Diberdayakan oleh Blogger.
RSS

Logical Agents

10.08 |

Logical Agents

         Logic merupakan jantung dari program, para pemrogram mempunyai keyakinan bahwa sebuah computer dapat dibuat mengerti logika, maka computer dapat dibuat untuk berfikir, karena logika kelihatannya menjadi inti dari kecerdasan.

1.    Problem solving agent hanya bisa menyelesaikan masalah yang lingkungannya accessible
2.    Kita membutuhkan agen yang dapat menambah pengetahuan dan menyimpulkan keadaan
3.    Agent yang akan membantu seperti ini kita beri nama knowledge based agent
4.    Knowledge based agent

Komponen utama dari knowledge based agent adalah knowledge basenya. Knowledge base (KB) adalah kumpulan representasi fakta tentang lingkungan atau dunia yang berhubungan atau menjadi daerah bekerjanya agen. Setiap representasi dalam KB disebut sebagai sebuah sentence yang diekspresikan dalam sebuah bahasa yakni knowledge representation language

1      Representasi Pengetahuan yang bersifat general.
2      Kemampuan beradaptasi sesuai temuan fakta.
3      Kemampuan menyimpulkan sesuatu dari pengetahuan yang sudah ada.

Syarat Representasi KB:
1.    Representational    Adequacy
kemampuan merepresentasikan semua pengetahuan yang dibutuhkan dalam domainnya
2.    Inferential        Adequacy
kemampuan memanipulasi struktur pengetahuan untuk membentuk struktur baru dalam menampung pengetahuan baru hasil inferensi
3.    Inferential        Efficiency
kemampuan untuk manambahkan informasi untuk mempercepat pencarian dalam inferensi
4.    Acquisitional  Efficiency
kemampuan untuk menambah informasi baru secara mudah.

Pengetahuan yang dimiliki agent tidak berguna jika ia tidak melakukan apapun Karenanya kita perlu menambahkan aturan agar dia dapat bergerak (complete the knowledge base).

Beberapa tahapan yang dilakukan dalam menyusun knowledge based agent:

§  Untuk dapat menyusun sebuah knowledge based agent maka kita harus terlebih dulu bisa menyusun knowledge basenya itu sendiri.
§  Untuk menyusun knowledge base kita perlu menentukan bagaimana cara kita merepresentasikan pengetahuan kita (knowledge representation)
§  Knowledge representation kita harus merupakan bentuk yang mudah disimpan dan digunakan pada komputer. Dalam perkuliahan ini kita menggunakan beberapa macam knowledge representation language





award dan dunia wumpus

# award pertama
Yang musti dilakuin :
1.    Banner Award tidak boleh di ubah, baik tulisan ,warna, dan signaturenya. Tapi kalau resize gambar boleh. (Banner ya bukah Header!)
2.    Tuliskan siapa yang ngasih Award dan urlnya: Putri T Prameswara
3.    Pilih 10 female blogger yang kamu kenal dan belum nerima Award ini,dan sebutkan alasan kenapa kamu pikir dia layak dapetin Award ini.

# award kedua dari nuyy.
dan kedua award itu saya bagikan kepada:
1.    Putri Ayuningtyas
2.    Dissa Pidanti
3.    kartikaputripratama

sekarang saatnya kita bermain di dunia Wumpus.

Wumpus merupakan seekor monster yang tinggal di sebuah gua yang terbagi menjadi 16 ruangan. Wumpus dapat mengeluarkan bau busuk (stench). Wumpus akan menjerit dan mati jika terkena panah. Di dalam gua terdapat 3 lubang mematikan (Pit) yang mengeluarkan angin (breeze) yang terasa sampai ruangan-ruangan di sekitarnya. Sebuah agent dilengkapi dengan tiga anak panah yang hanya bisa diarahkan menuju ruangan-ruangan yang searah dengan arah agent menghadap. Agent bisa bergerak hadap kanan, hadap kiri, atau maju. Agent bisa memanjat keluar gua jika berada pada posisi terjepit. Agen akan mati jika memasuki kotak yang terdapat Wumpus atau Pit.



notWumpus(X,Y):-notStench(X,N), Y is N-1.
notWumpus(X,Y):-notStench(X,N), Y is N+1.
notPit(X,Y):-notBreeze(X,N), Y is N+1.
notStench(X,Y):-percept(nStench,-,-,X,Y,-).
dsb dsb




Logic in general - models and entailment
      konsekuensi logis (juga entailment) adalah salah satu konsep yang paling mendasar dalam logika. Ini adalah hubungan antara pernyataan yang berlaku ketika salah satu secara logis berikut dari satu atau lebih orang lain. Sebuah argumenyang logis yang valid adalah satu di mana kesimpulan mengikuti dari tempat yang, dan kesimpulannya merupakan konsekuensi dari bangunan. Analisis filosofis konsekuensi logis melibatkan bertanya, 'dalam arti apa yang kesimpulan mengikuti dari propertinya?' dan 'apa artinya bagi kesimpulan untuk menjadi konsekuensi dari tempat?  Semua logika filosofis dapat dianggap sebagai menyediakan rekening sifat konsekuensi logis, serta kebenaran logis

daftar pustaka :

http://melartholic.blogspot.co.id/2010/03/award-dan-dunia-wumpus.html
https://rinnooberta.wordpress.com/2013/10/18/2-logical-agents/
http://mohammadfairuz16.blogspot.co.id/2016/10/pengetahuan-teknologi-sistem-cerdas.html


  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • RSS
Comments(0)
Diposting oleh Unknown

Intelligent Agent (Kecerdasan Buatan)

09.42 |

Intelligent Agent (Kecerdasan Buatan)

AGENT dan Lingkungannya
  
   Agents adalah segala sesuatu yang dapat melihat/ mengartikan/ mengetahui (perceiving) linkungannya melalui alat sensor (sensors) dan bertindak (acting) melalui alat aktuator (actuators)Manusia sebagai agent : mata, telinga dan organ lainnya sebagai sensors; tangan, kaki, mulut dan bagian tubuh lainnya sebagai actuators Robot sebagai agent : kamera dan pejejak infra merah sebagai sensors; berbagai motor pengerak sebagai actuators Software sebagai agent : tekanan pada keyboard, isi file dan paket paket pada jaringan sebagai masukan sensors; tampilan pada layar.

Pengertian Rasionalitas

Sebuah keputusan yang rasional adalah salah satu yang tidak hanya beralasan, tetapi juga dioptimalkan untuk mencapai suatu tujuan atau memecahkan masalah. Menentukan optimal untuk perilaku rasional membutuhkan formulasi diukur dari masalah, dan membuat beberapa asumsi utama. Ketika tujuan atau masalah melibatkan membuat keputusan, faktor rasionalitas dalam berapa banyak informasi yang tersedia (misalnya lengkap atau pengetahuan yang tidak lengkap).

Secara kolektif, perumusan dan latar belakang asumsi model rasionalitas mana yang berlaku. Menggambarkan relativitas rasionalitas: jika seseorang menerima model optimal yang menguntungkan diri mereka sendiri, maka rasionalitas disamakan dengan perilaku egois untuk titik yang egois; sedangkan jika seseorang menerima model menguntungkan optimal, maka perilaku murni egois tidak rasional. Oleh karena itu sarana untuk menegaskan rasionalitas tanpa juga menentukan asumsi dari model yang menggambarkan bagaimana latar belakang masalah dibingkai dan dirumuskan.


Contoh Tindakan Rasional

Contoh dari tindakan rasional antara lain seperti:
1.    Seseorang akan lebih berhati hati pada malam hari
2.    Seseorang diberi hadiah karena sudah menolong orang lain
3.    Seorang penjahat diadili karena kejahatannya
4.    Seseorang tidak mempercayai hal – hal yang belum dilihatnya
5.    Seseorang harus menabung agar menjadi orang kaya


Pengertian PEAS dan Cara Kerja Jenis Agent

PEAS dalam konteks intelligent agent, agent dan cara kerja dari masing-masing agent. pembahasan ini merupakan tugas dari mata kuliah Artificial Intelligence (AI) atau kecerdasan tiruan. sebelumnya saya memposting tentang resume skripsi dengan topik yang berkaitan dengan Artificial Intelligence (AI). Bagi teman-teman yang sedang mencari referensi silakan dibaca.. semoga bermanfaat.

Apa itu PEAS dalam konteks intelligent agent ?  sebelum menjelaskan PEAS akan dijelaskan terlebih dahulu apa yang dimaksud dengan Agent ? Agent merupakan sesuatu yang dapat mengesan (perceiving) lingkungan (environment) nya melalui sensors dan bertindak (acting) terhadap lingkungan tersebut melalui actuators. Dan ketika ingin merancang sebuat agent maka kita harus menjabarkan lingkungan masalah (task environment), yaitu :

PEAS
P (performance measure) : komponen keberhasilan si agent
E (environment) : kodisi di sekitar agent
A (actuators) : segala sesuatu yang dapat dilakukan si agent
S (sensors) : segala sesuatu yang menjadi input si agent

Contoh:

1.    Taksi Otomatis merupakan Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan : 
  1. §  Performance measure: sampai tujuan, tidak melanggar aturan lalu lintas, perjalanan nyaman,  hemat bensin 
  2. §  Environment: jalan, lalu lintas, pejalan kaki, pelanggan 
  3. §  Actuators: arah stir, gas, rem, klakson, sinyal kiri atau kanan 
  4. §  Sensors: video, speedometer, GPS, keyboard


2.     Medical Diagnosis System merupakan Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis
o   Performance measure: pasien sembuh, biya murah, tidak menyalahi hukum 
o   Environment: pasien, rumah sakit, suster, dokter 
o   Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk 
o   Sensors: keyboard (masukan gejala penyakit, jawaban pasien) 

Jenis-jenis Agent :
1.    Simple Reflex Agents
2.    Model Based Reflex Agent
3.    Goal-Based Agents
4.    Utility-Based Agents
5.    Learning Agent
selanjutnya saya akan menjelaskan cara kerja dari 5 jenis agent yang sudah disebutkan diatas.

1.    Simple Reflex Agent

Agen reflex sederhana merupakan agen yang paling sederhana karena hanya menerapkan teknik kondisi-aksi. Jadi, jika terjadi tertentu maka agen akan secara sederhana memberikan aksi tertentu.

2.    Model Based Reflex Agent

Agen reflex sederhana dapat melakukan tindakanya dengan baik jika lingkungan yang memberikan kesan tidak berubah-ubah. Misalkan untuk kasus agen pengendara taxi, agen tersebut hanya dapat menerima kesan dari mobil dengan model terbaru saja. Jika mobil model lama, agen tersebut tidak bias menerima kesannya sehingga agen tersebut tidak melakukan tindakan pengereman. Agen reflex model ini menjaga keadaan dunianya menggunakan model internal kemudian memilih tindakan seperti agen reflex sederhana.

3.    Goal-Based Agents

         Suatu agen tertentu harus diberikan informasi tentang tujuan yang merupakan keadaan yang ingin dicapai oleh agen. Dengan demikian, agen akan bekerja hingga mencapai tujuannya. Pencarian dan perencanaan adalah dua deretan pekerjaan yang dilakukan untuk mencapai tujuan agen. Agen refleks berbasis tujuan ini menambahkan informasi tentang tujuan tersebut.

4.    Utility-Based Agents

Agen refleks berbasis tujuan tidak membedakan keadaan yang bagus dengan keadaan yang tidak bagus untuk agen. Pada agen refleks berbasis kegunaan ini memikirkan kondisi yang bagus untuk agen sehingga agen dapat melakukan tugasnya jauh lebih baik.

5.    Learning Agent

Learning agents belajar dari pengalaman, meningkatkan kinerja bertanggung jawab untuk membuat perbaikan elemen kinerja bertanggung jawab untuk memilih tindakan eksternal kritikus memberikan umpan balik tentang bagaimana agen bekerja.


Tipe  - tipe Agent

1.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).

Daftar pustaka :
https://ibneaqiqi.wordpress.com/2010/12/10/agent-dalam-kecerdasan-buatan/
http://maisarohmae23.blogspot.co.id/2016/09/pengertian-peas-dan-cara-kerja-jenis.html
http://www.gurupendidikan.com/pengertian-rasionalitas-menurut-para-ahli-terlengkap/
https://yanneevelynip.wordpress.com/2013/10/20/intelligent-agent-kecerdasan-buatan/


  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • RSS
Comments(0)
Diposting oleh Unknown
Langganan: Postingan (Atom)