OUTLINE
- Agen dan lingkungan
- Rasionalitas
- PEAS (Performance measure, Environment, Actuators, Sensor)
- Jenis-jenis Lingkungan
- Jenis-jenis Agen
AGENT
Agent
adalah sesuatu yang dapat mengesan (perceiving) lingkungan (environment) nya
melalui sensors dan bertindak (acting) terhadap lingkungan tersebut melalui
actuators.
Agent
manusia:
- Sensor: mata, telinga, dan organ tubuh lainnya.
- Actuator: tangan, kaki, mulut, dan bagian tubuh lainnya.
Agen
robotik:
- Sensor: kamera dan infraref range finders.
- Actuator: berbagai macam motor.
AGENT
DAN LINGKUNGAN
- Fungsi agen memetakan dari sejarah persepsi ke dalam tindakan (actions):
- Program agen berjalan pada arsitektur fisik untuk menghasilkan f
- agen = arsitektur + program
VACUUM-CLEANER
WORLD
- Percepts: location and contents, e. [A,Dirty]
- Actions: Left, Right, Suck, NoOp
A
VACUUM-CLEANER AGENT
AGEN
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.
- Pengukuran 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 sedemikianhingga dapat memeroleh infoemasi yang berguna (pengumpulan infoemasi, eksplorasi)
- Sebuah agen adalah otonom (autonomous) apabila perilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan belajar dan beradaptasi)
PEAS
- PEAS: Performance measure, Environment, Actuators, Sensors.
- Pertama-tama harus menentukan pengaturan untuk desain agen cerdas.
- Pertimbangkan, misalkan tugas merancang supir taksi otomatis:
-
Performance measure: aman, cepat, legal, perjalanan menyenangkan,
maksimumkan keuntungan.
-
Environment: jalan, trafik lain, perjalanan kaki, pelanggan.
-
Actuators: kemudi, gas, rem, lampu sign, horn.
-
Sensors: kamera, sonar, speedometer, GPS, odometer, engine
sensors, keyboard.
- Agen: Sistem pendiagnosa medis
- Performance measure: pasien sehat, biaya minimal, sesuai aturan/hukum (lawusuits)
- Environment: patient, hospital, staff
- Actuators: screen display (quenstions, tests, diagnoses, treatments, referals)
- Sensors: keyboard (entry of symptoms, findings, patient’s answers)
- Agent: robot pengutip-sukucadang
- Performance measure: persentase sukucadang dalam kotak yang benar
- Environment: ban berjalan dengan sukucadang, kotak.
- Actuators: pergelangan dan tangan tersambung
- Sensors: kamera, joint angel sensors.
- Agen: tutor Bahasa Inggris interaktif
- Performance measure: memaksimalkan nilai mahasiswa pada waktu ujian
- Environment: sekumpulan mahasiswa
- Actuators: layar display (exercises, suggestions, corrections)
- Sensors: keyboard
JENIS-JENIS
LINGKUNGAN
- 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. Multiagent): sebuah agen yang mengoperasikan dirinya sendiri dalam sebuah lingkungan.
- Jenis lingkungan sangat menentukan rancangan agen
- Dunia nyata (tentu saja) partially observable, stochastic, sequentil, dynamic, continuous, multi-agent.
STRUKTUR
AGEN
·
Perilaku agen: tindakan yang dilakukan setelah diberikan sembarang
sekuen persepsi.
·
Tugas AI adalah merancang program agen yang mengimplementasikan
fungsi agen yang memetakan persepsi ke tindakan.
·
Diasumsikan program ini berjalan di beberapa alat komputasi yang
dilengkapi sensors dan actuators (disebut arsitektur)
-
Agent = arsitektur + program
- Program yang dipilih harus sesuai dengan arsitektur tersebut.
-
Cth: Action: Walk → arsitekturnya hendaklah memiliki kaki
PROGRAM-PROGRAM
AGEN
4 jenis dasar untuk menambah generalitas
-
Simple reflex agents
-
Model-based reflex agents
-
Goal-based agents
-
Utility-based agents
TABLE-DRIVE
AGENT
·
Kekurangan:
-
Tabel sangat vesar
Misalkan P
himpunan percepts yang mungkin T lifetime agen
Entri table
lookup
Automated
taxi:
§ Rate visual
input: 27MB/Sec (30 frame/sec, 640x480 pixel dengan 24 bit color information)
§ Table
lookup: 10250,000,000,000
-
Memakan waktu lama untuk membangun tabel
-
Tidak otonom
-
Bahkan dengan pembelajaran, memerlukan waktu yang lama untuk
mempelajari entri table
SIMPLE
REFLEX AGENTS
- contoh
MODEL-BASED
REFLEX AGENTS
GOAL-BASED
AGENTS
UTILITY-BASED
AGENTS
LEARNING
AGENTS
Tidak ada komentar:
Posting Komentar