Recommended
More Related Content
Similar to 1. AI INTRODUCTION & INTELLIGENT AGENTS.pdf
Similar to 1. AI INTRODUCTION & INTELLIGENT AGENTS.pdf (20)
1. AI INTRODUCTION & INTELLIGENT AGENTS.pdf
- 1. TEKNIK INFORMATIKA UNIVERSITAS WIJAYA PUTRA INTRODUCTION of AI & INTELLIGENCE AGENTS
- 2. OUTLINE • Definisi Kecerdasan Buatan • Kecerdasan buatan vs kecerdasan alami • Perkembangan dan aplikasinya • Definisi Agen Cerdas • Agen dan Lingkungannya • Jenis Lingkungan Agen
- 4. Arti Kecerdasan kemampuan untuk … • belajar atau mengerti dari pengalaman, • memahami pesan yang kontradiktif dan ambigu, • menanggapi dengan cepat dan baik atas situasi yang baru, • menggunakan penalaran dalam memecahkan masalah serta menyelesaikannya dengan efektif (Winston dan Pendergast, 1994)
- 5. Definisi Kecerdasan Buatan simulasi dari kecerdasan yang dimiliki oleh manusia yang dimodelkan di dalam mesin dan diprogram agar bisa berpikir seperti halnya manusia. suatu disiplin ilmu yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal - yang dalam pandangan manusia adalah “CERDAS”(H. A. Simon [1987])
- 6. Kecerdasan buatan adalah studi bagaimana membuat komputer dapat melakukan sesuatu sebaik yang dilakukan manusia Kecerdasan buatan meliputi studi tentang pemrograman simbolik / pemrograman non-simbolik untuk menyelesaikan masalah Detail Kecerdasan Buatan Sudut Pandang Penelitian Sudut Pandang Pemrogram
- 7. Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah bisnis Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat seperti yang dilakukan manusia) Detail Kecerdasan Buatan Sudut Pandang Bisnis Sudut Pandang Kecerdasan
- 8. Tujuan Kecerdasan Buatan • Membuat komputer lebih cerdas • Memudahkan pekerjaan manusia, efisiensi • Membuat mesin lebih berguna
- 9. Konsep Kecerdasan Buatan Suatu strategi untuk melakukan proses pencarian (search) ruang problem secara efektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar. Heuristic Contoh: • Traveling salesman problem (TSP) • Search optimization problems • Antivirus software, dll
- 10. Konsep Kecerdasan Buatan Contoh: Machine learning belajar membedakan mana yang email Spam dan bukan Spam berfokus pada penggunaan data dan algoritma untuk meniru cara manusia belajar dan secara bertahap dapat meningkatkan akurasinya. Learning Process
- 11. Konsep Kecerdasan Buatan AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning), termasuk didalamnya proses (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik, dll Inferensi (Penarikan Kesimpulan) Contoh: - Sistem pakar diagnose penyakit menggunaka logika predikat dan aturan inferensinya
- 12. Konsep Kecerdasan Buatan Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional Pencocokan Pola (Pattern Matching) Contoh: Data-driven decision trees and machine-learning classifiers: You can use data-driven decision trees and machine-learning classifiers to identify patterns in order to recognize certain data patterns and categorize them accordingly
- 14. Kecerdasan Buatan VS Kecerdasan Alami AI lebih permanen dapat diduplikasi mudah dalam penyebaran lebih murah Konsisten dan menyeluruh melakukan pekerjaan tertentu lebih cepat & lebih baik dari manusia HUMAN lebih kreatif Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasi-representasi Menggunakan fokus yang luas sebagai referensi untuk pengambilan keputusan. Sebaliknya, AI menggunakan fokus yang sempit
- 15. APLIKASI AI SAAT INI Abdul Rahman, S.Si., M.T.I Voice Asistant Spam Filter Gmail Content-on-demand Netflix The best route Google Maps - guessing keyword - learning linguistic value placing ads on users with certain market segments Chatbot optimasi pemilihan driver
- 16. AGEN CERDAS
- 17. AGEN CERDAS • Agen adalah “segala sesuatu yang bertindak mengamati lingkungannya melalui sensor dan merespon lingkungan itu melalui efektor”. • Seorang agen manusia memiliki mata, telinga, dan organ lainnya sebagai sensor, kemudian tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor. • Efektor → jaringan tubuh, struktur, atau organ (sebagai kelenjar atau otot) yang menjadi aktif sebagai respons terhadap rangsangan.
- 18. Perilaku Agen Cerdas • Agen rasional → agen berupaya untuk melakukan sesuatu dengan benar •Percepts : masukan yang ditangkap dari sensor •Actions : tindakan yang dilakukan oleh Agent •Environments : lingkungan dimana si Agent berada •Agents : humans, robots, softbots, thermostats, etc.
- 19. Contoh: Vacuum Cleaner World • Percepts: lokasi dan kondisi, mis: [A, Kotor] • Actions: Kiri, Kanan, Menghisap, Berhenti
- 20. Agent & Lingkungan • Agent function memetakan dari rekaman inputan (percept histories) ke tindakan (actions): • Agent program menjalankan architecture (kumpulan agent function) untuk menghasilkan f (tindakan)
- 21. Konsep Agen Rasional • Agen rasional selalu berupaya melakukan sesuatu dengan benar agar berhasil • Kriteria untuk keberhasilan perilaku agent disebut performance measure • Contoh : A vacuum-cleaner agent • jumlah kotoran yang dibersihkan • jumlah waktu yang dibutuhkan • jumlah konsumsi listrik • jumlah kebisingan yang dihasilkan • dll Amarey A900 robotic vacuum cleaner with AI. Built-in navigation sensor with visual SLAM technology, which allows this smart cleaner accurately mapping for optimal cleaning path with easy-to-use APP remote control.
- 22. Agen Rasional • Agen rasional → suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan dan pengetahuan lain yang dimilikinya • Rasionalitas berbeda dari kemahatahuan (mengetahui segala sesuatu tanpa batas) • Agent melakukan tindakan: memperbaiki wawasan kedepan untuk memperoleh informasi penting (information gathering, exploration) • Agent disebut autonomous jika perilaku ditentukan oleh pengalaman sendiri (kemampuan untuk belajar dan beradaptasi)
- 23. PEAS • PEAS → Performance measure, Environment, Actuators, Sensors • Ketika merancang sebuah agent, harus mendefinisikan lingkungan masalah (task environment), yakni: • Performance measure : apa saja komponen pengukur keberhasilan si agent? • Environment : kondisi apa saja yang ada disekitar si agent? • Actuators : apa saja yang bisa dilakukan si agent? • Sensors : apa saja yang menjadi input si agent?
- 24. Contoh : Taksi Otomatis • Sebuah agent taksi otomatis yang 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, pelanggan • Actuators: arah stir, gas, rem, klakson, sinyal kiri atau kanan • Sensors: video, speedometer, GPS, keyboard
- 25. Contoh : Medical Diagnosis System • Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis: • Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum • Environment: pasien, rumah sakit, suster, dokter • Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk) • Sensors: keyboard, mouse (masukan gejala penyakit, jawaban pasien)
- 26. Contoh : Robot pabrik penjamin mutu • Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda • Performance measure:? • Environment: ? • Actuators: ? • Sensors: ?
- 27. Contoh : Robot pabrik penjamin mutu • Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda • Performance measure: prosentase jumlah komponen yg diletakkan pada kotak yang benar • Environment: ban berjalan, komponen yang diuji, kotak • Actuators: gerak lengan dan tangan robot • Sensors: kamera, sensor fisik
- 28. Contoh : Interactive English Tutor • Sebuah agent tutor yang memberikan latihan english secara interaktif • Performance measure:? • Environment: ? • Actuators: ? • Sensors: ?
- 29. Contoh : Interactive English Tutor • Sebuah agent tutor yang memberikan latihan english secara interaktif • Performance measure:nilai skor maksimal • Environment: para siswa • Actuators: layar monitor (latihan, saran koreksi) • Sensors: keyboard
- 30. Jenis Environemt • Lingkungan apa saja yang berada di sekitar agent akan mempengaruhi tindakan dari Agen
- 31. 6 Jenis Environment Fully observable Fully: Ketika sensor pada sebuah agen dapat mengakses keseluruhan keadaan pada lingkungan, maka lingkungan itu dapat dikatakan fully observable terhadap agen. Contoh: Google Maps dapat bekerja dengan baik sesuai apa yang ada di Peta. Jika lokasi belum ada di peta tentu google maps tidak bisa menavigasi ke lokasi tersebut Partially observable VS Partially: Ketika sensor mengalami gangguan atau memiliki batasan kemampuan untuk melakukan observasi. Contoh: Mobil bersensor mendeteksi jika didepannya ada sebuah Truk, namun Mobil itu tidak dapat mendeteksi didepan Truk ada apa
- 32. 6 Jenis Environment Single agent Single-agent: Sebuah agen cerdas yang berdiri sendiri tanpa kerjasama dengan agen cerdas yang lain. Contoh: Agen cerdas buka-tutup pintu otomatis tidak bekerjasama agen cerdas yang lain. *note: Sistem Cerdas terdiri dari beberapa agen cerdas, namun 1 agen cerdas saja juga bisa asal kita memahami betul tugas agen cerdas tersebut Multi agent VS Multi-agent: Agen cerdas yang bekerjasama dengan agen cerdas yang lain untuk memaksimalkan kemampuannya. Contoh: Pencari rute Google Maps, membutuhkan bantuan agen cerdas deteksi kemacetan dan estimasi waktu.
- 33. Episodic Episodic: Aksi yang dilakukan saat ini tidak berpengaruh pada aksi selanjutnya. Contoh: Agen cerdas pemilih rute di Google Maps per pencarian, misal mencari rute ke Lokasi A lalu selesai, kemudian mencari rute ke Lokasi B, tentu pencarian sebelumnya tidak mempengaruhi pencarian selanjutnya. Sequential VS Sequential: Aksi yang dilakukan sekarang berpengaruh pada aksi selanjutnya. Contoh: Agen cerdas di Google Assistant, jika kita sering melihat skor Pertandingan Sepak Bola Liga Inggris tentu Google Assistant akan menyimpan data itu untuk kemudian menyarankan kita untuk melihat skor Pertandingan tanpa kita mencarinya. 6 Jenis Environment
- 34. Deterministic Deterministic: Sesuatu yang Pasti. Contoh: Penayangan Harga tiket pesawat, harganya pasti sesuai yang ditayangkan berdasarkan informasi penerbangan. Stochastic VS Stochastic: Ada ketidakpastian. Contoh: Ada ketidakpastian Google Maps karena tidak bisa melihat kondisi jalan secara real-time apakah benar-benar macet atau ditutup. 6 Jenis Environment
- 35. Static Static: Apabila lingkungan tidak berubah saat agen sedang mengambil keputusan, maka lingungan tersebut bersifat static. Contoh: Agen cerdas penentu jalur pada Google Maps, jalur atau jalan fisik pada peta bersifat tetap, jarang berubah Dynamic VS Dynamic: Apabila lingkungan dapat berubah saat agen sedang mengambil keputusan, maka lingungan tersebut bersifat dynamic Contoh: Agen cerdas estimasi waktu pada Google Maps, waktu yang diperkirakan dapat berubah-ubah tergantung kondisi jalan. 6 Jenis Environment
- 36. Discrete Discrete: Jumlah aksi dan persepsi Terbatas, atau dengan kata lain apabila tindakan yang akan diterima dan dilakukan oleh agen telah ditetapkan dengan jelas. Contoh: Permainan Catur, karena langkah yang diambil terbatas dan telah ditentukan dalam peraturan. Continues VS Continuous: Jumlah aksi dan persepsi bisa berubah, atau dengan kata lain apabila tindakan yang akan diterima dan dilakukan oleh agen tidak ditetapkan dan bisa berubah- ubah. Contoh: Agen cerdas estimasi waktu, bisa terus berubah-ubah tergantung kondisi jalan macet, macet pun tidak dapat dianalisa dengan mudah misal: macet ringan, sedang atau parah. 6 Jenis Environment
- 37. Contoh : Jenis Environment • Jenis environment menentukan desain seorang agent • Di dunia nyata pada umumnya: partially observable, stochastic, sequential, dynamic, continuous, multi-agent
- 38. 5 Jenis Agent • Simple reflex agents: melakukan tindakan sesuai dengan inputan yang diterima
- 39. 5 Jenis Agent • 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
- 40. 5 Jenis Agent • Memiliki informasi mengenai kondisi saat ini ditambah informasi tujuan yg ingin dicapai, agen memilih tindakan yang dapat mencapai tujuan
- 41. 5 Jenis Agent • Melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan –> utility function. • Agen melakukan perhitungan terhadap kinerja/kualitas tindakan yang diambil untuk mencapai tujuan
- 42. 5 Jenis Agent • Belajar dari pengalaman, bisa meningkatkan kinerja agen A learning agent is a tool in AI that is capable of learning from its experiences. It starts with some basic knowledge and is then able to act and adapt autonomously, through learning, to improve its own performance. Unlike intelligent agents that act on information provided by a programmer, learning agents are able to perform tasks, analyze performance, and look for new ways to improve on those tasks - all on their own.
- 43. Ringkasan • Kecerdasan buatan adalah suatu konsep untuk memberikan mesin kemampuan untuk dapat berpikir layaknya manusia • kecerdasan buatan bersifat lebih permanen, mudah duplikasi, efisien, cakupan berpikir sempit • kecerdasan alami bersifat lebih kreatif dan dan cakupan berpikir luas
- 44. Ringkasan • Sebuah rational agent harus memiliki tujuan (goal) • Sebuah task environment mendefiniskan performance measure, environment, action, dan sensors (PEAS) sebuah agent. • Agent function memetakan persepsi terhadap tindakan. • Agent program mengimplementasikan agent function. • Jenis-jenis agent: simple reflex, model-based, goal-based, utility- based, dan learning.
- 45. Thank You