Agen Cerdas adalah sebuah agen
yang menerima persepsi dari lingkungan dan melakukan tindakan. Tujuan utamanya
adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat
berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran
manusia). Ilmu AI dalam permainan umumnya digunakan untuk membuat agen yang
dapat mengambil tindakan, memiliki kecerdasan, dan bisa memahami keputusan
terhadap kondisi permainan yang dinamis.
Konsep Agen Cerdas & Lingkungan
Agen adalah segala sesuatu yang dapat dipandang sebagai
entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak
melalui alat aktuator.
Sebagai perbandingan, agen manusia memiliki alat sensor:
mata, telinga, dan organ sensor lainnya; alat actuator: tangan, kaki, mulut,
dan bagian tubuh lain sebagai alat gerak.
Sedangkan pada agen robot: kamera dan inframerahi untuk
sensor, danlengan, serta berbagai motor sebagaiaktuator.
Agen menerima (percept) sensor dari lingkungan. Keseluruhan
percept yang diterima agen pada suatu selang waktu disebut percept sequence.
Fungsi Agen memetakan Percept Sequence / Percept History ke tindakan (action) :
[f: P * A Ã ]
Program Agent berjalan pada arsitektur fisik untuk menghasilkan nilai fungsi f.
Agent = arsitektur + program
Perancangan Agen Cerdas
Rasional dapat didefinisikan sebagai: melakukan hal yang
benar. Agen rasional melakukan hal yang benar berdasarkan percept apa yang
ditangkap dan tindakan (action) apa yang diambil. Tindakan yang tepat adalah
tindakan yang akan menyebabkan agen menjadi yang paling sukses. Beberapa hal yang perlu ditekankan :
Rasionalitas berbeda dari 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).
Pengukuran kinerja: Sebuah kriteria obyektif untuk mengukur
keberhasilan suatu perilaku agen.
Example : mengukur kinerja dari agen vacuum-cleaner :
Jumlah kotoran dibersihkan,
﹂Jumlah waktu yang dibutuhkan,
﹂Jumlah listrik yang dikonsumsi,
﹂Jumlah kebisingan yang dihasilkan, dll
Pengukuran kinerja haruslah dapat dinyatakan dalam ukuran
kuantitatif. Kata “jumlah” mengindikasikan suatu ukuran kuantitatif/terukur.
Untuk setiap urutan persepsi (percept sequence) yang ada, agen rasional harus
memilih tindakan yang diharapkan untuk memaksimalkan ukuran kinerjanya.
Tujuan (Goal): Setelah menentukan criteria obyektif (seperti
diatas), pilih salah satu tujuan untuk menjadi fokus utama dari agen. Goal
adalah tujuan utama yangberusaha dicapai oleh agen (prioritas utama).
Konsep utama perancangan agen cerdas/rasional
dapat dilakukan dengan bantuan PEAS yang merupakan singkatan dari:Performance
measurement, Environment, Actuators, Sensors. PEAS harus ditentukan sebelum
desain agen cerdas. Berdasarkan informasi PEAS, kita benar dapat merancang agen
untuk memenuhi tujuan yang ingin dicapai.Sebagai contoh, misalnya tugas
merancang sebuah sopir taksi otomatis. Definisikan PEAS agen cerdas tersebut
seperti berikut :
Performance Measure : Aman, cepat, legal, perjalanan nyaman,
memaksimalkan keuntungan.
Environment : Jalan, lalu lintas lainnya, pejalan kaki,
pelanggan
Aktuator : Setir, pedal gas, rem, sinyal, klakson
Sensor : Kamera, sonar, speedometer, GPS, odometer, sensor
mesin, keyboard
Agen: sistem diagnosis Medis
Performance Measure : Pasien Sehat, Meminimalkan Biaya, Tuntutan Hukum
Environment : Pasien, Rumah Sakit, Staf
Aktuator : Layar Display (pertanyaan, tes, diagnosis,
pengobatan, rujukan)
Sensor : Keyboard (masuknya gejala, temuan, jawaban pasien)
Agen : Part-Picking Robot (robot pengambil komponen)
Performance Measure : Persentase berapa bagian masuk ke kotak
yang benar
Environment : Conveyor, komponen-komponen, kotak komponen
Aktuator : lengan dan tangan robot
Sensor : Kamera, sensor sudut persendian
Jenis Lingkungan Agen Cerdas
Jenis lingkungan tempat agen cerdas bekerja dapat ditinjau
dari beberapa aspek (berikut aspek yang menjadi lawannya,) bergantung
lingkungan dimana agen tersebut berada. Aspek-aspek lingkungan adalah :
Sepenuhnya teramati vs Sebagian Teramati : Lingkungan
sepenuhknya teramati jika sensor mendeteksi semua aspek yang relevan dengan
pilihan action. Sebuah sensor agen memberikan akses ke keadaan lengkap
lingkungan pada setiap titik waktu. Lingkungan sebagian teramati karena sensor
berisik dan tidak akurat.
Deterministik vs Stokastic : Keadaan berikutnya lingkungan
sepenuhnya ditentukan oleh keadaan saat ini dan tindakan yang dilakukan oleh
agen. (Jika lingkungan deterministik kecuali untuk tindakan agen lain, maka
disebut lingkungan strategis).
Episodik vs Sekuensial : Pengalaman agen dibagi menjadi
“episode” atom (setiap episode terdiri dari: agen mengamati (percept) dan
kemudian melakukan tindakan tunggal), dan pilihan tindakan di setiap episode
hanya bergantung pada episode itu sendiri.
Statis vs Dinamis : Lingkungan berubah, agen tidak perlu
terus mencari pada lingkungan untuk memutuskan sesuatu. Pada lingkungan dinamis
terus meminta agen apa yang ia ingin lakukan.
(Lingkungan semidinamis jika lingkungan itu sendiri tidak berubah dengan berlalunya waktu namun skor kinerja agen berubah).
Diskrit vs Kontinu : Jumlah state/tindakan untuk mencapai
goal terbatas (diskrit), persepsi yang jelas dan tindakan yang terhingga.
(misalnya, catur – diskrit, mengemudi taksi – kontinyu).
Agen Tunggal vs Agen Multi : Seorang agen yang beroperasi
dengan sendirinya dalam suatu lingkungan.
Contoh Agen Cerdas
Manusia : Mata, Telinga, Tangan
Robot : Kamera, Inframerah, Sensor
Source