Contoh Agent Cerdas.

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

• Performance measure : apa saja komponen pengukur keberhasilan si agent?

• Environment : kondisi apa saja yang ada disekitar si agent?

• Actuators : apa saja yang bisa dilakukan si agent?

• Sensors : apa saja yang menjadi input si agent?

Contoh:

 Taksi Otomatis

 Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan :

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

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

• Actuators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.

• Sensors: video, speedometer, GPS, keyboard.

Robot pabrik penjamin mutu

 Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda

• Performance measure: prosentase jumlah komponen yg diletakkan pada kotak yang benar.

• Environment: ban berjalan, komponen yang diuji, kotak.

• Actuators: gerak lengan dan tangan robot.

• Sensors: kamera, sensor fisik.

 Interactive English tutor

Sebuah agent tutor yang memberikan latihan english secara interaktif

• Performance measure: nilai skor maksimal.

• Environment: para siswa.

• Actuators: layar monitor (latihan, saran ,koreksi).

• Sensors: keyboard.


Sumber:
http://share.its.ac.id/pluginfile.php/1358/mod_resource/content/1/2._Agent_Cerdas.pdf

Definisi & Konsep Agent Cerdas.

Pengertian Agen Cerdas – Agen cerdas (Artificial Intelligence) adalah sebuah agen yang menerima persepsi dari lingkungan dan melakukan tindakan.Tujuan utamanya adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran manusia). Ilmu AI dalam permainan umumnya digunakan untuk membuat agen yang dapat mengambil tindakan, memiliki kecerdasan, dan bisa memahami keputusan terhadap kondisi permainan yang dinamis

Konsep Agen Cerdas dan lingkungan

• Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.
• Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat actuator: tangan, kaki, mulut, dan bagian tubuh lain sebagai alat gerak.
• Sedangkan pada agen robot: kamera dan inframerahi untuk sensor, danlengan, serta berbagai motor sebagaiaktuator.
• Agen menerima (percept) sensor dari lingkungan. Keseluruhan percept yang diterima agen pada suatu selang waktu disebut percept sequence.

Hubungan antara agen dan lingkungan dan digambarkan seperti pada gambar berikut

• Fungsi Agen (pada gambar 2.2. berupa kotak dengan tanda tanya) memetakanpercept sequence/percept history ke tindakan (action):
  [f: P * A à]
• Program agen berjalan pada arsitektur fisik untuk menghasilkan nilai fungsi f.
• agen = arsitektur + program

Konsep Perancangan Agen Cerdas
Rasional dapat didefinisikan sebagai: melakukan hal yang benar. Agen rasional melakukan hal yang benar berdasarkan percept apa yang ditangkap dan tindakan (action) apa yang diambil. Tindakan yang tepat adalah tindakan yang akan menyebabkan agen menjadi yang paling sukses.
Beberapa hal yang perlu ditekankan:

• Rasionalitas berbeda dari omniscience (serba tahu/mengetahui semua dengan pengetahuan tak terbatas).
• Agen dapat melakukan tindakan dalam rangka untuk mengubah persepsi masa depan untuk memperoleh informasi yang berguna (pengumpulan informasi, eksplorasi).
• Sebuah agen dikatakan otonom jika perilaku agen ditentukan oleh pengalaman sendiri (dengan kemampuan untuk belajar dan beradaptasi).

Pengukuran kinerja: Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen
Misalnya, mengukur kinerja dari agen vacuum-cleaner:

• Jumlah kotoran dibersihkan,
• Jumlah waktu yang dibutuhkan,
• Jumlah listrik yang dikonsumsi,
• Jumlah kebisingan yang dihasilkan, dll

Pengukuran kinerja haruslah dapat dinyatakan dalam ukuran kuantitatif. Kata “jumlah” mengindikasikan suatu ukuran kuantitatif/terukur. Untuk setiap urutan persepsi (percept sequence) yang ada, agen rasional harus memilih tindakan yang diharapkan untuk memaksimalkan ukuran kinerjanya.

Tujuan (Goal): Setelah menentukan criteria obyektif (seperti diatas), pilih salah satu tujuan untuk menjadi fokus utama dari agen. Goal adalah tujuan utama yangberusaha dicapai oleh agen (prioritas utama)
Konsep utama perancangan agen cerdas/rasional dapat dilakukan dengan bantuan PEAS yang merupakan singkatan dari:Performance measurement, Environment, Actuators, Sensors. PEAS harus ditentukan sebelum desain agen cerdas. Berdasarkan informasi PEAS, kita benar dapat merancang agen untuk memenuhi tujuan yang ingin dicapai.Sebagai contoh, misalnya tugas merancang sebuah sopir taksi otomatis. Definisikan PEAS agen cerdas tersebut seperti berikut:

• Performance Measure: Aman, cepat, legal, perjalanan nyaman, memaksimalkan keuntungan.
• Environment: Jalan, lalu lintas lainnya, pejalan kaki, pelanggan.
• Aktuator: Setir, pedal gas, rem, sinyal, klakson.
• Sensor: Kamera, sonar, speedometer, GPS, odometer, sensor mesin, keyboard.

Contoh lain dari mendefinisikan PEAS:
Agen: sistem diagnosis Medis

• Performance Measure: Pasien Sehat, meminimalkan biaya, tuntutan hukum.
• Environment: Pasien, rumah sakit, staf.
• Aktuator: Layar display (pertanyaan, tes, diagnosis, pengobatan, rujukan).
• Sensor: Keyboard (masuknya gejala, temuan, jawaban pasien).

Agen: Part-picking robot (robot pengambil komponen)

• Performance Measure: Persentase berapa bagian masuk ke kotak yang benar.
• Environment: Conveyor, komponen-komponen, kotak komponen.
• Aktuator: lengan dan tangan robot.
• Sensor: Kamera, sensor sudut persendian.

Jenis Lingkungan Agen Cerdas
Jenis lingkungan tempat agen cerdas bekerja dapat ditinjau dari beberapa aspek (berikut aspek yang menjadi lawannya,) bergantung lingkungan dimana agen tersebut berada. Aspek-aspek lingkungan adalah:

• Sepenuhnya teramati vs Sebagian teramati: Lingkungan sepenuhknya teramati jika sensor mendeteksi semua aspek yang relevan dengan pilihan action. Sebuah sensor agen memberikan akses ke keadaan lengkap lingkungan pada setiap titik waktu. Lingkungan sebagian teramati karena sensor berisik dan tidak akurat.
• Deterministik vs Stokastic: Keadaan berikutnya lingkungan sepenuhnya ditentukan oleh keadaan saat ini dan tindakan yang dilakukan oleh agen. (Jika lingkungan deterministik kecuali untuk tindakan agen lain, maka disebut lingkungan strategis).
• Episodik vs Sekuensial: Pengalaman agen dibagi menjadi “episode” atom (setiap episode terdiri dari: agen mengamati (percept) dan kemudian melakukan tindakan tunggal), dan pilihan tindakan di setiap episode hanya bergantung pada episode itu sendiri.
• Statis vs Dinamis: Lingkungan berubah, agen tidak perlu terus mencari pada lingkungan untuk memutuskan sesuatu. Pada lingkungan dinamis terus meminta agen apa yang ia ingin lakukan.
  (Lingkungan semidinamis jika lingkungan itu sendiri tidak berubah dengan berlalunya waktu namun skor kinerja agen berubah)
• Diskrit vs Kontinu: Jumlah state/tindakan untuk mencapai goal terbatas (diskrit), persepsi yang jelas dan tindakan yang terhingga. (misalnya, catur – diskrit, mengemudi taksi – kontinyu).
  Agen tunggal vs agen multi: Seorang agen yang beroperasi dengan sendirinya dalam suatu lingkungan.

Sumber:

https://www.weare.id/pengertian-agen-cerdas/