PENGENALAN INTELLIGENT
AGENT
(Anggi Yolanda F 11114234, Inne Meilyanti
1D114056, Wahyuni 1C114167)
1.
Agen
dan Lingkungannya
-
Agents adalah segala sesuatu yang dapat
melihat atau mengartikan atau mengetahui (perceiving) lingkungannya dan
bertindak (acting) melalui alat aktuator (actuators).
-
Manusia sebagai agent: mata, telinga dan
organ lainnya sebagai sensors; tangan, kaki, mulut dan bagian tubuh lainnya
sebagai actuators.
-
Robot sebagai agent : kamera dan
penjejak 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
keluaran actuators.
- Fungsi agent (f) adalah pemetaan dari
urutan persepsi (percept) menjadi tindakan (actions)
-
Program agent berjalan pada arsitektur
fisik untuk menghasilkan fungsi agent (f)
-
Agent = architecture + program
1.
Rasionalitas
-
Rational agent adalah agent yang
melakukan sesuatu yang benar.
·
Setiap kolom pada tabel (vacuum-cleaner
world) diselesaikan atau dikerjakan dengan benar.
-
Apakah sesuatu yang benar?
·
Agent yang paling sukses atau berhasil
·
Mengukur kesuksesan atau 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 terhgantung pada 4 hal:
·
Kemampuan yang terukur,
·
Pengetahuan lingkungan sebelumnya atau
terdahuku,
·
Tindakan
·
Urutan persepsi (sensors).
-
DEF : untuk setiap urutan persepsi yang
mungkin, rational agent harus memilih tindakan yang diharapkan dapat
memaksimalkan kemampuan dngan memberikan bukti yang dihasilkan dari urutan
persepsi dan pengetahuan yang dimiliki oleh agent.
-
Rationalitas = kemahatahuan
(omniscience)
·
An omniscient agent adalah agent
mengetahui akibat yang terjadi dari suatu tindakan.
-
Agent dapat bertindak sesuai dengan yang
diharapkan untuk memodifikasi persepsi akan datang dengan mendapatkan informasi
yang berguna (pengumpulan informasi dan eksplorasi)
-
Agent dikatakan autonomous, jika
prilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan untuk
belajar dan beradaptasi).
1.
PEAS
(Performance measure, Environment, Actuators, Sensors)
-
To design a rational agent we must
specify its task environment.
-
PEAS description of the environment:
·
Performance
·
Environment
·
Actuators
·
Sensors
-
Taxi otomatos:
·
Definisi lingkungan berdasarkan PEAS
o
Performance
Ø Keamanan,
tujuan, keuntungan, kelegalan, kenyamanan.
o
Environment
Ø Jalan
protocol, jalan lainnya, trotoar, cuaca.
· o
Actuators
Ø Kemudi,
akselerasi, rem, klakson, speaker
o
Sensors
Ø Video,
sonar, speedometer, engine sensors, keyboard, GPS.
PEAS-
Contoh 2
-
Agent: Sistem Diagnosis Medis
-
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
-
Agent: Part-picking robot
-
Performance measure: % komponen pada
tempat penampungan yang sesuai
-
Environment: conveyor belt with prts,
bins
-
Actuators: Jointed arm and hand
-
Sensors: Kamera, joint angle sensors
PEAS-Contoh
4 dan contoh 5
-
Agent: Interactive English tutor
-
Performance measure: maximize student’s
score on test
-
Actuators: Screen display (exercises,
suggestions, corrections)
-
Sensors: Keyboard
Environment
Types
-
Fully vs partially observable :
lingkungan sepenuhnya dapat diamati ketikan sensor-sensor dapat mendeteksi
semua aspek yang relevan dalam memilih tindakan-tindakan.
-
Deterministic vs stochastic : if ketika
tahap lingkungan berikutnya sepenuhnya ditentukan oleh tindakan 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 dikatakan
dynamic. Semi-dynamic, jika perfoma agent berubah ketika lingkungan tetap sama.
-
Discrete vs continuous : this
distinction can be applied to the state of the environment, the way time is
handles and to the percepts/actions of the agent.
-
Single vs multi-agent: Does the
environmnet contains other agents who are also maximizing some performance
measure that depends on the current agent’s actions?
1.
Tipe-tipe
Agen (Agents types; 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 sequence of states) dengan angka real.
-
Meningkatkan tujuan-tujuan:
·
Memilih tujuan dari tujuan-tujuan:
·
Memilih dengan tepat beberapa tujuan
memiliki kemungkinan berhasil
(Agents types; learning)
-
Semua program-program agent terdahulu
mendeskripsikan metode untuk memilih tindakan-tindakan (actions)
·
Yet it does not explain the origin of
these programs
·
Learning mechanisms can be used to
perform this task
·
Teach them instead of instructing them
·
Advantage is the robustness of the
program toward initially unknown enviroments.
-
Learning element: introduce improvements
in performance element.
·
Critic provides feedback on agents
performance based on fixed performance standard.
-
Performance element: selecting actions
based on percepts.
·
Corresponds to the previous agent
programs
-
Problem generator suggests actions that
will lead to new and informative experiences.
·
Exploration vs exploitation
Referensi:
1. Russel
Stuart J and Norvig Peter, Artificial Intelligence: A modern Approach, 2nd
edition, Prentice-Hall, 2003
2. http://artikel-teknologi-informasi.blogspot.co.id/2012/11/pengertian-agent-pada-ai-artificial.html
Tidak ada komentar:
Posting Komentar