Kecerdasan
buatan atau dalam bahasa inggrisnya Artificial Intelligence sering disingkat dengan AI
yang merupakan cabang terpenting dalam dunia komputer. A
khir-akhir ini, teknologi AI telah begitu banyak mempengaruhi kehidupan manusia. AI kini berada disekeliling kita, di dalam kehidupan sehari-hari kita, boleh dikatakan tidak ada satu pun peralatan yang tidak menggunakan teknologi AI. Di rumah, radio, mesin cuci, kulkas, ponsel, dll dilengkapi dengan Integrated Circuit komputer yang mempunyai AI. Dengan kata lain AI ialah ilmu dan rekayasa yang membuat mesin mempunyai intelligensi tertentu khususnya program komputer yang ‘cerdas’ (John McCarthy, 1956).
khir-akhir ini, teknologi AI telah begitu banyak mempengaruhi kehidupan manusia. AI kini berada disekeliling kita, di dalam kehidupan sehari-hari kita, boleh dikatakan tidak ada satu pun peralatan yang tidak menggunakan teknologi AI. Di rumah, radio, mesin cuci, kulkas, ponsel, dll dilengkapi dengan Integrated Circuit komputer yang mempunyai AI. Dengan kata lain AI ialah ilmu dan rekayasa yang membuat mesin mempunyai intelligensi tertentu khususnya program komputer yang ‘cerdas’ (John McCarthy, 1956).
Pengertian
sebuah AGENT adalah segala sesuatu yang dipandang sebagaimana mengamati
lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui
efektor. Agen manusia memiliki mata, telinga, dan organ lain untuk sensor, dan
tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor. Sebuah pengganti
agen robot kamera dan berbagai pencari inframerah untuk sensor dan berbagai
motor untuk efektor.
1.
AGENT DAN LINGKUNGANNYA
Agen
Intelligent sering digambarkan secara skematis sebagai sistem fungsional
abstrak mirip dengan program komputer. Untuk alasan ini, agen cerdas
kadang-kadang disebut agen cerdas abstrak s (AIA) Untuk membedakan mereka dari
dunia nyata implementasinya sebagai sistem komputer, sistem biologis, atau
organisasi. Beberapa definisi dari agen cerdas mereka menekankan otonomi ,
sehingga lebih memilih cerdas agen otonom jangka s. Yang lain (terutama Russell
& Norvig (2003) ) perilaku goal-directed dianggap sebagai inti dari
kecerdasan dan sebagainya lebih suka istilah yang dipinjam dari ekonomi , ”
agen rasional “.
Agen
Cerdas dalam kecerdasan buatan berhubungan erat dengan agen di ekonomi , dan
versi dari paradigma agen cerdas yang dipelajari dalam ilmu kognitif , etika ,
filsafat alasan praktis , serta di banyak interdisiplinersosio-kognitif
pemodelan dan sosial simulasi komputer.
Intelligent
agen juga berhubungan erat dengan agen perangkat lunak (program perangkat lunak
otonom yang melaksanakan tugas atas nama pengguna). Dalam ilmu komputer , agen
cerdas istilah dapat digunakan untuk merujuk kepada agen perangkat lunak yang
memiliki kecerdasan tertentu, terlepas jika tidak agen rasional oleh dan Norvig
Definisi Russell. Sebagai contoh, program otonom digunakan untuk bantuan
operator atau data mining (kadang-kadang disebut sebagai bot).
Lingkungan
Tugas Agen, merupakan definisi dari pemasalahan yang akan diselesaikan oleh
agen.antara lain :
1. Performance Measure
karakteristik
apa yang menjadi tujuan dari agen ?
contoh
: motor - tiba ditujuan dengan cepat dan hemat bahan bakar
2. Environment
bagaimana
karakterisitik lingkungan yang akan dihadapi ?
contoh
: motor - tipe jalan, tingkat kemacetan
3. Actuators
perangkat
apa yang dibutuhkan agen untuk mencapai tujuan ?
contoh
: motor - steering, klakson dll
4. Sensors
perangkat
apa yang dibutuhkan agen untuk mengetahui kondisi lingkungan ?
contoh
: motor - speedometer
2.
RASIONALITAS
Rational
Agent merupakan suatu agent yang selalu bertindak memaksimalkan ukuran kinerja,
mengingat apa yang ia amati tentang lingkungan dan pengetahuan lain yang
dimilikinya. Mengevaluasi kinerja sangat penting. Kita harus berhati-hati untuk
membedakan antara rasionalitas dan omniscience (kemahatahuan). Rasionalitas
bahwa agen tahu hasil dari sebuah tindakan yang dilakukan secara rasional.
Sedangkan omniscience adalah sebuah kemustahilan dari kenyataan yang sebenarnya
telah terjadi. Faktor yang mempengaruhi rasionalitas :
·
Pengukuran
kinarja (Performance Measure)
·
Percept
Sequence (persepsi urutan)
·
Knowledge
from Environment
·
Possible
Actions
3.
PERFORMANCE MEASURE, ENVIRONMENT, ACTUATORS, SENSORS (PEAS)
Ketika
merancang sebuah agen, harus mendefinisikan lingkungan masalah (task
environment), yakni:
·
Performance measure: apa saja komponen pengukur keberhasilan si
agent?
·
Environment: kondisi apa saja yang ada disekitar agent?
·
Actuators: apa saja yang bisa dilakukan si agent?
·
Sensors: apa saja yang mnejadi inout si agent?
1. Contoh: Taksi Otomatis
Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan
- Performance measure: sampai tujuan, tidak melanggar lalu lintas, perjalanan nyaman, hemat bensin.
- Environment: jalan, lalu lintas, pejalan kaki, pelanggan.
- Actoators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.
- Sensors: video, speedometer, GPS, keyboard.
Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan
- Performance measure: sampai tujuan, tidak melanggar lalu lintas, perjalanan nyaman, hemat bensin.
- Environment: jalan, lalu lintas, pejalan kaki, pelanggan.
- Actoators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.
- Sensors: video, speedometer, GPS, keyboard.
2. Contoh: Medical Diagnosis System
Sebuah agent Medical Diagnosis System yang mendiagnosa pasien secara otoatis:
- Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.
- Environment: pasien, rumah sakit, suster, dokter.
- Actoators: layar monitor (pertanyaan, test, diagnosa, treatment, petunjuk).
- Sensors: keyboard (masukkan gejala penyakit, jawaban pasien).
Sebuah agent Medical Diagnosis System yang mendiagnosa pasien secara otoatis:
- Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.
- Environment: pasien, rumah sakit, suster, dokter.
- Actoators: layar monitor (pertanyaan, test, diagnosa, treatment, petunjuk).
- Sensors: keyboard (masukkan gejala penyakit, jawaban pasien).
3. Contoh: Robot Pabrik Penjamin Mutu
Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda
- Performance measure: presentase jumlah komponen yang diletakkan pada kotak yang benar.
- Environment: ban berjalan, komponen yang diuji, kotak.
- Actuators: gerak lengan dan tangan robot.
- Sensors: kamera, sensor fisik.
Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda
- Performance measure: presentase jumlah komponen yang diletakkan pada kotak yang benar.
- Environment: ban berjalan, komponen yang diuji, kotak.
- Actuators: gerak lengan dan tangan robot.
- Sensors: kamera, sensor fisik.
4. Contoh: Interactiv English TutorSebuah agent tutor yang
memberikan latihan english secara interaktif
- Performance measure: nilai skor maksimal.
- Environment: para siswa.
- Actuators: laya monitor (latihan, saran koreksi).
- Performance measure: nilai skor maksimal.
- Environment: para siswa.
- Actuators: laya monitor (latihan, saran koreksi).
- Sensors: keyboard.
4.
TIPE-TIPE LINGKUNGAN AGEN
·
Fully observable (vs. Partially observable): sensor-sensor sebuah agen
memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.
·
Deterministic (vs. Stochastic): keadaan lingkungan berikutnya
sepenuhnya ditentukan oleh keadaan sekarang dan tindakan yang dilaksanakan oleh
agen. (Jika lingkungan itu deterministik kecuali untuk tindakan agen-agen lain,
maka lingkugannya adalah strategic)
·
Episodic (vs. Sequential): pengalaman agen dibagi ke
dalam “episode-episode” atomik (setiapepisode terdiri dari si agen) memahami
(perceiving) dan kemudian melaksanakan satu tindakan, dan pilihan tindakan
dalam tiap episode hanya tergantung pada episode itu sendiri.
·
Static (vs. Dynamic): lingkungan tidak berubah selagi agen
direncanakan (deliberating). (Lingkungan adalah semidynamic jika lingkungan itu
sendiri tidak berubah dengan berjalannya waktu tetapi skor performa agen
berubah)
·
Discrete (vs. Continuous): sejumlah terbatas
persepsi dan tindakan yang khas dan terdefinisi baik.
·
Single agent (vs. Multiagent): sebuah agen yang
mengoperasikan dirinya sendiri dalam sebuah lingkungan.
5.
TIPE-TIPE AGEN
·
Autonomy: Agent dapat melakukan tugas secara mandiri
dan tidak dipengaruhi secara langsung oleh user, agent lain ataupun oleh
lingkungan (environment). Untuk mencapai tujuan dalam melakukan tugasnya secara
mandiri, agent harus memiliki kemampuan kontrol terhadap setiap aksi yang
mereka perbuat, baik aksi keluar maupun kedalam [Woolridge et. al.,1995].
·
Intelligence, Reasoning, dan Learning: Setiap agent harus
mempunyai standar minimum untuk bisa disebut agent, yaitu intelegensi
(intelligence). Dalam konsep intelligence, ada tiga komponen yang harus
dimiliki: internal knowledge base, kemampuan reasoning berdasar pada knowledge
base yang dimiliki, dan kemampuan learning untuk beradaptasi dalam perubahan
lingkungan.
·
Mobility dan Stationary: Khusus untuk mobile agent, dia harus
memiliki kemampuan yang merupakan karakteristik tertinggi yang dia miliki yaitu
mobilitas. Berkebalikan dari hal tersebut adalah stationary agent. Bagaimanapun
juga keduanya tetap harus memiliki kemampuan untuk mengirim pesan dan
berkomunikasi dengan agent lain.
·
Delegation: Sesuai dengan namanya dan seperti yang sudah
kita bahas pada bagian definisi, agent bergerak dalam kerangka menjalankan
tugas yang diperintahkan oleh user. Fenomena pendelegasian (delegation) ini
adalah karakteristik utama suatu program disebut agent.
·
Reactivity: Karakteristik agent yang lain adalah
kemampuan untuk bisa cepat beradaptasi dengan adanya perubahan informasi yang
ada dalam suatu lingkungan (enviornment). Lingkungan itu bisa mencakup: agent
lain, user, adanya informasi dari luar, dsb [Brenner et. al., 1998].
·
Proactivity dan Goal-Oriented: Sifat proactivity boleh
dikata adalah kelanjutan dari sifat reactivity. Agent tidak hanya dituntut bisa
beradaptasi terhadap perubahan lingkungan, tetapi juga harus mengambil
inisiatif langkah penyelesaian apa yang harus diambil [Brenner et. al., 1998].
Untuk itu agent harus didesain memiliki tujuan (goal) yang jelas, dan selalu
berorientasi kepada tujuan yang diembannya (goal-oriented).
·
Communication and Coordination Capability: Agent harus memiliki
kemampuan berkomunikasi dengan user dan juga agent lain. Masalah komunikasi
dengan user adalah masuk ke masalah user interface dan perangkatnya,sedangkan
masalah komunikasi, koordinasi, dan kolaborasi dengan agent lain adalah masalah
sentral penelitian Multi Agent System (MAS). Bagaimanapun juga untuk bisa berkoordinasi
dengan agent lain dalam menjalankan tugas,perlu bahasa standard untuk
berkomunikasi. Tim Finin [Finin et al., 1993] [Finin et al., 1994] [Finin et
al., 1995] [Finin et al., 1997]dan Yannis Labrou [Labrou et al., 1994] [Labrou
et al., 1997] adalah peneliti software agent yang banyak berkecimpung dalam
riset mengenai bahasa dan protokol komunikasi antar agent. Salah satu produk
mereka adalah Knowledge Query and Manipulation Language (KQML). Kemudian masih
berhubungan dengan ini komunikasi antar agent adalah Knowledge Interchange
Format (KIF).
Sumber
Referensi:
http://yogipratama97.blogspot.co.id/2016/10/pengenalan-intelegensi-buatan-kb.html
