Intelligent Agents: Definisi, Tipe, Konsep, Dan Contoh Berdasarkan PEAS

Materi Lengkap Tentang Intelligent Agents

KakaKiky - Hai sobat semuanya! Pada postingan kali ini Kiky akan membahas tentang Intelligent Agents mulai dari definisi, tipe-tipe agent, konsep, hingga contohnya. Bagi kalian yang penasaran dengan pembahasan kali ini, silahkan baca selengkapnya di bawah ya!

Apa itu Intelligent Agents?

Intelligent Agents adalah sebuah entitas yang berdiri sendiri dan bekerja dengan cara melakukan observasi terhadap lingkungan sekitar melalui sensor dan bertindak terhadap lingkungan melalui aktuator dalam mengarahkan aktivitasnya untuk mencapai tujuannya. Apabila dijelaskan dalam diagram, maka secara dasar pola dari intelligent agent menjadi sebagai berikut:

Oleh karena itu dapat dikatakan bahwa intelligent agent berfungsi sebagai agen yang memetakan persepsi yang diterima dari lingkungan yang kemudian akan diproses menjadi tindakan yang akan diterapkan kepada lingkungan.

Tipe-Tipe Agent Dalam Praktik Sehari-Hari

Berikut ini adalah beberapa tipe agent dalam kehidupan sehari-hari:

1. Goal-based: mementingkan tujuan tanpa mensyaratkan cara-cara tertenu dalam menempuh jalan untuk mencapai tujuannya, sehingga satu tujuan dapat dicapai dengan cara yang berbeda-beda.
2. Utility-based: membutuhkan tujuan untuk dapat mengetahui mana situasi yang diharapkan.
3. Learning: agent akan mempelajari lingkungan terlebih dahulu sebelum ia dapat melakukan tindakan untuk mencapai tujuannya.
4. Simple reflex: dalam prosesnya agent akan melakukan tindakan berdasarkan persepsi yang diterima hanya berdasarkan apa yang dilihatnya.
5. Model-based reflex: sebelum dapat melakukan tindakan, agent akan terlebih dahulu melihat contoh dari tindakan yang seharusnya dilakukan terhadap lingkungan.

Tipe-tipe Agent Berdasarkan Lingkungan Dan Sifatnya

Agen dipengaruhi oleh lingkungan di mana agen tersebut digunakan. Perbedaan prinsip lingkungan berdasarkan sifat adalah sebagai berikut:

1. Fully Observable vs Partially Observable

Fully observable jika sensor agen memberi akses untuk melengkapi status lingkungan pada tiap titik dalam satu waktu. Sensor akan mendeteksi semua aspek yang relevan untuk memilih tindakan. Partially observable dapat disebabkan oleh noisy dan ketidakakuratan sensor atau karena sebagian kondisi hilang dari sensor data. Contoh kasus:  taxi otomatis tidak mengetahui apa yg dipikirkan sopir mobil lain.

2. Deterministic vs Stochastic

Deterministic jika status lingkungan selanjutnya ditentukan dengan lengkap oleh status saat ini dan tindakan dilakukan agen. Jika sebaliknya maka stochastic. Contoh kasus: taxi otomatis jelas stokastik karena tidak dapat memprediksi kemacetan jalan raya.

3. Episodic vs Sequential

Episodic jika pengalaman agen  dibagi menjadi episode yang kecil-kecil. Setiap episode berisi tentang agen memahami dan melakukan sebuah tindakan. Secara krusial episode berikutnya tidak tergantung pada tindakan yang diambil pada episode sebelumnya.  Contoh kasus: taxi otomatis memiliki lingkungan sequential karena sistem ini harus mengetahui apa yg ada di depan.

4. Static vs Dynamic

Dynamic jika lingkungan berubah selama agent melakukan penyesuaian. Lingkungan statis lebih mudah karena agen tidak perlu terus mengamati lingkungan saat memutuskan tindakan atau mengkhawatirkan perjalanan waktu.  Contoh kasus: taxi otomatis bersifat dinamis karena kendaraan lain tetap berjalan selama algoritma taxi menentukan keputusan berikutnya.

5. Discrete vc Continous

Discrete/continous dapat diterapkan pada status lingkungan, ke cara menangani waktu, dan ke persepsi dan tindakan sebuah agen. Contoh kasus:  status lingkungan diskrit seperti permainan catur  memiliki jumlah tertentu status yang berbeda.  Status lingkungan  Taxi otomatis kontinyu dari waktu ke waktu.

6. Single agent vs. multi agent

Perbedaan antara lingkungan single-agent dan multi-agent dapat terlihat lebih sederhana.  Tergantung bagaimana agent memandang lingkungannya sebagai agent lain atau bukan. Contoh : crossword puzzle adalah single-agent environment dan catur adalah two-agent environment. Prbedaannya adalah apakah tingkah laku agen B dapat menggambarkan dengan baik hal-hal yang memaksimalkan PM yang nilainya tergantung ukuran kinerja agen A.

Konsep Intelligent Agents

Intelligent Agents memiliki konsep rasionalitas yang mencerminkan tentang bagaimana sebuah agent dapat bekerja secara benar dan ideal. Konsep rasionalitas ini menetapkan standar tentang pengukuran kemampuan dari agent dalam menyelesaikan masalah secara objektif dan rasional. Kedua poin tersebut adalah poin yang paling penting dalam menentukan kesempurnaan hasil pekerjaan dari agent tersebut. Pada konsep rasionalitas intelligent agent, yang dapat kita anggap sebagai yang benar adalah agent yang paling sukses dalam menyelesaikan seluruh pekerjaannya. Berikut adalah 4 hal yang menjadi penentu kesuksesan tersebut:

1. Kemampuan yang terukur.
2. Pengetahuan tentang lingkungan yang didapat sebelumnya.
3. Tindakan yang dilakukan.
4. Urutan persepsi dalam penyelesaian pekerjaan.

Agent juga dapat melakukan tindakannya sesuai dengan yang diharapkan untuk memodifikasi persepsi yang akan datang dengan memanfaatkan informasi yang didapat dari tindakan yang telah dilakukan sebelumnya. Informasi-informasi yang bermanfaat tersebut menentukan seberapa besar pengalaman yang dimiliki oleh agent tersebut, sehingga ke depannya agent dapat bekerja secara otonom dengan mengandalkan pengalaman serta kemampuan untuk belajar dan beradaptasi dnegna lingkungan yang akan senantiasa terus mengalami perubahan dari waktu ke waktu.

Contoh Pendeskripsian Jenis Agent Berdasarkan PEAS

PEAS merupakan singkatan dari Performance measure, Environment, Actuators, dan Sensors. Berikut ini adalah contoh pendeskripsian jenis agent berdasarkan PEAS nya.

No	Agent Type	Performance Measure	Environment	Actuators	Sensors
1	Playing Soccer	Mencetak gol, pertahanan, kecepatan	Lapangan bermain, anggota tim, lawan, bola	Tubuh, menggiring bola, mentackle, mengoper bola, menendang bola	Kamera, sensor bola, sensor lokasi, pencari lokasi pemain
2	Shopping for used AI books on the internet	Harga, kualitas barang, pembuat buku, ulasan (review)	Web, penjual (vendor), pengirim barang	Isi formulir, ikuti URL (link), tampilan untuk pengguna	HTML
3	Practicing tennis against a wall	Kecepatan pukulan, akurasi pukulan	Lapangan bermain, Raket tennis, bola tennis, dinding	Bola tennis, raket tennis, tangan (lengan sendi)	Pencari lokasi bola, kamera, sensor raket
4	Knitting a sweater	Ukuran, Hasil penampilan, kenyamanan	Pola, Keterampilan	Jarum, benang, tangan (lengan sendi)	Sensor pola

Nah sobat itulah pembahasan lengkap mengenai Intelligent Agents, mulai dari definisi, tipe-tipe agent, konsep, hingga contoh lengkapnya berdasarkan PEAS. Semoga pembahasan ini dapat bermanfaat bagi kalian dan menambah ilmu pengetahuan tentang Artificial Intelligent (AI). Baca juga materi kuliah AI tentang cara install dan menjalankan twint. Cukup sekian postingan kali ini, wassalamu’alaikum and Be Prepared!