Pengertian Agen Cerdas pada AI (Kecerdasan Buatan)

Pengertian Agen Cerdas – Agen cerdas (Artificial Intelligence) adalah sebuah agen yang menerima persepsi dari lingkungan dan melakukan tindakan.Tujuan utamanya adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran manusia).

Ilmu AI dalam permainan umumnya digunakan untuk membuat agen yang dapat mengambil tindakan, memiliki kecerdasan, dan bisa memahami keputusan terhadap kondisi permainan yang dinamis

Pengertian Agen Cerdas

Agen cerdas adalah entitas atau sistem yang dapat berinteraksi dengan lingkungannya dan mengambil tindakan yang tepat untuk mencapai tujuan tertentu.

Agen cerdas dalam AI dapat berupa program komputer yang dapat mempelajari dan mengambil keputusan berdasarkan data yang diberikan.

Contoh Aplikasi Agen Cerdas

Agen cerdas dapat diterapkan dalam berbagai bidang. Berikut adalah beberapa contoh aplikasi agen cerdas:

1. Mobil Otonom: Mobil otonom adalah contoh agen cerdas yang dapat mengemudi sendiri tanpa bantuan manusia. Mobil ini menggunakan sensor dan pemroses untuk mengumpulkan dan menganalisis data dari lingkungan sekitar, sehingga dapat mengambil keputusan yang tepat saat mengemudi.
2. Asisten Virtual: Asisten virtual seperti Siri, Alexa, atau Google Assistant adalah contoh agen cerdas yang dapat memahami dan menjawab pertanyaan pengguna. Mereka menggunakan pemroses untuk memahami pertanyaan dan memberikan jawaban yang relevan.
3. Sistem Rekomendasi: Sistem rekomendasi seperti yang digunakan oleh platform streaming musik atau film adalah contoh agen cerdas yang dapat menganalisis preferensi pengguna dan memberikan rekomendasi yang sesuai.

Konsep Agen Cerdas dan lingkungan

1. Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.
2. Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat actuator: tangan, kaki, mulut, dan bagian tubuh lain sebagai alat gerak.
3. Sedangkan pada agen robot: kamera dan inframerahi untuk sensor, danlengan, serta berbagai motor sebagaiaktuator.
4. Agen menerima (percept) sensor dari lingkungan. Keseluruhan percept yang diterima agen pada suatu selang waktu disebut percept sequence.

Hubungan antara agen dan lingkungan dan digambarkan seperti pada gambar berikut

1. Fungsi Agen (pada gambar 2.2. berupa kotak dengan tanda tanya) memetakanpercept sequence/percept history ke tindakan (action):
   [f: P * A à]
2. Program agen berjalan pada arsitektur fisik untuk menghasilkan nilai fungsi f.
3. agen = arsitektur + program

Konsep Perancangan Agen Cerdas

Rasional dapat didefinisikan sebagai: melakukan hal yang benar. Agen rasional melakukan hal yang benar berdasarkan percept apa yang ditangkap dan tindakan (action) apa yang diambil.

Tindakan yang tepat adalah tindakan yang akan menyebabkan agen menjadi yang paling sukses.

Beberapa hal yang perlu ditekankan:

1. Rasionalitas berbeda dari omniscience (serba tahu/mengetahui semua dengan pengetahuan tak terbatas).
2. Agen dapat melakukan tindakan dalam rangka untuk mengubah persepsi masa depan untuk memperoleh informasi yang berguna (pengumpulan informasi, eksplorasi).
3. Sebuah agen dikatakan otonom jika perilaku agen ditentukan oleh pengalaman sendiri (dengan kemampuan untuk belajar dan beradaptasi).

Pengukuran kinerja: Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen
Misalnya, mengukur kinerja dari agen vacuum-cleaner:

1. Jumlah kotoran dibersihkan,
2. Jumlah waktu yang dibutuhkan,
3. Jumlah listrik yang dikonsumsi,
4. Jumlah kebisingan yang dihasilkan, dll

Pengukuran kinerja haruslah dapat dinyatakan dalam ukuran kuantitatif. Kata “jumlah” mengindikasikan suatu ukuran kuantitatif/terukur. Untuk setiap urutan persepsi (percept sequence) yang ada, agen rasional harus memilih tindakan yang diharapkan untuk memaksimalkan ukuran kinerjanya.

Tujuan (Goal): Setelah menentukan criteria obyektif (seperti diatas), pilih salah satu tujuan untuk menjadi fokus utama dari agen. Goal adalah tujuan utama yangberusaha dicapai oleh agen (prioritas utama).

Konsep utama perancangan agen cerdas/rasional dapat dilakukan dengan bantuan PEAS yang merupakan singkatan dari:Performance measurement, Environment, Actuators, Sensors. PEAS harus ditentukan sebelum desain agen cerdas.

Berdasarkan informasi PEAS, kita benar dapat merancang agen untuk memenuhi tujuan yang ingin dicapai.Sebagai contoh, misalnya tugas merancang sebuah sopir taksi otomatis.

Definisikan PEAS agen cerdas tersebut seperti berikut:

1. Performance Measure: Aman, cepat, legal, perjalanan nyaman, memaksimalkan keuntungan
2. Environment: Jalan, lalu lintas lainnya, pejalan kaki, pelanggan
3. Aktuator: Setir, pedal gas, rem, sinyal, klakson
4. Sensor: Kamera, sonar, speedometer, GPS, odometer, sensor mesin, keyboard

Contoh lain dari mendefinisikan PEAS:
Agen: sistem diagnosis Medis

1. Performance Measure: Pasien Sehat, meminimalkan biaya, tuntutan hukum
2. Environment: Pasien, rumah sakit, staf
3. Aktuator: Layar display (pertanyaan, tes, diagnosis, pengobatan, rujukan)
4. Sensor: Keyboard (masuknya gejala, temuan, jawaban pasien)

Agen: Part-picking robot (robot pengambil komponen)

1. Performance Measure: Persentase berapa bagian masuk ke kotak yang benar
2. Environment: Conveyor, komponen-komponen, kotak komponen
3. Aktuator: lengan dan tangan robot
4. Sensor: Kamera, sensor sudut persendian

Jenis Lingkungan Agen Cerdas

Jenis lingkungan tempat agen cerdas bekerja dapat ditinjau dari beberapa aspek (berikut aspek yang menjadi lawannya,) bergantung lingkungan dimana agen tersebut berada. Aspek-aspek lingkungan adalah:

1. Sepenuhnya teramati vs Sebagian teramati

Lingkungan sepenuhknya teramati jika sensor mendeteksi semua aspek yang relevan dengan pilihan action. Sebuah sensor agen memberikan akses ke keadaan lengkap lingkungan pada setiap titik waktu. Lingkungan sebagian teramati karena sensor berisik dan tidak akurat.

2. Deterministik vs Stokastic

Keadaan berikutnya lingkungan sepenuhnya ditentukan oleh keadaan saat ini dan tindakan yang dilakukan oleh agen. (Jika lingkungan deterministik kecuali untuk tindakan agen lain, maka disebut lingkungan strategis).

3. Episodik vs Sekuensial

Pengalaman agen dibagi menjadi “episode” atom (setiap episode terdiri dari: agen mengamati (percept) dan kemudian melakukan tindakan tunggal), dan pilihan tindakan di setiap episode hanya bergantung pada episode itu sendiri.

4. Statis vs Dinamis

Lingkungan berubah, agen tidak perlu terus mencari pada lingkungan untuk memutuskan sesuatu. Pada lingkungan dinamis terus meminta agen apa yang ia ingin lakukan.

Lingkungan semidinamis jika lingkungan itu sendiri tidak berubah dengan berlalunya waktu namun skor kinerja agen berubah.

5. Diskrit vs Kontinu

Jumlah state/tindakan untuk mencapai goal terbatas (diskrit), persepsi yang jelas dan tindakan yang terhingga. (misalnya, catur – diskrit, mengemudi taksi – kontinyu).

6. Agen tunggal vs agen multi

Seorang agen yang beroperasi dengan sendirinya dalam suatu lingkungan.

Demikianlah artikel temtang Pengertian agen cerdas. Kembali ke Kecerdasan Buatan (Artificial Intelligence). Semoga artikel ini bisa bermanfaat buat kita semua, Terima kasih.