AI ( ARTIFICIAL INTELLIGENCE ) (P.E.A.S) (AGENT)

AI ( ARTIFICIAL INTELLIGENCE )

Artificial Intelligence (AI) atau Kecerdasan Buatan merupakan salah satu cabang Ilmu Komputer yang berkonsentrasi pada peng-automatisasi-an agar mesin atau komputer dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.

Pada awal diciptakannya, komputer hanya difungsikan sebagai alat komputasi belaka. Seiring dengan perkembangan waktu, penggunaan komputer semakin mendominasi kehidupan manusia maka komputerpun tidak hanya digunakan sebagai alat hitung saja, tetapi lebih dari pada itu yaitu menggantikan beberapa pekerjaan yang biasanya dilakukan oleh manusia.

P.E.A.S

P.E.A.S adalah singkatan dari Performance measure, Environment, Actuators, Sensors.

Ketika akan merancang agent,kita harus mendefinisikan lingkungan masalah (task environment) tersebut, yakni dengan:

1. Performance measure : Apa komponen pengukur keberhasilan agent?
2. Environment : Kondisi apa yang berada disekitar agent?
3. Actuators   : Apa yang bisa dilakukan agent?
4. Sensors     : Apa yang menjadi input agent?

Contoh : Medical Diagnosis System, Sebuah agent yang dapat mendiagnosa pasien secara otomatis. 

1. Performance measure : Pasien sembuh, biaya terjangkau, tidak menyalahi hukum.
2. Environment : Pasien, rumah sakit, suster, dokter.
3. Actuators   : Layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk penggunaan).
4. Sensors     : Keyboard (memasukkan gejala penyakit pasien, pasien mengetikkan jawaban).

AGENT

 

AGENT disebut autonomous jika perilaku ditentukan oleh pengalaman sendiri (kemampuan untuk belajar dan beradaptasi), Agent melakukan tindakan memperbaiki wawasan kedepan untuk memperoleh informasi penting (Information gathering, exploration).

Terdapat 4 hal yang harus diperhatikan dalam merancang sebuah agent. Yaitu Percept, Action, Goal dan Enviroment. Biasa disingkat PAGE. Aget harus menanggapi setiap rangsangan (Percept) yang ada disekitarnya, kemudian memberikan tindakan (Action) yang tepat terhadap rangsangan tersebut, dan yang pasti setiap tindakan tersebut harus sesuai dengan tujuan (Goal) awal diciptakanya agent tersebut. Selain itu setiap aksi yang dilakukan aleh agent tersebut harus memperhatikan lingkungan (Environment) dimana agent tersebut di tempatkan.

JENIS AGENT dibagi menjadi 5, yaitu : 

• Simple Reflex Agents :

 

Gambar diatas menunjukkan struktur Simple Reflex Agents, Agen refleks sederhana merupakan agen yang paling sederhana karena dia hanya menerapkan teknik kondisi-aksi. Jadi, jika terjadi suatu kondisi tertentu maka agen akan secara sederhana memberikan aksi tertentu. Contoh : agen untuk pengendara taxi diberikan kondisi “jika mobil di depan melakukan pengereman” maka agen akan memberikan aksi “injak rem”.

• Model-based Reflex Agents :

 

Gambar diatas menunjukkan Pengetahuan tentang Agen refleks sederhana dapat melakukan tindakannya dengan baik jika lingkungan yang memberikan kesan tidak berubah-ubah. Misalkan untuk kasus agen pengendara taxi, agen tersebut hanya dapat menerima kesan dari mobil dengan model terbaru saja. Jika ada mobil dengan model lama, agen tersebut tidak dapat menerima kesannya sehingga agen tersebut tidak melakukan tindakan pengereman. Jadi, agen refleks berbasis model ini menjaga keadaan dunianya menggunakan model internal kemudian memilih tindakan seperti agen refleks sederhana.

• Goal-Based Agents :

 

Gambar diatas menunjukkan Pengetahuan agen akan keseluruhan keadaan pada lingkungan tidak selalu cukup. Suatu agen tertentu harus diberikan informasi tentang tujuan yang merupakan keadaan yang ingin dicapai oleh agen. Dengan demikian, agen akan bekerja hingga mencapai tujuannya. Pencarian dan perencanaan adalah dua deretan pekerjaan yang dilakukan untuk mencapai tujuan agen. Agen refleks berbasis tujuan ini menambahkan informasi tentang tujuan tersebut.

• Utility-based Agent :

 

Gambar diatas menunjukkan Pencapaian tujuan pada agen tidak cukup untuk menghasilkan agen dengan tingkah laku berkualitas tinggi. Sebagai contoh untuk agen pengendara taxi, ada beberapa tindakan yang dilakukan oleh agen sehingga dapat mencapai tempat tujuan, namun ada yang lebih cepat, lebih aman, atau lebih murah dari yang lain. Agen refleks berbasis tujuan tidak membedakan keadaan bagus dengan keadaan yang tidak bagus bagi agen. Pada agen refleks berbasis kegunaan, ini memikirkan kondisi yang bagus untuk agen sehingga agen dapat melakukan tugasnya dengan jauh lebih baik. Walaupun untuk kasus tertentu, tidak mungkin agen dapat melakukansemuanya sekaligus. Misalnya untuk agen pengendara taxi, untuk pergi ke tempat tujuan dengan cepat, itu bertentangan dengan keadaan lebih aman. Karena untuk perjalanan taxi yang lebih cepat, tentu tingkat bahaya sangat tinggi dari pada perjalanan taxi yang santai.

• Learning agent :

Gambar diatas menunjukkan Learning agents belajar dari pengalaman, meningkatkan kinerja bertanggung jawab untuk perbaikan Elemen kinerja, bertanggung jawab untuk memilih tindakan eksternal, Kritikus memberikan umpan balik tentang bagaimana agen bekerja.

 

• Referensi : 

1. Chastine Fatichah, 2012, Agent Cerdas, http://share.its.ac.id/pluginfile.php/1358/mod_resource/content/1/2._Agent_Cerdas.pdf, Jakarta.
2. Imam Cholissodin, S.Si., M.Kom, Kecerdasan Buatan/Artificial Intelligence Agen Cerdas ppt, Jakarta.
3. Ibnea QiQi site, 2010, Agent dalam Kecerdasan Buatan, https://ibneaqiqi.wordpress.com/2010/12/10/agent-dalam-kecerdasan-buatan/, Jakarta.
4. S. Russell, and P Norvig, “Artificial Intelligence: A Modern Approach, 3rd Edition”, Prentice Hall, 2010