3/12/2018

1Pengertian Agent

• AGENT, adalah :Sesuatu (entity) yang menerima masukan (percept)dari lingkungannya (environment) melalui sensor-sensor, dan yang bertindak (action) melaluieffector/actuator terhadap lingkungan.environment

agent

?

sensors

actuators(effectors)

percepts

actions

3/12/2018

2

?AgentContoh Agent• Human agent– Sensors : mata,telinga,danorgan lainnya– Efektors : tangan, kaki, mulut, dananggota tubuh lainnya• Robotic agent – Sensors : kamera, infrared– Efektors : motor, roda, speakerJadi, tujuan dari Agent apa?

3/12/2018

3

Agent• Agent function memetakan dari percept sequence ke actions �: �∗ → �• Agent program berjalan pada arsitekturfisik untuk menghasilkan f. Vacuum-cleaner world• Percepts: lokasi dan isinyacontoh : [A,Dirty]• Actions: kiri, kanan, sedot, tidakmelakukan apapun.

3/12/2018

4

Vacuum-cleaner worldRationality• Rasionalitas (rationality) :menurut pikiran dan pertimbangandengan alasan yang logis, menurutpikiran yang sehat, cocok denganakal.

3/12/2018

5

Rational Agent• Rational Agent, adalah :Agen yang bertindak (tingkah laku) benar.Jadi butuh suatu pengukuransukses/keberhasilan dari suatu agent !• Performance Measure, adalah :suatu kriteria untukmenentukan seberapa besarsuatu agent “sukses”4 Hal yang mempengaruhiRational Agent• Performance measure yang menunjukkan tingkat keberhasilannya.• Mengetahui tentang lingkungannya(environment)• Tindakan (action) yang dapatdilakukannya.• Rational agent memiliki kemampuanpengamatan (percept sequence)

3/12/2018

6

Omniscience Agent• Omniscience Agent, adalah :Agent yang mengetahui kenyataan yang akan terjadi dalam kejadian dantindakannya, serta dapat bertindak sesuaidengan tujuannya. Omniscience Agent(actual performance)Rational Agent(expected performance) ≠Ideal Rational Agent• Untuk setiap kemungkinan urutanpengamatan, Rational Agent yang ideal harus dapat bertindak sesuai dengan yang diharapkan untuk memaksimumkanperformance measure.• Berdasarkan pada bukti-bukti yang dihasilkan oleh “pengamat” danpengetahuan yang dimiliki agent.

3/12/2018

7

Pemetaan yang ideal dari urutanpengamatan hingga tindakan• Suatu kenyataan bahwa tingkah laku agent sangat bergantung dari urutan pengamatanyang dilakukannya .– setiap bagian agent dapat diuraikan denganmembuat tabel dari tiap respon tindakan terhadaptiap kemungkinan urutan pengamatan.• Tabel ini disebut “mapping” (pemetaan) dariurutan pengamatan menjadi tindakan.Ideal MappingIdeal mapping adalah mapping dari ideal agent. Contoh : kasus akar kuadratIdeal Mapping (akurasi 15 digit) Program dg metode Newtonfunction SQRT(x)z ← 1.0 / * initial guess*/repeat until |z2-x|< 10-15z ← z – ( z2-x )/(2z)endreturn zPengamatan(Percepts) X Tindakan(Action) Z1.0 1.0000000000000001.1 1.0488088481701521.2 1.0954451150103321.3 1.1401754250991381.4 1.183215956619923… …… …

3/12/2018

8

Agent yang Autonomy• Agent yang autonomy, adalah :jika setiap tindakan telah “tercatat” lengkap dalam pengetahuan (built-in knowledge) pada agent.� Tidak perlu memperhatikanpengamatannya (percept).• Contoh :arlogi yang dibawa keluar negeriStruktur dari Intelligent AgentAgent = architecture + program• Architecture:Mesin (hardware) untuk mengeksekusisuatu agent.• Program : suatu implementasi dari fungsi agent.

3/12/2018

9

Struktur dari Intelligent Agent• Hubungan program agent berkaitanerat dengan :–Percepts–Actions–Goals–EnvironmentA Windshield Wiper AgentGoals menjaga kaca tetap bersih & menjaga penglihatanPercepts hujan, kotoranActions off, slow, medium, fastEnvironment kota, cuaca…

3/12/2018

10

Line Keeping Agent (LKA)Goals tetap pada jalurPercepts ?Actions?Environment jalan lalu lintasLine Keeping Agent (LKA)Goals tetap pada jalurPercepts jalur/jalan,batasan jalurActions mengendalikan, me-remEnvironment jalan lalu lintas

3/12/2018

11

Medical diagnosis systemGoals kesehatan pasien, meminimal biayaPerceptsActionsEnvironmentMedical diagnosis systemGoals kesehatan pasien, meminimal biayaPercepts keluhan, gejala, penyakitActions pertanyaan, tes, perawatanEnvironment pasien, rumahsakit, pegawai

3/12/2018

12

Medical diagnosis systemPercepts keluhan, gejala, penyakitSensor keyboard (input gejala, temuan, jawaban pasien)Actions pertanyaan, tes, perawatanActuator display (pertanyaan, test, diagnosis, treatment)Vaccum WorldGoals menjaga kebersihanPerceptsActionsEnvironment

3/12/2018

13

Vaccum WorldGoals menjaga kebersihanPercepts lokasi dan status,mis:[a,kotor]Contoh percept sequence:{[A,kotor],[a,bersih],[b,kotor],[b,bersih], ...}{[a,kotor],[a,kotor],[a,kotor],[a,bersih], ...}Actions ke kiri, ke kanan, sedot, santaiEnvironment kotak a & kotak b beserta debunyaVacuum WorldPercepts lokasi dan status,mis:[a,kotor]Contoh percept sequence:{[A,kotor],[a,bersih],[b,kotor],[b,bersih], ...}{[a,kotor],[a,kotor],[a,kotor],[a,bersih], ...}Sensor cameraActions ke kiri, ke kanan, sedot, santaiActuator roda, mesin vacuum

3/12/2018

14

Vacuum World• Lookup tableAgent Supir TaksiGoals tujuan penumpang, mencapai setoran, hemat bensin, tidak nabrak, tidak ditilangPercept penumpang, lokasi, tujuan,asalActions menyetir, menginjak gas & rem, menekan klakson, memberikansinyal kiri/kananEnvironment jalanan, lampu merah,Lalulintas, pejalan kaki,cuaca

3/12/2018

15

Agent Taksi OtomatisPercept penumpang, lokasi, tujuan,asalSensor camera, speedometer, GPS, engine sensor, keyboardActions menyetir, menginjak gas & rem, menekan klakson, memberikansinyal kiri/kananActuator stir, gas, rem, klakson, sinyal kiri/kanan, displayRobot Part-PickingSebuah robot yang mengamati komponenpada ban berjalan, Lalu memisahkan yang bermutu tinggi dariyang jelek, cacat, dll. Ke dalam dua kotak.

3/12/2018

16

Robot Part-PickingGoals komponen masuk kotak yang benar (persentase?) Percept gerak lengan robotikActions gerak lengan robotikEnvironment ban berjalan, komponenyang diuji,kotak-kotak• Sensor kamera, sensor fisikTipe Agen Tanggapan Tindakan Tujuan EnvironmentSistem diagnosa Medis Gejala, pemeriksaan, jawaban pasien. Pertanyaan, test, perlakuan Pasien sehat, biaya minimal Pasien, rumah sakit.Sistem analisiscitra satelit Pixel dari berbagaiintensitas, warna Cetak berdasarkankategori Perbaiki kategori Citra dari orbit satelitRobot part-picking Pixel dari berbagai intensitas Mengangkat part/ komponen dan memasukkan kedalam kotak Menempatkan part pada kotak yang benar Ban berjalan dengankomponenPengontrolPenyaringan Suhu, tekanan yang terbaca Buka, tutup katup, setelsuhu Kemurnian yang tinggi, hasil, keamanan PenyaringanTutor BahasaInggrisinteraktive Kata yang diketikkan Cetak latihan, sugesti dan koreksi Hasil test siswatindakan mum Sekelompok siswa.

3/12/2018

17

Environment• Lingkungan dimana agent akan beroperasiakan sangat mempengaruhi design agent itu sendiri• Ada beberapa jenis lingkunganAgent Environments• Fully Observable vs Partially Observable• Deterministic vs Stochastic• Episodic vs Sequential• Static vs Dynamic• Discrete vs Continuous• Single Agent vs Multi Agent

3/12/2018

18

Fully observable (vs. partially observable) • Tingkat observasi : Penuh/SebagianTingkat observasi akan menentukanapakah lingkungan pencarian dapatsepenuhnya terlihat (fully observable) atau samar-samar (partially observable).Deterministic (vs. stochastic)• Sifat pencarian informasi : Deterministik/StokastikSifat pencarian akan menjelaskan apakahinformasi dapat dilacak tahap demi tahap(Deterministic) atau dengan urutan yang berubah-ubah (Stochastic).next state = current state + action

3/12/2018

19

Episodic (vs. sequential)• Solusi yang diharapkan: Episodik/ SekuensialMenjelaskan apakah solusi hanya untuksekali pakai (episodic/ tidak tergantungpada tindakan sebelumnya) atau akandigunakan dalam menentukan solusiselanjutnya (sequential).Static (vs. dynamic)• Lingkungan pencarian informasi: Statik/DinamikSelama agent mempertimbangkankeputusan, apakah lingkungan tersebuttidak berubah (static) atau selalu berubah(dynamic).

3/12/2018

20

Discrete (vs. continuous)• Sifat paramater pencarian: Diskrit/ KontinuLingkungan dengan jumlah terbatas(percept & action terdefinisi dengan jelas) atau tidak terbatas.Single agent (vs. multiagent)• Sifat komunikasi : Agen Tunggal/ Agen BanyakMenjelaskan bagaimana agen berinteraksidengan lingkungannya, apakahdipengaruhi juga oleh informasi dari agenlainnya (multi agent) atau hanya dirinyasendiri (single agent).

3/12/2018

21

Contoh EnvironmentEnvironment FullyObservable SingleAgent Deterministic Episodic Static DiscreteChess with a ClockPokerTaxing DrivingMedical DiagnosisInteractive English Tutor Contoh EnvironmentEnvironment FullyObservable SingleAgent Deterministic Episodic Static DiscreteChess with a Clock � � � � Semi �PokerTaxing DrivingMedical DiagnosisInteractive English Tutor

3/12/2018

22

Contoh EnvironmentEnvironment FullyObservable SingleAgent Deterministic Episodic Static DiscreteChess with a Clock � � � � Semi �Poker � � � � � �Taxing DrivingMedical DiagnosisInteractive English Tutor Contoh EnvironmentEnvironment FullyObservable SingleAgent Deterministic Episodic Static DiscreteChess with a Clock � � � � Semi �Poker � � � � � �Taxing Driving � � � � � �Medical DiagnosisInteractive English Tutor

3/12/2018

23

Tipe AGENT• Simple reflex agents– Pengamat dengan respon yang cepat/segera.– Tidak memiliki memory pada states sebelumnya.• Model-based Reflex agents– Pengamat dengan respon yang cepat/segera.– Memiliki internal memory.• Goal-based agent (agents with goals)– Bertindak untuk mencapai goal.• Utility-based agents– Memaksimalkan fungsi kegunaannya (utility). • Learning Agents– Autonomy– LearningCondition-Action Rules What action I should do now

What world is like nowSimple Reflex Agents

3/12/2018

24

Reflex-vacuum AgentSimple Reflex Agents• Kelebihan :– Memilih tindakan yang terbaik hanya berdasarkanpada rule/ aturan, current state dari lingkungan– Sederhana, sangat efesien– Terkadang robust (tidak mudah rusak)• Kekurangan : – Tidak memiliki/ menyimpanmemory – Aplikasi penggunaan terbatas

3/12/2018

25

Condition-Action Rules What action I should do nowWhat world is like nowHow world evolvesWhat my actions doStateModel-based Reflex Agent

Model-based Reflex Agent• Kelebihan :� Memilih tindakan yang terbaik hanyaberdasarkan pada rule/ aturan, current statedari lingkungan� Mampu mempertimbangkan past state darilingkungan.� Masih efisien, sedikit lebih robust • Kekurangan : • Aplikasi penggunaan masih terbatas

3/12/2018

26

Condition-Action Rules What action I should do nowWhat world is like nowHow world evolvesWhat my actions doState What it will be like if I do A

Goal-based AgentGoal-based Agent• Kelebihan :• Dapat mempertimbangkan goal dan initial state• Dasar : Automated Reasoning (FOL)• Kekurangan :• Mungkin lebih mahal : tidak dapatmenyelesaikan banyak problem/ masalah.• Tidak memberikan pilihan.

3/12/2018

27

Condition-Action Rules What action I should do nowWhat world is like nowHow world evolvesWhat my actions doState What it will be like if I do AHow happy will I beUtility

Utility-based AgentsUtility-based Agents• Kelebihan :

- Dapat mempertimbangkan kondisiketidakpastian- Model goal : cost vs benefit- Bermanfaat diberbagai bidang : ekonomi, bisnis, dll.• Kekurangan :- Bagaimana cara mendapatkan- utility tersebut ?- Bagaimana mempertimbangkan- kondisi ketidakpastian?

3/12/2018

28

Learning agentsLearning agents• Dengan learning (belajar) memungkinkan agent untukberoperasi dilingkungan yang sebenarnya yang tidak diketahui.• Bila agent ingin memiliki otonomi, maka agent harus bisa belajar.