Kecerdasan Buatan atau kecerdasan yang
ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah atau
Intelegensi Artifisial (bahasa Inggris: Artificial Intelligence atau hanya
disingkat AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti
ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam
suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat
dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan
antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan
syaraf tiruan dan robotika.
Banyak hal yang kelihatannya sulit untuk
kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti
contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat
permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia
kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk
direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka,
bermain sepak bola.
Walaupun AI memiliki konotasi fiksi ilmiah
yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer,
berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah
mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan
tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah
pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa
dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah.
Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan
perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI
sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan
militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak
komputer rumah dan video game.
Beberapa Bidang dalam Kecerdasan Buatan
antara lain :
1.Sistem Pakar
2.Algoritma Genetika
3.Logika Fuzzy
4.Jaringan Syaraf Tiruan
5.Robotika
1. Sistem Pakar
Sistem pakar adalah suatu program komputer
yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh
seorang atau beberapa orang pakar. Menurut Marimin (1992), sistem pakar adalah
sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik
berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang
biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang
bersangkutan.
Dalam penyusunannya, sistem pakar
mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan
basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam
bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer,
yang selanjutnya digunakan dalam proses pengambilan keputusan untuk
penyelesaian masalah tertentu.
Modul Penyusun Sistem Pakar
Suatu sistem pakar disusun oleh tiga modul
utama (Staugaard, 1987), yaitu :
Modul Penerimaan Pengetahuan Knowledge
Acquisition Mode)
Sistem berada pada modul ini, pada saat ia
menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang
akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan knowledge
engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu
sistem pakar dengan pakarnya
ModulKonsultasi(ConsultationMode)
Pada saat sistem berada pada posisi memberikan
jawaban atas permasalahan yang diajukan oleh user, sistem pakar berada dalam
modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan
menjawab pertanyaan-pertanyaan yang diajukan oleh sistem
Modul Penjelasan(Explanation Mode)
Modul ini menjelaskan proses pengambilan
keputusan oleh sistem (bagaimana suatu keputusan dapat diperoleh).
Struktur Sistem Pakar
Komponen utama pada struktur sistem pakar
(Hu et al, 1987) meliputi:
Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu
sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis
pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang
objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu
fakta baru dari fakta yang sudah diketahui. Menurut Gondran (1986) dalam Utami
(2002), basis pengetahuan merupakan representasi dari seorang pakar, yang
kemudian dapat dimasukkan kedalam bahasa pemrograman khusus untuk kecerdasan
buatan (misalnya PROLOG atau LISP) atau shell sistem pakar (misalnya EXSYS,
PC-PLUS, CRYSTAL, dsb.
Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari
sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap
suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin
inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan
fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau
kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan
strategi pengendalian.
Strategi penalaran terdiri dari strategi
penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact
Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan
untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan
pada keadaan sebaliknya.
Strategi pengendalian berfungsi sebagai
panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik pengendalian
yang sering digunakan, yaitu forward chaining, backward chaining, dan gabungan
dari kedua tehnik pengendalian tersebut.
Basis Data (Database)
Basis data terdiri atas semua fakta yang
diperlukan, dimana fakta-fakta tersebut digunakan untuk memenuhi kondisi dari
kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal
pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat
proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk
menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.
Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara
komunikasi antara pemakai dengan sistem. Hubungan antar komponen penyusun
struktur sistem pakar dapat dilihat pada Gambar di bawah ini :
2.Algoritma genetika
Algoritma Genetika adalah suatu algoritma
pencarian yang meniru mekanisme dari genetika alam. Algoritma Genetika ini
banyak dipakai pada aplikasi bisnis, teknik maupun pada bidang
keilmuan.Algoritma ini dapat dipakai untuk mendapatkan solusi yang tepat untuk
masalah optimal dari satu variabel atau multi variabel. Sebelum Algoritma ini
dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan dalam
fungsitujuan, yang dikenal dengan fungsi fitness. Jika nilai fitness semakin
besar, maka sistem yang dihasilkan semakin baik. Operasi yang dilakukan adalah
reproduksi, crossover, dan mutasi untuk mendapatkan sebuah solusi menurut nilai
fitnessnya.
Selanjutnya konstruksi dasar dari Algoritma
Genetika adalah sebagai berikut:
• Pendefinisian Chromosome
• Pendefinisian Fungsi Fitness
• Membangkitkan Sebuah Populasi Awal
• Reproduksi
• Crossover
• Mutasi
Contoh: Aplikasi Algoritma Genetika Untuk
Merancang Fungsi Keanggotaan Pada Kendali Logika Fuzzy.
3.Logika Fuzzy
Logika Fuzzy ( logika samar ) merupakan
logika yang berhadapan langsung dengan konsep kebenaran sebagian, dimana logika
klasik menyatakan bahwa segala hal dapat di ekspresikan dalam binary 0 atau 1.
logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1. Karena alasan
diatas maka pada penelitian ini akan dibuat perancangan perangkat lunak dan
perangkat keras robot avoider dengan mengunakan aplikasi Fuzzy Logic sebagai
kendali system.
Perlu diketahui bahwa Teori Himpunan Samar
dan Logika Samar sangat berkembang pesat pada saat ini. Banyak sekali
masalah-masalah nyata yang lebih tepat diselesaikan menggunakan Teori Himpunan
Samar dan Logika Samar. Banyak sekali muncul teori-teori baru pada saat ini
misalnya: Topologi Fuzzy, Analisa Fuzzy, Aljabar Fuzzy (Fuzzy Semi Group, Fuzzy
Ring, Fuzzy Group, dan sebagainya.
Logika fuzzy telah lama dikenal dan
digunakan dalam berbagai bidang oleh para ahli dan insinyur. Penggunaan logika
fuzzy pada awalnya digunakan untuk beberapa bidang, seperti sistem diagnosa
penyakit (dalam bidang kedokteran); pemodelan sistem pemasaran, riset operasi
(dalam bidang ekonomi); kendali kualitas air, prediksi adanya gempa bumi,
klasifikasi dan pencocokan pola (dalam bidang teknik). Penggunaan logika fuzzy
dalam bidang sistem daya (power system) juga sudah dilakukan, antara lain dalam
analisis kemungkinan, prediksi dan pengaturan beban, identifikasi gangguan pada
generator dan penjadwalan pemeliharaan generator.
4. Jaringan Syaraf Tiruan
Jaringan saraf tiruan (JST) (Bahasa
Inggris: artificial neural network (ANN), atau juga disebut simulated neural
network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan
dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf
manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk
memecahkan masalah berdasarkan informasi eksternal maupun internal yang
mengalir melalui jaringan tersebut.
Secara sederhana, JST adalah sebuah alat
pemodelan data statistik non-linier. JST dapat digunakan untuk memodelkan
hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada
data.
Sejarah
Saat ini bidang kecerdasan buatan dalam
usahanya menirukan intelegensi manusia, belum mengadakan pendekatan dalam
bentuk fisiknya melainkan dari sisi yang lain. Pertama-tama diadakan studi
mengenai teori dasar mekanisme proses terjadinya intelegensi. Bidang ini
disebut ‘Cognitive Science’. Dari teori dasar ini dibuatlah suatu model untuk
disimulasikan pada komputer, dan dalam perkembangannya yang lebih lanjut
dikenal berbagai sistem kecerdasan buatan yang salah satunya adalah jaringan
saraf tiruan. Dibandingkan dengan bidang ilmu yang lain, jaringan saraf tiruan
relatif masih baru. Sejumlah literatur menganggap bahwa konsep jaringan saraf
tiruan bermula pada makalah Waffen McCulloch dan Walter Pitts pada tahun 1943.
Dalam makalah tersebut mereka mencoba untuk memformulasikan model matematis
sel-sel otak. Metode yang dikembangkan berdasarkan sistem saraf biologi ini,
merupakan suatu langkah maju dalam industri komputer.
Definisi
Suatu jaringan saraf tiruan memproses
sejumlah besar informasi secara paralel dan terdistribusi, hal ini terinspirasi
oleh model kerja otak biologis. Beberapa definisi tentang jaringan saraf tiruan
adalah sebagai berikut di bawah ini.
Hecht-Nielsend (1988) mendefinisikan sistem
saraf buatan sebagai berikut:
"Suatu neural network (NN), adalah
suatu struktur pemroses informasi yang terdistribusi dan bekerja secara
paralel, yang terdiri atas elemen pemroses (yang memiliki memori lokal dan beroperasi
dengan informasi lokal) yang diinterkoneksi bersama dengan alur sinyal searah
yang disebut koneksi. Setiap elemen pemroses memiliki koneksi keluaran tunggal
yang bercabang (fan out) ke sejumlah koneksi kolateral yang diinginkan (setiap
koneksi membawa sinyal yang sama dari keluaran elemen pemroses tersebut).
Keluaran dari elemen pemroses tersebut dapat merupakan sebarang jenis persamaan
matematis yang diinginkan. Seluruh proses yang berlangsung pada setiap elemen
pemroses harus benar-benar dilakukan secara lokal, yaitu keluaran hanya
bergantung pada nilai masukan pada saat itu yang diperoleh melalui koneksi dan
nilai yang tersimpan dalam memori lokal".
Menurut Haykin, S. (1994), Neural Networks:
A Comprehensive Foundation, NY, Macmillan, mendefinisikan jaringan saraf
sebagai berikut:
“Sebuah jaringan saraf adalah sebuah
prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk menyimpan
pengetahuan yang didapatkannya dari pengalaman dan membuatnya tetap tersedia
untuk digunakan. Hal ini menyerupai kerja otak dalam dua hal yaitu: 1.
Pengetahuan diperoleh oleh jaringan melalui suatu proses belajar. 2. Kekuatan
hubungan antar sel saraf yang dikenal dengan bobot sinapsis digunakan untuk
menyimpan pengetahuan.
Dan menurut Zurada, J.M. (1992), Introduction
To Artificial Neural Systems, Boston: PWS Publishing Company, mendefinisikan
sebagai berikut:
“Sistem saraf tiruan atau jaringan saraf
tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan
menggunakan pengetahuan yang didapatkan dari pengalaman”.
DARPA Neural Network Study (1988, AFCEA
International Press, p. 60) mendefinisikan jaringan syaraf buatan sebagai
berikut :
Sebuah jaringan syaraf adalah sebuah sistem
yang dibentuk dari sejumlah elemen pemroses sederhana yang bekerja secara
paralel dimana fungsinya ditentukan oleh stuktur jaringan, kekuatan hubungan,
dan pegolahan dilakukan pada komputasi elemen atau nodes.
5. Robotika
Robotika adalah salah satu wacana teknologi
untuk menuju peradaban yang lebih maju. Kebanyakan orang selalu beranggapan
bahwa robot adalah kemajuan teknologi yang mampu menggeser tingkah laku
seseorang untuk melakukan suatu tindakan. Dengan kemajuan yang pesat, maka
kebutuhan akan SDM akan merosot tajam. Layaknya revolusi pada bangsa Eropa.
Sangat disayangkan selali bila titik ikon
kemajuan teknologi tersebut tidak seiring dengan cepat nya pemahaman masyarakat
pada umumnya yang selalu meng-analogikan robot adalah biang kerok hilangnya
tenaga buruh untuk memacu pertumbuhan perekonomian.
Hal ini layaknya dua sisi perbedaan yang
tidak akan bisa menyatu sama lain. Tapi bisa dicermati kembali, bila orang
pelukis ternama akan tergusur karena kemampuan sebuah robot pelukis yang bisa
membuat lukisan yang sama. Sebuah robot yang mampu untuk memahat patung yang
hampir mirip pula. Seluruh ilustrasi tersebut memang sepintas robot bisa
menguasai semua, tapi sangat disayangkan hasil kerja robot adalah tak lebih
dari sebuah alat cetak dan seonggok besi aluminium dan komponen elektronika
yang dirakit pada papan PCB. Sebuah lukisan dari Afandi tentunya akan bernilai
ratusan juta beda ukuran dengan lukisan robot yang paling-paing laku di jual 10
ribuan di pinggir jalan.
Robot Bukanlah Pemegang Kekuasaan
Istilah robot yang dahulu kala berjulukan
Robota, tak lain adalah kata lain dari seorang buruh. Lain halnya dengan
seorang manusia yang diciptakan se-sempurna mungkin oleh sang Pencipta. Sampai
kapanpun robot adalah pembantu manusia. Bila sang teknokrat menciptakan robot
untuk menjadi penguasa dunia, semoga saja dia tidak berumur panjang. Namun
robot adalah sarana untuk membangun peradaban yang lebh maju dan memberikan
kemudahan bagi manusia sebagai penciptanya. Dengan hasil demikian maka seluruh
kajian tentang robotika menjadi lebih memasyarakat diseluruh elemen masyarakat.
Dan buakan menjadi momok yang harus ditakuti.
Robotika sebagai Ikon dan Kajian Ke-ilmuan
Robot adalah simbol dari kamajuan dari
sebuah teknologi, karena didalam nya mencakup seluruh elemen keilmuan.
Elektronika, Mekanika, Mekatronika, Kinematika, Dimamika, dan lain sebagainya.
Hal ini menjadi suatu alasan yang sangat tepat untuk mengash ilmu didalam nya.
Ikon pendidikan akan menjadi semakin termasyur bila selalu mengutamakan
teknologi didalam nya. Sebuah ikon ini sangat penting untuk membangun semangat
kemajuan, karena hal ini akan menjadi sebuah patokan awal dari sebuah
perjuangan untuk selalu dilanjutkan kepada generasi penerus.
Pada awal abad 17, René Descartes
mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin
yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama
pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin
penghitung mekanis yang dapat diprogram.
Bertrand Russell dan Alfred North Whitehead
menerbitkan Principia Mathematica, yang merombak logika formal. Warren
McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap
ada dalam Aktivitas " pada 1943 yang meletakkan pondasi untuk jaringan
syaraf.
Tahun 1950-an adalah periode usaha aktif
dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan
mesin Ferranti Mark I di University of Manchester (UK): sebuah program
permainan naskah yang ditulis oleh Christopher Strachey dan program permainan
catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah
"kecerdasan buatan " pada konferensi pertama yang disediakan untuk
pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan
Turing memperkenalkan "Turing test" sebagai sebuah cara untuk
mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA,
sebuah chatterbot yang menerapkan psikoterapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel
Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan
masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses
pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert
menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana
dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe
mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi
pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala
disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan
terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara
mandiri.
Pada tahun 1980-an, jaringan syaraf
digunakan secara meluas dengan algoritma perambatan balik, pertama kali
diterangkan oleh Paul John Werbos pada 1974. Pada tahun 1982, para ahli fisika
seperti Hopfield menggunakan teknik-teknik statistika untuk menganalisis
sifat-sifat penyimpanan dan optimasi pada jaringan syaraf. Para ahli psikologi,
David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model
jaringan syaraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset
menemukan kembali algoritma pembelajaran propagansi balik (Back-Propagation
learning). Algoritma ini berhasil diimplementasikan ke dalam ilmu komputer dan
psikologi. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan
demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer
permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game
yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan
melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama
telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada
pemerintah AS.
Tantangan Hebat DARPA, yang dimulai pada
2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta
dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia,
menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa
ratus mil daerah gurun yang menantang.
Menurut Russel dan Norvig, pengertian agent
adalah segala sesuatu yang dapat dipandang menangkap/mengetahui/menangapi
lingkunganya melalui sensor dan bertindak terhadap lingkunganya melalui
efektor. Sensor merupakan bagian yang merangsang akan merangsang agent (kamera
& infra red pada robot) sedangkan efektor merupakan bagian yang digunakan
oleh agent untuk menangapi rangsangan yang telah diterimanya sebelumnya(motor
pada robot).
Struktur Agent
Sebuah agent diharapkan melakukan tindakan
yang benar sesuai dengan tujuan diciptakan agent tersebut. Tindakan yang
dilakukan oleh agent tersebut yang akan digunakan sebagai tolak ukur terhadap
keberhasilan sebuah agent.
Berikut 4 buah dasar yang dapat digunakan
untuk menentukan tolak ukur sebuah agent :
Performance measure (tolak ukur terhadap
kesuksesan hasil kerja) yang menyatakan derajat kesuksesan.
Semua imput yang diterima oleh agent, dapat
dilacak kembali (imput disimpan dalam serangkaian data/memory).
Segala sesuatu yang diketahui agen terhadap
lingkunganya.
Setiap indakan yang akan dilakukan oleh
agen.
Pada umumnya sebuah agent terdiri dari dua
buah komponen dasar yaitu suatu program dan sebuah piranti perangkat keras
(arsitektur/computer). Sebagai ilustrasi terhadap hubungan keduanya, sebuah
arsitektur memberikan sebuah percept dari sensor kemudian siap digunakan
kedalam program, menjalankan program dan memberikan pilihan-pilihan tindakan
program ke efektor.
Dua hal penting dalam proses pembuatan
program agent.
Menyatakan mapping (pemetaan) sebagai
sebuah fungsi dan urutan precepsi ke tindakan. Program agent hanya menerima
sebuah presepsi berdasarkan jangka waktu tertentu. Kemudian menyimpan setiap
prepsesi sesuai dengan urutan tertentu kedalam memory .
Tujuan dan performance tidak termaksud
kedalam rangka program.
Terdapat 4 hal yang harus diperhatikan
dalam merancang sebuah agent. Yaitu Percept, Action, Goal dan Enviroment. Biasa
disingkat PAGE. Aget harus menangapi setiap rangsangan (precpt) 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.
Tipe Program Agent
Simple Reflex Agent
Merupakan agent yang bekerja berdasarkan
reflex. Contohnya, sebuah driver agent(supir taxi otomatis), harus memberikan
reflex mengerem ketika terdapat mobil yang berhenti didepanya.
2. Agent That Keep Track the World
Merupakan agent yang tetap melakukan
pengecekan terhadap keadaan lingkungan, sehingga dapat memberikan respon yang
tepat.
3. Goal based agent(Agent berbesis pada
tujuan/sasaran)
Merupakan sebuah agent yang mendasarkan
setiap tindakannya untuk mencapai tujuan yang telah ditentukan. Setiap agent
akan mempertimbangkan setiap kemungkinan yang akan terjadi pada mesa depan
berdasarkan tindakan yang akan/telah dilakukanya.
4. Utility Based Agent
Merupakan sebuah fungsi yang memetakan
suatu keadaan kedalam bilangan real, yang menggambarkan derajak
kesenangan/kepuasan. Sedikit berbeda dengan Goal Based Agent, tipe ini tidak
mengutamakan semua tujua, tetapi akan mengutamakan tujuan mana yang mungkin
tercapai berdasarkan kondisi tertentu(tujuan kepuasan, kenyamanan, keefisienan).
Environment (Lingkungan)
Lingkungan sangat lah penting dalam proses
perancangan sebuah agent. Hal ini dikarenakan setiap tindakan yang akan
dilakukan oleh agent harus mempertimbangkan kondisi lingkungan. Terdapat
beberapa kriteria pembegian lingkungan.
Accessible (dapat diakses)
Jika sensor agent dapat mendeteksi semua
keadaan lingkungan, terutama yang berhubungan dengan pengambilan keputusan.
2. Deterministic
Merupakan suatu lingkungan dimana
lingkungan yang akan dating ditentukan oleh keadaan saat ini dan setiap aksi
yang dilakukan oleh agen saat ini.
3. Dynamic
Suatu lingkungan yang keadaanya selalu
berubah-ubah.
4. Discrete (diskrit)
Keadaan dimana lingkungan saat ini dapat
digambarkan dengan pasti, dengan tingkat kesalahan seminimal mungkin.
No comments:
Post a Comment