Agen Cerdas

Definisi

Sebuah agen adalah segala sesuatu yang dapat merasakan lingkungannya melalui peralatan sensorsensor, bertindak sesuai dengan lingkungannya dan dengan mengunakan peralatan penggeraknya /actuator (Russel dan Norvig). 

Figure

Sebuah agen adalah sebuah sistem komputer yang berada dalam suatu lingkungan dan memiliki kemampuan bertindak secara otonomos didalam situasi lingkungan tersebut sesuai dengan sasaran yang dirancang (Woold-ridge). 

Konsep

Sebuah agen selalu mencoba untuk mengoptimasikan sebuah nilai ukuran kinerja yang disebut agen memiliki rasional (rational agent). Sebuah agen adalah rasional jika dapat memilih kemungkinan untuk bertindak yang terbaik setiap saat, menurut apa yang ia ketahui mengenai lingkungannya pada saat itu. Untuk setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih satu tindakan yang diharapkan memaksimalkan ukuran kemampuannya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapun pengetahuan terpasang yang dimiliki agen itu.

Rational Agent

Jadi, agen rasional diharapkan dapat melakukan atau memberi tindakan yang benar. Tindakan yang benar adalah tindakan yang menyebabkan agen mencapai tingkat yang paling berhasil. (Stuart Russel, Peter Norvig, 2003). Ukuran kinerja (dari rational agent) biasanya didefinisikan oleh perancang agen dan merefleksikan apa yang diharapkan mampu dilakukan dari agen tersebut. Sebuah agen berbasis rasional juga disebut sebuah agen cerdas. Dari perspektif ini, bidang kecerdasan buatan dapat dipandang sebagai studi mengenai prinsip-prinsip dan perancangan dari rasio agen-agen buatan. 

Perilaku Agent

Agent rasional : agent yang mengerjakan sesuatu yang benar. Performance measure : bagaimana keberhasilan suatu agent. Diperlukan suatu standard untuk mengukur performansi, dengan mengamati kondisi yang terjadi. 

Karakteristik Agen 

Sebuah agen memiliki karakteristik yang menggambarkan kemampuan dari agen itu sendiri, Semakin banyak karakteristik yang dimiliki oleh suatu agen, maka akan semakin cerdas agen tersebut. 

Ada beberapa karakteristik dari agen : 

1. Autonomous 

kemampuan untuk melakukan tugasnya dan mengambil keputusan secara mandiri tanpa adanya intervensi dari luar seperti agen lain, manusia ataupun entitas lain. 

2. Reaktif 

kemampuan agen untuk cepat beradaptasi terhadap perubahan informasi yang ada pada lingkungannya.

3. Proaktif 

kemampuan yang berorientasi pada tujuan dengan cara selalu mengambil inisiatif untuk mencapai tujuan.

4. Fleksibel 

agen harus mempunyai banyak cara dalam mencapai tujuannya.

5. Robust 

agen harus dapat kembali ke kondisi semula jika mengalami kegagalan dalam hal tindakan ataupun dalam menjalankan plan.

6. Rasional 

kemampuan untuk bertindak sesuai dengan tugas dan pengetahuannya dengan tidak melakukan hal yang dapat menimbulkan konflik tindakan.  

7. Social 

dalam melakukan tugasnya, agen memiliki kemampuan untuk berkomunikasi dan berkoordinasi baik dengan manusia maupun dengan agen lain.

8. Situated 

 agen harus berada dan berjalan di lingkungan tertentu.

Tipe Agen

Untuk pembuatan agen cerdas, ada lima tipe agen yang dapat mengimplementasikan pemetaan dari kesan yang diterima ke tindakan yang akan dilakukan. 5 tipe agen tersebut adalah simple reflex agents, model-based reflex agents, goal-based reflex agents, utility-based reflex agents dan Learning agents. (Stuart Russel, Peter Norvig, 2003).

1. Simple Reflex Agents

Figure 1

Agen refleks sederhana merupakan agen yang paling sederhana karena dia hanya menerapkan teknik kondisi-aksi. Jadi, jika terjadi suatu kondisi tertentu maka agen akan secara sederhana memberikan aksi tertentu. Contoh : agen untuk pengendara taxi diberikan kondisi “jika mobil di depan melakukan pengereman” maka agen akan memberikan aksi “injak rem”.

2. Model-Based Reflex Agents

Figure 2

Agen refleks sederhana dapat melakukan tindakannya dengan baik jika lingkungan yang memberikan kesan tidak berubahubah. Misalkan untuk kasus agen pengendara taxi, agen tersebut hanya dapat menerima kesan dari mobil dengan model terbaru saja. Jika ada mobil dengan model lama, agen tersebut tidak dapat menerima kesannya sehingga agen tersebut tidak melakukan tindakan pengereman. Pada kasus ini, dibutuhkan agen refleks berbasis model yang dapat terus melakukan pelacakan terhadap lingkungan sehingga lingkungan dapat dikesan dengan baik.

Agen ini akan menambahkan suatu model tentang dunia yaitu pengetahuan tentang bagaimana dunianya bekerja. Jadi, agen refleks berbasis model ini menjaga keadaan dunianya menggunakan model internal kemudian memilih tindakan seperti agen refleks sederhana.

3. Goal-Based Agents

Figure 3

Pengetahuan agen akan keseluruhan keadaan pada lingkungan tidak selalu cukup. Suatu agen tertentu harus diberikan informasi tentang tujuan yang merupakan keadaan yang ingin dicapai oleh agen. Dengan demikian, agen akan bekerja hingga mencapai tujuannya. Pencarian dan perencanaan adalah dua deretan pekerjaan yang dilakukan untuk mencapai tujuan agen. Agen refleks berbasis tujuan ini menambahkan informasi tentang tujuan tersebut.

4. Utility-Based Agents

Figure 4

Pencapaian tujuan pada agen tidak cukup untuk menghasilkan agen dengan tingkah laku berkualitas tinggi. Sebagai contoh untuk agen pengendara taxi, ada beberapa tindakan yang dapat dilakukan oleh agen sehingga dapat mencapai tempat tujuan, namun ada yang lebih cepat, lebih aman, atau lebih murah dari yang lainnya. Agen refleks berbasis tujuan tidak membedakan keadaan yang bagus dengan keadaan yang tidak bagus untuk agen. Pada agen refleks berbasis kegunaan ini memikirkan kondisi yang bagus untuk agen sehingga agen dapat melakukan tugasnya jauh lebih baik.

Walaupun untuk kasus tertentu, tidak mungkin agen dapat melakukan semuanya sekaligus. Misalnya untuk agen pengendara taxi, untuk pergi ke suatu tempat tujuan dengan lebih cepat, itu bertentangan dengan keadaan lebih aman. Karena untuk perjalanan taxi yang lebih cepat, tentu saja tingkat bahaya lebih tinggi dari pada perjalanan taxi yang santai.

5. Learning Agents 

Figure 5

Learning agents belajar dari pengalaman, meningkatkan kinerja bertanggung jawab untuk membuat perbaikan Elemen kinerja bertanggung jawab untuk memilih tindakan eksternal Kritikus memberikan umpan balik tentang bagaimana agen bekerja.

Referensi 

https://www.doc.ic.ac.uk/project/examples/2005/163/g0516334/index.html
Slide Presentasi. Iman Cholissodin. Agen cerdas. 30 oktober 2018.
Slide Presentasi. Dewi Liliana. IT PNJ. Agen cerdas. 30 oktober 2018.
Slide Presentasi. Chastine Fatichah. IT ITS. 30 oktober 2018.



[youtube featured="1" src="IK7l4ZLm55I"/]
[youtube featured="1" src="Aytf8DxatvM"/]