Agent Cerdas. Chastine Fatichah. Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012

Transkripsi

1 Kecerdasan Buatan Agent Cerdas Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November / 25

2 Pokok Bahasan Agent & environment Konsep Rational Agents PEAS (Performance measure, Environment, Actuators, Sensors) Jenis Environment Jenis-jenis Agent Ringkasan 2 / 25

3 Agent & environment Nose Eye (s) Konsep Agent & environment Sumber: S. Russel, P. Norving, Artificial Inttelligencen: A Modern Approach Percepts : masukan yang ditangkap dari sensor Actions : tindakan yang dilakukan oleh Agent Environments : lingkungan dimana si Agent berada Agents : humans, robots, softbots, thermostats, etc. 3 / 25 Human agent Robotic agent

4 Agent & environment Agent function memetakan dari rekaman inputan (percept histories) ke tindakan (actions): [f: P* A] Agent program menjalankan architecture untuk menghasilkan f agent = architecture + program 4 / 25

5 Contoh: Vacuum-cleaner world Sumber: S. Russel, P. Norving, Artificial Intelligence: A Modern Approach Percepts: lokasi dan kondisi, mis: [A, Kotor] Actions: Kiri, Kanan, Menghisap, Berhenti 5 / 25

6 Konsep rational agents Agent seharusnya berupaya melakukan tindakan yang benar agar berhasil Kriteria untuk keberhasilan perilaku agent disebut performance measure Contoh: A vacuum-cleaner agent jumlah kotoran yang dibersihkan jumlah waktu yang dibutuhkan jumlah konsumsi listrik jumlah kebisingan yang dihasilkan dll 6 / 25

7 Rational agents Definisi Rational agent: suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan dan pengetahuan lain yang dimilikinya. Rasionalitas berbeda dari kemahatahuan (mengetahui segala sesuatu tanpa batas) Agent melakukan tindakan memperbaiki wawasan kedepan untuk memperoleh informasi penting (information gathering, exploration) Agent disebut autonomous jika perilaku ditentukan oleh pengalaman sendiri (kemampuan untuk belajar dan beradaptasi) 7 / 25

8 PEAS Definisi PEAS: Performance measure, Environment, Actuators, Sensors Ketika merancang sebuah agent, harus mendefinisikan lingkungan masalah (task environment), yakni: Performance measure : apa saja komponen pengukur keberhasilan si agent? Environment : kondisi apa saja yang ada disekitar si agent? Actuators : apa saja yang bisa dilakukan si agent? Sensors : apa saja yang menjadi input si agent? 8 / 25

9 Contoh: Taksi Otomatis Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan : Performance measure: sampai tujuan, tidak melanggar aturan lalu lintas, perjalanan nyaman, hemat bensin Environment: jalan, lalu lintas, pejalan kaki, pelanggan Actuators: arah stir, gas, rem, klakson, sinyal kiri atau kanan Sensors: video, speedometer, GPS, keyboard 9 / 25

10 Contoh: Medical diagnosis system Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis: Performance measure: pasien sembuh, biya murah, tidak menyalahi hukum Environment: pasien, rumah sakit, suster, dokter Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk Sensors: keyboard (masukan gejala penyakit, jawaban pasien) 10 / 25

11 Contoh: Robot pabrik penjamin mutu Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda Performance measure: Environment: Actuators: Sensors: 11 / 25

12 Contoh: Robot pabrik penjamin mutu Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda Performance measure: prosentase jumlah komponen yg diletakkan pada kotak yang benar Environment: ban berjalan, komponen yang diuji, kotak Actuators: gerak lengan dan tangan robot Sensors: kamera, sensor fisik 12 / 25

13 Contoh: Interactive English tutor Sebuah agent tutor yang memberikan latihan english secara interaktif Performance measure: Environment: Actuators: Sensors: 13 / 25

14 Contoh: Interactive English tutor Sebuah agent tutor yang memberikan latihan english secara interaktif Performance measure: nilai skor maksimal Environment: para siswa Actuators: layar monitor (latihan, saran koreksi) Sensors: keyboard 14 / 25

15 Jenis Environment Fully observable (vs. partially observable): apakah semua informasi diketahui? Deterministic (vs. stochastic): apakah next state ditentukan dari current state dan action? Episodic (vs. sequential): apakah tergantung pada pengalaman 15 / 25

16 Jenis Environment Static (vs. dynamic): apakah environment berubah ketika agent tidak bertindak? Discrete (vs. continuous): Single agent (vs. multiagent): apakah agent bertindak sendiri atau ada lawan? 16 / 25

17 Contoh: Jenis Environment Agent Catur dgn waktu Catur tanpa waktu Taxi driving Fully observable Ya Ya Tidak Deterministic Strategic Strategic Tidak Episodic Tidak Tidak Tidak Static Semi Ya Tidak Discrete Ya Ya Tidak Single agent Tidak Tidak Tidak Jenis environment menentukan desain seorang agent Di dunia nyata pada umumnya partially observable, stochastic, sequential, dynamic, continuous, multi-agent 17 / 25

18 Jenis-jenis Agent Simple reflex agents: berdasarkan persepsi yg terakhir Model-based reflex agents: memiliki representasi internal tentang keadaan sekitar Goal-based agents: memiliki informasi tentang tujuan, memilih tindakan yang mencapai tujuan Utility-based agents: melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan utility function Learning agents: belajar dari pengalaman, meningkatkan kinerja 18 / 25

19 Simple reflex agents Sumber: S. Russel, P. Norving, Artificial Intelligence: A Modern Approach 19 / 25

20 Model-based reflex agents Sumber: S. Russel, P. Norving, Artificial Intelligence: A Modern Approach 20 / 25

21 Goal-based agents Sumber: S. Russel, P. Norving, Artificial Intelligence: A Modern Approach 21 / 25

22 Utility-based agents Sumber: S. Russel, P. Norving, Artificial Intelligence: A Modern Approach 22 / 25

23 Learning agents Sumber: S. Russel, P. Norving, Artificial Intelligence: A Modern Approach 23 / 25

24 Ringkasan Sebuah rational agent harus memiliki tujuan (goal) Sebuah task environment mendefiniskan performance measure, environment, action, dan sensors (PEAS) sebuah agent. Agent function memetakan persepsi terhadap tindakan. Agent program mengimplementasikan agent function. Jenis-jenis agent: simple reflex, model-based, goalbased, utility-based, dan learning. 24 / 25

25 Sumber : 1. Slide perkuliahan Stuart Russell's (Berkeley) 2. Slide perkuliahan Sistem Cerdas Ruli Manurung (Universitas Indonesia) 25 / 25