Pengertian Agent Pada Kecerdasan Buatan (Artificial Intelligent)

Apa itu agent?

Pengertian sebuah AGENT adalah segala sesuatu yang sanggup dipandang sebagaimana mengamati lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor. Agen insan mempunyai mata, telinga, dan organ lain untuk sensor, dan tangan, kaki, mulut, dan bab badan lainnya untuk efektor. Sebuah pengganti distributor robot kamera dan banyak sekali pencari inframerah untuk sensor dan banyak sekali motor untuk efektor. Dapat digambarkan secara sederhana sebagai berikut:

Dalam kecerdasan buatan, intelligent agent (IA) yaitu sebuah entitas otonom yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen) dan mengarahkan aktivitasnya untuk mencapai tujuan  yaitu rasional. Intelligent agent juga sanggup berguru atau memakai pengetahuan untuk mencapai tujuan mereka. Russell & Norvig (2003) mengartikan Rational Agent  yang mengerjakan segala sesuatu hal dengan benar. Agen Intelligent menurut Nikola Kasabov yaitu bahwa Agent harus memperlihatkan karakteristik 

• mengakomodasi pemecahan duduk kasus gres hukum bertahap
• beradaptasi online dan real time
• mampu menganalisis sendiri dalam hal perilaku, kesalahan dan kesuksesan.
• belajar dan meningkatkan melalui interaksi dengan lingkungan (perwujudan)
• belajar dengan cepat dari sejumlah besar data
• memiliki penyimpanan memori berbasis pola dan kapasitas pengambilan
• memiliki parameter untuk mewakili umur pendek dan jangka panjang memori

How Agents Should Act: Right things

Pengukuran Kinerja: mengukur seberapa kesuksesan sebuah agent. Tidak ada satu ukuran yang tetap dan sama untuk semua agen. Kita sanggup menanyakan kepada distributor secara subyektif wacana kenyamanan dengan kinerja distributor itu sendiri. Sehingga harus ada pengukuran kinerja obyektif yang diberlakukan dengan standart otoritas wacana apa artinya sukses dalam lingkungan dan menggunakannya untuk mengukur kinerja sebuah agen.

How to evaluate agent’s success?

Mengevaluasi kinerja sangat penting. Kita harus berhati-hati untuk membedakan antara rasionalitas dan omniscience (kemahatahuan). Rasionalitas bahwa distributor tahu  hasil dari sebuah tindakan yang dilakukan secara rasional. Sedangkan omniscience adalah sebuah kemustahilan dari kenyataan yang tolong-menolong telah terjadi. Faktor yang mempengaruhi 

• Pengukuran kinarja (Performance Measure)
• Percept Sequence (persepsi urutan)
• Knowledge from Environment
• Possible Actions

When to evaluate agent’s success?

Ini mengarah ke definisi distributor rasional yang ideal: Untuk setiap urutan persepsi yang memungkinkan, distributor rasional yang ideal harus melaksanakan tindakan apapun yang dibutuhkan sanggup memaksimalkan pengukuran kinerjanya, berdasarkan bukti yang diberikan oleh urutan persepsi dan apa pun yang yang merupakan pengetahuan built-in yang dimiliki agen.

Struktur Agent Intelligence

Tugas AI yaitu untuk merancang sebuah agent yaitu sebuah fungsi yang mengimplementasikan pemetaan distributor dari persepsi terhadap tindakan. Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut arsitektur. Secara umum, arsitektur menciptakan persepsi dari sensor yang tersedia untuk program, menjalankan program, dan umpan pilihan acara agresi terhadap efektor menyerupai yang dihasilkan.

Hubungan antara agen, arsitektur, dan acara sanggup disimpulkan :

• Mapping : Hubungan antara Percepts and Action.
• Tugas dari AI yaitu men-design Agent Program : merupakan sebuah function yang mengimplementasikan agent mapping dari percepts to action.
• Architecture menerima percepts dari sensor, menjalankan program, melaksanakan agresi yang dipilih action ke effectors.
• Agent = Architecture + Program
• PAGE = Percepts, Actions, Goal(s) and Environment.
• Tipe Agent

Simple Reflex Agents

Skema Simple Reflex Agents

Gambar diatas memperlihatkan struktur Simple reflex agent, struktur yang paling sederhana dalam bentuk skema, memperlihatkan bagaimana hukum condition action memungkinkan distributor untuk menciptakan sambungan dari persepsi untuk bertindak. Persegi panjang untuk memperlihatkan keadaan internal saat proses keputusan agen, dan oval untuk mewakili latar belakang informasi yang dipakai dalam proses. Secara singkat sanggup disampaikan sebagai 

• Memiliki rule base dalam bentuk "aksi-kondisi"
• Memiliki komponen untuk mengekstrak Fitur
• Tidak ada saluran untuk menuntaskan keadaan dunia
• Pekerjaan hanya kalau keputusan yang sempurna sanggup dilakukan atas dasar persepsi ketika ini

Model Based Reflex Agent

Skema Base Reflex Agent

Pengetahuan wacana "bagaimana dunia bekerja" disebut model dari dunia, maka bentuk ini dinamakan "model based reflex agent". Sebuah model based reflex agent harus menjaga semacam internal model yang tergantung pada sejarah persepsi dan dengan demikian mencerminkan setidaknya beberapa aspek yang tidak teramati negara ketika ini. Kemudian menentukan tindakan dengan cara yang sama sebagai distributor refleks. Model ini lebih besar lengan berkuasa daripada simple reflex agent.

Goal-Based Agents

Skema Goal Base Agent

Goal based agents memperluas pada kemampuan model-based agents, dengan memakai "goal" informasi. Tujuan informasi menggambarkan kondisi yang diinginkan. Hal ini memungkinkan distributor cara untuk menentukan di antara beberapa kemungkinan, menentukan satu yang mencapai negara tujuan. Search dan planing adalah sub bidang kecerdasan buatan yang ditujukan untuk urutan tindakan menemukan bahwa mencapai tujuan agen. Dalam beberapa masalah goal-based agent tampaknya kurang efisien; itu lebih fleksibel alasannya yaitu pengetahuan yang mendukung keputusan diwakili secara eksplisit dan sanggup dimodifikasi.

Utility-Based Agents

Skema Utility-Base Agents

“Goal” tidak cukup untuk menghasilkan sikap berkualitas tinggi. Ada banyak urutan tindakan  untuk mencapai tujuan, tetapi beberapa yang lebih cepat, lebih aman, lebih sanggup diandalkan, atau lebih murah daripada yang lain. Tujuan hanya memperlihatkan perbedaan antara kondisi "bahagia" dan "tidak bahagia", sedangkan ukuran kinerja yang lebih umum harus memungkinkan perbandingan beberapa urutan kondisi yang berbeda kalau distributor ingin mencapai tujuan. Terminologi yang dipergunakan untuk menyampaikan bahwa kalau satu kondisi lebih disukai daripada kondisi yang lain, itu mempunyai utilitas yang lebih tinggi untuk agent.

Environment

Kita akan melihat bagaimana pasangan distributor untuk lingkungan. Dalam semua kasus, sifat hubungan antara mereka yaitu sama: tindakan yang dilakukan oleh distributor pada lingkungan, yang pada gilirannya memperlihatkan persepsi kepada agen. Pertama, kita akan menjelaskan banyak sekali jenis lingkungan dan bagaimana mereka mensugesti desain agen. Kemudian kita akan menjelaskan program-program lingkungan yang sanggup dipakai sebagai testbeds untuk acara agen.

Sifat-sifat environments :

• Accessible vs. inaccessible.
• Deterministic vs. nondeterministic.
• Episodic vs. nonepisodic.
• Static vs. dynamic.
• Discrete vs. continuous.

Source : mamapayish-online.blogspot.com/search?q=pengertian-agent-pada-ai-artificial

Sumber http://santekno.blogspot.com

Share this post

Berlangganan update artikel terbaru via email: