Intelligent Agent. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc

Intelligent  Agent  

ì

Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam

KONSEP  AGENT   —  An  agent  is  anything  that  can  be  viewed  as  perceiving  

its  environment  through  sensors  and  ac6ng  upon   that  environment  through  actuators   —  Human  Agent  :   —  — 

Eyes,  Ears  and  other  organs  for  sensors   Hands,  Legs,  Mouth,  and  other  body  part  for  actuators  

—  Robo6c  Agent  :   —  — 

Cameras  and  infrared  range  finders  for  sensors   Various  Motors  for  actuator  

—  SoCware  agent  :   —  — 

Keystroke,  file  contents,  network  packets  as  sensory  inputs   Acts  on  the  environment  by  displaying  on  the  screen,  wri6ng   files,  and  sending  network  packets  

KONSEP  AGENT  

—  Percept  à  Input  (Masukan  indera  si  agent)   —  Ac6on  à  6ndakan    yang  dilakukan  oleh  si  agent   —  Environment  à  lingkungan  dimana  si  agent  berada   —  Tujuan  Agent  

KONSEP  RATIONAL  AGENT   —  Ra6onal  à  melakukan  hal  yang  terbaik   —  Kita  harus  mendefinisikan  tujuan  dari  agent   —  Goal  bisa  dinyatakan  sebagai  performance  measure   —  Contoh  :   GOAL  

PERFORMANCE  MEASURE  

Lulus  Kuliah  

IPK  

Cepat  Kaya  

Gaji  Bulanan  

Bahagia    

Tingkat  Kebahagiaan    

—  Ra6onal  Agent  adalah     —  Suatu  agent  yang  selalu  ber6ndak  memaksimalkan  ukuran   kinerja,  mengingat  apa  yang  ia  ama6  tentang  lingkungan  dan   pengetahuan  lain  yang  dimilikinya    

TASK  ENVIRONMENT   ì Ke6ka  merancang  sebuah  agent,  kita  harus  

mendefinisikan  masalah  (task  environment),  yaitu  :   ì  Percept  :  Apa  saja  yang  jadi  input  si  agent?   ì  Ac6on  :  Apa  saja  yang  bisa  dilakukan  si  agent?   ì  Goals  :  Apa  tujuan  si  agent?   ì  Environment  :  Dimanakah  si  agent  berperan?    

ì Task  Environment  à  PAGE  (Russel  &  Norvig  

menggunakan  singkatan  PEAS)  

CONTOH  AGENT  :  TAXI  OTOMATIS   § 

Taksi  Otoma6s  yang  menerima  penumpang  dan   mengantarkan  ke  tujuannya  :   § 

Percept     §  Video,  Speedometer,  GPS,  Keyboard    

§ 

Ac6ons   §  S6r  Arah,  Klakson,  gas,  rem,  sinyal  kiri/kanan  

§ 

Goal   §  Tujuan  penumpang,  mencapai  setoran,  hemat  bensin,  

6dak  nabrak,  6dak  di6lang  

§ 

Environment   §  Jalan,  lampu  merah,  lalulintas,  pejalan  kaki,  cuaca  

CONTOH  AGENT  :     ROBOT  PABRIK  PENJAMIN  MUTU   § 

Robot  yang  mengama6  komponen  pada  ban  berjalan,   lalu  memisahkan  yang  bermutu  6nggi  dari  yang  jelek,   cacat,  dan  lain-­‐lain  ke  dalam  dua  kotak:   § 

 Percept     §  Kamera,  sensor  fisik  

§ 

Ac6ons   §  Gerak  lengan  robo6k  

§ 

Goal   §  Komponen  masuk  kotak  yang  benar  (presentase)  

§ 

Environment   §  Ban  berjalan,  komponen  yang  diuji,    kotak-­‐kotak  

Merancang  Sebuah  Agent   Struktur  Sebuah  Agent  

ì Agent  =  Arsitektur  +  Program   ì Agent  Program  menerima  input  percept  terakhir    

CONTOH  :  VACUUM  CLEANER  

ì Definisi  Task    Environment:   ì  Percepts  :  lokasi  dan  status,  misal  :  [A,Kotor]   ì  Contoh  Percept  Sequence  (urutan  inputan)  

 {[A,Kotor],  [A,Bersih],  [B,  Kotor],  [B,  Bersih],….}    {[A,Kotor],  [A,Kotor],  [A,  Kotor],  [A,  Bersih],….}   ì  Ac6on  :  DoKekiri,  DoKekanan,  DoSedot,  DoSantai   ì  Goal  :  menjaga  kebersihan   ì  Environment  :  ruangan  A  dan  B  beserta  isi  debunya  

Contoh  Agent  :  AGENRAJIN  

JENIS-­‐JENIS  AGENT  PROGRAM   Menurut  Russel  dan  Norvig:   §  Simple  Reflex  Agents     §  Hanya  berdasarkan  percept  terakhir   §  Model-­‐based  reflex  agents  :   §  Memiliki  representasi  internal  mengenai  keadaan  lingkungan     §  Goal-­‐based  agents  :   §  Memiliki  informasi  mengenai  tujuan,  memilih  6ndakan  yang   mencapai  tujuan   §  U6lity-­‐based  agents  :   §  Melakukan  penilaian  kuan6ta6f  terhadap  suatu  keadaan   lingkunganàu6lity  func6on.   §  Berkaitan  dengan  Performance  Measure   §  Learning  agents  :   §  Belajar  dari  pengalaman,  meningkatkan  kinerja  

Simple  Reflex  Agents  

Sumber dari: http://en.wikipedia.org/wiki/Intelligent_agent

Model  Based-­‐Reflex  Agents  

Sumber dari: http://en.wikipedia.org/wiki/Intelligent_agent

Goal  Based  Agents  

Sumber dari: http://en.wikipedia.org/wiki/Intelligent_agent

Utility-­‐Based  Agents  

Sumber dari: http://en.wikipedia.org/wiki/Intelligent_agent

Learing  Agents  

Sumber dari: http://en.wikipedia.org/wiki/Intelligent_agent

RINGKASAN   ì Sebuah  Ra6onal  Agent  harus  memiliki  tujuan  (goal).   ì Sebuah  Task  Environment  mendefinisikan  Percept,  

Ac6on,  Goal,  dan  Environment  sebuah  agent.  

ì Agent  Func6on  memetakan  percept  sequence  (histori  

urutan)  terhadap  6ndakan.  

ì Agent  Program  mengimplementasikan  agent  func6on.  

Referensi   ì  Semua  materi  slide  dibuat  oleh  (Sekolah  Tinggi  Ilmu  

Komputer  Indonesia  (STIKI)  Malang.  

ì  George  F.  Luger,  Ar6ficial  Intelligence,  Addison  

Wesley,  Fourth  Edi6on.  

ì  Stuart  Russell  &  Peter  Norvig,  Ar6ficial  Intelligence:  

A  Modern  Approach,    Third  Edi6on.    

ì  hep://en.wikipedia.org/wiki/Intelligent_agent