Welcome to my blog: Pengenalan Intelegent Agents

Perkuliahan Minggu 2

Pengenalan Intelegent Agents

Pengertian sebuah AGENT adalah segala sesuatu yang dapat dipandang sebagaimana mengamati lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor. Agen manusia memiliki mata, telinga, dan organ lain untuk sensor, dan tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor. Sebuah pengganti agen robot kamera dan berbagai pencari inframerah untuk sensor dan berbagai motor untuk efektor. Dapat digambarkan secara sederhana sebagai berikut:

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

· mengakomodasi pemecahan masalah baru aturan 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 contoh 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 dapat menanyakan kepada agen secara subyektif tentang kenyamanan dengan kinerja agen itu sendiri. Sehingga harus ada pengukuran kinerja obyektif yang diberlakukan dengan standart otoritas tentang 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 agen tahu hasil dari sebuah tindakan yang dilakukan secara rasional. Sedangkan omniscience adalah sebuah kemustahilan dari kenyataan yang sebenarnya telah terjadi. Faktor yang mempengaruhi rasionalitas :

· Pengukuran kinarja (Performance Measure)

· Percept Sequence (persepsi urutan)

· Knowledge from Environment

· Possible Actions

When to evaluate agent’s success?

Ini mengarah ke definisi agen rasional yang ideal: Untuk setiap urutan persepsi yang memungkinkan, agen rasional yang ideal harus melakukan tindakan apapun yang diharapkan dapat 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 adalah untuk merancang sebuah agent yaitu sebuah fungsi yang mengimplementasikan pemetaan agen dari persepsi terhadap tindakan. Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut arsitektur. Secara umum, arsitektur membuat persepsi dari sensor yang tersedia untuk program, menjalankan program, dan umpan pilihan program aksi terhadap efektor seperti yang dihasilkan.

Hubungan antara agen, arsitektur, dan program dapat disimpulkan :

- Mapping : Hubungan antara Percepts and Action.

Tugas dari AI adalah men-design Agent Program : merupakan sebuah function yang mengimplementasikan agent mapping dari percepts to action.

- Architecture menerima percepts dari sensor, menjalankan program, melakukan aksi yang dipilih action ke effectors.

- Agent = Architecture + Program

PAGE = Percepts, Actions, Goal(s) and Environment.

Tipe Agent

Simple Reflex Agents

Gambar diatas menunjukkan struktur Simple reflex agent, struktur yang paling sederhana dalam bentuk skema, menunjukkan bagaimana aturan condition action memungkinkan agen untuk membuat sambungan dari persepsi untuk bertindak. Persegi panjang untuk menunjukkan keadaan internal saat proses keputusan agen, dan oval untuk mewakili latar belakang informasi yang digunakan dalam proses. Secara ringkat dapat disampaikan sebagai berikut:

· Memiliki rule base dalam bentuk "aksi-kondisi"

· Memiliki komponen untuk mengekstrak Fitur

· Tidak ada akses untuk menyelesaikan keadaan dunia

· Pekerjaan hanya jika keputusan yang tepat dapat dilakukan atas dasar persepsi saat ini

Model Based Reflex Agent

Pengetahuan tentang "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 saat ini. Kemudian memilih tindakan dengan cara yang sama sebagai agen refleks. Model ini lebih kuat daripada simple reflex agent

Goal-Based Agents

Goal based agents memperluas pada kemampuan model-based agents, dengan menggunakan "goal" informasi. Tujuan informasi menggambarkan kondisi yang diinginkan. Hal ini memungkinkan agen cara untuk memilih di antara beberapa kemungkinan, memilih 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 kasus goal-based agent tampaknya kurang efisien; itu lebih fleksibel karena pengetahuan yang mendukung keputusan diwakili secara eksplisit dan dapat dimodifikasi.

Utility-Based Agents

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

ENVIRONMENTS

Kita akan melihat bagaimana pasangan agen untuk lingkungan. Dalam semua kasus, sifat hubungan antara mereka adalah sama: tindakan yang dilakukan oleh agen pada lingkungan, yang pada gilirannya memberikan persepsi kepada agen. Pertama, kita akan menjelaskan berbagai jenis lingkungan dan bagaimana mereka mempengaruhi desain agen. Kemudian kita akan menjelaskan program-program lingkungan yang dapat digunakan sebagai testbeds untuk program agen.

Sifat-sifat environments :

· Accessible vs. inaccessible.

· Deterministic vs. nondeterministic.

· Episodic vs. nonepisodic.

· Static vs. dynamic.

· Discrete vs. continuous.

2.1 Agen dan Lingkungannya

Sistem AI terdiri dari agen dan lingkungannya. Para agen bertindak di lingkungan mereka. lingkungan mungkin mengandung agen lainnya.

Apa Agen dan Lingkungan?

Agen adalah segala sesuatu yang dapat merasakan lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor.

Seorang agen manusia memiliki organ sensorik seperti mata, telinga, hidung, lidah dan sejajar kulit ke sensor, dan organ lainnya seperti tangan, kaki, mulut, untuk efektor.
Seorang agen robot menggantikan kamera dan pejejak infra merah untuk sensor, dan berbagai motor dan aktuator untuk efektor.
Seorang agen perangkat lunak telah dikodekan string bit sebagai program dan tindakan.

Agen Terminologi

Mengukur Kinerja Agen - Ini adalah kriteria, yang menentukan seberapa sukses agen adalah.
Perilaku Agen - Ini adalah tindakan yang agen melakukan setelah setiap urutan tertentu persepsi.
Persepsi - Ini adalah input persepsi agen di sebuah contoh yang diberikan.
Persepsi Urutan - Ini adalah sejarah semua yang agen telah dirasakan sampai tanggal.
Agen Fungsi - Ini adalah peta dari urutan ajaran untuk tindakan.

Rasionalitas

Rasionalitas hanyalah status menjadi wajar, masuk akal, dan memiliki rasa yang baik penghakiman.

Rasionalitas berkaitan dengan tindakan yang diharapkan dan hasil tergantung pada apa agen telah dirasakan. Melakukan tindakan dengan tujuan memperoleh informasi yang berguna adalah bagian penting dari rasionalitas.

Apa Agen Rasional Ideal?

Seorang agen rasional yang ideal adalah satu, yang mampu melakukan tindakan yang diharapkan untuk memaksimalkan ukuran kinerjanya, atas dasar -

urutan persepsi yang
built-in basis pengetahuan

Rasionalitas agen tergantung pada empat faktor berikut -

Ukuran kinerja, yang menentukan tingkat keberhasilan.
Agen persepsi Urutan sampai sekarang.
Pengetahuan agen tentang lingkungan.
Tindakan bahwa agen dapat melaksanakan.

Seorang agen rasional selalu melakukan tindakan yang benar, di mana tindakan yang tepat berarti tindakan yang menyebabkan agen untuk menjadi yang paling sukses di urutan persepsi yang diberikan. Masalah agen memecahkan ditandai dengan Mengukur Kinerja, Lingkungan, Aktuator, dan Sensor (PEAS).

Struktur Agen Cerdas

Struktur agen dapat dilihat sebagai -

Agen = Arsitektur & ditambah; Program agen
Arsitektur = mesin yang agen mengeksekusi pada.
Program agen = merupakan implementasi dari fungsi agen.

Reflex Agen sederhana

Mereka memilih tindakan hanya berdasarkan pada persepsi saat ini.
Mereka adalah rasional hanya jika keputusan yang benar dibuat hanya atas dasar ajaran saat ini.
lingkungan mereka benar-benar diamati.

Kondisi-Action Rule ini adalah aturan yang memetakan keadaan (kondisi) ke tindakan.

Model Berbasis Reflex Agen

Mereka menggunakan model dunia untuk memilih tindakan mereka. Mereka mempertahankan keadaan internal.

Model - Pengetahuan tentang bagaimana hal-hal terjadi di dunia.

Negara internal - Ini adalah representasi dari aspek yang tidak teramati negara saat ini tergantung pada sejarah persepsi.

Memperbarui negara membutuhkan informasi tentang -

Bagaimana dunia berkembang.
Bagaimana tindakan agen memengaruhi dunia.

Agen tujuan Berdasarkan

Mereka memilih tindakan mereka dalam rangka untuk mencapai tujuan. Pendekatan berbasis gol lebih fleksibel daripada agen refleks sejak pengetahuan yang mendukung keputusan secara eksplisit dimodelkan, sehingga memungkinkan untuk modifikasi.

Tujuan - Ini adalah deskripsi situasi yang diinginkan.

Agen utilitas Berdasarkan

Mereka memilih tindakan berdasarkan preferensi (utility) untuk masing-masing negara. Tujuan tidak memadai saat -

Ada tujuan yang saling bertentangan, dari yang hanya sedikit yang bisa dicapai.
Tujuan memiliki beberapa ketidakpastian yang dicapai dan Anda perlu mempertimbangkan kemungkinan keberhasilan terhadap pentingnya gol.

Sifat Lingkungan

Beberapa program beroperasi di lingkungan artifisial terbatas input keyboard, basis data, sistem file komputer dan output karakter di layar.

Sebaliknya, beberapa agen perangkat lunak (software robot atau softbots) ada di kaya, unlimited softbots domain. Simulator memiliki sangat rinci, lingkungan yang kompleks. Agen perangkat lunak perlu memilih dari array panjang tindakan secara real time. Sebuah softbot dirancang untuk memindai preferensi online pelanggan dan menunjukkan item menarik untuk pelanggan bekerja di nyata serta lingkungan buatan.

Lingkungan buatan yang paling terkenal adalah lingkungan Turing Test, di mana salah satu agen buatan nyata dan lainnya diuji di tanah yang sama. Ini adalah lingkungan yang sangat menantang karena sangat sulit bagi agen perangkat lunak untuk melakukan serta manusia.

Turing Uji

Keberhasilan suatu perilaku cerdas dari sistem dapat diukur dengan Turing Test.

Dua orang dan mesin untuk dievaluasi berpartisipasi dalam ujian. Dari dua orang, satu memainkan peran tester. Masing-masing dari mereka duduk di ruangan yang berbeda. tester tidak menyadari siapa mesin dan yang adalah manusia. Dia menginterogasi pertanyaan dengan mengetik dan mengirim mereka ke kedua kecerdasan, yang ia yang diterima diketik tanggapan.

Tes ini bertujuan membodohi tester. Jika tester gagal untuk menentukan respon mesin dari respons manusia, maka mesin dikatakan cerdas.

Sifat Lingkungan

lingkungan memiliki sifat multifold -

Diskrit / kontinu - Jika ada sejumlah yang berbeda, yang jelas, negara lingkungan, lingkungan adalah diskrit (misalnya, catur); jika tidak kontinu (Misalnya, mengemudi).
Diamati / sebagian diamati - Jika mungkin untuk menentukan keadaan lengkap lingkungan pada setiap titik waktu dari persepsi itu diamati; selain itu hanya sebagian diamati.
Static / Dinamis - Jika lingkungan tidak berubah sementara agen bertindak, maka itu adalah statis; jika tidak dinamis.
Tunggal agen / Beberapa agen - Lingkungan mungkin berisi agen lain yang mungkin dari jenis yang sama atau berbeda seperti yang dari agen.
Diakses / tidak bisa diakses - Jika aparat sensorik agen dapat memiliki akses ke negara lengkap lingkungan, maka lingkungan dapat diakses oleh agen itu.
Deterministik / Non-deterministik - Jika negara berikutnya lingkungan sepenuhnya ditentukan oleh negara saat ini dan tindakan agen, maka lingkungan adalah deterministik; jika itu adalah non-deterministik.

Episodik / Non-episodik - Dalam lingkungan episodik, setiap episode terdiri dari agen menerima dan bertindak. Kualitas tindakan tergantung hanya pada episode itu sendiri. episode berikutnya tidak bergantung pada tindakan dalam episode sebelumnya. lingkungan episodik yang lebih sederhana karena agen tidak harus berpikir ke depan.

2.2 Rasionallitas

· Rasional tergantung pada 4 hal :

- Kemampuan yang terukur

- Pengetahuan lingkungan sebelummnya/terdahulu

- Tindakan

- Urutan persepsi(sensors)

· DEF : Untuk setiap urutan persepsi yang mungkin, Rational Agent harus memilih tindakan yang diharapkan dapat memaksimalkan kemampuan dengan memberikan bukti yang dihasilkan dari urutan persepsi dan pengetahuan yang dimiliki oleh agent.

· Rationalitas ≠ kemahatauan (omniscience)

- An Omnisciencet Agent adalah 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 autonomos, jika perilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan untuk belajar dan beradaptasi)

2.3 PEAS (Performace Measure, Environment, Actuators, Sensors)

· Untuk merancang sebuah agen rasional kita harus menentukan tugas lingkungan

· PEAS deskripsi dari lingkungan :

- Performance (Ukuran Kerja)

- Environment (Lingkungan)

- Actuators (Aksi)

- Sensors

· Contoh PEAS :

· Taxi Otomatis

- Definisi lingkungan berdasarkan PEAS

Ø Performance

~ Keamanan, tujuan, keuntungan, kelegalan,kenyamanan

Ø Environment

~ Jalan protocol, jalan lainnya, trotoar, cuaca

Ø Actuators

~ Kemudi, akselerasi, rem, klakson, speaker

Ø Sensors

~ video, sonar, speedometer, engine sensors, keyboard, GPS

2.4 Tipe-tipe Lingkungan Agent

· Teramati sepenuhnya vs Teramati sebagian: Sensor agen memberikan kondisi lingkungan yang utuh pada setiap saat

· Deterministik vs Tidak pasti : Kondisi/ status lingkungan berikutnya hanya ditentukan oleh kodisi saat ini dan aksi yang dilakukan oleh agen. Jika terdapat agen lain yang berperan dalam perubahan kondisi lingkungan, maka disebut dengan lingkungan stratejik.

· Episodik vs Sekuensial : Pengalaman agen sebelumya terbagi atas beberapa episode (setiap episode berisi kegiatan agen menerima presepsi dari lingkungan dan melakukan sebuah aksi), dan pemilihan dari lingkungan dan episode hanya bergantung pada episode itu sendiri, tidak terpengaruh oleh episode sebelumnya

· Static vs Dinamis : Lingkungan tidak berubah ketika agen sedang berpikir untuk menentukan aksi yang tepat berdasarkan presepsi yang ditangkap. Lingkungan bersifat semidinasmis jika lingkungan tidak berubah seiring waktu, tapi ukuran kinerja agen bergantung pada banyaknya waktu yang diperlukan untuk melakukan aksi

· Diskret vs Kontinyu : Lingkungan terbatas pada sejumlah pasangan persepsi yang terdefinisi jelas dengan aksinya

· Agen Tunggal vs Multiagen : Sebuah agen beroperasi terhadap lingkungan, dan perubahan lingkungan hanya bergantung pada aksi agen itu saja

	Catur dengan perwaktuan	Catur tanpa perwaktuan	Mengemudi taksi
Teramati sepenuhnya	Ya	Ya	Tidak
Deterministic	Stratejik	Stratejik	Tidak
episodic	Tidak	Tidak	Tidak
Static	Semi	Ya	Tidak
Diskret	Ya	Ya	Tidak
Agen Tunggal	Tidak	Tidak	Tidak