Fungsi Agent memetakan dari percept ke aksi atau
dapat dituliskan f : P’ –> A. Percept disini adalah sebuah kondisi atau
permasalahan yang terdapat di lingkungan dan diterima oleh sensor dari Agent.
Percept akan dicari penyelesaiannya oleh Agent dan pemecahan masalah tersebut
merupakan aksi yang akan dilakukan oleh actuators kepada lingkungan.
Rasionalitas merupakan hal yang di pertimbangkan
Agent untuk menyelesaikan atau menghadapi sebuah percept. Agent rasional
memilih aksi manapun yang memaksimalkan nilai yang di harapkan dari pengukuran
performa sekuen percept. Untuk mendesain sebuah Agent rasional harus
menspesifikkan task environment atau PEAS ( Performance measuring,
Environtment, Actuators, Sensor). PEAS haruslah spesifik agar Agent rasional
dapat memilih aksi yang paling sesuai untuk dilakukan ke lingkungan.
Intelligent Agent memiliki beberapa tipe tertentu
diantaranya :
a. Simple
Reflex Agent
b. Model
– Based Agent
c. Goal
– Based Agent
d. Utility
– Based Agent
Semua Agent tersebut dapat menjadi Learning Agent.
a. Simple
Reflex Agent
Simple Refelx Agent merupakan agent
yang paling simple dari tipe agent lainnya. Sistem kerja dari agent ini yaitu
sensor agent menerima percept dari lingkungan dan menyimpulkan keadaan dari
lingkungan saat ini. Lalu agent memilih aksi mana yang akan dilakukan kepada
lingkungan dengan mempertimbangkan aturan aturan dari agent tersebut. Setelah
memilih aksi yang sesuai maka aksi diteruskan ke actuators untuk penyelesaian
di lingkungan.
b. Model
– Based Agent
Sistem kerja dari Model Based Agent
adalah sensor dari agent menerima percept dari lingkungan dan menyimpulkan
keadaan lingkungan saat ini. Setelah itu keadaan lingkungan disimpan sebagai
state di dalam agent untuk masalah selanjutnya. Keadaan atau state yang telah
tersimpan sebelumnya dibandingkan dengan state saat ini dan melihat bagaimana
lingkungan berubah. Setelah membandingkan dan melihat bagaimana lingkungan
berubah maka agent mencari aksi untuk state saat ini dan menyesuaikan dengan
aturan aturan dari agent. Ketika aksi terbaik pada state ditemukan maka aksi
diteruskan ke actuator untuk penyelesaian di lingkungan saat itu.
c. Goal
– Based Agent
Goal – Based Agent tidak terlalu
berbeda dengan Model – Based Agent yaitu sensor dari agent menerima percept
dari lingkungan dan menyimpulkan keadaan lingkungan saat ini. Setelah itu
keadaan lingkungan disimpan sebagai state di dalam agent untuk masalah selanjutnya.
Keadaan atau state yang telah tersimpan sebelumnya dibandingkan dengan state
saat ini dan melihat bagaimana lingkungan berubah. Namun perbedaan nya setelah
melihat bagaimana lingkungan berubah agent mencari aksi untuk state saat ini
dan membandingkan apabila agent melakukan aksi tertentu. Kemudian ketika aksi
aksi tertentu telah dibandingkan aksi tersebut disesuaikan dengan tujuan dari
agent. Ketika aksi terbaik pada state ditemukan maka aksi diteruskan ke
actuator untuk penyelesaian di lingkungan.
d. Utility
– Based Agent
Utility – Based Agent pada dasarnya
sama seperti Goal – Based Agent tetapi yang membedakan terdapat pada
perbandingan aksi nya dimana pada Goal – Based Agent yang menjadi perbandingan
adalah tujuannya. Namun pada Utility – Based Agent yang menjadi pertimbangan
adalah kepuasan setelah melakukan aksi tersebut. Sistem kerja lebih rinci nya
adalah sebagai berikut yaitu sensor dari agent menerima percept dari lingkungan
dan menyimpulkan keadaan lingkungan saat ini. Setelah itu keadaan lingkungan
disimpan sebagai state di dalam agent untuk masalah selanjutnya. Keadaan atau
state yang telah tersimpan sebelumnya dibandingkan dengan state saat ini dan
melihat bagaimana lingkungan berubah. Setelah melihat bagaimana lingkungan
berubah agent mencari aksi untuk state saat ini dan membandingkan apabila agent
melakukan aksi tertentu. Kemudian ketika aksi aksi tertentu telah dibandingkan
dicari lah aksi yang memenuhi kepuasan yang diharapkan dari agent. Ketika aksi
terbaik ditemukan maka aksi diteruskan ke actuator untuk penyelesaian di
lingkungan.
e. Learning
Agent
Learning Agent lebih kompleks
daripada agent yang lain karena Learning Agent merupakan pengembangan dari
agent sebelumnya. Sistem dari Learning Agent adalah sebagai berikut percept
yang diterima sensor dari lingkungan diteruskan ke bagian critic dan
dibandingkan dengan performance standar kemudian feedback diberikan kepada
learning element untuk dipelajari. Selain itu sensor juga meneruskan percept ke
performance element yang mana akan diproses untuk menentukan aksi yang akan
diberikan ke lingkungan. Namun jika pada performance element tidak sesuai
dengan yang diharapkan agent maka agent akan mempertimbangkan aksi dari
learning element. Mengganti aksi pada performance element dan memasukkan aksi
yang terdapat pada performance elemen kedalam learning element. Lalu pada
learning element akan dicari learning goalsnya dan membuat problem generator
untuk membuat perbandingan dengan aksi yang terdapat pada performance element.
Setelah mendapat aksi yang diharapkan oleh agent performance element akan
meneruskan aksi ke actuators untuk penyelesaian di lingkungan.
Hal diatas berikut merupakan penjelasan singkat dari
beberapa Intelligent Agent yang mungkin dapat dipahami. Silahkan mencari dari
sumber sumber lain untuk penjelasan lebih lengkapnya. Demikianlah essai yang
dapat saya berikan. Mohon dimaafkan untuk kekurangan dari essai ini dan semoga
essai ini bermanfaat Terima Kasih.
Source :
Artificial Intelligence A Modern Approach (3rd
Edition)
https://id.wikipedia.org/wiki/Kecerdasan_buatan
Tidak ada komentar:
Posting Komentar