Muhammad Bagir S.E., M.T.I

Transkripsi

1 Muhammad Bagir S.E., M.T.I

2 Pengertian Agent Secara umum, sebuah entitas yang berinteraksi dengan lingkungannya Persepsi melalui indra Tindakan melalui effector dan actuator Agent : Entitas dalam sebuah program atau lingkungan yang mampu menghasilkan tindakan (aksi) Agent menggunakan persepsi mengenai lingkungan untuk membuat keputusan akan tindakan yang harus diambil. Kemampuan persepsi biasanya disebut sensor

3 Beberapa Pengertian Agent 1. An agent is an entity whose state is viewed as consisting of mental components such as beliefs, capabilities, choices, and commitments. [Yoav Shoham, 1993] 2. An entity is a software agent if and only if it communicates correctly in an agent communication language. [Genesereth and Ketchpel, 1994] 3. Intelligent agents continuously perform three functions: perception of dynamic conditions in the environment; action to affect conditions in the environment; and reasoning to interpret perceptions, solve problems, draw inferences, and determine actions. [Hayes-Roth, 1995]

4 Agent Agent adalah sebuah program dengan: Sensor (input) Effector (output) Lingkungan Kemampuan untuk memetakan input menjadi output

5 Contoh Agents Agents pada manusia Mata, Telinga, Kulit, indra perasa untuk sensor Tangan, jari2, kaki, mulut untuk actuator Tenaga didukung oleh otot2 Robot Kamera, infra merah untuk sensor untuk sensor Roda, cahaya, speaker untuk actuator Tenaganya mayoritas didukung oleh motor Software Agent Berfungsi sebagai sensor Informasi diberikan sebagai input kepada fungsi2 dalam bentuk bit string atau simbol yang diencode Berfungsi sebagai actuator Hasil-hasil yang mengirimkan output

6 Agent dan Lingkungan Suatu agent mempersepsikan lingkungannya melalui sensor-sensor Seperangkat input lengkap pada satu waktu tertentu yang disebut persepsi Persepsi saat ini, atau urutan persepsi dapat mempengaruhi tindakan sebuah agent Dapat mengubah lingkungan melalui actuator Suatu operasi yang melibatkan sebuah actuator disebut tindakan (aksi). Aksi dapat dikelompokkan menjadi ututan aksi (tindakan) Tindakan dapat bergantung pada persepsi terbaru atau seluruh sejarah (urutan persepsi).

7 Agent dan Aksi-aksinya Rational Agent melakukan hal yang benar Tindakan yang mengarah ke hasil terbaik pada situasi yang diberikan. Fungsi agent adalah memetakan urutan persepsi ke tindakan (aksi) Deskripsi matematis yang abstrak Sebuah program agent adalah implementasi konkrit dari fungsi masing-masing Yang berjalan pada arsitektur(platform) agent yang spesifik. Masalah: Apa yang dimaksud hal yang benar? Bagaimana adan mengukur hasil yang yang terbaik?

8 Kinerja Agent Kriteria untuk mengukur hasil dan biaya agen Seringkali subjektif, namun harus objektif Task dependent Waktu merupakan hal penting

9 Contoh evaluasi kinerja Jumlah ubin yang dibersihkan pada periode waktu tertentu berdasarkan laporan agen, atau divalidasi oleh otoritas obyektif tidak mempertimbangkan biaya agen, efek samping energi, kebisingan, hilangnya objek2 yang bermanfaat, furniture yang rusak, lantai yang lecet mungkin menyebabkan kegiatan yang tidak diinginkan Agent yang membersihkan kembali ubin yang bersih, mencakup hanya sebagian ruangan, tetesan kotora n pada ubin yang mengharuskan lebih banyak ubin dibersihkan.

10 Rational Agent memilih tindakan yang diharapkan untuk memaksimalkan kinerjanya Didasarkan pada ukuran kinerja Bergantung pada urutan persepsi, latar belakang pengetahuan, dan tindakan yang layak.

11 Rational Agent Mengukur kinerja untuk tugas yang berhasil diselesaikan. Sejarah persepsi yang lengkap (urutan persepsi) Latar belakang pengetahuan Khususnya mengenai lingkungan Dimensi, struktur, hukum dasar Pekerjaan, Pengguna, Agent lainnya. Tindakan yang layak Kemampuan agent

12 Lingkungan Menentukan besarnya tingkat interaksi dunia luar dan agent dunia luar tidak harus berarti dunia nyata yang kita persepsikan Bisa berupa lingkungan nyata atau virtual dimana agent berlangsung Dalam banyak kasus, lingkungan diimplementasikan dalam komputer Yang mungkin atau tidak memiliki hubungan yang erat dengan "dunia nyata"

13 Properti Lingkungan Dapat diobservasi penuh vs Dapat diobservasi sebagian Sensor yang menangkap semua informasi yang relevan dari lingkungan Deterministik vs stokastik (non-deterministik) perubahan lingkungan yang dapat diprediksi Episodik vs sekuensial (non-episodik) Episode persepsi tindakan yang independen Statis vs dinamis tidak ada perubahan ketika agen sedang "berpikir" Diskrit vs kontinu Jumlah persepsi / tindakan berbeda yang terbatas Single vs Multiple Agent Interaksi dan kolaborasi antara agen-agen kompetitif, kooperatif

14 Environment Programs Simulator lingkungan untuk bereksperimen dengan agen Memberikan persepsi kepada agen Menerima tindakan Mengupdate lingkungan Seringkali dibagi menjadi kelas-kelas lingkungan untuk tugas atau tipe-tipe agen terkait. Lingkungan seringkali menyediakan mekanismeuntuk mengukur kinerja agen

15 Agent atau Program Kriteria kita sejauh ini dapat diterapkan juga pada software agent dan program regular Autonomy Agent yang menyelesaikan tugasnya dalam skala besar dan independen Program yang bergantung pada pengguna atau program lainnya sebagai guidance Sistem Autonomy mendasarkan tindakannya pada pengalaman dan pengetahuannya sendiri Membutuhkan pengetahuan awal diiringi dengan kemampuan untuk belajar Memberikan fleksibilitas bagi tugas-tugas yang lebih kompleks

16 Struktur Intelligent Agent Agent = Architecture + Program Arsitektur Platform operasi agent Sistem Komputer, Perangkat keras yang spesifik, fungsi-fungsi OS. Program Fungsi yang mengimplementasikan pemetaan persepsi menjadi tindakan

17 Software Agent Juga dikenal dengan sebutan softbots Hidup dalam lingkungan buatan dimana komputer dan jaringan menyediakan infrastruktur Boleh jadi sangat kompleks dengan kebutuhan agent yang kuat WWW, real-time Lingkungan buatan dan alami yang menggabungkan Interaksi pengguna Sensor dan actuator di dunia nyata Kamera, temperatur, lengan, roda dsbnya

18 Deskripsi PEAS mengenai Tugas Lingkungan Digunakan pada karakterisasi agent tingkat tinggi Performance Measures Environment digunakan untuk mengevaluasi seberapa baik agen memecahkan tugas Lingkungan di luar kendali agen Actuators Sensors Menentukan tindakan yang dapat dilakukan agent memberikan informasi tentang keadaan lingkungan saat ini

19 Deskripsi PAGE Percepts Actions Goals Informasi yang diperoleh melalui sistem sensorik agen operasi yang dilakukan oleh agen pada lingkungan melalui aktuator nya hasil yang diinginkan dari kegiatan dengan kinerja yang terukur Environment Lingkungan di luar kendali agen

20 StudentBot PEAS Description Performance Measures grade time spent studying career success Environment classroom, university, universe Actuators human actuators Sensors human sensors

21 StudentBot PAGE Description Percepts Actions Goals images (text, pictures, instructor, classmates) sound (language) comments, questions, gestures note-taking (?) mastery of the material performance measure: grade Environment classroom

22 Agen Program Penekanan dalam program ini adalah program yang menentukan perilaku agen melalui pemetaan dari persepsi tindakan lemah pada lingkungan dan tujuan Agen menerima satu persepsi pada suatu waktu tertentu Yang mungkin atau mungkin tidak menjaga track urutan persepsi Evaluasi kinerja sering dilakukan oleh otoritas luar, bukan agen lebih objektif, lebih rumit dapat diintegrasikan dengan program lingkungan

23 Kerangka Agen Program Framework Dasar sebuah Agen Program function SKELETON-AGENT(percept) returns action static: memory memory action memory := UPDATE-MEMORY(memory, percept) := CHOOSE-BEST-ACTION(memory) := UPDATE-MEMORY(memory, action) return action

24 Yang perlu diperhatikan Cara sederhana untuk menentukan pemetaan dari persepsi tindakan tabel dapat menjadi sangat besar hampir semua pekerjaan dilakukan oleh desainer tidak ada otonomi, semua tindakan telah ditentukan dengan tabel-tabel yang dirancang dengan baik dan cukup kompleks, agen mungkin muncul otonom untuk pengamat Pembelajaran dapatmemakan waktu yang sangat lama terlalu lama akan menjadi tidak praktis menjadi metode belajar yang lebih baik

25 Tabel Agen Program agent program berdasakan tabel lookup function TABLE-DRIVEN-AGENT(percept) returns action static: percepts // initially empty sequence* table // indexed by percept sequences // initially fully specified append percept to the end of percepts action := LOOKUP(percepts, table) return action * Note:the storage of percepts requires writeable memory