MENDESKRIPSIKAN AGEN CERDAS

Apa itu agen cerdas ?

Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator. Agen cerdas merupakan agen yang ditanamkan kecerdasan yang dimiliki oleh seorang manusia sehingga agen tersebut dapat melakukan hal-hal yang memerlukan kecerdasan yang biasanya dilakukan oleh manusia.

Perancangan Agen Cerdas 
Agen harus bersifat rasional, yaitu melakukan hal yang benar. Rasional bukan berarti omniscience (serba tahu/mengetahui semua dengan pengetahuan tak terbatas). Agen dapat melakukan tindakan dalam rangka untuk mengubah persepsi masa depan untuk memperoleh informasi yang berguna (pengumpulan informasi, eksplorasi).

Sebuah agen dikatakan otonom jika perilaku agen ditentukan oleh pengalaman sendiri (dengan kemampuan untuk belajar dan beradaptasi), sehingga agen belajar untuk beradaptasi dengan lingkungan sekitarnya.

Pengukuran kinerja merupakan Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen. Goal adalah tujuan utama yang berusaha dicapai oleh agen (prioritas utama).

Dalam hal ini, agen cerdasnya berupa sebuah robot yang dapat menyapu halaman rumah sendiri. Robot ini memiliki tujuan untuk dapat membantu seseorang mengerjakan pekerjaan rumahnya yaitu menyapu. Dengan adanya robot ini, maka pekerjaan menyapu yang biasanya di lakukan oleh manusia dapat dipermudah dengan bantuan robot ini.

Dalam perancangan sebuah agen cerdas, terdapat PEAS: Performance measurement, Environment, Actuators, Sensors yang harus terpenuhi. Dalam agen cerdas robot yang dapat menyapu halaman rumah sendiri, PEAS-nya adalah

• Performance measurement : cepat, bersih, menghemat tenaga
• Environment : rumah, halaman, penghuni rumah
• Actuators : lengan dan tangan robot
• Sensors : Kamera

karakteristik agen

1. Autonomous, yaitu agen berkemampuan untuk melakukan tugasnya dan mengambil keputusan secara mandiri tanpa adanya intervensi dari luar seperti agen lain, manusia ataupun entitas lain.
2. Reaktif, yaitu kemampuan agen untuk cepat beradaptasi terhadap perubahan informasi yang ada pada lingkungannya
3. Proaktif, yaitu kemampuan yang berorientasi pada tujuan dengan cara selalu mengambil inisiatif untuk mencapai tujuan.
4. Fleksibel, yaitu agen harus mempunyai banyak cara dalam mencapai tujuannya.
5. Robust, yaitu agen harus dapat kembali ke kondisi semula jika mengalami kegagalan dalam hal tindakan ataupun dalam menjalankan plan.
6. Rasional, yaitu kemampuan untuk bertindak sesuai dengan tugas dan pengetahuannya dengan tidak melakukan hal yang dapat menimbulkan konflik tindakan.
7.  Kemampuan berkoordinasi dan berkomunikasi (Social), yaitu dalam melakukan tugasnya, agen memiliki kemampuan untuk berkomunikasi dan berkoordinasi baik dengan manusia maupun dengan agen lain.
8. Situated, yaitu agen harus berada dan berjalan di lingkungan tertentu.

Tipe Agen

1.      Simple Reflex Agents

Agen refleks sederhana merupakan agen yang paling sederhana karena dia hanya menerapkan teknik kondisi-aksi.

2.      Model-Based Reflex Agents

Model-Based Reflex Agents merupakan perkembangan dari simple reflex agents. Agen refleks sederhana dapat melakukan tindakannya dengan baik jika lingkungan yang memberikan percept/kesan tidak berubah-ubah

3.      Goal-Based Agents

Goal-based agents merupakan perkembangan dari model-based reflex agents dimana 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.

4.      Utility-Based Agents

Merupakan pengembangan dari goal-based agent, pada utility-based agents untuk mecapai tujuannya ia memiliki banyak cara dan banyak pertimbangan untuk mencapai tujuannya, tidak hanya satu jalan, namun utility-based agent ini mempehitungkan dan memilih aksi/jalan yang efisien dalam mencapai tujuannya.

5.      Learning agents

Learning agents adalah agen yang belajar dari pengalamannya dalam meningkatkan kinerjanya.

Robot yang dapat menyapu halaman rumah sendiri ini merupakan agen tipe learning agents, yaitu agen yang dapat belajar dari pengalamannya untuk meningkatkan kinerjanya. Misalnya ia mempelajari tempat dimana ia di taruh untuk menyapu, jika sebelumnya tidak ada kursi atau penghalang di tempat ia menyapu dan kemudian di taruh kursi atau sesuatu yang menghalangi maka ia akan merekamnya dan mempelajari tata letak tempat baru tersebut, sehingga tetep bisa menjalankan fungsinya dengan baik dan tidak memperburuk kinerjanya.

Jenis Lingkungan

1.      Fully observable – partially observable

Fully observable yaitu sensor dapat mengamati keadaan penuh pada suatu lingkungan

Partially observable yaitu sensor hanya dapat mengamati sebagian keadaan pada lingkungannya.

Pada robot yang dapat menyapu halaman rumah sendiri lingkungannya bersifat partially observable karena sensor hanya dapat mengamati sebagian keadaan pada lingkungannya.

2.      Deterministic – stochastic

Deterministik yaitu dimana keadaan lingkungan selanjutnya bergantung pada keadaan sekarang dan juga tindakan yang akan dilakukan oleh agen

Stochastic yaitu di mana keadaan selanjutnya tidak bergantung pada keadaan sekarang dan juga tindakan yang akan dilakukan oleh agen.

Pada robot yang dapat menyapu halaman rumah sendiri lingkungannya bersifat Stochastic karena keadaan selanjutnya tidak bergantung pada keadaan sekarang dan juga tindakan yang akan dilakukan oleh agen.

3.      Episodic – sequential

Episodic yaitu satu action dari agen tidak mempengaruhi action selanjutnya, karena action di bagi menjadi episode-episode pendek.

Sequential yaitu satu action berhubungan dengan action lainnnya.

Pada robot yang dapat menyapu halaman rumah sendiri lingkungannya bersifat Episodic karena action yang dilakukan oleh agen tidak mempengaruhi action selanjutnya.

4.      Static – dynamic

Static yaitu keadaan dimana lingkungan yang agen tempati adalah tetap

Dynamic yaitu apabila lingkungan berubah saat agen sedang mengambil keputusan

Pada robot yang dapat menyapu halaman rumah sendiri lingkungannya bersifat dynamic karena lingkungannya berubah seiring berjalannya robot di suatu halaman.

5.      Discrete – continuous

Discrete yaitu kesan dan tindakan yang akan diterima dan dilakukan oleh agen telah ditetapkan dengan jelas.

Continuos yaitu untuk mencapai tujuannya agen terus menerus melakukan tindakan.

Pada robot yang dapat menyapu halaman rumah sendiri lingkungannya bersifat continuos karena untuk mencapai tujuannya agen terus menerus melakukan tindakan.

6.      Single agent – multiagent

Single agent yaitu agent yang dalam melakukan actionnya tidak terdapat agen lain atau lawannya

Multi agent yaitu agent yang dalam melakukan actionnya terdapat agen lain atau terdapat lawannya

Pada robot yang dapat menyapu halaman rumah sendiri lingkungannya bersifat single agent karena dalam melakukan actionnya tidak terdapat agen lain atau lawannya.

Kesimpulan :

Robot yang dapat menyapu halaman rumah sendiri, PEAS-nya adalah

-          Performance measurement : cepat, bersih, menghemat tenaga

-          Environment : rumah, halaman, penghuni rumah

-          Actuators : lengan dan tangan robot

-          Sensors : Kamera

Robot yang dapat menyapu halaman rumah sendiri ini merupakan agen tipe learning agents, yaitu agen yang dapat belajar dari pengalamannya untuk meningkatkan kinerjanya. Misalnya ia mempelajari tempat dimana ia di taruh untuk menyapu, jika sebelumnya tidak ada kursi atau penghalang di tempat ia menyapu dan kemudian di taruh kursi atau sesuatu yang menghalangi maka ia akan merekamnya dan mempelajari tata letak tempat baru tersebut, sehingga tetep bisa menjalankan fungsinya dengan baik dan tidak memperburuk kinerjanya.