dilacak kembali (imput disimpan dalam serangkaian data/memory).

Segala sesuatu yang diketahui agen terhadap lingkunganya.

Setiap indakan yang akan dilakukan oleh agen.

Pada umumnya sebuah agent terdiri dari dua buah komponen dasar yaitu suatu program dan sebuah piranti perangkat keras (arsitektur/computer). Sebagai ilustrasi terhadap hubungan keduanya, sebuah arsitektur memberikan sebuah percept dari sensor kemudian siap digunakan kedalam program, menjalankan program dan memberikan pilihan-pilihan tindakan program ke efektor.

Dua hal penting dalam proses pembuatan program agent.

Menyatakan mapping (pemetaan) sebagai sebuah fungsi dan urutan precepsi ke tindakan. Program agent hanya menerima sebuah presepsi berdasarkan jangka waktu tertentu. Kemudian menyimpan setiap prepsesi sesuai dengan urutan tertentu kedalam memory .

Tujuan dan performance tidak termaksud kedalam rangka program.

Terdapat 4 hal yang harus diperhatikan dalam merancang sebuah agent. Yaitu Percept, Action, Goal dan Enviroment. Biasa disingkat PAGE. Aget harus menangapi setiap rangsangan (precpt) yang ada disekitarnya, kemudian memberikan tindakan (action) yang tepat terhadap rangsangan tersebut, dan yang pasti setiap tindakan tersebut harus sesuai dengan tujuan (Goal) awal diciptakanya agent tersebut. Selain itu setiap aksi yang dilakukan aleh agent tersebut harus memperhatikan lingkungan (Environment) dimana agent tersebut di tempatkan.

Definisi agenst dan Konsep Agents serta contohnya.