Penjelasan Tentang Agen Cerdas dalam Kecerdasan Buatan
TREND TEKNOLOGI – Kecerdasan Buatan, yang biasanya disingkat AI, adalah bidang Teknologi Informasi yang menarik yang menemukan jalannya ke dalam banyak aspek kehidupan modern. Meskipun mungkin tampak rumit, dan ya, memang demikian, kita dapat memperoleh keakraban dan kenyamanan yang lebih besar dengan AI dengan menjelajahi komponen-komponennya secara terpisah. Ketika kita mempelajari bagaimana bagian-bagiannya saling terkait, kita dapat lebih memahami dan menerapkannya.
Itulah sebabnya hari ini kita akan membahas Agen cerdas dalam AI. Artikel ini mendefinisikan agen cerdas dalam Kecerdasan Buatan, fungsi dan struktur agen AI, serta jumlah dan jenis agen dalam AI.
Apa itu Agen dalam AI?
Oke, apakah ada yang langsung membayangkan mata-mata yang berpendidikan tinggi dengan IQ tinggi setelah mendengar istilah “agen cerdas”? Tidak? Bagaimanapun, dalam konteks bidang AI, “agen” adalah program atau entitas independen yang berinteraksi dengan lingkungannya dengan mengamati sekelilingnya melalui sensor, lalu bertindak melalui aktuator atau efektor.
Agen menggunakan aktuatornya untuk menjalankan siklus persepsi, pikiran, dan tindakan. Contoh agen secara umum meliputi:
- Perangkat Lunak: Agen ini memiliki isi berkas, penekanan tombol, dan paket jaringan yang diterima yang berfungsi sebagai masukan sensorik, lalu bertindak berdasarkan masukan tersebut, dan menampilkan keluaran di layar.
- Manusia: Ya, kita semua adalah agen. Manusia memiliki mata, telinga, dan organ lain yang bertindak sebagai sensor, dan tangan, kaki, mulut, dan bagian tubuh lainnya bertindak sebagai aktuator.
- Robotik: Agen robotik memiliki kamera dan pencari jarak inframerah yang berfungsi sebagai sensor, dan berbagai servo dan motor berfungsi sebagai aktuator.
Agen cerdas dalam AI adalah entitas otonom yang bertindak atas lingkungan menggunakan sensor dan aktuator untuk mencapai tujuan mereka. Selain itu, agen cerdas dapat belajar dari lingkungan untuk mencapai tujuan tersebut. Mobil tanpa pengemudi dan asisten virtual Siri adalah contoh agen cerdas dalam AI.
Berikut adalah empat aturan utama yang harus dipatuhi semua agen AI:
- Aturan 1: Agen AI harus mampu memahami lingkungan.
- Aturan 2: Pengamatan lingkungan harus digunakan untuk membuat keputusan.
- Aturan 3: Keputusan harus menghasilkan tindakan.
- Aturan 4: Tindakan yang diambil oleh agen AI haruslah rasional. Tindakan rasional adalah tindakan yang memaksimalkan kinerja dan menghasilkan hasil positif terbaik.
Fungsi Agen Kecerdasan Buatan
Agen Kecerdasan Buatan menjalankan fungsi-fungsi ini secara terus-menerus:
- Memahami kondisi dinamis di lingkungan
- Bertindak untuk mempengaruhi kondisi lingkungan
- Menggunakan penalaran untuk menafsirkan persepsi
- Penyelesaian masalah
- Menggambar kesimpulan
- Menentukan tindakan dan hasilnya
Jumlah dan Jenis Agen dalam Kecerdasan Buatan
Ada lima jenis agen cerdas yang digunakan dalam AI. Agen-agen ini didefinisikan berdasarkan rentang kemampuan dan tingkat kecerdasannya:
- Agen Refleks: Agen ini bekerja di sini dan saat ini dan mengabaikan masa lalu. Mereka merespons menggunakan aturan peristiwa-kondisi-tindakan. Aturan ECA berlaku saat pengguna memulai suatu peristiwa, dan Agen beralih ke daftar kondisi dan aturan yang telah ditetapkan sebelumnya, yang menghasilkan hasil yang telah diprogram sebelumnya.
- Agen berbasis model: Agen ini memilih tindakan mereka seperti yang dilakukan agen refleks, tetapi mereka memiliki pandangan yang lebih komprehensif terhadap lingkungan. Model lingkungan diprogram ke dalam sistem internal, yang dipadukan ke dalam riwayat Agen.
- Agen berbasis tujuan: Agen ini membangun informasi yang disimpan oleh agen berbasis model dengan melengkapinya dengan informasi tujuan atau data mengenai hasil dan situasi yang diinginkan.
- Agen berbasis utilitas: Agen ini sebanding dengan agen berbasis tujuan, kecuali mereka menawarkan pengukuran utilitas tambahan. Pengukuran ini menilai setiap skenario yang mungkin berdasarkan hasil yang diinginkan dan memilih tindakan yang memaksimalkan hasilnya. Contoh kriteria penilaian mencakup variabel seperti probabilitas keberhasilan atau jumlah sumber daya yang dibutuhkan.
- Agen pembelajaran: Agen ini menggunakan elemen pembelajaran tambahan untuk meningkatkan pengetahuan secara bertahap dan menjadi lebih berpengetahuan seiring berjalannya waktu tentang suatu lingkungan. Elemen pembelajaran menggunakan umpan balik untuk memutuskan bagaimana elemen kinerja harus diubah secara bertahap untuk menunjukkan peningkatan.
