Pertemuan 3 INTELLIGENT AGENT Betha Nurina Sari M
Pertemuan 3 INTELLIGENT AGENT Betha Nurina Sari, M. Kom
Intelligent Agent (Agen Cerdas) (Slide Chastine Fatichah, ITS, 2012)
Intelligent Agent (Agen Cerdas) • Rational : Melakukan hal yang terbaik • Harus didefinisikan tujuan dari agent • Goal (tujuan) : Performance Measure Goal Performance Measure Lulus Kuliah IPK Kaya Gaji bulanan Juara liga sepakbola Posisi klasemen • Rational Agent : Suatu Agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan dan pengetahuan lain yang dimilikinya
PEAS : Performance Measure, Environment, Actuators, Sensors • Ketika merancang sebuah agent, harus mendefinisikan lingkungan masalah (task environment) • Performance Measure : Apa saja komponen keberhasilan si agent? • Environment : Kondisi apa saja yang ada di sekitar si agent • Actuators : Apa saja yang bisa dilakukan si agent • Sensors : Apa saja yang menjadi input si agent
Contoh : Taksi Otomatis • Agent taksi otomatis menerima penumpang dan mengantarkannya ke tujuan • Performance Measure : sampai tujuan, tidak melanggar aturan lalu lintas, perjalanan nyaman, hemat bensin • Environment : jalan, lalu lintas, pejalan kaki, penumpang • Actuators : arah setir, gas, rem, klakson, sinyal kiri atau kanan, lampu taksi • Sensors : video, speedometer, GPS, keyboard
Medical Diagnosis System • Sebuah Agent Medical diagnosis system yang mendiagnosa pasien secara otomatis. • Performance Measure : pasien sembuh, biaya murah, diagnosis benar • Environment : pasien, rumah sakit, perawat, dokter • Actuators : layar monitor (pertanyaan, tes, diagnosa treatment, petunjuk) • Sensors : keyboard (input jawaban pasien tentang gejala penyakit)
Interactive English Tutor • Sebuah Agen Tutor yang memberikan latihan english secara interaktif • Performance Measure : Nilai skor maksimal • Environment : siswa • Actuators : layar monitor (latihan, saran, koreksi) • Sensors : keyboard
Jenis Environment • Fully Observable vs Partially Observable Apakah semua info relevan diketahui? • Deterministic vs Stochastic Apakah next state = current state + action? • Episodic vs sequential Apakah tergantung pada pengalaman, action sebelumnya?
Jenis Environment • Static vs Dinamic • Apakah environment tidak berubah setelah agent bertindak / proses ? • Discrete vs Continuous • Sifat state, percept, action : diskrit atau kontinyu • Single agent vs Multi agent • Apakah agent bertindak sendiri atau ada lawan?
Contoh : Jenis Environment Jenis Agent Environment Catur dengan Catur tanpa waktu Fully Ya Ya Observable Deterministic Ya, Strategic Episodic Tidak Static Semi Ya Dicrete Ya Ya Single Agent Tidak Taxi driving Tidak Tidak
Contoh : Jenis Environment
Jenis Environment • Jenis environment menentukan desain agent • Di dunia nyata pada umumnya – Partially observable – Stochastic – Sequential – Dynamic – Continous – Multi agent
Struktur Sebuah Agent • Agent Function : Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action) F : P* A • Sebuah program yang mengimplementasikan fungsi f di atas arsitektur • Agent = Arsitektur + Program • Agent program menerima input percept terakhir (mungkin ia menyimpan percept sequence di dalam memorinya)
Contoh Agent : Vacuum Cleaner • Performance Measure : menjaga kebersihan • Environment : Ruangan A dan B beserta debu • Actuators : Do. Ke. Kiri, Do. Ke. Kanan, Do. Bersih, Do. Santai • Sensors : Lokasi dan Status dari sensor Contoh : [A, Kotor] sequence : {[A, Kotor], [A, Bersih], [B, Kotor], …}
Contoh : Agen. Rajin Agent function Agen. Rajin f({…, [*, Kotor]}) Do. Bersih f({…, [A, Bersih]}) Do. Ke. Kanan f({…, [B, Bersih]}) Do. Ke. Kiri Agent program Agen. Rajin Function Agen. Rajin (lokasi, status) returns action if status = kotor then return Do. Bersih else if lokasi = A then return Do. Ke. Kanan else return Do. Ke. Kiri
Jenis-jenis Agent Program Simple Reflex Agent Model-based reflex agents Goal-based agents Utility-based agents Learning agents
Simple Reflex Agent Bertindak berdasarkan percept/ input sensor terakhir saja.
Simple Reflex Agent
Model-based reflex agents -Bertindak berdasarkan input saat ini dan menggunakan histori input sebelumnya sebagai informasi pelengkap. -Merekam histori kondisi lingkungan, tindakan yang diambil oleh agen serta dampak dari tindakan tersebut. -Rekaman histori kondisi lingkungan tersebut disebut model
Model-based reflex agents
Model-based reflex agents
Goal-based agents Memiliki informasi mengenai tujuan, memilih tindakan yang mencapai tujuan
Goal-based agents
Utility-based agents - Melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan –> utility function. -Agen melakukan perhitungan terhadap kinerja/kualitas tindakan yang diambil untuk mencapai tujuan
Utility-based agents
Learning agents • Belajar dari pengalaman, bisa meningkatkan kinerja agen
Perhatikan • Robot / Intelligent Agent berikut termasuk jenis agen yang mana ? Robot-robot di dunia
Pertemuan 3 Mendefinisikan Masalah dalam Ruang Keadaan Betha Nurina Sari, M. Kom
Mendefinisikan masalah dalam ruang keadaan Masalah dalam ruang keadaan Representasi ruang keadaan Blind Searching / Uninformed Search • BFS • DFS
Masalah itu …. .
Masalah dalam Kecerdasan Buatan Dapat dikonversi ke dalam Ruang Keadaan (Ruang Masalah) Mempunyai Keadaan Awal (initial state) Keadaan Tujuan (Goal State) Dapat dibuat aturan-aturan mengubah suatu keadaan (state) ke keadaan (state) lainnya.
Definisikan Masalah Ruang keadaan (state space) : suatu ruang yang berisi semua keadaan yang mungkin Keadaan akhir / tujuan (goal) : keadaan diakhirinya sebuah pencarian Keadaan awal (initial state) : keadaan dimulainya sebuah pencarian Kumpulan aturan (rules) : aturan yang dapat digunakan untuk mengubah suatu keadaan (state) ke keadaan (state) lainnya
Contoh Masalah : Permainan Catur -Kondisi Awal: Semua bidak diletakkan diatas papan dalam dua posisi yaitu kubu putih dan kubu hitam. -Tujuan (Goal): Kemenangan terhadap lawan, yang ditunjukkan dengan posisi Raja yang tidak bisa bergerak lagi
Contoh Masalah : Permainan Catur - Ruang Keadaan: Untuk mempermudah menunjukkan posisi bidak dimisalkan setiap kotak ditunjuk dalam huruf (a, b, c, d, e, f, g, h) pada arah horizontal dan angka (1, 2, 3, 4, 5, 6, 7, 8) pada arah vertical. - Suatu aturan untuk menggerakkan bidak dari posisi (e, 2) ke (e, 4) dapat ditunjukkan dengan aturan: IF bidak putih pada kotak(e, 2) AND kotak(e, 3) kosong AND kotak (e, 4) kosong THEN gerakkan bidak dari (e, 2) ke (e, 4)
Contoh Masalah : Ember A dan B q Contoh Kasus Ember Air: Ø Ada 2 ember masing-masing berkapasitas 4 liter (Ember A) dan 3 liter (Ember B). Ø Ada pompa air yang digunakan untuk mengisi air pada ember tersebut. Ø Bagaimana dapat mengisi tepat 2 liter air ke dalam ember berkapasitas 4 liter?
CONTOH DESKRIPSI MASALAH (permasalahan ember A dan B) • Identifikasi masalah untuk masalah ember: 1. Identifikasi ruang keadaan: Ø x = Jumlah air yang diisi ke ember A (ember 4 ltr) Ø y = Jumlah air yang diisi ke ember B (ember 3 ltr) Ø Ruang keadaan = (x, y) sedemikian sehingga x є {0, 1, 2, 3, 4} dan y є {0, 1, 2, 3} 2. Keadaan awal & tujuan Keadaan awal: kedua ember kosong = (0, 0) Tujuan: ember kapasitas 4 liter diisi 2 liter air = (2, n) dengan sembarang n
CONTOH DESKRIPSI MASALAH (permasalahan ember A dan B) 3. Ruang keadaan ember dapat digambarkan sebagai berikut:
CONTOH DESKRIPSI MASALAH (permasalahan ember A dan B) 4. Aturan-aturan untuk permasalahan ember: Aturan Jika ke 1. (x, y) x<4 2. (x, y) y<3 3. (x, y) x>0 4. (x, y) y>0 5. (x, y) x>0 Maka (4, y) Isi ember A sampai penuh (x, 3) Isi ember B sampai penuh (x-d, y) Tuangkan sebagian air keluar ember A (x, y-d) Tuangkan sebagian air keluar ember B (0, y) Kosongkan ember A dengan membuang airnya ke tanah
CONTOH DESKRIPSI MASALAH (permasalahan ember A dan B) 6. (x , y) y>0 (x, y) x+y ≥ 4 dan y >0 (x, 0) Kosongkan ember B dengan membuang airnya ke tanah (4, y-(4 -x)) Tuangkan air dari ember B ke ember A sampai ember A penuh 8. (x, y) x+y ≥ 3 dan x > 0 (x-(3 -y), 3) Tuangkan air dari ember A ke ember B sampai ember B penuh 9. 11. (x, y) x+y ≤ 4 dan y > 0 (x, y) x+y ≤ 3 dan x > 0 (0, 2) 12. (2, y) (x+y, 0) Tuangkan seluruh air dari ember B ke ember A (0, x+y) Tuangkan seluruh air dari ember A ke ember B (2, 0) Tuangkan 2 liter air dari ember B ke ember A. (0, y) Kosongkan 2 liter air dari ember A dengan membuang airnya ke tanah 7. 10.
CONTOH DESKRIPSI MASALAH (permasalahan ember A dan B) 5. Representasi ruang keadaan dengan pohon pelacakan Pencarian suatu solusi dapat dilukiskan dengan menggunakan pohon. Tiap-tiap node menunjukkan satu keadaan. Jalur dari parent ke child, menunjukkan 1 operasi. Tiap node memiliki node child yang menunjukkan keadaan yang dapat dicapai oleh parent. Solusi 1 Solusi 2
Contoh Masalah : Petani, Sayuran, Domba dan Serigala dapat menyebrang. 1. Identifikasi ruang keadaan: (P, Sy, D, Sg) P : Petani Sy : Sayur D : Domba Sg : Serigala 2. Keadaan awal Daerah Asal : (P, SY, D, Sg) Daerah Seberang (0, 0, 0, 0) Keadaan Tujuan Daerah Asal (0, 0, 0, 0) Daerah Seberang : (P, SY, D, Sg)
Contoh Masalah : Petani, Sayuran, Domba dan Serigala dapat menyebrang. • Kumpulan Aturan : Aturan ke- Aturan 1. 2. Domba dan petani menyebrang Sayuran dan petani menyebrang 3. 4. 5. 6. 7. Serigala dan petani menyebrang Domba dan petani kembali Sayuran dan petani kembali Serigala dan petani kembali Petani kembali
Contoh Masalah : Petani, Sayuran, Domba dan Serigala dapat menyebrang. Keadaan Selanjutnya Keadaan Sekarang Daerah Asal Daerah Seberang Aturan yang Daerah Asal Dipakai Daerah Seberang (P, Sy, D, Sg) (0, 0, 0, 0) 1 (0, Sy, 0, Sg) (P, 0, D, 0) 7 (P, Sy, 0, Sg) (0, 0, D, 0) 3 (0, Sy, 0, 0) (P, 0, D, Sg) 4 (P, Sy, D, 0) (0, 0, 0, Sg) 2 (0, 0, D, 0) (P, Sy, 0, Sg) 7 (P, 0, D, 0) (0, Sy, 0, Sg) 1 (0, 0, 0, 0) (P, Sy, D, Sg)
Representasikan Ruang Keadaan 1) Graph Keadaan • Graph terdiri dari node-node yang menunjukkan keadaan yaitu keadaan awal dan keadaan baru yang akan dicapai dengan menggunakan operator. • Node-node dalam graph keadaan saling dihubungkan dengan menggunakan arc (busur) yang diberi panah untuk menunjukkan arah dari suatu keadaan ke keadaan berikutnya.
Graph Keadaan Contoh : Kondisi Awal = M Tujuan = T • Maka ada 4 lintasan dari M ke T: M-A-B-C-E-T M-A-B-C-E-H-T M-D-C-E-H-T • Lintasan tidak sampai ke tujuan: M-A-B-C-E-F-G M-A-B-C-E-I-J M-D-C-E-F-G M-D-C-E-I-J M-D-I-J
Contoh Masalah : Peta Rumania • Suatu “tourist agent” sedang berlibur di Rumania, kini berada di Arad. Besok, dia harus terbang dari Bandara Bucharest. • Keadaan awal : berada di Arad • Perumusan tujuan : berada di Bucharest • Perumusan Masalah : – Tindakan (action) : Menyetir dari kota ke kota – Keadaan (state) : kota-kota di Rumania
Peta Rumania
Contoh Masalah : Peta Rumania • Pencarian Solusi : Rangkaian kota yang dituju. – Arad, Sibiu, Fagaras, Bucharest – Arad, Sibiu, Rimnicu Vilcea, Pitesti, Bucharest – Arad, Zerind, Oradea, Sibiu, Fagaras, Bucharest – Arad, Timisoara, Lugoj, Mehadia, Dobreta, Craiova, Pitesti, Bucharest – dst
Representasikan Ruang Keadaan 2) Pohon Pelacakan • Struktur pohon digunakan untuk menggambarkankeadaan hirarki • Node yang terletak pada level-0 disebut ‘akar’ • Node yang tidak memiliki anak disebut ‘daun’ menunjukkan akhir dari suatu pencarian, dapat berupa tujuan (goal) atau jalan buntu (dead end)
Pohon Pelacakan (permasalahan ember A dan B) • Representasi ruang keadaan dengan pohon pelacakan pada masalah ember adalah sebagai berikut:
Pohon Pelacakan (permasalahan ember A dan B)
Representasikan Ruang Keadaan Pohon AND/OR Masalah M hanya dapat diselesaikan dengan A AND B AND C AND D Masalah M solusinya dengan 4 kemungkinan : A OR B OR C OR D Contoh dengan menggunakan pohon AND/OR tujuan yang dicapai pada pohon di gambar bisa dipersingkat hanya sampai level-2 saja.
Metode Searching Pencarian : suatu proses mencari solusi dari sebuah masalah melalui sekumpulan kemungkinan ruang keadaan (state space) Blind Searching / Uninformed Search • Pencarian buta (tidak ada informasi awal yang dipakai dalam proses pencarian) Heuristic Searching / Informed Search • Pencarian terbimbing (Ada informasi awal yang dipakai dalam proses pencarian)
NEXT >>> Mendefinisikan Masalah Dalam Ruang Keadaan
- Slides: 55