Kuliah: Inteligensi Buatan http://kuliahkita.com/kelas/intelijensia-buatan/ Nur Ulfa Maulidevi
Dec 18, 2014
Kuliah: Inteligensi Buatan http://kuliahkita.com/kelas/intelijensia-buatan/
Nur Ulfa Maulidevi
Ikhtisar Kuliah minggu lalu
Agen dan Lingkungan
Rasionalitas
PEAS (Performance Measures, Environment,
Actuators, Sensors)
Jenis Lingkungan
Tipe Agen
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 2
Kuliah Minggu Lalu Empat pendekatan dalam Inteligensi Buatan:
Berperilaku seperti manusia
Berpikir seperti manusia
Berperilaku secara rasional
Berpikir secara rasional
Pada kuliah ini, bagian awal lebih banyak membahas pendekatan IB dari aspek berperilaku secara rasional
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 3
Agen dan Lingkungan
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 4
Lingkungan Agen
Informasi dari Lingkungan (Persepsi)
Aksi
sensors
actuators
?
Agen Agen adalah segala sesuatu yang dapat dipandang sebagai
sesuatu yang melihat/ menangkap informasi lingkungannya (persepsi) melalui sensor, dan beraksi pada lingkungan melalui efektor/ aktuator(Stuart Russel, pustaka utama) Agen komputasi yang berperilaku secara otonomi
(mampu mengatur sendiri)
Contoh perbandingan Agen manusia: mata, telinga, dan organ lain untuk sensor;
tangan, kaki, mulut, dan organ lain untuk aktuator Agen robotika: kamera dan alat untuk mencari jangkauan
infrared sebagai sensor; berbagai jenis motor untuk aktuator
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 5
Contoh “Dunia Penyedot Debu”
Persepsi: lokasi dan apa yang tertangkap berada di lokasi tersebut, contoh kotoran yang akan diberisihkan
Aksi: Kiri, Kanan, Sedot, Tidak_ada_Operasi
Harus jelas pemisahan antara agen dengan lingkungan agen
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 6
Model Dunia Agen
A – ruang aksi
P – ruang persepsi
Definisikan:
S – status internal [mungkin tidak terlihat oleh agen]
Fungsi Persepsi: S P
Dinamika Dunia Agen: S x A S
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 7
Fungsi Persepsi
Dinamika Dunia
a p
s
Desain Agen
U – Fungsi Utilitas: S real (atau S* real)
Persoalan dari Desain Agen: Temukan pemetaan P* A
Memetakan urutan persepsi yang diterima ke aksi
Memaksimalkan utilitas yang dihasilkan oleh urutan status (kondisi)
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 8
Agen Rasional Agen harus berusaha keras untuk “melakukan aksi yang
benar”, berdasarkan persepsi yang berhasil ditangkap dari lingkungan dan aksi yang bisa dilakukannya. Aksi yang paling baik adalah aksi yang menyebabkan agen paling sukses dalam persoalan yang diselesaikannya
Ukuran kinerja (Performance measure): Kriteria objektif untuk tingkat kesuksesan dar i perilaku agen
Sebagai contoh, ukuran kinerja dari agen penyedot debu adalah banyaknya kotoran yang dibersihkan, jumlah waktu yang diperlukan, banyaknya listrik yang digunakan, tingkat kebisingan yang ditimbulkan, dan lain sebagainya
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 9
Agen Rasional (2) Jadi yang disebut dengan agen rasional:
Untuk setiap kemungkinan urutan persepsi, agen rasional harus memilih aksi yang diharapkan memaksimalkan ukuran kinerja, berdasarkan urutan persepsi yang didapatkan agen dan pengetahun yang diberikan kepada agen
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 10
Rasionalitas
Agen rasional melakukan aksi yang dipercayainya akan mencapai tujuannya Asumsi saya tidak suka baju basah, jadi saya membawa payung. Apakah hal
tersebut rasional? Tergantung pada prediksi cuaca dan apakah saya mendengar prediksi tersebut.
Jika saya telah mendengar prediksi bahwa cuaca akan hujan dan saya mempercayainya, maka aksi membawa payung adalah hal yang rasional
Rasionalitas ≠ maha tahu Asumsinya, prediksi cuaca akan hujan, tapi saya tidak mendengar prediksi
tersebut dan tidak membawa payung, apakah hal tersebut rasional? Ya, karena saya tidak tahu (tidak memiliki pengetahuan atau persepsi) mengeai
prediksi cuaca
Rasionalitas ≠ sukses Seandaianya prediksi cuaca tidak hujan, tapi saya tetap membawa payung dan
saya gunakan untuk melindungi diri dari suatu serangan, apakah hal tersebut rasional?
Tidak, karena walaupun sukses menghindari serangan, payung itu saya gunakan untuk tujuan yang berbeda dengan tujuan awal, yaitu menghindari baju basah.
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 11
Rasionalitas Terbatas Jika definisi agen rasional tidak memiliki batasan,
maka akan sulit untuk mendesain agen dengan kemampuan tersebut
Kenapa sulit? Karena agen dalam bahasan ini sangat bergantung pada kemampuan komputasi di mana agen tersebut dibangun, sehingga kemungkinan agen tidak bisa melakukan kompuptasi untuk menentukan aksi terbaik
Oleh karena itu, kita menggunakan rasionalitas terbatas: “melakukan aksi terbaik yang bisa dilakukan pada batasan komputasi yang ada”
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 12
Rasionalitas Terbatas(2)
Jadi desain agen dengan rasionalitas terbatas:
Temukan P* A
Pemetaan dari urutan persepsi ke aksi
Memaksimalkan nilai utilitas dari urutan status yang didapat dari aksi yang dipilih
Bergantung pada batasan komputasi di mana agen berada
Untuk mendesain agen cerdas menentukan PEAS
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 13
PEAS P: Performance measure (ukuran kinerja)
E: Environment (lingkungan)
A: Actuators (yang bisa melakukan aksi)
S: Sensors (sensor untuk mendapatkan persepsi dari lingkungan)
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 14
PEAS (2) Saat mendesain agen cerdas, penentuan dan
pengaturan PEAS adalah hal pertama yang harus dilakukan
Contoh, desain agen cerdas untuk pengemudi taksi otomatis Performance measure (P): selamat, cepat, taat peraturan
lalu lintas, perjalanan yang menyenangkan, memaksimalkan keuntungan
Environment (E): jalan, pengguna jalan yang lain, pejalan kaki, pelanggan yang naik taksi
Actuators (A): setir, pedal gas, pedal rem, klakson Sensors (S): kamera, sonar, meteran kecepatan
(speedometer), GPS, sensor mesin, papan ketik (keyboard)
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 15
Contoh PEAS yang lain Agen sistem diagnosis medis
Performance measure (P): pasien sehat, biaya yang minimal, minimal tuntutan hukum karena malpraktek
Environment (E): pasien, rumah sakit, staf rumah sakit
Actuators (A): Layar tampilan (pertanyaan, tes kesehatan, diagnosis, perlakuan, dan rujukan)
Sensors (S): Keyboard (input gejala-gejala, hasil test, jawaban pasien)
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 16
Jenis Lingkungan Teramati sepenuhnya(vs. Teramati sebagian): Sensor agen
memberikankondisi lingkungan yang utuh pada setiap saat.
Deterministik (vs. Tidak Pasti): Kondisi/ Status lingkungan berikutnya hanya ditentukan oleh kondisi saat ini dan aksi yag dilakukan oleh agen. Jika terdapat agen lain yang berperan dalam perubahan kondisi lingkungan, maka disebut dengan lingkungan stratejik.
Episodik (vs. sekuensial): Pengalaman agen sebelumnya terbagi atas beberapa episode (setiap episode berisi kegiatan agen menerima persepsi dari lingkungan dan melakukan sebuah aksi), dan pemilihan aksi untuk setiap episode hanya bergantung pada episode itu sendiri, tidak terpengaruh oleh episode sebelumnya.
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 17
Jenis Lingkungan (2)
Statik (vs. dinamis): Lingkungan tidak berubah ketika agen sedang berpikir untuk menentukan aksi yang tepat berdasarkan persepsi yang ditangkap. Lingkungan bersifat semidinamis jika lingkungan tidak berubah seiring waktu, tapi ukuran kinerja agen bergantung pada banyaknya waktu yang diperlukan untuk melakukan aksi.
Diskret (vs. kontinyu): Lingkungan terbatas pada sejumlah pasangan persepsi yang terdefinisi dengan jelas dengan aksinya.
Agen tunggal (vs. multiagen): Sebuah agen beroperasi terhadap lingkungan, dan perubahan lingkungan hanya bergantung pada aksi agen itu saja.
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 18
Jenis Lingkungan
Catur dengan Catur tanpa Mengemudi pewaktuan pewaktuan Taksi Teramati sepenuhnya Ya Ya Tidak Deterministik Stratejik Stratejik Tidak Episodik Tidak Tidak Tidak Statik Semi Ya Tidak Diskret Ya Ya Tidak Agen Tunggal Tidak Tidak Tidak
Kenapa mengetahui jenis lingkungan sangat penting? Karena jenis
lngkunga akan menentukan bagaimana desain agen untuk lingkungan tersebut
Lingkungan pada “dunia nyata” umumnya bersifat Teramati sebagian, Tidak pasti, Sekuensial, Dinamis, Kontinyu, multi-agen
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 19
Fungsi dan Program Agen Spesifikasi suatu agen secara lengkap berupa
fungsi yang memetakan urutan persepsi ke suatu aksi
Sebuah fungsi agen harus bersifat rasional (ingat kembali definisi rasionalitas terbatas)
Tujuan: menemukan cara untuk implementasi fungsi agen rasional, dan fungsi tersebut dapat dieksekusi dalam waktu sesingkat mungkin
Kita bisa menggunakan tabel lookup yang memetakan urutan persepsi ke suatu aksi
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 20
Agen yang menggunakan tabel Lookup Kekurangan:
Tabel harus besar
Membutuhkan waktu untuk membentuk tabel
Tidak ada sifat otonomi pada agen
Walaupun menggunakan pembelajaran mesin, akan membutuhkan waktu yang cukup lama untuk mempelajari tabel yang cukup besar
Alternatifnya agen refleks: agen merespon secara fleksibel terhadap stimuli yang jangkauannya sangat luas kekurangan: tidak bisa menyimpan respon
Jadi setiap jenis agen memiliki kelebihan dan kekurangan
Berikutnya: Berbagai jenis agen
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 21
Jenis agen Terdapat empat jenis agen dasar:
Agen refleks yang sederhana (Simple reflex agents)
Agen refleks yang memanfaatkan model (Model-based reflex agents)
Agen yang berlandaskan pada tujuan (Goal-based agents)
Agen yang berlandaskan pada kinerja (Utility-based agents)
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 22
Simple reflex agents
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 23
Model-based reflex agents
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 24
Goal-based agents
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 25
Utility-based agents
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 26
Learning agents (bagian akhir perkuliahan)
06/08/2014 NUM (Hwee Tou Ng's & Kaelbling) 27