Yogi's Blog: PENGENALAN INTELLIGENT AGENTS

Kecerdasan buatan atau dalam bahasa inggrisnya Artificial Intelligence sering disingkat dengan AI yang merupakan cabang terpenting dalam dunia komputer. A
khir-akhir ini, teknologi AI telah begitu banyak mempengaruhi kehidupan manusia. AI kini berada disekeliling kita, di dalam kehidupan sehari-hari kita, boleh dikatakan tidak ada satu pun peralatan yang tidak menggunakan teknologi AI. Di rumah, radio, mesin cuci, kulkas, ponsel, dll dilengkapi dengan Integrated Circuit komputer yang mempunyai AI. Dengan kata lain AI ialah ilmu dan rekayasa yang membuat mesin mempunyai intelligensi tertentu khususnya program komputer yang ‘cerdas’ (John McCarthy, 1956).

Pengertian sebuah AGENT adalah segala sesuatu yang 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.

1. AGENT DAN LINGKUNGANNYA

Agen Intelligent sering digambarkan secara skematis sebagai sistem fungsional abstrak mirip dengan program komputer. Untuk alasan ini, agen cerdas kadang-kadang disebut agen cerdas abstrak s (AIA) Untuk membedakan mereka dari dunia nyata implementasinya sebagai sistem komputer, sistem biologis, atau organisasi. Beberapa definisi dari agen cerdas mereka menekankan otonomi , sehingga lebih memilih cerdas agen otonom jangka s. Yang lain (terutama Russell & Norvig (2003) ) perilaku goal-directed dianggap sebagai inti dari kecerdasan dan sebagainya lebih suka istilah yang dipinjam dari ekonomi , ” agen rasional “.

Agen Cerdas dalam kecerdasan buatan berhubungan erat dengan agen di ekonomi , dan versi dari paradigma agen cerdas yang dipelajari dalam ilmu kognitif , etika , filsafat alasan praktis , serta di banyak interdisiplinersosio-kognitif pemodelan dan sosial simulasi komputer.

Intelligent agen juga berhubungan erat dengan agen perangkat lunak (program perangkat lunak otonom yang melaksanakan tugas atas nama pengguna). Dalam ilmu komputer , agen cerdas istilah dapat digunakan untuk merujuk kepada agen perangkat lunak yang memiliki kecerdasan tertentu, terlepas jika tidak agen rasional oleh dan Norvig Definisi Russell. Sebagai contoh, program otonom digunakan untuk bantuan operator atau data mining (kadang-kadang disebut sebagai bot).

Lingkungan Tugas Agen, merupakan definisi dari pemasalahan yang akan diselesaikan oleh agen.antara lain :

1. Performance Measure

karakteristik apa yang menjadi tujuan dari agen ?

contoh : motor - tiba ditujuan dengan cepat dan hemat bahan bakar

2. Environment

bagaimana karakterisitik lingkungan yang akan dihadapi ?

contoh : motor - tipe jalan, tingkat kemacetan

3. Actuators

perangkat apa yang dibutuhkan agen untuk mencapai tujuan ?

contoh : motor - steering, klakson dll

4. Sensors

perangkat apa yang dibutuhkan agen untuk mengetahui kondisi lingkungan ?

contoh : motor - speedometer

2. RASIONALITAS

Rational Agent merupakan suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan dan pengetahuan lain yang dimilikinya. 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

3. PERFORMANCE MEASURE, ENVIRONMENT, ACTUATORS, SENSORS (PEAS)

Ketika merancang sebuah agen, harus mendefinisikan lingkungan masalah (task environment), yakni:

Performance measure: apa saja komponen pengukur keberhasilan si agent?
Environment: kondisi apa saja yang ada disekitar agent?
Actuators: apa saja yang bisa dilakukan si agent?
Sensors: apa saja yang mnejadi inout si agent?

Contoh: Taksi Otomatis
Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan
- Performance measure: sampai tujuan, tidak melanggar lalu lintas, perjalanan nyaman, hemat bensin.
- Environment: jalan, lalu lintas, pejalan kaki, pelanggan.
- Actoators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.
- Sensors: video, speedometer, GPS, keyboard.
Contoh: Medical Diagnosis System
Sebuah agent Medical Diagnosis System yang mendiagnosa pasien secara otoatis:
- Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.
- Environment: pasien, rumah sakit, suster, dokter.
- Actoators: layar monitor (pertanyaan, test, diagnosa, treatment, petunjuk).
- Sensors: keyboard (masukkan gejala penyakit, jawaban pasien).
Contoh: Robot Pabrik Penjamin Mutu
Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda
- Performance measure: presentase jumlah komponen yang diletakkan pada kotak yang benar.
- Environment: ban berjalan, komponen yang diuji, kotak.
- Actuators: gerak lengan dan tangan robot.
- Sensors: kamera, sensor fisik.
Contoh: Interactiv English TutorSebuah agent tutor yang memberikan latihan english secara interaktif
- Performance measure: nilai skor maksimal.
- Environment: para siswa.
- Actuators: laya monitor (latihan, saran koreksi).
- Sensors: keyboard.

4. TIPE-TIPE LINGKUNGAN AGEN

Fully observable (vs. Partially observable): sensor-sensor sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.
Deterministic (vs. Stochastic): keadaan lingkungan berikutnya sepenuhnya ditentukan oleh keadaan sekarang dan tindakan yang dilaksanakan oleh agen. (Jika lingkungan itu deterministik kecuali untuk tindakan agen-agen lain, maka lingkugannya adalah strategic)
Episodic (vs. Sequential): pengalaman agen dibagi ke dalam “episode-episode” atomik (setiapepisode terdiri dari si agen) memahami (perceiving) dan kemudian melaksanakan satu tindakan, dan pilihan tindakan dalam tiap episode hanya tergantung pada episode itu sendiri.
Static (vs. Dynamic): lingkungan tidak berubah selagi agen direncanakan (deliberating). (Lingkungan adalah semidynamic jika lingkungan itu sendiri tidak berubah dengan berjalannya waktu tetapi skor performa agen berubah)
Discrete (vs. Continuous): sejumlah terbatas persepsi dan tindakan yang khas dan terdefinisi baik.
Single agent (vs. Multiagent): sebuah agen yang mengoperasikan dirinya sendiri dalam sebuah lingkungan.

5. TIPE-TIPE AGEN

Autonomy: Agent dapat melakukan tugas secara mandiri dan tidak dipengaruhi secara langsung oleh user, agent lain ataupun oleh lingkungan (environment). Untuk mencapai tujuan dalam melakukan tugasnya secara mandiri, agent harus memiliki kemampuan kontrol terhadap setiap aksi yang mereka perbuat, baik aksi keluar maupun kedalam [Woolridge et. al.,1995].
Intelligence, Reasoning, dan Learning: Setiap agent harus mempunyai standar minimum untuk bisa disebut agent, yaitu intelegensi (intelligence). Dalam konsep intelligence, ada tiga komponen yang harus dimiliki: internal knowledge base, kemampuan reasoning berdasar pada knowledge base yang dimiliki, dan kemampuan learning untuk beradaptasi dalam perubahan lingkungan.
Mobility dan Stationary: Khusus untuk mobile agent, dia harus memiliki kemampuan yang merupakan karakteristik tertinggi yang dia miliki yaitu mobilitas. Berkebalikan dari hal tersebut adalah stationary agent. Bagaimanapun juga keduanya tetap harus memiliki kemampuan untuk mengirim pesan dan berkomunikasi dengan agent lain.
Delegation: Sesuai dengan namanya dan seperti yang sudah kita bahas pada bagian definisi, agent bergerak dalam kerangka menjalankan tugas yang diperintahkan oleh user. Fenomena pendelegasian (delegation) ini adalah karakteristik utama suatu program disebut agent.
Reactivity: Karakteristik agent yang lain adalah kemampuan untuk bisa cepat beradaptasi dengan adanya perubahan informasi yang ada dalam suatu lingkungan (enviornment). Lingkungan itu bisa mencakup: agent lain, user, adanya informasi dari luar, dsb [Brenner et. al., 1998].
Proactivity dan Goal-Oriented: Sifat proactivity boleh dikata adalah kelanjutan dari sifat reactivity. Agent tidak hanya dituntut bisa beradaptasi terhadap perubahan lingkungan, tetapi juga harus mengambil inisiatif langkah penyelesaian apa yang harus diambil [Brenner et. al., 1998]. Untuk itu agent harus didesain memiliki tujuan (goal) yang jelas, dan selalu berorientasi kepada tujuan yang diembannya (goal-oriented).
Communication and Coordination Capability: Agent harus memiliki kemampuan berkomunikasi dengan user dan juga agent lain. Masalah komunikasi dengan user adalah masuk ke masalah user interface dan perangkatnya,sedangkan masalah komunikasi, koordinasi, dan kolaborasi dengan agent lain adalah masalah sentral penelitian Multi Agent System (MAS). Bagaimanapun juga untuk bisa berkoordinasi dengan agent lain dalam menjalankan tugas,perlu bahasa standard untuk berkomunikasi. Tim Finin [Finin et al., 1993] [Finin et al., 1994] [Finin et al., 1995] [Finin et al., 1997]dan Yannis Labrou [Labrou et al., 1994] [Labrou et al., 1997] adalah peneliti software agent yang banyak berkecimpung dalam riset mengenai bahasa dan protokol komunikasi antar agent. Salah satu produk mereka adalah Knowledge Query and Manipulation Language (KQML). Kemudian masih berhubungan dengan ini komunikasi antar agent adalah Knowledge Interchange Format (KIF).