Pengenalan Intelligent Agents (Definisi, Konsep dan Contohnya)

Definisi Agent 

  Agen adalah segala sesuatu yang dapat melihat/ mengartikan/ mengetahui (perceiving) linkungannya melalui alat sensor (sensors) dan bertindak (acting) melalui alat aktuator (actuators). 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).

• Agent Manusia : mata, telinga dan organ lainnya sebagai sensors; tangan, kaki, mulut dan bagian tubuh lainnya sebagai actuators.
• Agent Robot : kamera dan pejejak infra merah sebagai sensors; berbagai motor pengerak sebagai actuators.
• Agent Software : tekanan pada keyboard, isi file dan paket paket pada jaringan sebagai masukan sensors; tampilan pada layar, penulisan file dan pengiriman paket jaringan sebagai keluaran actuators.

Konsep Agent

1. Rasional

• Sebuah agen haruslah mengarah kepada “lakukan hal yang benar”. Berdasarkan kepada apa yang dapat dipahaminya dan tindakan yang dapat dilakukannya. Tindakan yang benar adalah tindakan yang akan menyebabkan agen tersebut paling berhasil.
• Performance: sebuah kriteria objektif untuk keberhasilan sebuah perilaku agen. Misalnya, ukuran performance dari sebuah agen vacuum-cleaner dapat berupa besarnya jumlah debu yang dibersihkan, jumlah waktu yang dihabiskan, jumlah listrik yang dikonsumsi, jumlah kebisingan yang dihasilkan, dan lain-lain.
• Agen rasional: untuk setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih satu tindakan ang diharapkan memaksimalkan ukuran performance-nya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapunpengetahuan terpasang yang dimiliki agen itu.
• Rasionalitas berbeda dari omniscience (tahu segala/all-knowing dengan pengetahuan tak berhingga).
• Agen dapat melakukan tindakan untuk memodifikasi persepsi masa depan sedemikian hingga dapat memeroleh infoemasi yang berguna (pengumpulan informasi, eksplorasi).
• Sebuah agen adalah otonom (autonomous) apabila perilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan belajar dan beradaptasi). 

2. Task Environment

PEAS :

• 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?

Tipe environment :

• Fully Observable vs. Partially Observable: sensor-sensor sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.
• Deterministic vs. Stochastic: keadaan lingkungan berikutnya sepenuhnya ditentukan oleh keadaan sekarang dan tindakan yang dilaksanakan oleh agen. (Jika lingkungan itu deterministik kecuali untuk tindakan agen-agen lain, maka lingkugannya adalah strategic)
• Episodic vs. Sequential: pengalaman agen dibagi ke dalam “episode-episode” atomik (setiapepisode terdiri dari si agen) memahami (perceiving) dan kemudian melaksanakan satu tindakan, dan pilihan tindakan dalam tiap episode hanya tergantung pada episode itu sendiri.
• Static vs. Dynamic: lingkungan tidak berubah selagi agen direncanakan (deliberating). (Lingkungan adalah semidynamic jika lingkungan itu sendiri tidak berubah dengan berjalannya waktu tetapi skor performa agen berubah).
• Discrete vs. Continuous: sejumlah terbatas persepsi dan tindakan yang khas dan terdefinisi baik.
• Single agent vs. Multi Agent: sebuah agen yang mengoperasikan dirinya sendiri dalam sebuah lingkungan

Tipe Agent :

• Simple reflex agents : berdasarkan persepsi yang terakhir.
• Model-based reflex agents: memiliki representasi internal tentang keadaan sekitar.
• Goal-based agents: memiliki informasi tentang tujuan, memilih tindakan yang mencapai tujuan.
• Utility-based agents: melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan - utility function.
• Learning agents: belajar dari pengalaman, meningkatkan kinerja.

3. Struktur sebuah agent

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

Contoh Agent

Koki Cerdas
    Koki Cerdas ini merupakan suatu robot yang dapat memasak makanan secara otomatis. Cara kerja alat ini adalah manusia dapat memilih menu serta porsi makanan yang disediakan robot tersebut, kemudian memasukkan bahan – bahan yang diperlukan.  Robot kemudian akan menerjemahkannya dan mengambil peralatan serta bahan-bahan dari tempat yang telah disediakan sebelumnya. Peralatan memasak berupa kompor bertenaga baterai (tanpa api), panci, wajan, dsb.  Jika bahan-bahan tidak mencukupi atau terdapat peralatan yang tidak layak pakai maupun rusak, maka robot akan mengirimkan peringatan kepada user.

  Alat ini sangat efektif untuk memudahkan pekerjaan manusia. Jika sedang lapar tapi malas memasak, robot ini dapat digunakan. Ibu-ibu yang sibuk dan tidak punya banyak waktu dapat menggunakan alat ini untuk menyiapkan masakan keluarganya. Yang diperlukan user adalah menempatkan peralatan serta bahan-bahan untuk memasak dengan benar.

PEAS (Perfomance measure, Environtment, Actuators, Sensors)
Perfomance Measure :
– Mengenali peralatan dan bahan –bahan sesuai menu.
– Memasak makanan sesuai menu dengan benar.
– Dapat memberikan peringatan ketika terdapat kesalahan pada peralatan atau bahan-bahan
– Meminimalkan waktu dan tenaga user.
Environment (Lingkungan) :
Peralatan masak, dan bahan-bahan untuk memasak
Actuators :
– Mengambil peralatan dan bahan-bahan untuk memasak
– Membersihkan bahan-bahan sebelum digunakan
– Memasak makanan sesuai menu yang dipilih
– Menyajikan makanan yang telah jadi.
Sensor :
Sensor yang digunakan Koki Cerdas ini adalah sensor bentuk, jadi agent dapat mengenali peralatan serta bahan-bahan apa saja yang digunakan untuk memasak.
Selain itu terdapat sensor letak, Jadi agen dapat meletakkan peralatan serta bahan-bahan untuk memasak dengan benar dan juga menyajikan hasilnya pada tempat yang benar.

Environment Type
Partially Observable vs Fully Observable
Dalam Koki cerdas ini, observasi yang dilakukan bersifat sebagian (Partially Observable) dan tidak dilakukan secara menyeluruh. Alat ini hanya bekerja jika ada menu yang telah dipilih user, jadi tidak perlu mengobservasi dan menganalisa seluruh keadaan sekitar.
Deterministic vs Strategic
Koki Cerdas ini menggunakan prinsip Deterministic. Kegiatan yang dilakukan oleh agen tersebut tetap dan tidak berubah. Agen ini hanya melakukan hal yang tetap yaitu memasak makanan, sehingga tidak menggunakan prinsip Strategic
Episodic vs Sequential
Agen ini menggunakan prinsip Sequential (berkelanjutan). Jadi setelah memilih menu, memasukkan bahan, kemudian agen akan menyiapkan peralatan dan bahan yang dimasukkan tasi. Selanjutnya dimulai proses memasak hingga terakhir yaitu penyajian.
Static vs Dynamic
Koki cerdas ini menggunakan prinsip dinamis. Dikarenakan waktu yang digunakan untuk megolah hingga penyajian makanan masing –masing berbeda untuk setiap menu yang dipilih.
Discrete vs Continuous
Koki cerdas ini menggunakan prinsip Diskrit, yaitu robot hanya akan berjalan dan melakukannya ketika menu telah dipilih saja.
Single Agent vs Multi Agent
Agent ini merupakan Multi agen dikarenakan agen tersebut tidak hanya melakukan satu tugas saja, melainkan beberapa tugas diantaranya menyiapkan peralatan dan bahan, memasakknya, hingga akhirnya disajikan.

Agent Type
Koki cerdas ini merupakan tipe agen Goal – based agent  karena didesain untuk bekerja sesuai target yang telah ditentukan sebelumnya, yaitu memasak makanan. Selain itu, karena agen tersebut akan belajar dari informasi baru apabila terdapat menu masakan baru yang akan dimasukkan. Agen akan mempelajari informasi baru tersebut hingga kemudian dapat dijalankan olehnya.

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

http://worosaraswati1904.blogspot.co.id/2016/10/pengenalan-artificial-intelligent.html
http://blog.ub.ac.id/ika141http://worosaraswati1904.blogspot.co.id/2016/10/pengenalan-artificial-intelligent.html2/2013/10/08/contoh-intelligent-agent/